买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市逸辰微科技有限公司

摘要：本发明公开了一种计算机板卡的检测方法、装置和系统。其中，该方法通过集成软件测试与微纳米级三维扫描技术，能够模拟并测试计算机板卡在不同操作环境下的工作状态，获取板卡的功能性行为数据以及物理结构数据。此检测方法包括利用集成算法对功能性行为数据和物理结构数据进行融合分析，以识别那些单一测试方法无法检测到的缺陷。在检测到缺陷的情况下，该方法不仅能够识别并移除不良品，还能对测试用例和扫描参数进行适应性调整，进一步确保检测流程能够覆盖以前未发现的缺陷类型，以及适应生产线上的变化和板卡设计的更新。

主权项：1.一种计算机板卡的检测方法，其特征在于，包括：运行软件测试用例，模拟计算机板卡在包括温度、电流和数据传输的多种操作环境下的工作状态，以获取计算机板卡的功能性行为数据；在运行软件测试的同时，采用微纳米级三维扫描仪对所述计算机板卡的表面及内部结构进行扫描，以收集计算机板卡的物理结构数据，其中，所述物理结构数据用于识别计算机板卡在微观尺度上的物理缺陷；使用集成算法对于所述功能性行为数据和所述物理结构数据进行融合分析处理，其中，所述融合分析处理基于计算机板卡的最终性能受到功能状态和物理状态的共同影响，从而识别出单一方法无法检测到的缺陷；根据所述融合分析处理的处理结果，判断计算机板卡是否存在缺陷；如果计算机板卡存在缺陷，则判定为不良品，进而从生产线上移除存在缺陷的计算机板卡，并适应性调整软件测试用例与微纳米级三维扫描仪的扫描参数；其中，所述适应性调整基于对不良品详细分析的结果，以诊断和纳入计算机板卡检测流程中之前未被充分覆盖的计算机板卡缺陷类型，确保对计算机板卡的生产线条件的变化或新引入的板卡设计做出调整；其中，所述使用集成算法对于所述功能性行为数据和所述物理结构数据进行融合分析处理，包括：利用多维尺度分析和主成分分析将所述功能性行为数据和物理结构数据转化为标准化的特征向量；利用标准化的特征向量，使用基于深度学习的特征学习模型，通过学习数据的内在结构来辨识和提取功能性和物理特征之间的潜在关联，从而为每个计算机板卡生成一个综合特征表示；将所述综合特征表示输入一个基于模糊逻辑的集成学习框架，所述集成学习框架将所述综合特征表示与一组预定义的缺陷模式进行智能匹配，从而识别出通过单一测试无法检测到的潜在缺陷；采用基于因果推理的解释算法来分析潜在缺陷的成因，并将复杂的数据和模式转化为直观的报告和图表，从而为技术人员提供一个明确的视觉和理论依据来理解检测结果，以便于进一步的决策和行动；其中，所述利用多维尺度分析和主成分分析将所述功能性行为数据和物理结构数据转化为标准化的特征向量，包括：对功能性行为数据和物理结构数据分别进行数据归一化处理，计算各自数据集中每个数据点相对于其数据集均值的偏差，并利用所述偏差对原始数据点进行标准化处理，从而形成两个独立的、规范化的功能性行为数据集和物理结构数据集；分别对规范化的功能性行为数据集和物理结构数据集应用多维尺度分析，通过构建数据点间的距离矩阵，并执行非线性降维技术，为每一个数据集生成相应的低维空间坐标；整合功能性行为数据集和物理结构数据集分别对应的低维空间坐标，生成一个联合数据矩阵，并在该联合数据矩阵上计算协方差矩阵；利用所述协方差矩阵执行主成分分析，以确定联合数据集的主要变异方向，并提取出与最大特征值相对应的特征向量，形成一个综合的主成分特征向量集；对所述综合的主成分特征向量集进行规模调整处理，使各维度特征具有相同的量级，以得到标准化特征向量；其中，所述特征学习模型包括：输入层，用于接收标准化特征向量；双通道特征处理层，包括两个并行的子网络，第一子网络配置有针对时间序列数据特征优化的深度网络结构，第二子网络配置有针对空间数据特征优化的深度网络结构，每个子网络分别提取融合特征向量中的时间序列特征和空间特征，并输出两个独立的特征表示；关联学习层，配置有自定义的注意力机制，用于整合所述双通道特征处理层的输出，通过学习时间序列特征表示和空间特征表示之间的潜在关联来生成一个特征表示；深度特征融合层，用于接收所述关联学习层的输出，通过一系列全连接层对综合的特征表示进行进一步的整合和提炼，形成用于表征计算机板卡状态的综合特征表示；输出层，配置有全连接层和Softmax激活函数，用于将所述深度特征融合层的综合特征表示转化为描述计算机板卡可能状态的概率分布或分类标签。

全文数据：

权利要求：

百度查询： 深圳市逸辰微科技有限公司 计算机板卡的检测方法、装置和系统