一种基于人工智能的建筑板材质量分类方法与流程

本发明涉及数据处理，具体涉及一种基于人工智能的建筑板材质量分类方法。

背景技术：

1、在建筑板材生产过程中可能会受到各种因素的影响，导致生产出的建筑板材产生不同的缺陷，而不同的缺陷严重程度对建筑板材使用的寿命和安全性都有不同的影响。所以对建筑板材进行质量分类，能够提高对建筑板材合格程度的判断效率，保证建筑板材使用过程中的安全性。

2、目前对建筑板材质量分类方法主要依赖于质检员的经验来判断，实施起来费时费力，且主观性较强，分类的结果可能出现不准确。利用缺陷检测方法进行分类的方法，通常也只能检测出某一种缺陷的严重程度，而无法根据多个质量特征进行综合的分类。所以在需要对大量建筑板材质量进行分类时，采用上述方法进行建筑板材分类的效率较低，分类的准确性较差。

技术实现思路

1、为了解决建筑板材分类的效率较低且分类的准确性较差的技术问题，本发明的目的在于提供一种基于人工智能的建筑板材质量分类方法，所采用的技术方案具体如下：

2、获取n组建筑板材的各个特征对应的特征数据；

3、根据n组建筑板材中第i组建筑板材中各个特征对应的特征数据，计算各个特征对应的标准差；

4、针对所述第i组建筑板材对应的第i个决策树，根据标准差最大的特征确定第i个决策树的分类条件，直至标准差最大的特征对应的特征数据均满足所述分类条件，得到所述第i个决策树对所述第i组建筑板材的分类结果；

5、对n个决策树对n组建筑板材的分类结果进行分析，得到建筑板材的质量分类结果；其中，n和i为正整数。

6、优选地，针对第i组建筑板材对应的第i个决策树，根据标准差最大的特征确定第i个决策树的分类条件，直至标准差最大的特征对应的特征数据均满足分类条件，得到第i个决策树对第i组建筑板材的分类结果，包括：

7、在第j次确定标准差最大的特征的情况下，根据标准差最大的特征确定第i个决策树的第j个分类条件；

8、在标准差最大的特征对应的特征数据均满足第j个分类条件的情况下，第i个决策树输出针对第i组建筑板材的j个分类结果；

9、在标准差最大的特征对应的特征数据存在不满足第j个分类条件的情况下，在未确定分类条件的特征中重新选择标准差最大的特征，并根据标准差最大的特征确定第i个决策树的第j+1个分类条件，直至标准差最大的特征对应的特征数据均满足其确定出的分类条件。

10、优选地，根据标准差最大的特征确定第i个决策树的分类条件，包括：

11、根据标准差最大的特征所对应的特征数据的离散程度，确定标准差最大的特征对应的分类阈值；并将第i个决策树的分类条件确定为大于分类阈值。

12、优选地，根据标准差最大的特征所对应的特征数据的离散程度，确定标准差最大的特征对应的分类阈值，包括：

13、针对标准差最大的特征所对应的特征数据中每个特征数据，对每个特征数据及其相邻的特征数据之间的距离进行计算，得到标准差最大的特征对应的分类阈值。

14、优选地，获取n组建筑板材的各个特征对应的特征数据，包括：

15、获取n组建筑板材的各个特征的检测值；

16、将各个特征对应的预设期望值与检测值的差值，确定为各个特征对应的特征数据。

17、优选地，方法还包括：

18、在标准差最大的特征对应的特征数据存在不满足第j个分类条件的情况下，若未确定分类条件的特征中重新选择最大标准差不大于预设标准差阈值，将第i组建筑板材中不满足第j个分类条件的建筑板材确定为第j+1个分类结果。

19、优选地，对n个决策树对n组建筑板材的分类结果进行分析，得到建筑板材的质量分类结果，包括：

20、根据n个决策树中同一位置上的分类结果所使用的分类条件的出现情况，确定n个决策树中各个分类结果的权重系数；

21、根据n个决策树中的各个分类结果以及对应的权重系数，得到建筑板材的质量分类结果。

22、优选地，根据n个决策树中同一位置上的分类结果所使用的分类条件的出现情况，确定n个决策树中各个分类结果的权重系数，包括：

23、根据在n个决策树中每个决策树上的第m个分类结果所使用的分类条件的数量，确定第m个分类结果的第一分类可信度；

24、根据第s个决策树上的第m个分类结果所使用的分类条件，在n个决策树中同一位置的出现次数，确定第s个决策树上的第m个分类结果的第二分类可信度；

25、对第一分类可信度和第二分类可信度进行计算，得到第s个决策树上第m个分类结果的权重系数。

26、优选地，根据第s个决策树上的第m个分类结果所使用的分类条件，在n个决策树中同一位置的出现次数，确定第s个决策树上的第m个分类结果的第二分类可信度，包括：

27、将第s个决策树上的第m个分类结果所使用的分类条件在n个决策树中同一位置的出现次数与所有决策树的总数n的比值，确定为第s个决策树上的第m个分类结果的第二分类可信度。

28、优选地，根据n个决策树中的各个分类结果以及对应的权重系数，得到建筑板材的质量分类结果，包括：

29、按照权重系数对n个决策树中各个分类结果进行加权计算，得到各个分类结果对应的分类数值；

30、将分类数值最大的分类结果确定为建筑板材的质量分类结果。

31、本发明具有如下有益效果：

32、获取n组建筑板材的各个特征对应的特征数据；根据n组建筑板材中第i组建筑板材中各个特征对应的特征数据，计算各个特征对应的标准差；针对第i组建筑板材对应的第i个决策树，根据标准差最大的特征确定第i个决策树的分类条件，直至标准差最大的特征对应的特征数据均满足分类条件，得到第i个决策树对第i组建筑板材的分类结果；对n个决策树对n组建筑板材的分类结果进行分析，得到建筑板材的质量分类结果。如此，利用多个决策树和建筑板材的特征数据对建筑板材进行自动分类，提升了建筑板材的质量分类效率和准确率。

技术特征：

1.一种基于人工智能的建筑板材质量分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述针对所述第i组建筑板材对应的第i个决策树，根据标准差最大的特征确定所述第i个决策树的分类条件，直至标准差最大的特征对应的特征数据均满足所述分类条件，得到所述第i个决策树对所述第i组建筑板材的分类结果，包括：

3.根据权利要求1或2所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述根据标准差最大的特征确定所述第i个决策树的分类条件，包括：

4.根据权利要求3所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述根据标准差最大的特征所对应的特征数据的离散程度，确定标准差最大的特征对应的分类阈值，包括：

5.根据权利要求1所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述获取n组建筑板材的各个特征对应的特征数据，包括：

6.根据权利要求2所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述对n个决策树对n组建筑板材的分类结果进行分析，得到建筑板材的质量分类结果，包括：

8.根据权利要求7所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述根据所述n个决策树中同一位置上的分类结果所使用的分类条件的出现情况，确定所述n个决策树中各个分类结果的权重系数，包括：

9.根据权利要求8所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述根据第s个决策树上的第m个分类结果所使用的分类条件，在n个决策树中同一位置的出现次数，确定第s个决策树上的第m个分类结果的第二分类可信度，包括：

10.根据权利要求7-9中任一项所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，所述根据所述n个决策树中的各个分类结果以及对应的权重系数，得到建筑板材的质量分类结果，包括：

技术总结本发明涉及数据处理技术领域，具体涉及一种基于人工智能的建筑板材质量分类方法，包括：获取N组建筑板材的各个特征对应的特征数据；根据N组建筑板材中第i组建筑板材中各个特征对应的特征数据，计算各个特征对应的标准差；针对第i组建筑板材对应的第i个决策树，根据标准差最大的特征确定第i个决策树的分类条件，直至标准差最大的特征对应的特征数据均满足分类条件，得到第i个决策树对第i组建筑板材的分类结果；对N个决策树对N组建筑板材的分类结果进行分析，得到建筑板材的质量分类结果；其中，N和i为正整数。本发明有效提升建筑板材的质量分类的效率和准确性。技术研发人员：邱守亮,陈岩,张效强,朱德玉受保护的技术使用者：山东阁林板建材科技有限公司技术研发日：技术公布日：2024/9/26