模型训练数据确定方法、检测模型训练方法、装置及设备制造方法及图纸

本申请涉及计算机技术领域，特别是涉及一种模型训练数据确定方法、检测模型训练方法、装置及设备。所述模型训练数据确定方法包括：获取多个制造设备的初始电流数据以及各制造设备的工作状态数据；基于各工作状态数据，对对应的各初始电流数据进行拆分，得到多个制造设备在预设时间区间的电流数据集合；对电流数据集合进行聚类，生成多个初始电流数据簇；确定目标电流数据簇，并进行特征提取，得到对应目标电流数据簇的初始特征数据；获取历史特征数据，并基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。采用本方法能够提升模型训练准确性。本申请还涉及区块链技术领域，各数据均可以上传至区块链。

【技术实现步骤摘要】
模型训练数据确定方法、检测模型训练方法、装置及设备
本申请涉及计算机
，特别是涉及一种模型训练数据确定方法、检测模型训练方法、装置及设备。
技术介绍
随着现代化工业要求的发展，对制造设备的加工要求越来越高。制造设备的运行是否正常直接影响着制造设备的加工效率以及加工速度，准确检测出制造设备在工作状态异常情况，可以即使对设备异常进行处理，以达到提升制造设备加工效率的目的。在传统方式中，通常是通过制造设备自身携带的电流采集功能对制造设备在运行过程中的电流以较高的频率进行采集，并基于采集到的电流，通过对检测模型进行训练并用于判断采集设备是否异常。但是，在互联网条件下，需要通过外接的采集设备进行电流采集，处于对功耗的考虑，外接设备并不能实现对制造设备的运行电流进行高频率的采集，从而使得基于采集到的电流数据进行模型训练时，训练结果并不理想，模型准确率并不高。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提升模型训练准确性的模型训练数据确定方法、检测模型训练方法、装置及设备。一种模型训练数据确定方法，所述模型训练数据确定方法包括：获取多个制造设备的初始电流数据以及各制造设备的工作状态数据，工作状态数据用于指示对应制造设备在预设时间区间内各时间点的工作状态；基于各工作状态数据，对对应的各初始电流数据进行拆分，得到多个制造设备在预设时间区间的电流数据集合；对电流数据集合进行聚类，生成多个初始电流数据簇；从多个初始电流数据簇中确定目标电流数据簇，并对目标电流数据簇中各目标电流数据进行特征提取，得到对应目标电流数据簇的初始特征数据；获取历史特征数据，并基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。在其中一个实施例中，从多个初始电流数据簇中确定目标电流数据簇，包括：确定各初始电流数据簇中工作电流数据的数据量；基于各数据量，对初始电流数据簇进行排序，并从排序后的多个初始电流数据簇中确定预设数量的初始电流数据簇作为对应多个制造设备的目标电流数据簇。在其中一个实施例中，基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据，包括：计算历史特征数据与初始特征数据之间的相似度和/或数据增益；基于相似度和/或数据增益，从初始特征数据中确定对应的目标特征数据。在其中一个实施例中，上述模型训练数据确定方法还包括：获取模型训练请求，模型训练请求中携带有模型的训练要求；对目标电流数据簇中各目标电流数据进行特征提取，得到对应目标电流数据簇的初始特征数据，包括：基于训练要求，对目标电流数据簇中各目标电流数据进行特征提取，得到对应的初始特征数据。在其中一个实施例中，上述模型训练数据确定方法还包括：将工作状态数据、电流数据集合、初始电流数据簇、目标电流数据簇、初始特征数据以及目标特征数据中的至少一个上传至区块链节点中进行存储。一种检测模型训练方法，检测模型用于对制造设备异常运行状态进行检测，所述检测模型训练方法包括：获取上述任一项模型训练数据确定方法确定的目标特征数据，并作为训练数据；对训练数据进行标记，得到标记后的训练数据；构建初始检测模型；将标记后的训练数据输入初始检测模型，得到对应的检测结果；基于检测结果以及标记后的训练数据，计算初始检测模型的模型损失；根据模型损失对初始检测模型进行迭代训练，得到训练后的检测模型。一种模型训练数据确定装置，所述模型训练数据确定装置包括：数据模块，用于获取多个制造设备的初始电流数据以及各制造设备的工作状态数据，工作状态数据用于指示对应制造设备在预设时间区间内各时间点的工作状态；拆分模块，用于基于各工作状态数据，对对应的各初始电流数据进行拆分，得到多个制造设备在预设时间区间的电流数据集合；聚类模块，用于对电流数据集合进行聚类，生成多个初始电流数据簇；特征提取模块，用于从多个初始电流数据簇中确定目标电流数据簇，并对目标电流数据簇中各目标电流数据进行特征提取，得到对应目标电流数据簇的初始特征数据；筛选模块，用于获取历史特征数据，并基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。一种检测模型训练装置，检测模型用于对制造设备异常运行状态进行检测，所述测模型训练装置包括：获取模块，用于获取权利要求7模型训练数据确定装置确定的目标特征数据，并作为训练数据；标记模块，用于对训练数据进行标记，得到标记后的训练数据；模型构建模块，用于构建初始检测模型；检测模块，用于将标记后的训练数据输入初始检测模型，得到对应的检测结果；损失计算模块，用于基于检测结果以及标记后的训练数据，计算初始检测模型的模型损失；迭代训练模块，用于根据模型损失对初始检测模型进行迭代训练，得到训练后的检测模型。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。上述模型训练数据确定方法、检测模型训练方法、装置及设备，通过获取多个制造设备的初始电流数据以及各制造设备的工作状态数据，工作状态数据用于指示对应制造设备在预设时间区间内各时间点的工作状态，然后基于各工作状态数据，对对应的各初始电流数据进行拆分，得到多个制造设备在预设时间区间的电流数据集合，进一步对电流数据集合进行聚类，得到对应的多个初始电流数据簇，然后从多个初始电流数据簇中确定对应的目标电流数据簇，并对目标电流数据簇中各目标电流数据进行特征提取，得到对应的初始特征数据，获取对应目标电流数据簇的历史特征数据，并基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。从而，对于低频采集到的离散初始电流数据，可以通过对其进行拆分以及聚类，得到对应的初始电流数据簇，并从中确定对应的目标电流数据簇，进而通过对目标电流数据簇进行特征提取以及通过历史特征数据进行筛选，使得可以得到较为准确且适用于模型训练的目标特征数据，可以使得模型训练更具针对性，进而可以提升模型训练的准确性。附图说明图1为一个实施例中模型训练数据确定方法的应用场景图；图2为一个实施例中模型训练数据确定方法的流程示意图；图3为一个实施例中检测模型训练方法的流程示意图；图4为一个实施例中模型训练数据确定装置的结构框图；图5为一个实施例中检测模型训练装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请本文档来自技高网...

【技术保护点】
1.一种模型训练数据确定方法，其特征在于，所述模型训练数据确定方法包括：/n获取多个制造设备的初始电流数据以及各所述制造设备的工作状态数据，所述工作状态数据用于指示对应制造设备在预设时间区间内各时间点的工作状态；/n基于各所述工作状态数据，对对应的各所述初始电流数据进行拆分，得到所述多个制造设备在所述预设时间区间的电流数据集合；/n对所述电流数据集合进行聚类，生成多个初始电流数据簇；/n从所述多个初始电流数据簇中确定目标电流数据簇，并对所述目标电流数据簇中各目标电流数据进行特征提取，得到对应所述目标电流数据簇的初始特征数据；/n获取历史特征数据，并基于所述历史特征数据对所述初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。/n

【技术特征摘要】
1.一种模型训练数据确定方法，其特征在于，所述模型训练数据确定方法包括：
获取多个制造设备的初始电流数据以及各所述制造设备的工作状态数据，所述工作状态数据用于指示对应制造设备在预设时间区间内各时间点的工作状态；
基于各所述工作状态数据，对对应的各所述初始电流数据进行拆分，得到所述多个制造设备在所述预设时间区间的电流数据集合；
对所述电流数据集合进行聚类，生成多个初始电流数据簇；
从所述多个初始电流数据簇中确定目标电流数据簇，并对所述目标电流数据簇中各目标电流数据进行特征提取，得到对应所述目标电流数据簇的初始特征数据；
获取历史特征数据，并基于所述历史特征数据对所述初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。


2.根据权利要求1所述的模型训练数据确定方法，其特征在于，所述从所述多个初始电流数据簇中确定目标电流数据簇，包括：
确定各所述初始电流数据簇中工作电流数据的数据量；
基于各所述数据量，对所述初始电流数据簇进行排序，并从排序后的多个初始电流数据簇中确定预设数量的初始电流数据簇作为对应所述多个制造设备的目标电流数据簇。


3.根据权利要求1所述的模型训练数据确定方法，其特征在于，所述基于所述历史特征数据对所述初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据，包括：
计算所述历史特征数据与所述初始特征数据之间的相似度和/或数据增益；
基于所述相似度和/或所述数据增益，从所述初始特征数据中确定对应的目标特征数据。


4.根据权利要求1所述的模型训练数据确定方法，其特征在于，所述模型训练数据确定方法还包括：
获取模型训练请求，所述模型训练请求中携带有模型的训练要求；
所述对所述目标电流数据簇中各目标电流数据进行特征提取，得到对应所述目标电流数据簇的初始特征数据，包括：
基于所述训练要求，对所述目标电流数据簇中各目标电流数据进行特征提取，得到对应的初始特征数据。


5.根据权利要求1至4任一项所述的模型训练数据确定方法，其特征在于，所述模型训练数据确定方法还包括：
将所述工作状态数据、所述电流数据集合、所述初始电流数据簇、所述目标电流数据簇、所述初始特征数据以及所述目标特征数据中的至少一个上传至区块链节点中进行存储。


6.一种检测模型训练方法，其特征在于，所述检测模型用于对制造设备异常运行状态进行检测，所述检测模型训...

【专利技术属性】
技术研发人员：张景逸，
申请(专利权)人：平安国际融资租赁有限公司，
类型：发明
国别省市：上海;31