申请/专利权人：湖南工商大学

申请日：2024-01-10

公开（公告）日：2024-04-16

公开（公告）号：CN117575423B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06N3/0464;G06N3/08;G06N20/00;G06Q50/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本申请适用于计算机技术领域，提供了一种基于联邦学习系统的工业产品质量检测方法及相关设备，该方法包括：中央服务器计算设备得分，确定初始优质工业设备；获取共识知识，并确定最终优质工业设备；利用最终优质工业设备的本地数据，对特征提取模型进行训练，并获取最终优质工业设备的设备特征；最终优质工业设备为自身的本地数据添加高斯噪声，并根据设备特征和个性化制导函数，得到独立同分布数据，对产品质量检测模型进行训练，得到训练后的质量检测模型；执行联邦学习，得到每个工业设备的最终产品质量检测模型；每个工业设备利用最终产品质量检测模型进行产品质量检测。本申请能提升工业产品质量检测的准确性。

主权项：1.一种基于联邦学习系统的工业产品质量检测方法，所述联邦学习系统包括一个中央服务器和多个工业设备，其特征在于，每个所述工业设备中的本地数据为非独立同分布数据，每个所述工业设备中的本地模型为产品质量检测模型；所述工业产品质量检测方法包括：所述中央服务器根据每个所述工业设备的设备信息，计算设备得分，并根据所述设备得分，从所述多个工业设备中确定至少一个初始优质工业设备；所述中央服务器根据每个所述初始优质工业设备中产品质量检测模型的检测结果，获取共识知识，并根据所述共识知识从所述至少一个初始优质工业设备中确定至少一个最终优质工业设备；所述中央服务器利用每个所述最终优质工业设备的本地数据，对预先构建的特征提取模型进行训练，并利用训练后的特征提取模型获取每个所述最终优质工业设备的设备特征；所述本地数据为产品的初始状态图像；每个所述最终优质工业设备为自身的本地数据添加高斯噪声，得到噪声数据，并根据自身对应的设备特征和预先构建的用于根据实际需求动态生成独立同分布数据的个性化制导函数，得到独立同分布数据；所述根据自身对应的设备特征和预先构建的用于根据实际需求动态生成独立同分布数据的个性化制导函数，得到独立同分布数据，包括：通过计算公式，得到独立同分布数据；其中，表示个性化制导函数，所述个性化制导函数的表达式如下： 和表示制导的缩放因子，用于调节制导的强度，表示对内容的引导，表示对风格的引导，表示图像编码器，表示图像编码器第层，表示图像编码器第层的Gram矩阵； 是与数据相同维度的潜数，为马尔可夫链： 表示逐方差调度；通过计算公式 得到独立同分布数据；其中，，，表示离散类标签，表示属于类的概率，原始数据通过逐步添加高斯噪声成为，然后在基于个性化制导函数的约束下，逐步降噪得到新的数据；每个所述最终优质工业设备利用自身的本地数据、所述独立同分布数据以及预先构建的损失函数，对自身的产品质量检测模型进行训练，得到训练后的产品质量检测模型；所述中央服务器对每个所述工业设备上传的模型参数进行聚合，以聚合后的全局模型作为下一轮训练的下发模型，进行联邦学习迭代训练直至所述全局模型收敛，得到最终产品质量检测模型；每个工业设备利用所述最终产品质量检测模型进行产品质量检测。

全文数据：

权利要求：

百度查询： 湖南工商大学 基于联邦学习系统的工业产品质量检测方法及相关设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD