技术特征：
1.一种基于电子元件性能数据的检测方法，其特征在于，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：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；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；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。2.根据权利要求1所述的基于电子元件性能数据的检测方法，其特征在于，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：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；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；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。3.根据权利要求2所述的基于电子元件性能数据的检测方法，其特征在于，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：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。4.根据权利要求2所述的基于电子元件性能数据的检测方法，其特征在于，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：
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。5.根据权利要求4所述的基于电子元件性能数据的检测方法，其特征在于，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：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；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。6.根据权利要求5所述的基于电子元件性能数据的检测方法，其特征在于，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：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；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；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。7.一种基于电子元件性能数据的检测系统，其特征在于，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：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；
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；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。8.根据权利要求7所述的基于电子元件性能数据的检测系统，其特征在于，所述神经网络模型训练模块包括：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；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；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。9.根据权利要求8所述的基于电子元件性能数据的检测系统，其特征在于，所述第二训练子模块具体用于：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。10.根据权利要求8所述的基于电子元件性能数据的检测系统，其特征在于，所述第三训练子模块具体用于：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。
技术总结
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，涉及数据处理技术领域。在本发明中，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，得到每一个电子元件的性能是否存在异常的解析结果；针对每一个电子元件，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；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。采用以上步骤对性能检测数据进行处理，可以提高对电子元件的性能是否存在异常的检测精度。是否存在异常的检测精度。是否存在异常的检测精度。
技术研发人员：段华 沈采学 申海平
受保护的技术使用者：段华
技术研发日：2021.08.26
技术公布日：2021/11/28