本發(fā)明涉及印刷工藝優(yōu)化，更具體地說，本發(fā)明涉及一種基于大數(shù)據(jù)的印刷工藝優(yōu)化決策系統(tǒng)。

背景技術(shù)：

1、隨著現(xiàn)代制造業(yè)的快速發(fā)展，尤其是在印刷行業(yè)，市場競爭日益激烈，企業(yè)對于缺陷系數(shù)和效率的要求不斷提高；傳統(tǒng)的印刷工藝優(yōu)化主要依賴經(jīng)驗和人工調(diào)整，往往受到操作人員技能和經(jīng)驗的限制，且效率較低，無法快速適應(yīng)變化的生產(chǎn)環(huán)境和復(fù)雜的工藝參數(shù)；因此，如何在保證缺陷系數(shù)的同時，提高生產(chǎn)效率，降低成本，成為印刷行業(yè)亟待解決的難題。

2、隨著大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等技術(shù)的迅速發(fā)展，印刷行業(yè)的生產(chǎn)過程正逐步向智能化、數(shù)字化轉(zhuǎn)型；通過對海量生產(chǎn)數(shù)據(jù)的收集和分析，可以獲得更加精準(zhǔn)的工藝優(yōu)化決策支持；例如公告號為cn118228551?b的專利公開了基于印刷工藝參數(shù)優(yōu)化方法及系統(tǒng)；包括：對印刷圖像歷史數(shù)據(jù)進(jìn)行相同聚類的非均勻性特征篩選，得到非均勻性聚類數(shù)據(jù)；根據(jù)非均勻性聚類數(shù)據(jù)對印刷工藝歷史數(shù)據(jù)進(jìn)行三維相關(guān)性合并，得到三維合并印刷數(shù)據(jù)；根據(jù)射頻指標(biāo)數(shù)據(jù)對三維合并印刷數(shù)據(jù)以及無線射頻歷史數(shù)據(jù)進(jìn)行信息增益比決策構(gòu)建，得到射頻印刷決策模型；根據(jù)印刷工藝指標(biāo)數(shù)據(jù)對三維合并印刷數(shù)據(jù)進(jìn)行二次信息增益比決策構(gòu)建，得到能耗減損決策模型；對能耗減損決策模型以及射頻印刷決策模型進(jìn)行梯度提升集成，從而得到印刷工藝參數(shù)優(yōu)化決策模型；實現(xiàn)印刷工藝參數(shù)的智能快速決策優(yōu)化。

3、然而，上述技術(shù)雖然通過聚類和信息增益比決策構(gòu)建印刷工藝參數(shù)優(yōu)化模型，實現(xiàn)了智能快速決策優(yōu)化，但主要依賴于歷史數(shù)據(jù)和特征篩選，缺乏對實時印刷工藝數(shù)據(jù)的動態(tài)分析與反饋機制；在實際印刷過程中，印刷工藝參數(shù)和質(zhì)量缺陷的關(guān)系會在復(fù)雜和變化多端的印刷環(huán)境中發(fā)生改變，而傳統(tǒng)模型往往無法及時響應(yīng)這些變化；因此，上述技術(shù)在實時性和適應(yīng)性方面存在較大不足，尤其在印刷過程中遇到突發(fā)變化時，難以快速調(diào)整和優(yōu)化參數(shù)。

4、鑒于此，本發(fā)明提出一種基于大數(shù)據(jù)的印刷工藝優(yōu)化決策系統(tǒng)以解決上述問題。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于大數(shù)據(jù)的印刷工藝優(yōu)化決策系統(tǒng)，包括：

2、圖像采集模塊，用于采集印刷產(chǎn)品圖像；

3、特征提取模塊，用于對印刷產(chǎn)品圖像進(jìn)行分析，提取產(chǎn)品特征數(shù)據(jù)；

4、質(zhì)量檢測模塊，用于對產(chǎn)品特征數(shù)據(jù)進(jìn)行分析，識別質(zhì)量缺陷問題；

5、原因追溯模塊，根據(jù)質(zhì)量缺陷問題，追溯質(zhì)量缺陷原因；

6、工藝優(yōu)化模塊，基于質(zhì)量缺陷原因，動態(tài)優(yōu)化印刷工藝參數(shù)。

7、進(jìn)一步地，所述產(chǎn)品特征數(shù)據(jù)包括顏色值、銳度值、劃痕數(shù)量、污點數(shù)量、灰度值和印刷面積；所述顏色值為印刷產(chǎn)品圖像中每個像素點的顏色表示；所述銳度值為印刷產(chǎn)品圖像中每個像素點的銳化程度；所述劃痕數(shù)量為印刷產(chǎn)品圖像中劃痕的數(shù)量；所述污點數(shù)量為印刷產(chǎn)品圖像中污點的數(shù)量；所述灰度值為印刷產(chǎn)品圖像中每個像素點的亮度值；所述印刷面積為印刷產(chǎn)品圖像中實際印刷的區(qū)域面積；

8、顏色值的獲取方法為：采用顏色空間轉(zhuǎn)換方法，將印刷產(chǎn)品圖像從rgb顏色空間轉(zhuǎn)換為lab顏色空間；根據(jù)印刷產(chǎn)品圖像對應(yīng)的lab顏色空間，獲取印刷產(chǎn)品圖像中每個像素點對應(yīng)的顏色值；銳度值的獲取方法為：定義卷積核，卷積核包括水平卷積核和垂直卷積核；根據(jù)卷積核對印刷產(chǎn)品圖像中的每個像素點均進(jìn)行卷積操作，獲取每個像素點對應(yīng)的水平梯度值和垂直梯度值；根據(jù)水平梯度值和垂直梯度值，計算每個像素點對應(yīng)的銳度值；

9、劃痕數(shù)量的獲取方法為：采用訓(xùn)練好的劃痕檢測模型，對印刷產(chǎn)品圖像進(jìn)行識別，輸出劃痕數(shù)量；污點數(shù)量的獲取方法為：采用訓(xùn)練好的污點檢測模型，對印刷產(chǎn)品圖像進(jìn)行識別，輸出污點數(shù)量；污點檢測模型的訓(xùn)練過程與劃痕檢測模型的訓(xùn)練過程一致，并且均為卷積神經(jīng)網(wǎng)絡(luò)模型；

10、灰度值的獲取方法為：根據(jù)印刷產(chǎn)品圖像對應(yīng)的rgb顏色空間，獲取印刷產(chǎn)品圖像中每個像素點對應(yīng)的色彩數(shù)據(jù)；根據(jù)色彩數(shù)據(jù)，計算每個像素點對應(yīng)的灰度值；印刷面積的獲取方法為：預(yù)設(shè)灰度閾值，將每個像素點的灰度值分別與灰度閾值進(jìn)行對比，將灰度值小于灰度閾值的像素點標(biāo)記為印刷點，灰度值大于或等于灰度閾值的像素點則不進(jìn)行標(biāo)記；統(tǒng)計印刷點的數(shù)量，并標(biāo)記為印刷數(shù)量；獲取點面積，點面積為印刷產(chǎn)品圖像中一個像素點的面積；將點面積乘以印刷數(shù)量，獲取印刷面積。

11、進(jìn)一步地，所述顏色值包括亮度、紅綠軸和藍(lán)黃軸；

12、所述水平卷積核的表達(dá)式為：式中，gx為水平卷積核；

13、所述垂直卷積核的表達(dá)式為：式中，gy為垂直卷積核；

14、所述銳度值的表達(dá)式為：式中，g為銳度值，為水平梯度值，為垂直梯度值；

15、所述劃痕檢測模型的訓(xùn)練過程包括：

16、預(yù)先收集a張印刷產(chǎn)品圖像，a為大于1的整數(shù)，對每張印刷產(chǎn)品圖像進(jìn)行標(biāo)注，標(biāo)注為劃痕數(shù)量；將標(biāo)注后的印刷產(chǎn)品圖像分為訓(xùn)練集和測試集；使用訓(xùn)練集對劃痕檢測模型進(jìn)行訓(xùn)練，使用測試集對劃痕檢測模型進(jìn)行測試；預(yù)設(shè)誤差閾值，當(dāng)測試集中所有印刷產(chǎn)品圖像的預(yù)測誤差的均值小于誤差閾值時，輸出劃痕檢測模型；

17、所述色彩數(shù)據(jù)包括紅色通道數(shù)值、綠色通道數(shù)值和藍(lán)色通道數(shù)值；

18、所述灰度值的表達(dá)式為：gray＝0.2989×r+0.578×g+0.114×b；式中，gray為灰度值，r為紅色通道值，g為綠色通道值，b為藍(lán)色通道值。

19、進(jìn)一步地，所述識別質(zhì)量缺陷問題的方法包括：

20、獲取標(biāo)準(zhǔn)產(chǎn)品圖像，獲取標(biāo)準(zhǔn)產(chǎn)品圖像對應(yīng)的顏色值、灰度值和印刷面積；將標(biāo)準(zhǔn)產(chǎn)品圖像對應(yīng)的顏色值標(biāo)記為第一顏色值，將印刷產(chǎn)品圖像對應(yīng)顏色值標(biāo)記為第二顏色值；將每個像素點對應(yīng)第二顏色值減去對應(yīng)的第一顏色值，獲取每個像素點的顏色差值；將標(biāo)準(zhǔn)產(chǎn)品圖像對應(yīng)的灰度值標(biāo)記為第一灰度值，將印刷產(chǎn)品圖像對應(yīng)灰度值標(biāo)記為第二灰度值；將每個像素點的第二灰度值減去對應(yīng)的第二灰度值，獲取每個像素點的灰度差值；將標(biāo)準(zhǔn)產(chǎn)品圖像對應(yīng)的印刷面積標(biāo)記為第一面積，將印刷產(chǎn)品圖像對應(yīng)的印刷面積標(biāo)記為第二面積；將第二面積減去第一面積，獲取面積差值；

21、將銳度值、劃痕數(shù)量、污點數(shù)量、顏色差值、灰度差值以及面積差值作為分析數(shù)據(jù)，將分析數(shù)據(jù)輸入訓(xùn)練好的質(zhì)量檢測模型中，預(yù)測出對應(yīng)的檢測結(jié)果；檢測結(jié)果為集合標(biāo)簽，集合標(biāo)簽為預(yù)構(gòu)建的問題集合對應(yīng)的數(shù)字標(biāo)簽，不同的問題集合對應(yīng)的數(shù)字標(biāo)簽不同；預(yù)構(gòu)建問題集合的方法為：獲取所有質(zhì)量缺陷問題；統(tǒng)計質(zhì)量缺陷問題的數(shù)量，并標(biāo)記為問題數(shù)量；將所有質(zhì)量缺陷問題進(jìn)行組合，每次組合過程中隨機選取h個質(zhì)量缺陷問題，h∈[0,h]，h為問題數(shù)量；將每次進(jìn)行組合的質(zhì)量缺陷問題作為一組問題集合，共獲取d組問題集合，d＝2h；d組問題集合均不相同，并且d組問題集合涵蓋所有質(zhì)量缺陷問題的組合情況；根據(jù)預(yù)測出的集合標(biāo)簽，獲取對應(yīng)問題集合中的質(zhì)量缺陷問題。

22、進(jìn)一步地，所述追溯質(zhì)量缺陷原因的步驟包括：

23、步驟s101：將所有質(zhì)量缺陷問題均轉(zhuǎn)換向量形式，并標(biāo)記為問題向量；

24、步驟s102：將每個問題向量均作為樣本點，樣本點與問題向量一一對應(yīng)；預(yù)設(shè)類別數(shù)量g，隨機選擇g個樣本點作為中心點，對每個中心點依次遞增設(shè)置數(shù)字標(biāo)簽，并標(biāo)記為ωk，k∈[1,g]；

25、步驟s103：將未作為中心點的樣本點標(biāo)記為分類點，對每個中心點依次遞增設(shè)置數(shù)字標(biāo)簽，并標(biāo)記為ψc，c∈[1,h-g]；

26、步驟s104：依次計算每個分類點至每個中心點的點距離；

27、步驟s105：根據(jù)g個中心點建立對應(yīng)的g個質(zhì)量缺陷原因；

28、步驟s106：將分類點ψc分配至對應(yīng)的質(zhì)量缺陷原因中；

29、步驟s107：令c＝c+1，并跳轉(zhuǎn)回步驟s106；

30、步驟s108：循環(huán)步驟s106～步驟s107，直至c＝h-g時循環(huán)結(jié)束，并進(jìn)入步驟s109；

31、步驟s109：重新計算每個質(zhì)量缺陷原因?qū)?yīng)新的中心點；

32、步驟s110：循環(huán)步驟s104～步驟s109，直至步驟s109中重新計算出的每個質(zhì)量缺陷原因新的中心點，與上一次循環(huán)時計算出的新的中心點一致時，循環(huán)結(jié)束，獲取k個質(zhì)量缺陷原因?qū)?yīng)樣本點所對應(yīng)的質(zhì)量缺陷問題；

33、步驟s111：將識別出的質(zhì)量缺陷問題標(biāo)記為實時問題，將實時問題與每個質(zhì)量缺陷原因?qū)?yīng)的質(zhì)量缺陷問題進(jìn)行對比，獲取與實時問題相同的質(zhì)量缺陷問題所對應(yīng)的質(zhì)量缺陷原因，并作為溯源的質(zhì)量缺陷原因。

34、進(jìn)一步地，所述步驟s104中，點距離的表達(dá)式為：式中，dck為分類點ψc至中心點ωk的點距離，ωk為分類點ωk對應(yīng)的問題向量，ψc為分類點ψc對應(yīng)的問題向量；

35、所述步驟s106中，將分類點ψc分配至對應(yīng)的質(zhì)量缺陷原因中的方法為：預(yù)設(shè)距離閾值，將分類點ψc至每個中心點的點距離分別與距離閾值進(jìn)行對比，將點距離小于距離閾值的中心點標(biāo)記為分配點，點距離大于或等于距離閾值的中心點則不進(jìn)行標(biāo)記；將分類點ψc分配至分配點所對應(yīng)的質(zhì)量缺陷原因中；

36、所述步驟s109中，每個質(zhì)量缺陷原因新的中心點的計算方法包括：

37、

38、式中，ω′k為第k個質(zhì)量缺陷原因?qū)?yīng)新的中心點，ψkr為第k個質(zhì)量缺陷原因中第r個分類點，rk為第k個質(zhì)量缺陷原因中的分類點個數(shù)，r∈[1,rk]。

39、進(jìn)一步地，所述動態(tài)優(yōu)化印刷工藝參數(shù)的步驟包括：

40、步驟s201：基于質(zhì)量缺陷原因，確定印刷工藝參數(shù)；

41、步驟s202：實時采集印刷工藝參數(shù)，并標(biāo)記為實時工藝參數(shù)；

42、步驟s203：對實時工藝參數(shù)進(jìn)行異常檢測，獲取異常工藝參數(shù)；

43、步驟s204：獲取異常工藝參數(shù)對應(yīng)的工藝參數(shù)范圍；

44、步驟s205：基于工藝參數(shù)范圍，構(gòu)建m組參數(shù)集合，并對每組參數(shù)集合設(shè)置不同的參數(shù)標(biāo)簽，參數(shù)標(biāo)簽為數(shù)字標(biāo)簽，參數(shù)標(biāo)簽的范圍為[1,m]；

45、步驟s206：隨機選擇一個參數(shù)標(biāo)簽作為有效解；

46、步驟s207：對有效解進(jìn)行更新，并判斷有效解是否應(yīng)用更新后的數(shù)值；

47、步驟s208：對預(yù)設(shè)的步長因子進(jìn)行調(diào)整，并根據(jù)調(diào)整后的步長因子對有效解進(jìn)行更新，判斷有效解是否應(yīng)用更新后的數(shù)值；

48、步驟s209：判斷搜索階段，并對預(yù)設(shè)的擾動因子進(jìn)行調(diào)整；

49、步驟s210：根據(jù)調(diào)整后的擾動因子對有效解進(jìn)行更新，判斷有效解是否應(yīng)用更新后的數(shù)值；

50、步驟s211：分別計算本次迭代過程中的有效解與上一次迭代過程中的有效解的缺陷系數(shù)，并計算缺陷差值；

51、步驟s212：循環(huán)步驟s207～步驟s211，直至缺陷差值小于預(yù)設(shè)差值閾值時，循環(huán)結(jié)束，并進(jìn)入步驟s213；

52、步驟s213：計算均值差值；

53、步驟s214：循環(huán)步驟s206～步驟s213，直至均值差值小于預(yù)設(shè)差值閾值或有效解對應(yīng)的缺陷系數(shù)為0時，循環(huán)結(jié)束；獲取有效解對應(yīng)的參數(shù)標(biāo)簽，并標(biāo)記為有效標(biāo)簽；根據(jù)有效標(biāo)簽對應(yīng)的參數(shù)集合，動態(tài)優(yōu)化印刷工藝參數(shù)。

54、進(jìn)一步地，所述步驟s201中，確定印刷工藝參數(shù)的方法包括：

55、獲取歷史調(diào)整集合，歷史調(diào)整集合中包括歷史時刻識別出的質(zhì)量缺陷原因以及對應(yīng)進(jìn)行動態(tài)優(yōu)化的印刷工藝參數(shù)；采用關(guān)聯(lián)規(guī)則學(xué)習(xí)方法對歷史調(diào)整集合進(jìn)行分析，獲取參數(shù)對應(yīng)集合，參數(shù)對應(yīng)集合中包括不同的質(zhì)量缺陷原因以及每種質(zhì)量缺陷原因?qū)?yīng)的印刷工藝參數(shù)；根據(jù)追溯的質(zhì)量缺陷原因，從參數(shù)對應(yīng)集合中獲取對應(yīng)的印刷工藝參數(shù)；

56、所述步驟s203中，獲取異常工藝參數(shù)的方法包括：

57、獲取歷史工藝參數(shù)，歷史工藝參數(shù)為歷史時刻采集的印刷工藝參數(shù)；將歷史工藝參數(shù)中每種相同的參數(shù)作為一個計算集合，計算集合與歷史工藝參數(shù)中的參數(shù)一一對應(yīng)；計算每個計算集合對應(yīng)的均值和樣本差；將實時工藝參數(shù)中的每個參數(shù)分別減去對應(yīng)計算集合所對應(yīng)的均值，再除以對應(yīng)計算集合所對應(yīng)的標(biāo)準(zhǔn)差，獲取實時工藝參數(shù)中每個參數(shù)對應(yīng)的異常系數(shù)；預(yù)設(shè)系數(shù)范圍[-u,u]；若-u≤ycv≤u，則不對對應(yīng)參數(shù)進(jìn)行標(biāo)記；若-u＞ycv∪ycv＞u，則將對應(yīng)參數(shù)標(biāo)記為異常參數(shù)；其中，ycv為實時工藝參數(shù)中第v個參數(shù)對應(yīng)的異常系數(shù)，∪表示或；將所有異常參數(shù)作為異常工藝參數(shù)；

58、所述步驟s204中，獲取異常工藝參數(shù)對應(yīng)的工藝參數(shù)范圍的方法包括：

59、將每個異常參數(shù)對應(yīng)的均值加上u倍對應(yīng)的標(biāo)準(zhǔn)差，獲取每個異常參數(shù)的最大值；將每個異常參數(shù)對應(yīng)的均值減去u倍對應(yīng)的標(biāo)準(zhǔn)差，獲取每個異常參數(shù)的最小值；根據(jù)每個異常參數(shù)的最大值和最小值，構(gòu)建每個異常參數(shù)對應(yīng)的參數(shù)范圍，將所有參數(shù)范圍作為工藝參數(shù)范圍。

60、進(jìn)一步地，所述步驟s205中，構(gòu)建m組參數(shù)集合的方法包括：

61、從工藝參數(shù)范圍內(nèi)的每個參數(shù)范圍中均隨機選取一個數(shù)值，并構(gòu)建一組參數(shù)集合，共構(gòu)建m組參數(shù)集合，m組參數(shù)集合均不相同；

62、所述步驟s207：對有效解進(jìn)行更新的方法包括：

63、

64、式中，為更新后的有效解，c1∈[0,1]，n(0,1)為標(biāo)準(zhǔn)正態(tài)分布中的隨機數(shù)，x為有效解；

65、判斷有效解是否應(yīng)用更新后的數(shù)值的方法包括：

66、將更新后的有效解標(biāo)記為更新解，分別計算更新解和有效解對應(yīng)的缺陷系數(shù)，將更新解對應(yīng)的缺陷系數(shù)標(biāo)記為第一系數(shù)，將有效解對應(yīng)的缺陷系數(shù)標(biāo)記為第二系數(shù)；將第一系數(shù)與第二系數(shù)進(jìn)行對比；若第一系數(shù)大于第二系數(shù)，則有效解保持更新前的數(shù)值；若第一系數(shù)小于或等于第二系數(shù)，則有效解應(yīng)用更新后的數(shù)值；缺陷系數(shù)的計算方法為：實時采集印刷工藝過程中的所有參數(shù)，并標(biāo)記為工藝綜合參數(shù)；獲取有效解對應(yīng)的參數(shù)標(biāo)簽，將工藝綜合參數(shù)中的異常工藝參數(shù)替換為參數(shù)標(biāo)簽對應(yīng)的參數(shù)集合，將替換完成的工藝綜合參數(shù)作為測試數(shù)據(jù)，將測試數(shù)據(jù)輸入訓(xùn)練好的缺陷分析模型中，預(yù)測出對應(yīng)的缺陷系數(shù)；缺陷分析模型的訓(xùn)練過程與質(zhì)量檢測模型的訓(xùn)練過程一致，并且均為深度神經(jīng)網(wǎng)絡(luò)模型；

67、所述步驟s208中，對預(yù)設(shè)的步長因子進(jìn)行調(diào)整的方法包括：

68、若步驟s207中有效解應(yīng)用更新后的數(shù)值，則式中，為調(diào)整后的步長因子，p為預(yù)設(shè)步長因子，γ為調(diào)整因子，sig(f)為改進(jìn)因子，fold為第二系數(shù)，fnew為第一系數(shù)；

69、若步驟s207中有效解未應(yīng)用更新后的數(shù)值，則式中，pen(f)為懲罰因子，

70、根據(jù)調(diào)整后的步長因子對有效解進(jìn)行更新的方法包括：

71、

72、式中，為根據(jù)調(diào)整后的步長因子進(jìn)行更新后的有效解，x′為執(zhí)行步驟s207后的有效解，xbest為迭代過程中缺陷系數(shù)最小的有效解，c2∈[0,1]；

73、判斷有效解是否應(yīng)用更新后的數(shù)值的方法與步驟s207中的方法一致。

74、進(jìn)一步地，所述步驟s209中，判斷搜索階段的方法包括：

75、搜索階段包括前期階段和后期階段；

76、統(tǒng)計循環(huán)步驟s207～步驟s211的次數(shù)，并標(biāo)記為迭代次數(shù)；預(yù)設(shè)次數(shù)閾值，將迭代次數(shù)與次數(shù)閾值進(jìn)行對比；若迭代次數(shù)大于次數(shù)閾值，則判斷探索階段為前期階段；若迭代次數(shù)小于次數(shù)閾值，則判斷探索階段為后期階段；

77、對預(yù)設(shè)的擾動因子進(jìn)行調(diào)整的方法包括：

78、若探索階段為前期階段，則式中，為調(diào)整后的擾動因子，q為預(yù)設(shè)擾動因子，e為自然常數(shù)，t迭代次數(shù)；

79、若探索階段為后期階段，則式中，t為次數(shù)閾值；

80、所述步驟s210中，根據(jù)調(diào)整后的擾動因子對有效解進(jìn)行更新的方法包括：

81、

82、式中，為根據(jù)調(diào)整后的擾動因子進(jìn)行更新后的有效解，x″為執(zhí)行步驟s208后的有效解，fbest為迭代過程中缺陷系數(shù)最小的有效解對應(yīng)的缺陷系數(shù)，fx″為執(zhí)行步驟s208后的有效解對應(yīng)的缺陷系數(shù)；

83、判斷有效解是否應(yīng)用更新后的數(shù)值的方法與步驟s207中的方法一致；

84、所述步驟s211中，缺陷差值的計算方法為：將本次迭代過程中的有效解對應(yīng)的缺陷系數(shù)，減去上一次迭代過程中的有效解對應(yīng)的缺陷系數(shù)，并取絕對值，獲取缺陷差值；

85、所述步驟s213中，計算均值差值的方法為：將本次迭代過程中計算出的缺陷差值依次相加，再除以迭代次數(shù)，獲取缺陷均值；計算上一次迭代過程中的缺陷均值，將本次迭代過程中對應(yīng)的缺陷均值，減去上一次迭代過程中對應(yīng)的缺陷均值，并取絕對值，獲取均值差值。

86、本發(fā)明一種基于大數(shù)據(jù)的印刷工藝優(yōu)化決策系統(tǒng)的技術(shù)效果和優(yōu)點：

87、通過采集印刷產(chǎn)品圖像，利用計算機視覺技術(shù)提取多種產(chǎn)品特征數(shù)據(jù)，全面反映印刷產(chǎn)品的質(zhì)量狀況；基于產(chǎn)品特征數(shù)據(jù)，采用深度學(xué)習(xí)技術(shù)快速識別出各類質(zhì)量缺陷問題，并通過聚類分析追溯到具體的質(zhì)量缺陷原因；采用基于優(yōu)化算法的優(yōu)化策略，針對異常工藝參數(shù)進(jìn)行動態(tài)優(yōu)化，從而減少印刷產(chǎn)品中的質(zhì)量缺陷問題，提高印刷質(zhì)量和生產(chǎn)效率；充分發(fā)揮計算機視覺、機器學(xué)習(xí)、智能優(yōu)化等前沿技術(shù)的優(yōu)勢，實現(xiàn)印刷生產(chǎn)全流程的智能監(jiān)測和動態(tài)優(yōu)化，以快速適應(yīng)變化的生產(chǎn)環(huán)境，提高印刷產(chǎn)品的整體質(zhì)量和市場競爭力。