一种基于电子元件性能数据的检测方法及系统与流程

1.本发明涉及数据处理技术领域，具体而言，涉及一种基于电子元件性能数据的检测方法及系统。


背景技术：

2.在电子元件的生产侧，一般会在电子元件的生产完成之后，且在投入市场之前，对电子元件的性能进行测试，以确定电子元件的性能是否存在异常，如在异常时可以销毁对应的电子元件或进行重新的改良等。
3.因此，对电子元件的性能测试的结果就需要具有较高的精度。但是，经发明人研究发现，现有技术中，一般都是基于对电子元件自身的检测数据进行简单的分析，如阈值比较等，以确定电子设备的性能是否存在异常，如此，就导致对电子设备的性能检测的精度不高的问题。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于电子元件性能数据的检测方法及系统，以提高对电子元件的性能是否存在异常的检测精度。
5.为实现上述目的，本发明实施例采用如下技术方案：
6.一种基于电子元件性能数据的检测方法，应用于性能数据处理服务器，所述基于电子元件性能数据的检测方法包括：
7.基于获取的性能检测设备对多个待检测的电子元件分别进行的多次性能检测处理得到的多组性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的解析结果，其中，每一组所述性能检测数据包括对应的一个所述电子元件通过进行多次性能检测得到的多条性能检测数据，所述性能检测设备用于在检测得到所述性能检测数据之后，将所述性能检测数据发送给所述性能数据处理服务器；
8.针对每一个所述电子元件，基于该电子元件对应的解析结果，确定将该电子元件对应的一组性能检测数据作为训练样本的类型，其中，若所述电子元件对应的解析结果为所述电子元件的性能存在异常，则将所述电子元件对应的一组性能检测数据作为负训练样本，若所述电子元件对应的解析结果为所述电子元件的性能不存在异常，则将所述电子元件对应的一组性能检测数据作为正训练样本；
9.基于获取到的分别作为正训练样本和负训练样本的多组性能检测数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型，其中，所述电子元件性能检测模型用于对电子元件的一组性能检测数据进行处理，得到对应的解析结果。
10.在一些优选的实施例中，在上述基于电子元件性能数据的检测方法中，所述基于获取到的分别作为正训练样本和负训练样本的多组性能检测数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型的步骤，包括：
11.获取分别作为正训练样本和负训练样本的多组性能检测数据，得到多组性能检测
样本数据；
12.对所述多组性能检测样本数据进行去重处理，得到对应的多组目标性能检测样本数据；
13.基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型。
14.在一些优选的实施例中，在上述基于电子元件性能数据的检测方法中，所述对所述多组性能检测样本数据进行去重处理，得到对应的多组目标性能检测样本数据的步骤，包括：
15.针对所述多组性能检测样本数据中的每一组性能检测样本数据，确定该组性能检测样本数据与所述多组性能检测样本数据中的其它每一组性能检测样本数据是否完全相同；
16.基于是否完全相同对所述多组性能检测样本数据进行聚类，得到对应的多个样本数据集合，其中，每一个所述样本数据集合包括至少一组所述性能检测样本数据，属于同一个所述样本数据集合的任意两组所述性能检测样本数据完全相同，属于不同的两个所述样本数据集合的任意两组所述性能检测样本数据不完全相同；
17.针对每一个所述样本数据集合，将该样本数据集合中的一组所述性能检测样本数据作为该样本数据集合对应的一组目标性能检测样本数据，以得到多组目标性能检测样本数据。
18.在一些优选的实施例中，在上述基于电子元件性能数据的检测方法中，所述基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型的步骤，包括：
19.按照预先配置的目标比例信息将所述多组目标性能检测样本数据进行分割，得到对应的两个目标样本数据集合，其中，每一个所述目标样本数据集合包括多组所述目标性能检测样本数据；
20.将所述两个目标样本数据集合分别确定为第一样本数据集合和第二样本数据集合，其中，所述第一样本数据集合包括的目标性能检测样本数据的组数大于所述第二样本数据集合包括的目标性能检测样本数据的组数；
21.基于所述第一样本数据集合包括的多组所述目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测初始模型，并基于所述第二样本数据集合包括的多组所述目标性能检测样本数据对所述电子元件性能检测初始模型进行校验处理，得到对应的校验结果；
22.若所述校验结果满足预先配置的校验目标结果，则将所述电子元件性能检测初始模型确定为电子元件性能检测模型。
23.在一些优选的实施例中，在上述基于电子元件性能数据的检测方法中，所述基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型的步骤，还包括：
24.若所述校验结果不满足预先配置的校验目标结果，则获取分别作为正训练样本和负训练样本的多组新的性能检测数据；
25.基于所述多组新的性能检测数据对所述电子元件性能检测初始模型进行更新处
理，直到更新后的电子元件性能检测初始模型对应的新的校验结果满足所述校验目标结果，并将所述更新后的电子元件性能检测初始模型确定为电子元件性能检测模型。
26.在一些优选的实施例中，在上述基于电子元件性能数据的检测方法中，所述若所述校验结果不满足预先配置的校验目标结果，则获取分别作为正训练样本和负训练样本的多组新的性能检测数据的步骤，包括：
27.若所述校验结果不满足预先配置的校验目标结果，则生成对应的检测通知信息，并将所述检测通知信息发送给所述性能检测设备，其中，所述性能检测设备用于基于所述检测通知信息对所述多个待检测的电子元件分别进行的多次性能检测处理得到多组新的性能检测数据；
28.获取所述性能检测设备基于所述检测通知信息发送的所述多组新的性能检测数据，并对所述多组新的性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的新的解析结果；
29.基于所述新的解析结果，将所述多组新的性能检测数据分别作为正训练样本和负训练样本的多组新的性能检测数据。
30.本发明实施例还提供一种基于电子元件性能数据的检测系统，应用于性能数据处理服务器，所述基于电子元件性能数据的检测系统包括：
31.性能检测数据解析模块，用于基于获取的性能检测设备对多个待检测的电子元件分别进行的多次性能检测处理得到的多组性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的解析结果，其中，每一组所述性能检测数据包括对应的一个所述电子元件通过进行多次性能检测得到的多条性能检测数据，所述性能检测设备用于在检测得到所述性能检测数据之后，将所述性能检测数据发送给所述性能数据处理服务器；
32.训练样本类型确定模块，用于针对每一个所述电子元件，基于该电子元件对应的解析结果，确定将该电子元件对应的一组性能检测数据作为训练样本的类型，其中，若所述电子元件对应的解析结果为所述电子元件的性能存在异常，则将所述电子元件对应的一组性能检测数据作为负训练样本，若所述电子元件对应的解析结果为所述电子元件的性能不存在异常，则将所述电子元件对应的一组性能检测数据作为正训练样本；
33.神经网络模型训练模块，用于基于获取到的分别作为正训练样本和负训练样本的多组性能检测数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型，其中，所述电子元件性能检测模型用于对电子元件的一组性能检测数据进行处理，得到对应的解析结果。
34.在一些优选的实施例中，在上述基于电子元件性能数据的检测系统中，所述神经网络模型训练模块包括：
35.第一训练子模块，用于获取分别作为正训练样本和负训练样本的多组性能检测数据，得到多组性能检测样本数据；
36.第二训练子模块，用于对所述多组性能检测样本数据进行去重处理，得到对应的多组目标性能检测样本数据；
37.第三训练子模块，用于基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型。
38.在一些优选的实施例中，在上述基于电子元件性能数据的检测系统中，所述第二
训练子模块具体用于：
39.针对所述多组性能检测样本数据中的每一组性能检测样本数据，确定该组性能检测样本数据与所述多组性能检测样本数据中的其它每一组性能检测样本数据是否完全相同；
40.基于是否完全相同对所述多组性能检测样本数据进行聚类，得到对应的多个样本数据集合，其中，每一个所述样本数据集合包括至少一组所述性能检测样本数据，属于同一个所述样本数据集合的任意两组所述性能检测样本数据完全相同，属于不同的两个所述样本数据集合的任意两组所述性能检测样本数据不完全相同；
41.针对每一个所述样本数据集合，将该样本数据集合中的一组所述性能检测样本数据作为该样本数据集合对应的一组目标性能检测样本数据，以得到多组目标性能检测样本数据。
42.在一些优选的实施例中，在上述基于电子元件性能数据的检测系统中，所述第三训练子模块具体用于：
43.按照预先配置的目标比例信息将所述多组目标性能检测样本数据进行分割，得到对应的两个目标样本数据集合，其中，每一个所述目标样本数据集合包括多组所述目标性能检测样本数据；
44.将所述两个目标样本数据集合分别确定为第一样本数据集合和第二样本数据集合，其中，所述第一样本数据集合包括的目标性能检测样本数据的组数大于所述第二样本数据集合包括的目标性能检测样本数据的组数；
45.基于所述第一样本数据集合包括的多组所述目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测初始模型，并基于所述第二样本数据集合包括的多组所述目标性能检测样本数据对所述电子元件性能检测初始模型进行校验处理，得到对应的校验结果；
46.若所述校验结果满足预先配置的校验目标结果，则将所述电子元件性能检测初始模型确定为电子元件性能检测模型。
47.本发明实施例提供的一种基于电子元件性能数据的检测方法及系统，在得到每一个电子元件的性能是否存在异常的解析结果之后，可以将对应的多组性能检测数据作为训练神经网络模型的训练样本，以训练得到对应的电子元件性能检测模型，使得在之后获取到其它电子元件的一组性能检测数据之后，可以通过电子元件性能检测模型进行处理得到对应的解析结果，如此，通过采用神经网络模型进行性能异常判断，可以有效提高对电子元件的性能是否存在异常的检测精度，从而改善现有技术中对电子设备的性能检测的精度不高的问题。
48.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
49.图1为本发明实施例提供的性能数据处理服务器的示意图。
50.图2为本发明实施例提供的基于电子元件性能数据的检测方法的示意图。
51.图3为本发明实施例提供的基于电子元件性能数据的检测系统的示意图。
具体实施方式
52.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
53.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
54.如图1所示，本发明实施例提供了一种性能数据处理服务器。其中，所述性能数据处理服务器可以包括存储器和处理器。
55.可选地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块，如基于电子元件性能数据的检测系统。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于电子元件性能数据的检测方法。
56.可选地，所述存储器可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read
‑
only memory，prom)，可擦除只读存储器(erasable programmable read
‑
only memory，eprom)，电可擦除只读存储器(electric erasable programmable read
‑
only memory，eeprom)等。所述处理器可以是一种通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)、片上系统(system on chip，soc)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
57.结合图2，本发明实施例还提供一种基于电子元件性能数据的检测方法，可应用于上述性能数据处理服务器。其中，所述基于电子元件性能数据的检测方法有关的流程所定义的方法步骤，可以由所述性能数据处理服务器实现。
58.下面将对图2所示的具体流程，进行详细阐述。
59.步骤s100，基于获取的性能检测设备对多个待检测的电子元件分别进行的多次性能检测处理得到的多组性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的解析结果。
60.在本发明实施例中，所述性能数据处理服务器可以执行步骤s100，以基于获取的性能检测设备对多个待检测的电子元件分别进行的多次性能检测处理得到的多组性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的解析结果。其中，每一组所述性能检测数据包括对应的一个所述电子元件通过进行多次性能检测得到的多条性能检测数据，所述性能检测设备用于在检测得到所述性能检测数据之后，将所述性能检测数据发送给所述性能数据处理服务器。
61.步骤s200，针对每一个所述电子元件，基于该电子元件对应的解析结果，确定将该电子元件对应的一组性能检测数据作为训练样本的类型。
62.在本发明实施例中，所述性能数据处理服务器在执行上述的步骤s100之后可以执行步骤s200，以针对每一个所述电子元件，基于该电子元件对应的解析结果，确定将该电子元件对应的一组性能检测数据作为训练样本的类型。其中，若所述电子元件对应的解析结果为所述电子元件的性能存在异常，则将所述电子元件对应的一组性能检测数据作为负训练样本，若所述电子元件对应的解析结果为所述电子元件的性能不存在异常，则将所述电子元件对应的一组性能检测数据作为正训练样本。
63.步骤s300，基于获取到的分别作为正训练样本和负训练样本的多组性能检测数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型。
64.在本发明实施例中，所述性能数据处理服务器在执行上述的步骤s200之后可以执行步骤s300，以基于获取到的分别作为正训练样本和负训练样本的多组性能检测数据对预先构建的神经网络模型(可以是一种二分类模型，具体可以参照相关的现有技术，在此不再一一赘述)进行训练，得到对应的电子元件性能检测模型。其中，所述电子元件性能检测模型用于对电子元件的一组性能检测数据进行处理，得到对应的解析结果。
65.基于上述的步骤s100、步骤s200和步骤s300，在得到每一个电子元件的性能是否存在异常的解析结果之后，可以将多组性能检测数据作为训练神经网络模型的训练样本，训练得到对应的电子元件性能检测模型，使得在之后获取到其它电子元件的一组性能检测数据之后，可以通过电子元件性能检测模型进行处理得到对应的解析结果，如此，通过采用神经网络模型进行性能异常判断，可以有效提高对电子元件的性能是否存在异常的检测精度，从而改善现有技术中对电子设备的性能检测的精度不高的问题。
66.可选地，在一种可以替代的示例中，步骤s100可以包括以下步骤，如后所述的步骤s110、步骤s120和步骤s130。
67.步骤s110，获取性能检测设备对多个待检测的电子元件分别进行的多次性能检测处理得到的多组性能检测数据。
68.在本发明实施例中，所述性能数据处理服务器可以执行步骤s110，以获取性能检测设备对多个待检测的电子元件分别进行的多次性能检测处理(如进行耐压检测等，或者欧姆测试，如多次施加相同的电压，进行电流检测等)得到的多组性能检测数据。其中，每一组所述性能检测数据包括对应的一个所述电子元件通过进行多次性能检测得到的多条性能检测数据，所述性能数据处理服务器通信连接有至少一个所述性能检测设备，所述性能检测设备用于在检测得到所述性能检测数据之后，将所述性能检测数据发送给所述性能数据处理服务器。
69.步骤s120，基于所述多组性能检测数据，确定所述性能检测设备是否存在异常。
70.在本发明实施例中，所述性能数据处理服务器在执行上述的步骤s110之后可以执行步骤s120，以基于所述多组性能检测数据，确定所述性能检测设备是否存在异常。
71.其中，若确定所述性能检测设备不存在异常，可以执行步骤s130。
72.步骤s130，对所述多组性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的解析结果。
73.在本发明实施例中，所述性能数据处理服务器在执行步骤s120之后若确定所述性能检测设备不存在异常可以执行步骤s130，以对所述多组性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的解析结果，即在保障检测数据的可靠性的基
础上进行解析处理，从而使得得到的解析结果也具有较高的可靠性。
74.基于上述的步骤s110、步骤s120和步骤s130，通过获取多个待检测的电子元件分别进行的多次性能检测处理得到的多组性能检测数据，使得可以基于多组性能检测数据确定性能检测设备是否存在异常，并在性能检测设备不存在异常时对多组性能检测数据进行解析处理，得到每一个电子元件的性能是否存在异常的解析结果，如此，可以增加对电子元件的性能异常进行解析的依据，从而使得得到的解析结果具有较高的可靠性，进而改善现有技术中存在的解析结果的可靠性不佳的问题。
75.可选地，在一种可以替代的示例中，步骤s110可以包括以下步骤：
76.第一个步骤，响应对应用户进行的性能检测操作(如操作对应的信息输入设备，如触摸屏或键盘、鼠标等)，生成对应的性能检测控制参数；
77.第二个步骤，将所述性能检测控制参数发送给通信连接的至少一个性能检测设备(如发送给一个性能检测设备，该性能检测设备可以同步对各电子元件进行性能检测，或者，依次分别对各电子元件进行性能检测)，并获取所述至少一个性能检测设备基于所述性能检测控制参数发送的多组性能检测数据，其中，所述至少一个性能检测设备用于基于获取到的所述性能检测控制参数对多个待检测的电子元件分别进行的多次性能检测处理，得到对应的多组性能检测数据。
78.可选地，在一种可以替代的示例中，上述示例中的所述将所述性能检测控制参数发送给通信连接的至少一个性能检测设备，并获取所述至少一个性能检测设备基于所述性能检测控制参数发送的多组性能检测数据的步骤，可以包括以下步骤：
79.第一个步骤，响应对应用户进行的第一性能检测操作，生成对应的第一性能检测控制参数，其中，所述第一性能检测控制参数用于表征对每一个所述电子元件进行性能检测处理的检测次数；
80.第二个步骤(与前述的第一个步骤可以没有先后执行顺序)，响应对应用户进行的第二性能检测操作，生成对应的第二性能检测控制参数，其中，所述第二性能检测控制参数用于表征对每一个所述电子元件进行性能检测处理的过程中相邻两次性能检测处理的检测间隔时间。
81.可选地，在一种可以替代的示例中，步骤s120可以包括以下步骤：
82.第一个步骤，针对每一组性能检测数据，对该组性能检测数据包括的多条性能检测数据进行特征解析处理，得到该组性能检测数据对应的性能特征信息；
83.第二个步骤，基于每一组性能检测数据对应的所述性能特征信息确定所述性能检测设备是否存在异常。
84.可选地，在一种可以替代的示例中，上述示例中的所述针对每一组性能检测数据，对该组性能检测数据包括的多条性能检测数据进行特征解析处理，得到该组性能检测数据对应的性能特征信息的步骤，可以进一步包括以下步骤：
85.第一个步骤，针对每一组性能检测数据，确定该组性能检测数据包括的每一条性能检测数据是否属于预先配置的性能检测数据标准范围内；
86.第二个步骤，针对每一组性能检测数据，统计该组性能检测数据中不属于所述性能检测数据标准范围内的性能检测数据的数量占比，并将所述数量占比作为该组性能检测数据对应的性能特征信息。
87.可选地，在一种可以替代的示例中，上述示例中的所述基于每一组性能检测数据对应的所述性能特征信息确定所述性能检测设备是否存在异常的步骤，可以进一步包括以下步骤：
88.第一个步骤，针对每一组性能检测数据，确定该组性能检测数据对应的所述性能特征信息是否满足预先配置的性能特征条件(如表征所述性能特征信息的数量占比是否大于以占比阈值等)；
89.第二个步骤，统计不满足所述性能特征条件的性能特征信息对应的性能检测数据的组数，得到对应的第一组数，并计算所述第一组数在所述多组性能检测数据中的占比，得到对应的第一占比信息；
90.第三个步骤，确定所述第一占比信息与预先配置的占比阈值信息之间的大小关系；
91.第四个步骤，若确定所述第一占比信息大于或等于所述占比阈值信息，则确定所述性能检测设备存在异常，若确定所述第一占比信息小于所述占比阈值信息，则确定所述性能检测设备不存在异常。
92.可选地，在一种可以替代的示例中，步骤s130可以包括以下步骤：
93.第一个步骤，若确定所述性能检测设备不存在异常，则针对每一组性能检测数据，确定该组性能检测数据包括的每一条性能检测数据是否属于预先配置的性能检测数据标准范围内；
94.第二个步骤，若存在包括的每一条性能检测数据属于所述性能检测数据标准范围内的至少一组性能检测数据，则针对所述至少一组性能检测数据中的每一组性能检测数据，确定该组性能检测数据的变化趋势信息是否满足预先配置的变化趋势标准条件(如性能检测数据是否依次增加或依次减少等)；
95.第三个步骤，针对至少一组性能检测数据中的每一组性能检测数据，若确定该组性能检测数据的变化趋势信息满足所述变化趋势标准条件，则该组性能检测数据对应的电子元件的性能不存在异常；
96.第四个步骤，针对至少一组性能检测数据中的每一组性能检测数据，若确定该组性能检测数据的变化趋势信息不满足所述变化趋势标准条件，则该组性能检测数据对应的电子元件的性能存在异常。
97.可选地，在一种可以替代的示例中，步骤s130还可以包括以下步骤：
98.第一个步骤，若存在包括的至少一条性能检测数据不属于所述性能检测数据标准范围内的至少一组性能检测数据，则针对该至少一组性能检测数据中的每一组性能检测数据，对该组性能检测数据包括的多条性能检测数据按照对应的检测时间的先后关系进行排序(如检测时间较早的性能检测数据在前，检测时间较晚的性能检测数据在后)，得到该组性能检测数据对应的性能检测数据序列；
99.第二个步骤，针对每一条所述性能检测数据序列，对该性能检测数据序列执行目标筛选操作，得到该性能检测数据序列对应的性能检测数据子序列(即筛选出至少部分性能检测数据作为对应的性能检测数据子序列)；
100.第三个步骤，基于每一个所述电子元件对应的所述性能检测数据子序列，确定每一个所述电子元件是否存在异常的解析结果。
101.可选地，在一种可以替代的示例中，上述示例中的所述针对每一条所述性能检测数据序列，对该性能检测数据序列执行目标筛选操作，得到该性能检测数据序列对应的性能检测数据子序列的步骤，即所述目标筛选操作可以进一步包括以下步骤：
102.第一个步骤，将所述性能检测数据序列中的第一条性能检测数据作为第一目标性能检测数据、最后一条性能检测数据作为第二目标性能检测数据，并将所述性能检测数据序列中的第一条性能检测数据和最后一条性能检测数据以外的每一条其它性能检测数据作为待筛选性能检测数据，如此，可以得到多条待筛选性能检测数据；
103.第二个步骤，在所述多条待筛选性能检测数据中，计算每两条所述待筛选性能检测数据之间的检测数据差值，并基于预先配置的检测数据差值阈值和所述检测数据差值确定是否对所述多条待筛选性能检测数据中的每两条所述待筛选性能检测数据进行相关性连接处理，形成对应的检测数据相关网络(例如，可以在所述检测数据差值小于或等于所述检测数据差值阈值时，将对应的两条待筛选性能检测数据进行相关性连接处理，基于此，在所述检测数据相关网络中直接连接的两条待筛选性能检测数据之间的检测数据差值小于或等于所述检测数据差值阈值)；
104.第三个步骤，分别计算所述第一目标性能检测数据与每一条所述待筛选性能检测数据之间的检测数据差值、所述第二目标性能检测数据与每一条所述待筛选性能检测数据之间检测数据差值，并基于所述检测数据差值确定与所述第一目标性能检测数据具有最小的检测数据差值的第一待筛选性能检测数据、与所述第二目标性能检测数据具有最小的检测数据差值的第二待筛选性能检测数据；
105.第四个步骤，获取所述检测数据相关网络中连接在所述第一待筛选性能检测数据和所述第二待筛选性能检测数据之间的每一个检测数据组合，得到至少一个检测数据组合，其中，每一个所述检测数据组合包括至少一条所述待筛选性能检测数据；
106.第五个步骤，基于所述至少一个检测数据组合包括的所述待筛选性能检测数据之间的检测数据差值，确定所述第一待筛选性能检测数据和所述第二待筛选性能检测数据之间的检测数据差值表征值(如将各检测数据差值的平均值作为所述检测数据差值表征值)；
107.第六个步骤，基于所述检测数据差值表征值确定出数据差值取值范围(例如，预先配置有一个小于1的系数和一个大于1的系数，然后，计算这两个系数分别与所述检测数据差值表征值之间的乘积，然后，将两个乘积分别作为所述数据差值取值范围的下限值和上限值)，并基于所述数据差值取值范围对所述至少一个检测数据组合包括的所述待筛选性能检测数据进行筛选，得到至少一条第三待筛选性能检测数据(例如，每一条所述第三待筛选性能数据与直接连接的任意一条待筛选性能数据之间的检测数据差值属于所述数据差值取值范围内)；
108.第七个步骤，将所述第一目标性能检测数据、所述第二目标性能检测数据、所述第一待筛选性能检测数据、所述第二待筛选性能检测数据和所述第三待筛选性能检测数据，按照对应的检测时间的先后关系进行排序，得到所述性能检测数据序列对应的性能检测数据子序列。
109.可选地，在一种可以替代的示例中，上述示例中的所述基于每一个所述电子元件对应的所述性能检测数据子序列，确定每一个所述电子元件是否存在异常的解析结果的步骤，可以进一步包括以下步骤：
110.第一个步骤，针对每一个所述电子元件，基于该电子元件对应的所述性能检测数据子序列和每一个其它电子元件对应的所述性能检测数据子序列，进行序列相似度计算(如比较对应序列位置的是否具有相同的数据标识，并统计具有相同的数据标识的序列位置的数量占比，得到对应的序列相似度，其中，所述数据标识用于表征对应的性能检测数据是否属于上述的性能检测数据标准范围内)，得到对应的序列相似度信息；
111.第二个步骤，针对每一个所述电子元件，基于该电子元件对应的序列相似度信息确定该电子元件是否存在异常的解析结果，例如，如一个电子元件与每一个其它电子元件之间的序列相似度信息都小于一阈值，可以认为该电子元件的性能存在异常。
112.可选地，在一种可以替代的示例中，在上述示例的基础上，在执行所述基于所述多组性能检测数据，确定所述性能检测设备是否存在异常的步骤之后，即在执行上述的步骤s120之后，还可以进一步执行以下步骤：
113.第一个步骤，若确定所述性能检测设备存在异常，则丢弃所述多组性能检测数据，并生成性能重新检测通知信息；
114.第二个步骤，将所述性能重新检测通知信息发送给其它的性能检测设备，并获取所述其它的性能检测设备基于所述性能重新检测通知信息发送的所述多个待检测的电子元件对应的多组新的性能检测数据，其中，所述其它的性能检测设备用于基于接收到的所述性能重新检测通知信息对所述多个待检测的电子元件分别进行多次性能检测处理，得到所述多组新的性能检测数据，如此，针对所述多组新的性能检测数据可以再次执行步骤s120和步骤s130，以得到每一个所述电子元件的性能是否存在异常的解析结果。
115.可选地，在一种可以替代的示例中，步骤s300可以包括以下步骤：
116.第一个步骤，获取分别作为正训练样本和负训练样本的多组性能检测数据，得到多组性能检测样本数据；
117.第二个步骤，对所述多组性能检测样本数据进行去重处理，得到对应的多组目标性能检测样本数据；
118.第三个步骤，基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型。
119.可选地，在一种可以替代的示例中，上述示例中的所述对所述多组性能检测样本数据进行去重处理，得到对应的多组目标性能检测样本数据的步骤，可以进一步包括以下步骤：
120.第一个步骤，针对所述多组性能检测样本数据中的每一组性能检测样本数据，确定该组性能检测样本数据与所述多组性能检测样本数据中的其它每一组性能检测样本数据是否完全相同(如每一组性能检测样本数据包括多次检测得到的多条性能检测样本数据，需要比较对应检测次数的性能检测样本数据是否都相同，如第一次检测、第二次检测等)；
121.第二个步骤，基于是否完全相同对所述多组性能检测样本数据进行聚类，得到对应的多个样本数据集合，其中，每一个所述样本数据集合包括至少一组所述性能检测样本数据，属于同一个所述样本数据集合的任意两组所述性能检测样本数据完全相同，属于不同的两个所述样本数据集合的任意两组所述性能检测样本数据不完全相同；
122.第三个步骤，针对每一个所述样本数据集合，将该样本数据集合中的一组所述性
能检测样本数据作为该样本数据集合对应的一组目标性能检测样本数据，以得到多组目标性能检测样本数据。
123.可选地，在一种可以替代的示例中，上述示例中的所述基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型的步骤，可以进一步包括以下步骤：
124.第一个步骤，按照预先配置的目标比例信息(如3：7、2：8或1：9等)将所述多组目标性能检测样本数据进行分割，得到对应的两个目标样本数据集合，其中，每一个所述目标样本数据集合包括多组所述目标性能检测样本数据；
125.第二个步骤，将所述两个目标样本数据集合分别确定为第一样本数据集合(即作为训练样本)和第二样本数据集合(即作为测试样本)，其中，所述第一样本数据集合包括的目标性能检测样本数据的组数大于所述第二样本数据集合包括的目标性能检测样本数据的组数；
126.第三个步骤，基于所述第一样本数据集合包括的多组所述目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测初始模型，并基于所述第二样本数据集合包括的多组所述目标性能检测样本数据对所述电子元件性能检测初始模型进行校验处理(即模型测试，可以参照相关的现有技术，在此不再赘述)，得到对应的校验结果；
127.第四个步骤，若所述校验结果满足预先配置的校验目标结果，则将所述电子元件性能检测初始模型确定为电子元件性能检测模型。
128.可选地，在一种可以替代的示例中，上述示例中的所述基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型的步骤，还可以进一步包括以下步骤：
129.第一个步骤，若所述校验结果不满足预先配置的校验目标结果，则获取分别作为正训练样本和负训练样本的多组新的性能检测数据；
130.第一个步骤，基于所述多组新的性能检测数据对所述电子元件性能检测初始模型进行更新处理，直到更新后的电子元件性能检测初始模型对应的新的校验结果满足所述校验目标结果，并将所述更新后的电子元件性能检测初始模型确定为电子元件性能检测模型。
131.可选地，在一种可以替代的示例中，上述示例中的所述若所述校验结果不满足预先配置的校验目标结果，则获取分别作为正训练样本和负训练样本的多组新的性能检测数据的步骤，还可以进一步包括以下步骤：
132.第一个步骤，若所述校验结果不满足预先配置的校验目标结果，则生成对应的检测通知信息，并将所述检测通知信息发送给所述性能检测设备，其中，所述性能检测设备用于基于所述检测通知信息对所述多个待检测的电子元件分别进行的多次性能检测处理得到多组新的性能检测数据；
133.第二个步骤，获取所述性能检测设备基于所述检测通知信息发送的所述多组新的性能检测数据，并对所述多组新的性能检测数据进行解析处理(如步骤s100相同的处理方式，在此不再一一赘述)，得到每一个所述电子元件的性能是否存在异常的新的解析结果；
134.第三个步骤，基于所述新的解析结果，将所述多组新的性能检测数据分别作为正
训练样本和负训练样本的多组新的性能检测数据。
135.结合图3，本发明实施例还提供一种基于电子元件性能数据的检测系统，可应用于上述性能数据处理服务器。其中，所述基于电子元件性能数据的检测系统存储于所述性能数据处理服务器的存储器，可以包括：
136.性能检测数据解析模块，用于基于获取的性能检测设备对多个待检测的电子元件分别进行的多次性能检测处理得到的多组性能检测数据进行解析处理，得到每一个所述电子元件的性能是否存在异常的解析结果，其中，每一组所述性能检测数据包括对应的一个所述电子元件通过进行多次性能检测得到的多条性能检测数据，所述性能检测设备用于在检测得到所述性能检测数据之后，将所述性能检测数据发送给所述性能数据处理服务器；
137.训练样本类型确定模块，用于针对每一个所述电子元件，基于该电子元件对应的解析结果，确定将该电子元件对应的一组性能检测数据作为训练样本的类型，其中，若所述电子元件对应的解析结果为所述电子元件的性能存在异常，则将所述电子元件对应的一组性能检测数据作为负训练样本，若所述电子元件对应的解析结果为所述电子元件的性能不存在异常，则将所述电子元件对应的一组性能检测数据作为正训练样本；
138.神经网络模型训练模块，用于基于获取到的分别作为正训练样本和负训练样本的多组性能检测数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型，其中，所述电子元件性能检测模型用于对电子元件的一组性能检测数据进行处理，得到对应的解析结果。
139.可选地，在一种可以替代的示例中，所述神经网络模型训练模块包括：
140.第一训练子模块，用于获取分别作为正训练样本和负训练样本的多组性能检测数据，得到多组性能检测样本数据；
141.第二训练子模块，用于对所述多组性能检测样本数据进行去重处理，得到对应的多组目标性能检测样本数据；
142.第三训练子模块，用于基于所述多组目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测模型。
143.可选地，在一种可以替代的示例中，所述第二训练子模块具体用于：
144.针对所述多组性能检测样本数据中的每一组性能检测样本数据，确定该组性能检测样本数据与所述多组性能检测样本数据中的其它每一组性能检测样本数据是否完全相同；基于是否完全相同对所述多组性能检测样本数据进行聚类，得到对应的多个样本数据集合，其中，每一个所述样本数据集合包括至少一组所述性能检测样本数据，属于同一个所述样本数据集合的任意两组所述性能检测样本数据完全相同，属于不同的两个所述样本数据集合的任意两组所述性能检测样本数据不完全相同；针对每一个所述样本数据集合，将该样本数据集合中的一组所述性能检测样本数据作为该样本数据集合对应的一组目标性能检测样本数据，以得到多组目标性能检测样本数据。
145.可选地，在一种可以替代的示例中，所述第三训练子模块具体用于：
146.按照预先配置的目标比例信息将所述多组目标性能检测样本数据进行分割，得到对应的两个目标样本数据集合，其中，每一个所述目标样本数据集合包括多组所述目标性能检测样本数据；将所述两个目标样本数据集合分别确定为第一样本数据集合和第二样本数据集合，其中，所述第一样本数据集合包括的目标性能检测样本数据的组数大于所述第
二样本数据集合包括的目标性能检测样本数据的组数；基于所述第一样本数据集合包括的多组所述目标性能检测样本数据对预先构建的神经网络模型进行训练，得到对应的电子元件性能检测初始模型，并基于所述第二样本数据集合包括的多组所述目标性能检测样本数据对所述电子元件性能检测初始模型进行校验处理，得到对应的校验结果；若所述校验结果满足预先配置的校验目标结果，则将所述电子元件性能检测初始模型确定为电子元件性能检测模型。
147.综上所述，本发明提供的一种基于电子元件性能数据的检测方法及系统，在得到每一个电子元件的性能是否存在异常的解析结果之后，可以将对应的多组性能检测数据作为训练神经网络模型的训练样本，以训练得到对应的电子元件性能检测模型，使得在之后获取到其它电子元件的一组性能检测数据之后，可以通过电子元件性能检测模型进行处理得到对应的解析结果，如此，通过采用神经网络模型进行性能异常判断，可以有效提高对电子元件的性能是否存在异常的检测精度，从而改善现有技术中对电子设备的性能检测的精度不高的问题。
148.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。