本发明公开了一种智能穿戴用硅胶材料的自动化检测方法、系统及介质，包括：获取硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取硅胶材料的光谱特征；构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；根据缺陷类型对含有缺陷的硅胶材料进行分类，判断含有缺陷的硅胶材料能否进行二次加工；同时根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正。本发明通过智能穿戴用的硅胶材料进行缺陷检测及散热可靠性检测，提高了检测效率，减少了硅胶材料的废品率。
1.一种智能穿戴用硅胶材料的自动化检测方法，其特征在于，包括以下步骤：获取目标硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征；
构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；
根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工；
同时根据智能穿戴设备的散热需求确定目标硅胶材料的厚度信息，并根据目标硅胶材料的实际温度变化对目标硅胶材料的厚度信息进行修正；
所述的根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正，具体为：获取智能穿戴设备中智能终端的最高运行温度及目标硅胶材料对智能终端的包裹面积信息；
获取目标硅胶材料的材料导热特性，通过所述最高运行温度及包裹面积信息结合所述材料导热特性确定硅胶材料厚度信息；
获取智能穿戴设备运行过程中硅胶材料的初始温度信息，对运行过程中目标硅胶材料进行监测，获取硅胶材料的实时温度信息；
当所述实时温度信息达到所述最高运行温度时，提取温度变化所用时间信息，根据所述时间信息及最高运行温度与初始温度信息的温度差值计算目标硅胶材料的温度变化率；
预设温度变化率阈值，判断所述温度变化率是否大于所述温度变化率阈值，若大于，则将证明智能穿戴设备的散热能力达不到预设标准；
同时，生成修正信息，通过所述修正信息对智能穿戴设备中目标硅胶材料的厚度进行修正；
还包括：将厚度修正完成后的目标硅胶材料进行弯折可靠性测试，获取厚度修正完成后的目标硅胶材料的最大弯折次数信息；
将所述最大弯折次数信息与原始可靠性进行对比判断，计算厚度修正前后的可靠性偏差率；
判断所述可靠性偏差率是否处于预设范围内，若处于，则将厚度修正完成后的目标硅胶材料的厚度信息作为智能穿戴设备上目标硅胶材料的预设厚度；
若不处于，则证明厚度修正后的目标硅胶材料的可靠性达不到可靠性标准，再次对目标硅胶材料进行修正后并生成包裹面积修正信息，通过修正目标硅胶材料的接触面积满足智能终端的散热需求。
2.根据权利要求1所述的一种智能穿戴用硅胶材料的自动化检测方法，其特征在于，所述的对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征，具体为：获取目标硅胶材料的高光谱图像信息，对所述高光谱图像信息进行黑白校正处理进行去噪，通过图像分割获取高光谱图像信息中的感兴趣区域，提取感兴趣区域的光谱数据，通过连续投影方法对光谱数据进行处理，消除原始数据变量间的共线性，提取出最佳响应谱段；
根据所述最佳响应谱段的光谱数据进行光谱特征的提取。
3.根据权利要求1所述的一种智能穿戴用硅胶材料的自动化检测方法，其特征在于，所述的构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷，具体为：基于神经网络建立硅胶材料缺陷检测模型，通过大数据获取海量的含有表面缺陷及内部缺陷的硅胶材料光谱数据，进行预处理及光谱特征提取，生成训练集及验证集；
将所述训练集导入硅胶材料缺陷检测模型中进行迭代训练，根据迭代训练对硅胶材料缺陷检测模型进行相关参数的调整；
预设硅胶材料缺陷检测模型误差阈值，多次迭代训练后对硅胶材料缺陷检测模型的误差进行计算；
当所述误差小于预设误差阈值时，则将输出结果与验证集进行对比测试，当偏差值小于预设偏差时，得到训练后硅胶材料缺陷检测模型；
将目标硅胶材料的光谱特征导入训练后硅胶材料缺陷检测模型，通过硅胶材料缺陷检测模型对光谱特征进行分析，生成硅胶样品的缺陷信息。
4.根据权利要求1所述的一种智能穿戴用硅胶材料的自动化检测方法，其特征在于，所述的根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工，具体为:将含有缺陷的目标硅胶材料按照内部缺陷及表面缺陷进行分类，获取缺陷特征，将特征信息与含有缺陷的目标硅胶材料进行匹配；
通过含有表面缺陷的目标硅胶材料的缺陷特征获取缺陷的位置特征及尺寸特征，根据预设评估标准根据所述位置特征及尺寸特征对表面缺陷进行评估；
判断表面缺陷的评估得分是否大于预设得分阈值，若大于，则将所述含有表面缺陷的目标硅胶材料判定为不合格产品，若不大于，则将所述含有表面缺陷的目标硅胶材料进行二次加工；
5.一种智能穿戴用硅胶材料的自动化检测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括一种智能穿戴用硅胶材料的自动化检测方法程序，所述一种智能穿戴用硅胶材料的自动化检测的方法程序被所述处理器执行时实现如下步骤：获取目标硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征；
构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；
根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工；
同时根据智能穿戴设备的散热需求确定目标硅胶材料的厚度信息，并根据目标硅胶材料的实际温度变化对目标硅胶材料的厚度信息进行修正；
所述的根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正，具体为：获取智能穿戴设备中智能终端的最高运行温度及目标硅胶材料对智能终端的包裹面积信息；
获取目标硅胶材料的材料导热特性，通过所述最高运行温度及包裹面积信息结合所述材料导热特性确定硅胶材料厚度信息；
获取智能穿戴设备运行过程中硅胶材料的初始温度信息，对运行过程中目标硅胶材料进行监测，获取硅胶材料的实时温度信息；
当所述实时温度信息达到所述最高运行温度时，提取温度变化所用时间信息，根据所述时间信息及最高运行温度与初始温度信息的温度差值计算目标硅胶材料的温度变化率；
预设温度变化率阈值，判断所述温度变化率是否大于所述温度变化率阈值，若大于，则将证明智能穿戴设备的散热能力达不到预设标准；
同时，生成修正信息，通过所述修正信息对智能穿戴设备中目标硅胶材料的厚度进行修正；
还包括：将厚度修正完成后的目标硅胶材料进行弯折可靠性测试，获取厚度修正完成后的目标硅胶材料的最大弯折次数信息；
将所述最大弯折次数信息与原始可靠性进行对比判断，计算厚度修正前后的可靠性偏差率；
判断所述可靠性偏差率是否处于预设范围内，若处于，则将厚度修正完成后的目标硅胶材料的厚度信息作为智能穿戴设备上目标硅胶材料的预设厚度；
若不处于，则证明厚度修正后的目标硅胶材料的可靠性达不到可靠性标准，再次对目标硅胶材料进行修正后并生成包裹面积修正信息，通过修正目标硅胶材料的接触面积满足智能终端的散热需求。
6.根据权利要求5所述的一种智能穿戴用硅胶材料的自动化检测系统，其特征在于，所述的构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷，具体为：基于神经网络建立硅胶材料缺陷检测模型，通过大数据获取海量的含有表面缺陷及内部缺陷的硅胶材料光谱数据，进行预处理及光谱特征提取，生成训练集及验证集；
将所述训练集导入硅胶材料缺陷检测模型中进行迭代训练，根据迭代训练对硅胶材料缺陷检测模型进行相关参数的调整；
预设硅胶材料缺陷检测模型误差阈值，多次迭代训练后对硅胶材料缺陷检测模型的误差进行计算；
当所述误差小于预设误差阈值时，则将输出结果与验证集进行对比测试，当偏差值小于预设偏差时，得到训练后硅胶材料缺陷检测模型；
将目标硅胶材料的光谱特征导入训练后硅胶材料缺陷检测模型，通过硅胶材料缺陷检测模型对光谱特征进行分析，生成硅胶样品的缺陷信息。
7.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中包括一种智能穿戴用硅胶材料的自动化检测方法程序，所述一种智能穿戴用硅胶材料的自动化检测方法程序被处理器执行时，实现如权利要求1至4中任一项所述的一种智能穿戴用硅胶材料的自动化检测方法的步骤。
一种智能穿戴用硅胶材料的自动化检测方法、系统及介质
技术领域
[0001] 本发明涉及硅胶检测技术领域，更具体的，涉及一种智能穿戴用硅胶材料的自动化检测方法、系统及存储介质。
背景技术
[0002] 随着科技的发展和制造工艺的不断提高，智能穿戴设备（尤其是智能手表和腕带）在日常生活中越来越受欢迎,它们不仅可以记录人们的日常活动,也给人们提供了一种接收信息的新方式，智能穿戴设备融合了先进科学技术研发与制造技术，它的功能丰富且具有新奇特征，可广泛深入应用于各个行业领域，硅胶材料因其独特的材料特性一直被广泛应用于智能穿戴设备领域，在广泛应用的同时，硅胶材料的检测就显得尤为重要，而现有硅胶材料检测手段仅仅是检测材料表面有无锯齿状缺陷及有无破爆边等情况，无法对硅胶材料的内部缺陷及散热可靠性等进行检测。
[0003] 为了能够对智能穿戴用的硅胶材料进行更全面的自动化检测，需要开发一款系统与之配合进行实现，该系统通过获取硅胶材料的高光谱图像信息，进行预处理，获取硅胶材料的光谱特征；构建硅胶材料缺陷检测模型，根据所述光谱特征获取目标硅胶材料的表面缺陷及内部缺陷；根据缺陷类型对含有缺陷的硅胶材料进行分类，判断含有缺陷的硅胶材料能否进行二次加工；同时根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正。在该系统的实现过程中如何对硅胶材料的缺陷及可靠性进行检测是亟不可待需要解决的问题。
发明内容
[0004] 为了解决上述技术问题，本发明提出了一种智能穿戴用硅胶材料的自动化检测方法、系统及存储介质。
[0005] 本发明第一方面提供了一种智能穿戴用硅胶材料的自动化检测方法，包括：
[0006] 获取目标硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征；
[0007] 构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；
[0008] 根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工；
[0009] 同时根据智能穿戴设备的散热需求确定目标硅胶材料的厚度信息，并根据目标硅胶材料的实际温度变化对目标硅胶材料的厚度信息进行修正。
[0010] 本方案中，所述的对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征，具体为：
[0011] 获取目标硅胶材料的高光谱图像信息，对所述高光谱图像信息进行黑白校正处理进行去噪，通过图像分割获取高光谱图像信息中的感兴趣区域，提取感兴趣区域的光谱数据，
[0012] 通过连续投影方法对光谱数据进行处理，消除原始数据变量间的共线性，提取出最佳响应谱段；
[0013] 根据所述最佳响应谱段的光谱数据进行光谱特征的提取。
[0014] 本方案中，所述的构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷，具体为：
[0015] 建立神经网络建立硅胶材料缺陷检测模型，通过大数据获取海量的含有内部缺陷及内部缺陷的硅胶材料光谱数据，进行预处理及光谱特征提取，生成训练集及验证集；
[0016] 将所述训练集导入硅胶材料缺陷检测模型中进行迭代训练，根据迭代训练对硅胶材料缺陷检测模型进行相关参数的调整；
[0017] 预设硅胶材料缺陷检测模型误差阈值，多次迭代训练后对硅胶材料缺陷检测模型的误差进行计算；
[0018] 当所述误差小于预设误差阈值时，则将输出结果与验证集进行对比测试，当偏差值小于预设偏差时，得到训练后硅胶材料缺陷检测模型；
[0019] 将目标硅胶材料的光谱特征导入训练后硅胶材料缺陷检测模型，通过硅胶材料缺陷检测模型对光谱特征进行分析，生成硅胶样品的缺陷信息。
[0020] 本方案中，所述的根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工，具体为:
[0021] 将含有缺陷的目标硅胶材料按照内部缺陷及表面缺陷进行分类，获取缺陷特征，将所述特征信息与含有缺陷的目标硅胶材料进行匹配；
[0022] 通过含有表面缺陷的目标硅胶材料的缺陷特征获取缺陷的位置特征及尺寸特征，根据预设评估标准根据所述位置特征及尺寸特征对表面缺陷进行评估；
[0023] 判断表面缺陷的评估得分是否大于预设得分阈值，若大于，则将所述含有表面缺陷的目标硅胶材料判定为不合格产品，若不大于，则将所述含有表面缺陷的目标硅胶材料进行二次加工；
[0024] 将含有内部缺陷的目标硅胶材料判定为不合格产品。
[0025] 本方案中，所述的根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正，具体为：
[0026] 获取智能穿戴设备中智能终端的最高运行温度及目标硅胶材料对智能终端的包裹面积信息；
[0027] 获取目标硅胶材料的材料导热特性，通过所述最高运行温度及包裹面积信息结合所述材料导热特征确定硅胶材料厚度信息；
[0028] 获取智能穿戴设备运行过程中硅胶材料的初始温度信息，对运行过程中目标硅胶材料进行监测，获取硅胶材料的实时温度信息；
[0029] 当所述实时温度信息达到所述最高温度信息时，提取温度变化所用时间信息，根据所述时间信息及最高温度信息与初始温度信息的温度差值计算目标硅胶材料的温度变化率；
[0030] 预设温度变化率阈值，判断所述温度变化率是否大于所述温度变化率阈值，若大于，则将证明智能穿戴设备的散热能力达不到预设标准；
[0031] 同时，生成修正信息，通过所述修正信息对智能穿戴设备中目标硅胶材料的厚度进行修正。
[0032] 本方案中，还包括：
[0033] 将厚度修正完成后的目标硅胶材料进行弯折可靠性测试，获取厚度修正完成后的目标硅胶材料的最大弯折次数信息；
[0034] 将所述最大弯折次数信息与原始可靠性进行对比判断，计算厚度修正前后的可靠性偏差率；
[0035] 判断所述可靠性偏差率是否处于预设范围内，若处于，则将厚度修正完成后的目标硅胶材料的厚度信息作为智能穿戴设备上目标硅胶材料的预设厚度；
[0036] 若不处于，则证明厚度修正后的目标硅胶材料的可靠性达不到可靠性标准，再次对目标硅胶材料进行修正后并生成包裹面积修正信息，通过修正目标硅胶材料的接触面积满足智能终端的散热需求。
[0037] 本发明第二方面还提供了一种智能穿戴用硅胶材料的自动化检测系统，该系统包括：存储器、处理器，所述存储器中包括一种智能穿戴用硅胶材料的自动化检测方法程序，所述一种智能穿戴用硅胶材料的自动化检测方法程序被所述处理器执行时实现如下步骤：
[0038] 获取目标硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征；
[0039] 构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；
[0040] 根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工；
[0041] 同时根据智能穿戴设备的散热需求确定目标硅胶材料的厚度信息，并根据目标硅胶材料的实际温度变化对目标硅胶材料的厚度信息进行修正。
[0042] 本方案中，所述的对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征，具体为：
[0043] 获取目标硅胶材料的高光谱图像信息，对所述高光谱图像信息进行黑白校正处理进行去噪，通过图像分割获取高光谱图像信息中的感兴趣区域，提取感兴趣区域的光谱数据，
[0044] 通过连续投影方法对光谱数据进行处理，消除原始数据变量间的共线性，提取出最佳响应谱段；
[0045] 根据所述最佳响应谱段的光谱数据进行光谱特征的提取。
[0046] 本方案中，所述的构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷，具体为：
[0047] 建立神经网络建立硅胶材料缺陷检测模型，通过大数据获取海量的含有内部缺陷及内部缺陷的硅胶材料光谱数据，进行预处理及光谱特征提取，生成训练集及验证集；
[0048] 将所述训练集导入硅胶材料缺陷检测模型中进行迭代训练，根据迭代训练对硅胶材料缺陷检测模型进行相关参数的调整；
[0049] 预设硅胶材料缺陷检测模型误差阈值，多次迭代训练后对硅胶材料缺陷检测模型的误差进行计算；
[0050] 当所述误差小于预设误差阈值时，则将输出结果与验证集进行对比测试，当偏差值小于预设偏差时，得到训练后硅胶材料缺陷检测模型；
[0051] 将目标硅胶材料的光谱特征导入训练后硅胶材料缺陷检测模型，通过硅胶材料缺陷检测模型对光谱特征进行分析，生成硅胶样品的缺陷信息。
[0052] 本方案中，所述的根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工，具体为:
[0053] 将含有缺陷的目标硅胶材料按照内部缺陷及表面缺陷进行分类，获取缺陷特征，将所述特征信息与含有缺陷的目标硅胶材料进行匹配；
[0054] 通过含有表面缺陷的目标硅胶材料的缺陷特征获取缺陷的位置特征及尺寸特征，根据预设评估标准根据所述位置特征及尺寸特征对表面缺陷进行评估；
[0055] 判断表面缺陷的评估得分是否大于预设得分阈值，若大于，则将所述含有表面缺陷的目标硅胶材料判定为不合格产品，若不大于，则将所述含有表面缺陷的目标硅胶材料进行二次加工；
[0056] 将含有内部缺陷的目标硅胶材料判定为不合格产品。
[0057] 本方案中，所述的根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正，具体为：
[0058] 获取智能穿戴设备中智能终端的最高运行温度及目标硅胶材料对智能终端的包裹面积信息；
[0059] 获取目标硅胶材料的材料导热特性，通过所述最高运行温度及包裹面积信息结合所述材料导热特征确定硅胶材料厚度信息；
[0060] 获取智能穿戴设备运行过程中硅胶材料的初始温度信息，对运行过程中目标硅胶材料进行监测，获取硅胶材料的实时温度信息；
[0061] 当所述实时温度信息达到所述最高温度信息时，提取温度变化所用时间信息，根据所述时间信息及最高温度信息与初始温度信息的温度差值计算目标硅胶材料的温度变化率；
[0062] 预设温度变化率阈值，判断所述温度变化率是否大于所述温度变化率阈值，若大于，则将证明智能穿戴设备的散热能力达不到预设标准；
[0063] 同时，生成修正信息，通过所述修正信息对智能穿戴设备中目标硅胶材料的厚度进行修正。
[0064] 本方案中，还包括：
[0065] 将厚度修正完成后的目标硅胶材料进行弯折可靠性测试，获取厚度修正完成后的目标硅胶材料的最大弯折次数信息；
[0066] 将所述最大弯折次数信息与原始可靠性进行对比判断，计算厚度修正前后的可靠性偏差率；
[0067] 判断所述可靠性偏差率是否处于预设范围内，若处于，则将厚度修正完成后的目标硅胶材料的厚度信息作为智能穿戴设备上目标硅胶材料的预设厚度；
[0068] 若不处于，则证明厚度修正后的目标硅胶材料的可靠性达不到可靠性标准，再次对目标硅胶材料进行修正后并生成包裹面积修正信息，通过修正目标硅胶材料的接触面积满足智能终端的散热需求。
[0069] 本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种智能穿戴用硅胶材料的自动化检测方法程序，所述一种智能穿戴用硅胶材料的自动化检测方法程序被处理器执行时，实现如上述任一项所述的一种智能穿戴用硅胶材料的自动化检测方法的步骤。
[0070] 本发明公开了一种智能穿戴用硅胶材料的自动化检测方法、系统及存储介质，包括：获取硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取硅胶材料的光谱特征；构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；根据缺陷类型对含有缺陷的硅胶材料进行分类，判断含有缺陷的硅胶材料能否进行二次加工；同时根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正。本发明通过智能穿戴用的硅胶材料进行缺陷检测及散热可靠性检测，提高了检测效率，减少了硅胶材料的废品率。
附图说明
[0071] 图1示出了本发明一种智能穿戴用硅胶材料的自动化检测方法的流程图；
[0072] 图2示出了本发明根据散热需求对目标硅胶材料厚度进行检测的流程图；
[0073] 图3示出了本发明一种智能穿戴用硅胶材料的自动化检测系统的框图。
具体实施方式
[0074] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0075] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
[0076] 图1示出了本发明一种智能穿戴用硅胶材料的自动化检测方法的流程图。
[0077] 如图1所示，本发明第一方面提供了一种智能穿戴用硅胶材料的自动化检测方法，包括：
[0078] S102，获取目标硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征；
[0079] S104，构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；
[0080] S106，根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工；
[0081] S108，同时根据智能穿戴设备的散热需求确定目标硅胶材料的厚度信息，并根据目标硅胶材料的实际温度变化对目标硅胶材料的厚度信息进行修正。
[0082] 需要说明的是，所述的对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征，具体为：获取目标硅胶材料的高光谱图像信息，对所述高光谱图像信息进行黑白校正处理进行去噪，通过图像分割获取高光谱图像信息中的感兴趣区域，提取感兴趣区域的光谱数据，通过连续投影方法对光谱数据进行处理，消除原始数据变量间的共线性，提取出最佳响应谱段；根据所述最佳响应谱段的光谱数据进行光谱特征的提取。
[0083] 需要说明的是，所述的构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷，具体为：
[0084] 建立神经网络建立硅胶材料缺陷检测模型，通过大数据获取海量的含有内部缺陷及内部缺陷的硅胶材料光谱数据，进行预处理及光谱特征提取，生成训练集及验证集； 将所述训练集导入硅胶材料缺陷检测模型中进行迭代训练，根据迭代训练对硅胶材料缺陷检测模型进行相关参数的调整；预设硅胶材料缺陷检测模型误差阈值，多次迭代训练后对硅胶材料缺陷检测模型的误差进行计算；当所述误差小于预设误差阈值时，则将输出结果与验证集进行对比测试，当偏差值小于预设偏差时，得到训练后硅胶材料缺陷检测模型；将目标硅胶材料的光谱特征导入训练后硅胶材料缺陷检测模型，通过硅胶材料缺陷检测模型对光谱特征进行分析，生成硅胶样品的缺陷信息。
[0085] 需要说明的是，所述的根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工，具体为:
[0086] 将含有缺陷的目标硅胶材料按照内部缺陷及表面缺陷进行分类，获取缺陷特征，将所述特征信息与含有缺陷的目标硅胶材料进行匹配；通过含有表面缺陷的目标硅胶材料的缺陷特征获取缺陷的位置特征及尺寸特征，根据预设评估标准根据所述位置特征及尺寸特征对表面缺陷进行评估；判断表面缺陷的评估得分是否大于预设得分阈值，若大于，则将所述含有表面缺陷的目标硅胶材料判定为不合格产品，若不大于，则将所述含有表面缺陷的目标硅胶材料进行二次加工；将含有内部缺陷的目标硅胶材料判定为不合格产品。
[0087] 图2示出了本发明根据散热需求对目标硅胶材料厚度进行检测的流程图。
[0088] 根据本发明实施例，所述的根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正，具体为：
[0089] S202，获取智能穿戴设备中智能终端的最高运行温度及目标硅胶材料对智能终端的包裹面积信息；
[0090] S204，获取目标硅胶材料的材料导热特性，通过所述最高运行温度及包裹面积信息结合所述材料导热特征确定硅胶材料厚度信息；
[0091] S206，获取智能穿戴设备运行过程中硅胶材料的初始温度信息，对运行过程中目标硅胶材料进行监测，获取硅胶材料的实时温度信息；
[0092] S208，当所述实时温度信息达到所述最高温度信息时，提取温度变化所用时间信息，根据所述时间信息及最高温度信息与初始温度信息的温度差值计算目标硅胶材料的温度变化率；
[0093] S210，预设温度变化率阈值，判断所述温度变化率是否大于所述温度变化率阈值，若大于，则将证明智能穿戴设备的散热能力达不到预设标准；
[0094] S212，同时，生成修正信息，通过所述修正信息对智能穿戴设备中目标硅胶材料的厚度进行修正。
[0095] 需要说明的是，本发明还包括，厚度修正后目标硅胶材料的可靠性达不到预设标准，则修正接触面积满足智能终端的散热需求，具体为
[0096] 将厚度修正完成后的目标硅胶材料进行弯折可靠性测试，获取厚度修正完成后的目标硅胶材料的最大弯折次数信息；将所述最大弯折次数信息与原始可靠性进行对比判断，计算厚度修正前后的可靠性偏差率；判断所述可靠性偏差率是否处于预设范围内，若处于，则将厚度修正完成后的目标硅胶材料的厚度信息作为智能穿戴设备上目标硅胶材料的预设厚度；若不处于，则证明厚度修正后的目标硅胶材料的可靠性达不到可靠性标准，再次对目标硅胶材料进行修正后并生成包裹面积修正信息，通过修正目标硅胶材料的接触面积满足智能终端的散热需求。
[0097] 根据本发明实施例，本发明还包括：构建智能穿戴产品数据库，
[0098] 构建智能穿戴产品数据库，所述智能穿戴产品数据库包括各个型号、规格的历史库存智能穿戴产品硅胶材料散热数据；
[0099] 根据获得的待检测智能穿戴产品的预设温度变化速率和产品参数数据在所述智能穿戴产品数据库中进行相似度对比，获取智能穿戴产品数据库中与所述待检测智能穿戴产品的温度变化速率和产品参数数据相似度符合预设值要求的历史库存智能穿戴产品；
[0100] 根据获得的所述历史库存智能穿戴产品的硅胶材料厚度及包裹面积信息作为所述待检测智能穿戴产品的硅胶散热检验标准；
[0101] 若所述待检验智能穿戴产品的硅胶材料厚度及包裹面积信息不满足所述历史库存智能穿戴产品的硅胶材料厚度及包裹面积信息的预设阈值范围，则将所述待检验产品定义为不合格产品。
[0102] 需要说明的是，为增加对产品检验标准的获取途径，建立智能穿戴产品数据库，其中包括各个型号、规格的历史库存智能穿戴产品的硅胶材料的散热数据，产品散热数据包括智能穿戴产品中硅胶材料的温度变化速率及产品参数数据；根据待检测智能穿戴产品的预设温度变化速率和产品参数数据在数据库中进行相似度对比，相似度对比可以是欧式距离或余弦对比，在产品数据库中寻找符合预设值要求的历史库存产品。
[0103] 图3示出了本发明一种智能穿戴用硅胶材料的自动化检测系统的框图。
[0104] 本发明第二方面还提供了一种智能穿戴用硅胶材料的自动化检测系统3，该系统包括：存储器31、处理器32，所述存储器中包括一种智能穿戴用硅胶材料的自动化检测方法程序，所述一种智能穿戴用硅胶材料的自动化检测方法程序被所述处理器执行时实现如下步骤：
[0105] 获取目标硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征；
[0106] 构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；
[0107] 根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工；
[0108] 同时根据智能穿戴设备的散热需求确定目标硅胶材料的厚度信息，并根据目标硅胶材料的实际温度变化对目标硅胶材料的厚度信息进行修正。
[0109] 需要说明的是，所述的对高光谱图像信息进行预处理，获取目标硅胶材料的光谱特征，具体为：获取目标硅胶材料的高光谱图像信息，对所述高光谱图像信息进行黑白校正处理进行去噪，通过图像分割获取高光谱图像信息中的感兴趣区域，提取感兴趣区域的光谱数据，通过连续投影方法对光谱数据进行处理，消除原始数据变量间的共线性，提取出最佳响应谱段；根据所述最佳响应谱段的光谱数据进行光谱特征的提取。
[0110] 需要说明的是，所述的构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷，具体为：
[0111] 建立神经网络建立硅胶材料缺陷检测模型，通过大数据获取海量的含有内部缺陷及内部缺陷的硅胶材料光谱数据，进行预处理及光谱特征提取，生成训练集及验证集； 将所述训练集导入硅胶材料缺陷检测模型中进行迭代训练，根据迭代训练对硅胶材料缺陷检测模型进行相关参数的调整；预设硅胶材料缺陷检测模型误差阈值，多次迭代训练后对硅胶材料缺陷检测模型的误差进行计算；当所述误差小于预设误差阈值时，则将输出结果与验证集进行对比测试，当偏差值小于预设偏差时，得到训练后硅胶材料缺陷检测模型；将目标硅胶材料的光谱特征导入训练后硅胶材料缺陷检测模型，通过硅胶材料缺陷检测模型对光谱特征进行分析，生成硅胶样品的缺陷信息。
[0112] 需要说明的是，所述的根据缺陷类型对含有缺陷的目标硅胶材料进行分类，判断所述含有缺陷的目标硅胶材料能否进行二次加工，具体为:
[0113] 将含有缺陷的目标硅胶材料按照内部缺陷及表面缺陷进行分类，获取缺陷特征，将所述特征信息与含有缺陷的目标硅胶材料进行匹配；通过含有表面缺陷的目标硅胶材料的缺陷特征获取缺陷的位置特征及尺寸特征，根据预设评估标准根据所述位置特征及尺寸特征对表面缺陷进行评估；判断表面缺陷的评估得分是否大于预设得分阈值，若大于，则将所述含有表面缺陷的目标硅胶材料判定为不合格产品，若不大于，则将所述含有表面缺陷的目标硅胶材料进行二次加工；将含有内部缺陷的目标硅胶材料判定为不合格产品。
[0114] 根据本发明实施例，所述的根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正，具体为：
[0115] 获取智能穿戴设备中智能终端的最高运行温度及目标硅胶材料对智能终端的包裹面积信息；
[0116] 获取目标硅胶材料的材料导热特性，通过所述最高运行温度及包裹面积信息结合所述材料导热特征确定硅胶材料厚度信息；
[0117] 获取智能穿戴设备运行过程中硅胶材料的初始温度信息，对运行过程中目标硅胶材料进行监测，获取硅胶材料的实时温度信息；
[0118] 当所述实时温度信息达到所述最高温度信息时，提取温度变化所用时间信息，根据所述时间信息及最高温度信息与初始温度信息的温度差值计算目标硅胶材料的温度变化率；
[0119] 预设温度变化率阈值，判断所述温度变化率是否大于所述温度变化率阈值，若大于，则将证明智能穿戴设备的散热能力达不到预设标准；
[0120] 同时，生成修正信息，通过所述修正信息对智能穿戴设备中目标硅胶材料的厚度进行修正。
[0121] 需要说明的是，本发明还包括，厚度修正后目标硅胶材料的可靠性达不到预设标准，则修正接触面积满足智能终端的散热需求，具体为
[0122] 将厚度修正完成后的目标硅胶材料进行弯折可靠性测试，获取厚度修正完成后的目标硅胶材料的最大弯折次数信息；将所述最大弯折次数信息与原始可靠性进行对比判断，计算厚度修正前后的可靠性偏差率；判断所述可靠性偏差率是否处于预设范围内，若处于，则将厚度修正完成后的目标硅胶材料的厚度信息作为智能穿戴设备上目标硅胶材料的预设厚度；若不处于，则证明厚度修正后的目标硅胶材料的可靠性达不到可靠性标准，再次对目标硅胶材料进行修正后并生成包裹面积修正信息，通过修正目标硅胶材料的接触面积满足智能终端的散热需求。
[0123] 根据本发明实施例，本发明还包括：构建智能穿戴产品数据库，
[0124] 构建智能穿戴产品数据库，所述智能穿戴产品数据库包括各个型号、规格的历史库存智能穿戴产品硅胶材料散热数据；
[0125] 根据获得的待检测智能穿戴产品的预设温度变化速率和产品参数数据在所述智能穿戴产品数据库中进行相似度对比，获取智能穿戴产品数据库中与所述待检测智能穿戴产品的温度变化速率和产品参数数据相似度符合预设值要求的历史库存智能穿戴产品；
[0126] 根据获得的所述历史库存智能穿戴产品的硅胶材料厚度及包裹面积信息作为所述待检测智能穿戴产品的硅胶散热检验标准；
[0127] 若所述待检验智能穿戴产品的硅胶材料厚度及包裹面积信息不满足所述历史库存智能穿戴产品的硅胶材料厚度及包裹面积信息的预设阈值范围，则将所述待检验产品定义为不合格产品。
[0128] 需要说明的是，为增加对产品检验标准的获取途径，建立智能穿戴产品数据库，其中包括各个型号、规格的历史库存智能穿戴产品的硅胶材料的散热数据，产品散热数据包括智能穿戴产品中硅胶材料的温度变化速率及产品参数数据；根据待检测智能穿戴产品的预设温度变化速率和产品参数数据在数据库中进行相似度对比，相似度对比可以是欧式距离或余弦对比，在产品数据库中寻找符合预设值要求的历史库存产品。
[0129] 本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种智能穿戴用硅胶材料的自动化检测方法程序，所述一种智能穿戴用硅胶材料的自动化检测方法程序被处理器执行时，实现如上述任一项所述的一种智能穿戴用硅胶材料的自动化检测方法的步骤。
[0130] 本发明公开了一种智能穿戴用硅胶材料的自动化检测方法、系统及存储介质，包括：获取硅胶材料的高光谱图像信息，对高光谱图像信息进行预处理，获取硅胶材料的光谱特征；构建硅胶材料缺陷检测模型，根据所述光谱特征通过硅胶材料缺陷检测模型获取目标硅胶材料的表面缺陷及内部缺陷；根据缺陷类型对含有缺陷的硅胶材料进行分类，判断含有缺陷的硅胶材料能否进行二次加工；同时根据智能穿戴设备的散热需求确定硅胶材料的厚度信息，并根据硅胶材料的实际温度变化对硅胶材料的厚度信息进行修正。本发明通过智能穿戴用的硅胶材料进行缺陷检测及散热可靠性检测，提高了检测效率，减少了硅胶材料的废品率。
[0131] 在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0132] 上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0133] 另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0134] 本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
[0135] 或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0136] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
