一种基于云计算的糖厂生产多指标在线分析监测系统

本发明属于数据监测与分析，尤其涉及一种基于云计算的糖厂生产多指标在线分析监测系统。

背景技术：

1、糖厂在制糖生产过程中会产生大量数据并且制糖需要有指标对产品质量进行规范，因此采用云计算和ai来规范制糖指标；通过云计算来存储并计算分析数据，通过ai在云计算的基础上进行数据识别和自动化分类。

2、在利用ai技术进行数据识别过程中，随着ai对大量数据的依赖性增加，数据隐私和安全成为了该技术一个主要的挑战；同时，如果采集的数据存在偏差，则ai的预测结果也可能存在偏差，并且还存在“拒识率”和“误识率”的缺陷，也即：匹配阈值分数大时，“拒识率”会升高；匹配阈值分数小时，“误识率”也会升高，并且该技术的性能也受特征点数量的限制。

3、而云存储作为云计算技术的一部分，是一种将数据存储在网络中的多台虚拟服务器上，而非传统的专属服务器上的技术。这些虚拟服务器通常由第三方托管，用户可以通过购买或租赁存储空间的方式，将数据存储在云端，实现数据的远程访问和管理，具有灵活性、数据安全性、共享性优势。虽然云存储可能会采取多重加密技术来保护用户数据，但是网络安全风险始终存在，网络攻击和数据泄露事件可能会导致用户数据被窃取或篡改，同时云存储也依赖互联网连接，如果网络不稳定或中断，可能会影响数据的访问和上传。

4、因此，为了使得糖厂生产的指标分析与识别的更加准确和可靠，亟需一种综合了ai技术与云计算技术，且能够进一步提高ai识别精度以及网络安全性和稳定性的在线分析监测系统。

技术实现思路

1、本发明的目的在于提供一种基于云计算的糖厂生产多指标在线分析监测系统，可以通过以下技术方案实现：

2、第一方面，本技术实施例提供了一种基于云计算的糖厂生产多指标在线分析监测系统，包括模式识别模块、指标下传模块、指标评估模块和数据安全模块；

3、所述模式识别模块，用于获取制糖生产过程中的各项生产数据，通过识别和分析生成化验信息并形成生产指标；

4、所述指标下传模块，用于将所述生产指标下传至生产岗位端，通过获取化验信息对制糖生产过程进行调整；

5、所述指标评估模块，用于获取制糖生产过程中的历史数据和实时数据并以此构建生产指标评估模型；还用于获取生产环境数据和生产原材料数据并以此构建生产工艺模型；

6、所述数据安全模块，用于在数据传输过程中建立安全防护机制和网络监测机制；

7、其中，所述生产指标评估模型用于对生产指标进行考核评价；

8、所述生产工艺模型用于分析多种不同的生产工艺并以此获取最优生产工艺；

9、其中，建立网络监测机制，具体包括：

10、实时监控网络质量和网络连接状态；

11、根据监测结果采用对应的网络控制措施，具体措施如下：

12、若监测到网络传输速率下降，则切换备用网络通道；

13、若监测到网络连接中断，则采用断点续传策略；

14、若监测到网络连接时断时续，则采用增量同步策略和多点备份策略；

15、在所述网络监测机制中还设置有自动重连机制，用于在网络连接不稳定或中断时自动尝试重新连接和恢复数据传输。

16、优选地，所述模式识别模块包括数据提取子模块、晶体识别子模块和指标生成子模块；

17、所述数据提取子模块，用于从制糖生产过程的各项数据中提取晶体颗粒数据并以图像形式进行表示；

18、所述晶体识别子模块，用于对晶体颗粒图像进行识别和分析并输出分析结果；

19、所述指标生成子模块，用于根据分析结果生成生产指标；

20、其中，采用显微镜采集晶体颗粒的图像。

21、优选地，所述晶体识别子模块包括图像读取单元、图像处理单元和图像识别单元；

22、所述图像读取单元，用于读取所述晶体颗粒图像的原始图像；

23、所述图像处理单元，用于对所述原始图像进行图像处理；

24、所述图像识别单元，用于在所述晶体颗粒图像中提取单颗粒对象；

25、所述单颗粒对象用于对比晶体颗粒的生产标准并筛选出符合标准的作为生产指标；

26、其中，图像处理包括转换图像类型、调整图像大小、中值滤波除噪、阈值化和清除边界颗粒。

27、优选地，在所述图像识别单元中采用sift算法和cnn算法结合的方式进行特征提取和描述，包括：

28、通过sift算法提取晶体颗粒图像中的关键点；

29、对关键点进行特征描述并计算关键点周围的特征描述符；

30、计算所述特征描述符之间的最小欧式距离并进行特征点匹配，获取sift特征；

31、通过cnn算法提取晶体颗粒图像中的特征图像；

32、将所述特征图像输入预训练模型并获取cnn特征；

33、将sift特征与cnn特征进行融合生成融合特征；

34、根据所述融合特征进行图像配准并从配准后的图像中提取单颗粒对象；

35、其中，所述预训练模型包括13个卷积层，5个最大池化层和3个完全连接层；

36、所述晶体颗粒图像包括待配准图像和参考图像。

37、优选地，进行特征融合，具体包括：

38、选定候选关键点p(x，y)；

39、计算sift描述符fs和cnn描述符fc；

40、采用向量转换公式将两个向量转换为一个向量来表示候选关键点，所述向量转换公式为：fp(x，y)＝{fs，fc}；

41、采用欧式距离计算参考图像pr的候选关键点和待配准图像ps的候选关键点之间的相似度，公式表示为：

42、

43、其中，w1和w2是两个权重参数，且w1，w2∈[0，1]，w1+w2＝1；

44、l1是sift描述符的维度；l2是cnn描述符的维度。

45、优选地，构建生产指标评估模型，具体包括如下步骤：

46、获取制糖生产过程中的历史数据，包括生产过程中各个阶段的关键参数、设备运行状态、原材料使用情况、工艺条件和生产指标；

47、根据制糖生产标准定义关键性能指标，包括生产效率、能源消耗、废品率、产品质量、设备利用率和环境指标；

48、在所述关键性能指标中定义指标优先级；

49、基于所述关键性能指标建立指标数据集并进行特征选择，提取指标特征；

50、采用时间序列模型并根据所述指标特征进行模型训练，生成所述生产指标评估模型；

51、获取制糖生产过程中的实时数据并以此对所述生产指标评估模型进行模型更新。

52、优选地，根据所述生产指标评估模型对生产指标进行考核评价，包括：

53、以一个考核周期内各项生产指标的实际数值为基础进行计算，获取单项指标考核值；

54、根据多个单项指标考核值综合计算得出生产指标的考核总分值；

55、其中，对各项生产指标的实际数值根据其类别和不同情况分别进行标准化处理，具体为：对于正向指标，其计算公式为：对于反向指标，其计算公式为：si＝soi/sxi；

56、式中：

57、si表示第i项生产指标的单项评价指数；

58、sxi表示第i项生产指标的实际值；

59、soi表示第i项生产指标的评价基准值；

60、所述单项评价指数在0～1.0之间。

61、优选地，计算所述考核总分值，其公式为：式中，p表示生产指标的考核总分值；n表示参与考核的生产指标的项目总数；si表示第i项生产指标的单项评价指数；ki表示第i项评价指标的权重分值；

62、其中，考核总分值p介于0～100之间。

63、优选地，建立安全防护机制，具体包括如下步骤：

64、用户向云存储服务器发送网络连接请求并进行双向身份验证，验证通过则用户与云存储服务器建立网络连接；

65、用户通过访问设备向所述云存储服务器发送用于获取糖厂生产设备中心内各项生产数据的访问请求；

66、云存储服务器与所述糖厂生产设备中心建立网络连接并发送所述访问请求；

67、所述糖厂生产设备中心根据所述访问请求生成权限认证指令并将其发送至所述云存储服务器；

68、所述云存储服务器根据所述权限认证指令对用户进行权限认证，并依据认证结果为用户分配访问权限；

69、用户根据访问权限获取各项生产数据；

70、其中，用户的访问设备与云存储服务器之间，以及云存储服务器与糖厂生产设备中心之间均为端到端加密，具体采用融合对称加密算法与非对称加密算法的混合加密算法；

71、所述访问权限包括一级访问权限、二级访问权限和三级访问权限；

72、根据数据重要性对所述访问权限内的数据进行多重加密，具体为：对一级访问权限内的数据进行三重加密，对二级访问权限内的数据进行两重加密，对三级访问权限内的数据进行一重加密；

73、其中，三重加密具体为：

74、第一重加密采用混合加密算法；

75、第二重加密采用kp-abe算法；

76、第三重采用国密算法。

77、第二方面，本技术实施例提供了一种基于云计算的糖厂生产多指标在线分析监测方法，应用于如上所述的糖厂生产多指标在线分析监测系统，包括如下步骤：

78、获取制糖生产过程中的各项生产数据，通过识别和分析生成化验信息并形成生产指标；

79、将所述生产指标下传至生产岗位端，通过获取化验信息对制糖生产过程进行调整；

80、获取制糖生产过程中的历史数据和实时数据并以此构建生产指标评估模型；

81、获取生产环境数据和生产原材料数据并以此构建生产工艺模型；

82、在数据传输过程中建立安全防护机制和网络监测机制；

83、其中，所述生产指标评估模型用于对生产指标进行考核评价；

84、所述生产工艺模型用于分析多种不同的生产工艺并以此获取最优生产工艺；

85、其中，建立网络监测机制，具体包括：

86、实时监控网络质量和网络连接状态；

87、根据监测结果采用对应的网络控制措施，具体措施如下：

88、若监测到网络传输速率下降，则切换备用网络通道；

89、若监测到网络连接中断，则采用断点续传策略；

90、若监测到网络连接时断时续，则采用增量同步策略和多点备份策略；

91、在所述网络监测机制中还设置有自动重连机制，用于在网络连接不稳定或中断时自动尝试重新连接和恢复数据传输。

92、具体地，使用增量同步策略可以减少因网络问题导致的数据传输中断所造成的影响。系统可以记录上次同步的状态，只同步新增或修改过的文件部分，而不是整个文件，这样可以提高同步的效率和稳定性。在云存储服务端和用户端设置自动重试机制，当网络连接不稳定或中断时，系统可以自动尝试重新连接和恢复传输，直到成功为止；断点续传是指在网络中断后，可以从中断的地方继续传输，而不需要重新开始整个过程。

93、本发明的有益效果为：

94、(1)本发明将糖业生产指标与生产工艺评估体系信息化，通过网络信息系统整合制糖生产过程中的各项数据，建立相应的指标和评估模式，实现智能化生产和评估；还通过实现了模式识别模块与指标评估模块的数据互通，提高糖厂的自动化管控程度；还通过指标下传模块实现了化验指标数据下传到生产岗位端，为生产岗位的设备调控提供了实时的基础数据依据；还通过建立安全防护机制和网络监测机制来实时监测网络连接状态以及对网络传输数据进行加密和防护，从而保证网络数据传输的安全性和稳定性。

95、(2)本发明采用模式识别技术来对制糖生产数据进行自动识别、分类和提取，通过学习已知生产数据的特征，在新的未知数据中进行分析和判断以实现自动化的分类、识别和预测等任务，具有速度快、准确度高和效率高的特点；同时，本发明在进行模式识别过程中还利用安全防护机制和网络监测机制来保障网络的稳定性。

96、(3)本发明在模式识别技术中采用sift算法和cnn算法结合的方式进行特征提取和描述，通过引入更强大和稳定的特征描述算法来提高对目标的准确捕获和描述能力，并且通过结合卷积神经网络技术来学习更高级别的特征表示，提高模式识别的效果，解决了模式识别中存在的拒识率、误识率以及特征点数量限制的问题，进而提高模式识别的鲁棒性和准确性。

97、(4)本发明建立生产指标评估模型并以此计算出生产指标的考核指标平方，将以往历史数据以图形化模式展现，直观地反映出各个糖厂的历史生产状况，并能够进行厂内对比与行业内对比，及时发现各厂中存在的问题；还通过建立生产工艺模型描述在不同生产环境、原材料等级等因素下的各制糖环节不同的生产工艺，与糖厂实时生产数据采集分析，得出当前该环节的最优生产工艺方法，并通过生成生产规范格式命令传输给关键机械装备，从而提高了制糖生产的效率和质量。

98、(5)本发明在数据传输过程中建立安全防护机制和网络监测机制，通过实时监测网络连接状态来选择对应的网络控制策略，并通过身份验证与权限认证以及数据多重加密等方式防止数据泄露，从而保证了网络传输的安全性和稳定性。