检漏设备工作状态的预测方法、装置、设备及存储介质与流程

本发明涉及检漏仪，具体涉及检漏设备工作状态的预测方法、装置、设备及存储介质。

背景技术：

1、氦质谱检漏仪在生产线上使用过程中，由于生产环境，使用时间，被检件的不同，经常会遇到各种问题，导致检漏仪损坏不能工作。或者，检漏仪正常工作，但测试偏差比较大，数值已经出现严重不准，从而导致氦质谱检漏仪的检测结果不准确，甚至生产线停工。

2、目前，氦质谱检漏仪在生产线上使用过程中，往往通过操作人员手动对各个氦质谱检漏仪进行检查。但是，人工进行检测的方式，操作复杂，具有一定的主观性，容易出现检查纰漏的问题。

技术实现思路

1、有鉴于此，本发明提供了一种检漏设备工作状态的预测方法、装置、设备及存储介质，以解决人工进行检测的方式，操作复杂，具有一定的主观性，容易出现检查纰漏的问题。

2、第一方面，本发明提供了一种检漏设备工作状态的预测方法，该方法包括：获取各个时刻检漏设备的数据信息；利用预先训练好的神经网络检测模型对数据信息进行检测，生成检测结果；基于检测结果进行分类，生成分类结果；基于分类结果，利用目标神经网络预测模型预测下一时刻检漏设备的工作状态结果。

3、本实施例提供的检漏设备工作状态的预测方法，通过获取各个时刻检漏设备的数据信息，并通过神经网络检测模型对数据信息进行检测，然后通过目标神经网络预测模型预测下一时刻检漏设备的工作状态结果，相较于通过人工进行检测的方式，本方法能够通过神经网络预测模型客观准确地预测下一时刻检漏设备的工作状态结果。

4、在一个可选的实施方式中，数据信息包括：编号信息、应用场景信息以及特征信息；其中，利用预先训练好的神经网络检测模型对数据信息进行检测，生成检测结果，包括：基于编号信息以及应用场景信息，确定检漏设备对应的安全状态范围；检测特征信息是否满足安全状态范围；若特征信息满足安全状态范围，则判定检漏设备在对应时刻下的状态为安全状态；若特征信息不满足安全状态范围，则判定检漏设备在对应时刻下的状态为危险状态。

5、本实施例提供的检漏设备工作状态的预测方法，利用预先训练好的神经网络检测模型能够通过编号信息以及应用场景信息，确定检漏设备对应的安全状态范围，然后检测特征信息是否满足安全状态范围的方式，能够准确地确定检漏设备的状态。

6、在一个可选的实施方式中，在利用预先训练好的神经网络预测模型预测下一时刻检漏设备的工作状态结果之前，包括：构建神经网络预测模型；基于历史数据信息对神经网络预测模型进行训练，并在训练的过程中，对神经网络预测模型进行调优处理，得到目标神经网络预测模型。

7、本实施例提供的检漏设备工作状态的预测方法，通过对神经网络预测模型进行调优处理，得到目标神经网络预测模型，能够优化模型的性能，提高目标神经网络预测模型对下一时刻检漏设备的工作状态结果进行预测的准确性和精度。

8、在一个可选的实施方式中，基于检测结果进行分类，生成分类结果，包括：响应于目标对象的分类操作，将检测结果为检漏设备在对应时刻下的状态为安全状态的特征信息分为第一类别；将检测结果为检漏设备在对应时刻下的状态为危险状态的特征信息分为第二类别，按照时刻顺序将第一类别以及第二类别进行排序，生成分类结果。

9、本实施例提供的检漏设备工作状态的预测方法，通过将安全状态的特征信息分为第一类别，危险状态的特征信息分为第二类别，能够实现特征信息的分类，从而便于后续对下一时刻检漏设备的工作状态结果进行预测。

10、在一个可选的实施方式中，基于分类结果，利用目标神经网络预测模型预测下一时刻检漏设备的工作状态结果，包括：基于分类结果，利用目标神经网络预测模型预测下一时刻检漏设备的工作状态结果的多个错误事件以及错误事件对应的错误率；将各个错误事件的错误率进行比对，得到各个错误率中满足预设条件的目标错误率；将目标错误率以及目标错误率对应的错误事件作为工作状态结果。

11、本实施例提供的检漏设备工作状态的预测方法，检漏设备的工作状态结果包括多个错误事件以及错误事件对应的错误率时，通过对错误事件对应的错误率对多个错误事件进行筛选，确定最有可能发生的错误事件，从而能够精准定位错误时间，从而缩短排查时间的同时，提高维修效率。

12、在一个可选的实施方式中，还包括：将工作状态结果在显示设备上进行显示。

13、本实施例提供的检漏设备工作状态的预测方法，通过显示设备显示工作状态结果，能够便于操作人员进行查看。

14、在一个可选的实施方式中，构建预先训练好的神经网络检测模型的过程，包括：获取测试数据集；其中，测试数据集由不同时刻下，检漏设备的历史数据信息组成；基于测试数据集，对预训练模型进行训练，直至预训练模型的准确率满足目标条件，得到神经网络检测模型。

15、第二方面，本发明提供了一种检漏设备工作状态的预测装置，该装置包括：获取模块，用于获取各个时刻检漏设备的数据信息；检测模块，用于利用预先训练好的神经网络检测模型对数据信息进行检测，生成检测结果；分类模块，用于基于检测结果进行分类，生成分类结果；预测模块，用于基于分类结果，利用目标神经网络预测模型预测下一时刻检漏设备的工作状态结果。

16、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的检漏设备工作状态的预测方法。

17、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的检漏设备工作状态的预测方法。

技术特征：

1.一种检漏设备工作状态的预测方法，其特征在于，包括：

2.根据权利要求1所述的检漏设备工作状态的预测方法，其特征在于，所述数据信息包括：编号信息、应用场景信息以及特征信息；其中，所述利用预先训练好的神经网络检测模型对所述数据信息进行检测，生成检测结果，包括：

3.根据权利要求1所述的检漏设备工作状态的预测方法，其特征在于，在利用预先训练好的神经网络预测模型预测下一时刻所述检漏设备的工作状态结果之前，包括：

4.根据权利要求2所述的检漏设备工作状态的预测方法，其特征在于，所述基于所述检测结果进行分类，生成分类结果，包括：

5.根据权利要求1所述的检漏设备工作状态的预测方法，其特征在于，基于所述分类结果，利用目标神经网络预测模型预测下一时刻所述检漏设备的工作状态结果，包括：

6.根据权利要求1所述的检漏设备工作状态的预测方法，其特征在于，还包括：

7.根据权利要求1所述的检漏设备工作状态的预测方法，其特征在于，构建所述预先训练好的神经网络检测模型的过程，包括：

8.一种检漏设备工作状态的预测装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的检漏设备工作状态的预测方法。

技术总结
本发明涉及检漏仪技术领域，公开了一种检漏设备工作状态的预测方法、装置、设备及存储介质，该方法包括：获取各个时刻检漏设备的数据信息；利用预先训练好的神经网络检测模型对数据信息进行检测，生成检测结果；基于检测结果进行分类，生成分类结果；基于分类结果，利用目标神经网络预测模型预测下一时刻检漏设备的工作状态结果。本发明通过获取各个时刻检漏设备的数据信息，并通过神经网络检测模型对数据信息进行检测，然后通过目标神经网络预测模型预测下一时刻检漏设备的工作状态结果，相较于通过人工进行检测的方式，本方法能够通过神经网络预测模型客观准确地预测下一时刻检漏设备的工作状态结果。

技术研发人员：渠欣,郝猛,宋海燕
受保护的技术使用者：北京中科科仪股份有限公司
技术研发日：
技术公布日：2024/4/29