[發明專利]模型訓練數據確定方法、檢測模型訓練方法、裝置及設備

在審

• 申請號: 202110489136.3
• 申請日: 2021-04-30
• 公開（公告）號: CN113177597A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 張景逸
• 申請（專利權）人: 平安國際融資租賃有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

1.一種模型訓練數據確定方法，其特征在于，所述模型訓練數據確定方法包括：

獲取多個制造設備的初始電流數據以及各所述制造設備的工作狀態數據，所述工作狀態數據用于指示對應制造設備在預設時間區間內各時間點的工作狀態；

基于各所述工作狀態數據，對對應的各所述初始電流數據進行拆分，得到所述多個制造設備在所述預設時間區間的電流數據集合；

對所述電流數據集合進行聚類，生成多個初始電流數據簇；

從所述多個初始電流數據簇中確定目標電流數據簇，并對所述目標電流數據簇中各目標電流數據進行特征提取，得到對應所述目標電流數據簇的初始特征數據；

獲取歷史特征數據，并基于所述歷史特征數據對所述初始特征數據進行篩選，得到用于作為模型訓練數據的目標特征數據。

2.根據權利要求1所述的模型訓練數據確定方法，其特征在于，所述從所述多個初始電流數據簇中確定目標電流數據簇，包括：

確定各所述初始電流數據簇中工作電流數據的數據量；

基于各所述數據量，對所述初始電流數據簇進行排序，并從排序后的多個初始電流數據簇中確定預設數量的初始電流數據簇作為對應所述多個制造設備的目標電流數據簇。

3.根據權利要求1所述的模型訓練數據確定方法，其特征在于，所述基于所述歷史特征數據對所述初始特征數據進行篩選，得到用于作為模型訓練數據的目標特征數據，包括：

計算所述歷史特征數據與所述初始特征數據之間的相似度和/或數據增益；

基于所述相似度和/或所述數據增益，從所述初始特征數據中確定對應的目標特征數據。

4.根據權利要求1所述的模型訓練數據確定方法，其特征在于，所述模型訓練數據確定方法還包括：

獲取模型訓練請求，所述模型訓練請求中攜帶有模型的訓練要求；

所述對所述目標電流數據簇中各目標電流數據進行特征提取，得到對應所述目標電流數據簇的初始特征數據，包括：

基于所述訓練要求，對所述目標電流數據簇中各目標電流數據進行特征提取，得到對應的初始特征數據。

5.根據權利要求1至4任一項所述的模型訓練數據確定方法，其特征在于，所述模型訓練數據確定方法還包括：

將所述工作狀態數據、所述電流數據集合、所述初始電流數據簇、所述目標電流數據簇、所述初始特征數據以及所述目標特征數據中的至少一個上傳至區塊鏈節點中進行存儲。

6.一種檢測模型訓練方法，其特征在于，所述檢測模型用于對制造設備異常運行狀態進行檢測，所述檢測模型訓練方法包括：

獲取權利要求1至5中任一項所述模型訓練數據確定方法確定的目標特征數據，并作為訓練數據；

對所述訓練數據進行標記，得到標記后的訓練數據；

構建初始檢測模型；

將所述標記后的訓練數據輸入所述初始檢測模型，得到對應的檢測結果；

基于所述檢測結果以及標記后的所述訓練數據，計算所述初始檢測模型的模型損失；

根據所述模型損失對所述初始檢測模型進行迭代訓練，得到訓練后的檢測模型。

7.一種模型訓練數據確定裝置，其特征在于，所述模型訓練數據確定裝置包括：

數據模塊，用于獲取多個制造設備的初始電流數據以及各所述制造設備的工作狀態數據，所述工作狀態數據用于指示對應制造設備在預設時間區間內各時間點的工作狀態；

拆分模塊，用于基于各所述工作狀態數據，對對應的各所述初始電流數據進行拆分，得到所述多個制造設備在所述預設時間區間的電流數據集合；

聚類模塊，用于對所述電流數據集合進行聚類，生成多個初始電流數據簇；

特征提取模塊，用于從所述多個初始電流數據簇中確定目標電流數據簇，并對所述目標電流數據簇中各目標電流數據進行特征提取，得到對應所述目標電流數據簇的初始特征數據；

篩選模塊，用于獲取歷史特征數據，并基于所述歷史特征數據對所述初始特征數據進行篩選，得到用于作為模型訓練數據的目標特征數據。