[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

本申請涉及計算機技術領域，特別是涉及一種模型訓練數據確定方法、檢測模型訓練方法、裝置及設備。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制造設備的工作狀態數據；基于各工作狀態數據，對對應的各初始電流數據進行拆分，得到多個制造設備在預設時間區間的電流數據集合；對電流數據集合進行聚類，生成多個初始電流數據簇；確定目標電流數據簇，并進行特征提取，得到對應目標電流數據簇的初始特征數據；獲取歷史特征數據，并基于歷史特征數據對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。采用本方法能夠提升模型訓練準確性。本申請還涉及區塊鏈技術領域，各數據均可以上傳至區塊鏈。

技術領域

本申請涉及計算機技術領域，特別是涉及一種模型訓練數據確定方法、檢測模型訓練方法、裝置及設備。

背景技術

隨著現代化工業要求的發展，對制造設備的加工要求越來越高。制造設備的運行是否正常直接影響著制造設備的加工效率以及加工速度，準確檢測出制造設備在工作狀態異常情況，可以即使對設備異常進行處理，以達到提升制造設備加工效率的目的。

在傳統方式中，通常是通過制造設備自身攜帶的電流采集功能對制造設備在運行過程中的電流以較高的頻率進行采集，并基于采集到的電流，通過對檢測模型進行訓練并用于判斷采集設備是否異常。

但是，在互聯網條件下，需要通過外接的采集設備進行電流采集，處于對功耗的考慮，外接設備并不能實現對制造設備的運行電流進行高頻率的采集，從而使得基于采集到的電流數據進行模型訓練時，訓練結果并不理想，模型準確率并不高。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提升模型訓練準確性的模型訓練數據確定方法、檢測模型訓練方法、裝置及設備。

一種模型訓練數據確定方法，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制造設備的工作狀態數據，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；

基于各工作狀態數據，對對應的各初始電流數據進行拆分，得到多個制造設備在預設時間區間的電流數據集合；

對電流數據集合進行聚類，生成多個初始電流數據簇；

從多個初始電流數據簇中確定目標電流數據簇，并對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，并基于歷史特征數據對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。

在其中一個實施例中，從多個初始電流數據簇中確定目標電流數據簇，包括：

確定各初始電流數據簇中工作電流數據的數據量；

基于各數據量，對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多個制造設備的目標電流數據簇。

在其中一個實施例中，基于歷史特征數據對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：

計算歷史特征數據與初始特征數據之間的相似度和/或數據增益；

基于相似度和/或數據增益，從初始特征數據中確定對應的目標特征數據。

在其中一個實施例中，上述模型訓練數據確定方法還包括：

獲取模型訓練請求，模型訓練請求中攜帶有模型的訓練要求；

對目標電流數據簇中各目標電流數據進行特征提取，得到對應目標電流數據簇的初始特征數據，包括：

基于訓練要求，對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。