返修板检测装置、方法及计算机可读存储介质制造方法及图纸

一种返修板检测方法，包括：获取多个返修板的返修信息；从所述返修信息中提取预设特征信息；对提取得到的预设特征信息进行解析处理，以得到训练特征；基于所述训练特征建立并训练得到返修板检测模型；及接收并将待测返修板的返修信息传至所述返修板检测模型中，以得到所述待测返修板的检测结果。本发明专利技术还提供一种返修板检测装置及计算机可读存储介质。上述返修板检测装置、方法及计算机可读存储介质，通过利用机学习算法来确定返修板是否需要维修，可减少不必要的损失。

【技术实现步骤摘要】
返修板检测装置、方法及计算机可读存储介质
本专利技术涉及工业互联网
，尤其涉及一种返修板检测装置、方法及计算机可读存储介质。
技术介绍
随着电子通信技术的发展，通信设备的出货量居高不下。当客户发现通信设备发生故障时，一般会退回给该设备厂商进行维修。以服务器主板为例，客户退回的返修主板需进行进一步维修的故障主板占据约50％～60％，而其他返修主板并不需要维修。现有的做法是对所有退回的返修主板进行测试，以找出其中需要维修的故障主板。维修后再将返修主板返回给客户，由于存在很多不需要进行维修的返修主板，将会造成了人力工时、测试成本、运费等损失。
技术实现思路
有鉴于此，有必要提供一种返修板检测装置、方法及计算机可读存储介质，其能实现确定返修板是否需要维修，可减少不必要的损失。本专利技术一实施方式提供一种返修板检测方法，所述方法包括：获取多个返修板的返修信息；从所述返修信息中提取预设特征信息；对提取得到的预设特征信息进行解析处理，以得到训练特征；基于所述训练特征建立并训练得到返修板检测模型；及接收并将待测返修板的返修信息传至所述返修板检测模型中，以得到所述待测返修板的检测结果。优选地，所述获取多个返修板的返修信息的步骤包括：从每一所述返修板的基板管理控制器中获取所述返修信息。优选地，所述预设特征信息包括以下一种或多种：系统信息目录代码、系统信息目录、信息分类、状态信息产生时间、状态信息、状态信息代码、硬件位置信息、硬件名称、硬件地址数据。优选地，所述对提取得到的预设特征信息进行解析处理，以得到训练特征的步骤包括：获取所述预设特征信息对应的特征值清单；对所述特征值清单中的每一特征值进行编码，并基于预设真值转换规则将所述预设特征信息包含的特征值转换为真值，以建立得到特征真值表；及将所述特征真值表及所述预设特征信息对应的返修板的检测结果作为所述训练特征。优选地，所述基于所述训练特征建立并训练得到返修板检测模型的步骤包括：建立机器学习模型，并利用所述训练特征对所述机器学习模型进行训练得到所述返修板检测模型；其中，在所述返修板检测模型中，每一所述特征值可以训练得到一权重值，以使得所述返修板检测模型基于每一所述特征值的权重值得到所述待测返修板的检测结果。优选地，所述预设真值转换规则包括：若所述特征值清单中的一特征值在所述预设特征信息中出现过，则将该特征值转换为真值“1”，若所述特征值清单中的一特征值在所述预设特征信息中未出现过，则将该特征值转换为真值“0”。优选地，所述基于所述训练特征建立并训练得到返修板检测模型的步骤包括：将所述训练特征划分为训练集及验证集；建立机器学习模型，并利用所述训练集对所述机器学习模型进行训练，其中所述机器学习模型包括输入层、多个隐藏层及输出层；利用所述验证集对训练后的机器学习模型进行验证，并根据每一验证结果得到一模型预测准确率；判断所述模型预测准确率是否小于预设阈值；若所述模型预测准确率不小于所述预设阈值，则将训练完成的所述机器学习模型作为所述返修板检测模型。优选地，所述判断所述模型预测准确率是否小于预设阈值的步骤之后还包括：若所述模型预测准确率小于所述预设阈值，则调整所述机器学习模型的参数，并利用所述训练集重新对调整后的机器学习模型进行训练；利用所述验证集对重新训练的机器学习模型进行验证，并根据每一验证结果重新统计得到一模型预测准确率，并判断重新统计得到的模型预测准确率是否小于预设阈值；若所述重新统计得到的模型预测准确率不小于所述预设阈值，则将所述重新训练得到的机器学习模型作为所述返修板检测模型；及若所述重新统计得到的模型预测准确率仍小于所述预设阈值，则重复上述步骤直至通过所述验证集验证得到的模型预测准确率不小于所述预设阈值。优选地，所述接收并将待测返修板的返修信息传至所述返修板检测模型中，以得到所述待测返修板的检测结果的步骤包括：接收待测返修板的返修信息；将所述待测返修板的返修信息传至所述返修板检测模型中，以得到所述待测返修板是正常返修板的概率值，或者得到所述待测返修板是异常返修板的概率值；判断所述概率值是否大于等于预设概率；及根据判断结果得到所述待测返修板的检测结果。本专利技术一实施方式提供一种返修板检测装置，所述返修板检测装置包括处理器及存储器，所述存储器上存储有若干计算机程序，所述处理器用于执行存储器中存储的计算机程序时实现上述所述的返修板检测方法的步骤本专利技术一实施方式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存储有多条指令，多条所述指令可被一个或者多个处理器执行，以实现上述所述的返修板检测方法的步骤。与现有技术相比，上述返修板检测装置、方法及计算机可读存储介质，基于机器学习算法与从多个返修板样本中提取得到的训练特征来建立并训练得到返修板检测模型，并利用该返修板检测实现识别出目标返修板是否需要维修，可减少不必要的损失，可有效地避免返修板退回浪费运费、时间、人力成本等。附图说明图1是本专利技术一实施方式的返修板检测装置的运用架构示意图。图2是本专利技术一实施方式的返修板检测系统的功能模块图。图3是本专利技术一实施方式的返修板检测方法的流程图。主要元件符号说明如下具体实施方式将结合上述附图进一步说明本专利技术。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。进一步需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。请参阅图1，为本专利技术返修板检测装置较佳实施例的示意图。所述返修板检测装置100包括存储器10、处理器20以及存储在所述存储器10中并可在所述处理器20上运行的计算机程序30，例如返修板检测程序。所述处理器20执行所述计算机程序30时实现返修板检测方法实施例中的步骤，例如图3所示的步骤S300～S308。或者，所述处理器20执行所述计算机程序30时实现返修板检测系统实施例中各模块的功能，例如图2中的模块101～105。所述计算机程序30可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器10中，并由所述处理器20执行，以完成本文档来自技高网...

【技术保护点】
1.一种返修板检测方法，其特征在于，所述方法包括：/n获取多个返修板的返修信息；/n从所述返修信息中提取预设特征信息；/n对提取得到的预设特征信息进行解析处理，以得到训练特征；/n基于所述训练特征建立并训练得到返修板检测模型；及/n接收并将待测返修板的返修信息传至所述返修板检测模型中，以得到所述待测返修板的检测结果。/n

【技术特征摘要】
1.一种返修板检测方法，其特征在于，所述方法包括：
获取多个返修板的返修信息；
从所述返修信息中提取预设特征信息；
对提取得到的预设特征信息进行解析处理，以得到训练特征；
基于所述训练特征建立并训练得到返修板检测模型；及
接收并将待测返修板的返修信息传至所述返修板检测模型中，以得到所述待测返修板的检测结果。


2.如权利要求1所述的方法，其特征在于，所述获取多个返修板的返修信息的步骤包括：
从每一所述返修板的基板管理控制器中获取所述返修信息。


3.如权利要求1所述的方法，其特征在于，所述预设特征信息包括以下一种或多种：系统信息目录代码、系统信息目录、信息分类、状态信息产生时间、状态信息、状态信息代码、硬件位置信息、硬件名称、硬件地址数据。


4.如权利要求1-3任意一项所述的方法，其特征在于，所述对提取得到的预设特征信息进行解析处理，以得到训练特征的步骤包括：
获取所述预设特征信息对应的特征值清单；
对所述特征值清单中的每一特征值进行编码，并基于预设真值转换规则将所述预设特征信息包含的特征值转换为真值，以建立得到特征真值表；及
将所述特征真值表及所述预设特征信息对应的返修板的检测结果作为所述训练特征。


5.如权利要求4所述的方法，其特征在于，所述基于所述训练特征建立并训练得到返修板检测模型的步骤包括：
建立机器学习模型，并利用所述训练特征对所述机器学习模型进行训练得到所述返修板检测模型；
其中，在所述返修板检测模型中，每一所述特征值可以训练得到一权重值，以使得所述返修板检测模型基于每一所述特征值的权重值得到所述待测返修板的检测结果。


6.如权利要求4所述的方法，其特征在于，所述预设真值转换规则包括：若所述特征值清单中的一特征值在所述预设特征信息中出现过，则将该特征值转换为真值“1”，若所述特征值清单中的一特征值在所述预设特征信息中未出现过，则将该特征值转换为真值“0”。


7.如权利要求1-3任意一项所述的方法，其特征在于，所述基于所述训练特征建立并训练得到返修板检测模型的步骤包括：
将所述训练特征...

【专利技术属性】
技术研发人员：廖明癸，穆少平，王洪波，
申请(专利权)人：鸿富锦精密电子天津有限公司，
类型：发明
国别省市：天津;12