数据识别方法、装置、电子设备及计算机可读存储介质与流程

本技术涉及信息数据处理，特别涉及一种数据识别方法，还涉及一种数据识别装置、电子设备以及计算机可读存储介质。

背景技术：

1、目前，在汽车零部件电子制造行业的生产实践过程中，常用doe技术(designofexperiment，实验设计，一种用于优化和改进产品工艺参数和生产流程等的统计学方法)来分析生产过程中的各类因素以找到关键影响因素并进行改进。但是，随着数字化在制造业中的日益发展，波峰焊制造过程的数据也越来越多，如预热温度、波峰焊温度、锡波高度等，每时每刻都会有数以万计的数据产生，如果继续使用doe技术则需要进行大量的实验和收集数据，可能造成时间和成本的浪费，进而造成识别过程的低效性。

2、因此，如何对目标信息系统进行更为高效的数据识别，以快速找到其关键影响因子是本领域技术人员亟待解决的问题。

技术实现思路

1、本技术的目的是提供一种数据识别方法，该数据识别方法可以对目标信息系统进行更为高效的数据识别，以快速找到其关键影响因子；本技术的另一目的是提供一种数据识别装置、电子设备及计算机可读存储介质，均具有上述有益效果。

2、第一方面，本技术提供了一种数据识别方法，包括：

3、按照预设数据类型对目标信息系统进行数据采集，获得各所述预设数据类型对应的样本数据；

4、利用各所述样本数据对初始神经网络模型进行训练，获得数据识别模型；

5、利用所述数据识别模型对所述目标信息系统的运行数据进行处理，获得识别结果，所述运行数据包括各所述预设数据类型对应的运行数据；

6、根据所述识别结果在所有所述预设数据类型中确定所述目标信息系统的关键影响因子。

7、可选地，所述利用各所述样本数据对初始神经网络模型进行训练，获得数据识别模型，包括：

8、按照预设比例对所述样本数据进行划分，获得训练样本、验证样本、测试样本；

9、利用所述训练样本和所述验证样本对所述初始神经网络模型进行迭代训练，获得初始数据识别模型；

10、利用所述测试样本对所述初始数据识别模型进行评估，获得评估结果；

11、当所述评估结果为评估未通过时，返回所述利用所述训练样本和所述验证样本对所述初始神经网络模型进行迭代训练，获得初始数据识别模型的步骤；

12、当所述评估结果为评估通过时，确定所述初始数据识别模型为所述数据识别模型。

13、可选地，所述利用各所述样本数据对初始神经网络模型进行训练，获得数据识别模型之前，还包括：

14、对所述样本数据进行预处理；所述预处理包括数据清洗、异常值处理、数据标准化、缺失值填充中的一种或多种的组合。

15、可选地，所述根据所述识别结果在所有所述预设数据类型中确定所述目标信息系统的关键影响因子，包括：

16、根据所述识别结果确定各所述预设数据类型的影响权重；

17、将取值最大的影响权重对应的预设数据类型作为所述目标信息系统的关键影响因子。

18、可选地，所述数据识别方法还包括：

19、对所述关键影响因子对应的运行数据进行筛选，获得异常运行数据；

20、根据所述异常运行数据的数量计算所述目标信息系统的不良率；

21、输出所述关键影响因子、所述异常运行数据、所述不良率。

22、可选地，所述数据识别方法还包括：

23、根据所述关键影响因子对所述目标信息系统进行监控，获得监控数据；

24、当所述监控数据未超出第一阈值范围时，返回所述根据所述关键影响因子对所述目标信息系统进行监控，获得监控数据的步骤；

25、当所述监控数据超出所述第一阈值范围且未超出第二阈值范围时，获取所述目标信息系统的日志信息；

26、当所述日志信息不存在异常信息时，返回所述根据所述关键影响因子对所述目标信息系统进行监控，获得监控数据的步骤；

27、当所述日志信息存在所述异常信息时，输出告警提示；

28、当所述监控数据超出所述第二阈值范围时，将所述监控数据发送至目标终端，以使目标终端用户通过所述目标终端对所述目标信息系统进行远程调试。

29、可选地，所述当所述监控数据未超出第一阈值范围时，返回所述根据所述关键影响因子对所述目标信息系统进行监控，获得监控数据的步骤之前，还包括：

30、对所述监控数据进行正态性校验，获得校验结果；

31、当所述校验结果不满足预设要求时，返回所述根据所述关键影响因子对所述目标信息系统进行监控，获得监控数据的步骤。

32、第二方面，本技术还公开了一种数据识别装置，包括：

33、采集模块，用于按照预设数据类型对目标信息系统进行数据采集，获得各所述预设数据类型对应的样本数据；

34、训练模块，用于利用各所述样本数据对初始神经网络模型进行训练，获得数据识别模型；

35、处理模块，用于利用所述数据识别模型对所述目标信息系统的运行数据进行处理，获得识别结果，所述运行数据包括各所述预设数据类型对应的运行数据；

36、确定模块，用于根据所述识别结果在所有所述预设数据类型中确定所述目标信息系统的关键影响因子。

37、第三方面，本技术还公开了一种电子设备，包括：

38、存储器，用于存储计算机程序；

39、处理器，用于执行所述计算机程序时实现如上所述的任一种数据识别方法的步骤。

40、第四方面，本技术还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的任一种数据识别方法的步骤。

41、本技术提供了一种数据识别方法，包括：按照预设数据类型对目标信息系统进行数据采集，获得各所述预设数据类型对应的样本数据；利用各所述样本数据对初始神经网络模型进行训练，获得数据识别模型；利用所述数据识别模型对所述目标信息系统的运行数据进行处理，获得识别结果，所述运行数据包括各所述预设数据类型对应的运行数据；根据所述识别结果在所有所述预设数据类型中确定所述目标信息系统的关键影响因子。

42、应用本技术所提供的技术方案，首先，对于目标信息系统，按照预设数据类型对其进行数据采集，得到相应的样本数据，其中，各预设数据类型即目标信息系统中潜在的影响因子，然后，利用各预设数据类型对应的样本数据进行神经网络模型训练，得到数据识别模型；由此，对于目标信息系统，即可直接利用该训练得到的数据识别模型对其各预设数据类型的运行数据进行识别处理，得到识别结果，从而基于该识别结果在所有的预设数据类型中确定目标信息系统的关键影响因子。显然，相较于doe技术，该技术方案无需进行大量实验，有效地简化了其操作流程，可以对目标信息系统进行更为高效的数据识别，以快速找到其关键影响因子，具有更好的实用性和应用前景。

43、本技术所提供的数据识别装置、电子设备以及计算机可读存储介质，同样具有上述技术效果，本技术在此不再赘述。