喷涂作为当前热门的制造技术,广泛应用在各个行业中。喷涂所需的高温环境容易引起事故,需要对喷涂环境进行监测。另一方面,由于目前喷涂流程复杂,影响喷涂产品合格率的因素较多,需要对生产数据进行特征分析。本文针对汽车零件喷涂生产中的环境监测,利用云平台进行数据存储并从存储的数据中找出影响产品合格率的因素,并预测了在这些因素作用下产品的不合格率。首先申请阿里云ECS云平台,在阿里云服务器上搭建Node.js服务器与MongoDB非关系型数据库负责数据的存储与传输。通过python中的pymongo模块调用MongoDB中的数据,结合产品合格率进行特征分析。分析时首先进行数据预处理,处理数据中的缺失值并将数据规范化。接着采用lasso回归的方法对数据特征进行降维,从14种数据中筛选出6种影响产品合格率的主要因素;最后分别运用传统的BP神经网络和基于遗传算法优化的BP神经网络进行预测,平均绝对百分比误差分别达到18.825%和7.152%,发现对lasso回归分析得到的特征采用遗传算法优化的BP神经网络模型对产品合格率的预测有比较好的效果,为实际生产提供有科学依据的决策与支持。