一种品质分类方法及装置制造方法及图纸

本申请提供了一种品质分类方法及装置，该方法包括：获取样本数据；根据获取的样本数据，生成各张指定尺寸的图像，作为样本图像；将样本图像输入至初始DNN模型，并获取初始DNN模型输出的预测品质类别标签；根据预设的损失函数，计算预测品质类别标签与样本数据包括的各台网络设备的真实品质类别标签之间的损失值，并利用计算出的损失值调整初始DNN模型的参数，直到收敛，得到训练好的DNN模型；在对待测试网络设备执行完装备测试后，根据获取的该待测试网络设备中的指定芯片的寄存器值，生成一张指定尺寸的待测试图像，并利用训练好的DNN模型，对待测试图像进行品质分类。本申请可提升网络设备的出厂质量，进而提高客户体验。

A quality classification method and device

【技术实现步骤摘要】
一种品质分类方法及装置
本申请涉及网络设备的质量检测领域，特别涉及一种品质分类方法及装置。
技术介绍
在交换机、路由器等网络设备出厂之前，会对网络设备进行测试，以保证出厂的网络设备是合格的。目前，主要是通过以下两个环节来实现网络设备的测试：第一，装备测试环节，在灌装完设备软件后执行，主要测试项目有物理层(PHY)芯片、媒体访问控制(MediaAccessControl，MAC)芯片、风扇、电源、光模块、Flash芯片等等，这些测试项目通常是一些短时间的功能性测试项目，大约10-20分钟测试完。第二，可靠性测试环节，对整个批次的网络设备，按一定比例抽取部分网络设备，对抽取的网络设备进行可靠性测试，例如高低温度变化、高低湿度变化、震动等环境中的流量测试，通常这个环节的测试时长为8-48小时；对于测试通过的网络设备，进行包装入成品库；对于测试不合格的网络设备，返回维修直至通过测试或报废；在上述网络设备的测试过程中，如MAC芯片、PHY芯片等，芯片厂家一般会对其做严格的出厂测试，通常芯片本身不会有太大的问题，但在本文档来自技高网...

【技术保护点】
1.一种品质分类方法，其特征在于，所述方法包括：/n获取样本数据，所述样本数据包括各台网络设备中的指定芯片的寄存器值；/n根据获取的样本数据，生成各张指定尺寸的图像，作为样本图像，其中，一台网络设备对应一张指定尺寸的图像；/n将所述样本图像输入至初始深度神经网络DNN模型，并获取所述初始DNN模型输出的预测品质类别标签；/n根据预设的损失函数，计算所述预测品质类别标签与所述样本数据包括的各台网络设备的真实品质类别标签之间的损失值，并利用计算出的损失值调整所述初始DNN模型的参数，直到收敛，得到训练好的DNN模型；/n在对待测试网络设备执行完装备测试后，根据获取的该待测试网络设备中的所述指定芯片...

【技术特征摘要】
1.一种品质分类方法，其特征在于，所述方法包括：
获取样本数据，所述样本数据包括各台网络设备中的指定芯片的寄存器值；
根据获取的样本数据，生成各张指定尺寸的图像，作为样本图像，其中，一台网络设备对应一张指定尺寸的图像；
将所述样本图像输入至初始深度神经网络DNN模型，并获取所述初始DNN模型输出的预测品质类别标签；
根据预设的损失函数，计算所述预测品质类别标签与所述样本数据包括的各台网络设备的真实品质类别标签之间的损失值，并利用计算出的损失值调整所述初始DNN模型的参数，直到收敛，得到训练好的DNN模型；
在对待测试网络设备执行完装备测试后，根据获取的该待测试网络设备中的所述指定芯片的寄存器值，生成一张所述指定尺寸的待测试图像，并利用训练好的DNN模型，对待测试图像进行品质分类。


2.根据权利要求1所述的方法，其特征在于，根据获取的样本数据，生成各张指定尺寸的图像，具体包括：
分别将每台网络设备中的指定芯片的寄存器值，整合为512*512*3的图像。


3.根据权利要求1或2所述的方法，其特征在于，所述指定芯片包括物理层PHY芯片和媒体访问控制MAC芯片。


4.根据权利要求1所述的方法，其特征在于，所述预设的损失函数为：



其中，γ为常量，γ的取值范围为0～1；
m为小批量数据集mini-batch中样本图像的总张数；
yji为mini-batch中样本图像j对应的网络设备的品质分类i对应的真实标签值；
y′ji为mini-batch中样本图像j对应的网络设备的品质分类i的预测标签值；
scorej为mini-batch中样本图像j对应的网络设备的真实使用年限分数；
scorej′为mini-batch中样本图像j对应的网络设备的预测使用年限分数；

为指示函数；
i为优等品时，i为次优品时，


5.一种...

【专利技术属性】
技术研发人员：袁智，
申请(专利权)人：新华三信息安全技术有限公司，
类型：发明
国别省市：安徽;34