CN108052427A - 一种基于图像加速处理SoC芯片自动化仿真测试方法 - Google Patents

一种基于图像加速处理SoC芯片自动化仿真测试方法 Download PDF

Info

Publication number
CN108052427A
CN108052427A CN201711392871.2A CN201711392871A CN108052427A CN 108052427 A CN108052427 A CN 108052427A CN 201711392871 A CN201711392871 A CN 201711392871A CN 108052427 A CN108052427 A CN 108052427A
Authority
CN
China
Prior art keywords
test
module
function
somebody
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711392871.2A
Other languages
English (en)
Other versions
CN108052427B (zh
Inventor
李欣致
刘志哲
马承光
田映辉
郑维维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Remote Sensing Equipment
Original Assignee
Beijing Institute of Remote Sensing Equipment
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Remote Sensing Equipment filed Critical Beijing Institute of Remote Sensing Equipment
Priority to CN201711392871.2A priority Critical patent/CN108052427B/zh
Publication of CN108052427A publication Critical patent/CN108052427A/zh
Application granted granted Critical
Publication of CN108052427B publication Critical patent/CN108052427B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G06F11/261—Functional testing by simulating additional hardware, e.g. fault simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像加速处理SoC芯片自动化仿真测试方法，通过多规格测试数据产生模块(1)、软件功能驱动模块(2)、可配精度算法黄金模型模块(3)、测试激励及对比结果数据库模块(4)和自动对比结果模块(5)来完成。配置多规格测试数据产生模块(1)按需求产生测试数据，软件功能驱动模块(2)与可配精度算法黄金模型模块(3)产生测试激励及对比结果数据库模块(4)，最后利用自动对比结果模块(5)对比测试结果，定位出错功能点。本方法解决了SoC芯片图像加速处理模块测试功能点多，验证时间长问题，能自动产生测试数据，完成功能设计指标检测，达到快速定位硬件设计问题目的。

Description

一种基于图像加速处理SoC芯片自动化仿真测试方法
技术领域
本发明涉及一种协同仿真方法，特别是一种基于图像加速处理SoC芯片自动化仿真测试方法。
背景技术
随着高分辨率传感器的快速开发和部署，图像处理的应用面逐渐扩大，涉及航空航天、医学、天文学、地球科学、生物科学、农业、军事等各个领域，对图像的处理性能要求与日俱增。部分在技术领域领先的芯片公司根据这方面需求已开发具有图像加速处理功能的芯片。“精导芯2号”就是这样一款具有高性能图像处理能力的芯片，能够对多尺寸图像进行校正和滤波处理，满足了目前大多数领域对图像预处理的需求。该模块的质量直接关系到后续图像处理的质量，因此对图像处理模块的验证工作十分重要。
“精导芯2号”的图像加速模块，为兼容常用图像处理的应用，设计了多种数据来源通道，并配有多种功能模式，能够对图像进行线性和非线性校正处理，包含高斯、梯度和中值等多种常用滤波器，功能复杂，使用涵盖面广泛，同时也造成了该模块验证难度大、对比结果耗时等问题。
目前，传统的模块测试工作仅进行少量软件仿真验证，功能测试多在FPGA上进行，通过和实际的数据通路进行对接，直接测试图像处理模块的设计质量。但由于FPGA器件的种种限制，调试效率低，无法全面涵盖功能点，且定位问题困难。传统的结果对比方法仍然为人工观察，测试人员需要对每种处理结果进行结果对比，对问题点意义排查，耗费大量的人力物力。这种传统测试方法的弊端在设计版本升级时更为突出，测试人员需要在每次版本修改后，进行重复测试，耗时巨大。
发明内容
本发明目的在于提供一种基于图像加速处理SoC芯片自动化仿真测试方法，解决图像处理模块测试流程效率低、结果对比慢、出错点难以定位的问题。
一种基于图像加速处理SoC芯片自动化仿真测试方法的具体步骤为：
第一步搭建针对图像加速处理的SoC芯片自动化仿真测试系统
针对图像加速处理的SoC芯片自动化仿真测试系统，包括：多规格测试数据产生模块、软件功能驱动模块、可配精度算法黄金模型模块、测试激励及对比结果数据库和自动对比测试结果模块。
多规格测试数据产生模块的功能为：产生多种幅宽图像数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据；
软件功能驱动模块的功能为：按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波；
可配精度算法黄金模型模块的功能为：构建基于matlab的可配精度算法黄金模型；
测试激励及对比结果数据库的功能为：按待测图像加速处理模块的功能，，提供不同时序测试激励及测试结果标准解。
自动对比测试结果模块的功能为：根据测试节点进行对比，记录每种功能处理后结果和标准解对比的误差值，自动形成记录文档，辅助定位硬件设计问题点。
第二步多规格测试数据产生模块产生多种幅宽数据
多规格测试数据产生模块根据配置，产生多种幅宽图像数据、数据来源通道和数据存储区产生所需要的测试数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据，使其成为能被SoC芯片的图像处理模块使用的数据格式。
第三步软件功能驱动模块产生测试结果
软件功能驱动模块由C语言实现，能够按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波。兼并了验证和使用两方面功能。并对顶层驱动进行封装，对外仅留有调用驱动的接口。实现过程中需要考虑待测图像加速处理模块的不同功能的处理时序、数据来源和数据存储区域信息。测试结果包含三个部分：原始图像，校正图像和滤波图像。测试结果将存储至测试激励及对比结果数据库。
第四步可配精度算法黄金模型模块构建基于matlab的可配精度算法黄金模型
基于matlab的可配精度算法黄金模型根据SoC芯片实际运用场景决定模型的精度，在运算精度要求低，即数据结果有效位在7位内的运用场景，使用单精度模型，所述数据结果有效位指一个近似数，四舍五入到哪一位，从左边第一个非零数字起，向右数得到的位数就是有效位；在运算精度要求高，即数据结果有效位在16位的运用场景，使用双精度模型，并配有多种截位模型，使得标准解最大近似使用要求精度。标准解也存储进测试激励及对比结果数据库，用于和仿真结果进行对比。
第五步建立测试激励及对比结果数据库
测试激励及对比结果数据库包括测试激励数据库和对比结果数据库，其中测试激励是按不同功能提供不同时序下的测试激励；对比结果数据库包含了可配精度算法黄金模型处理得到的标准解和软硬件协同仿真得到的测试结果。
第六步自动对比测试结果模块自动对比测试结果
自动对比测试结果模块能够根据测试节点对比多个仿真结果和标准解结果，自动对比测试模块根据功能，设置多个中间节点，根据中间节点进行对比，将结果按正确和错误分类，错误测试类会列出出错节点和与标准解对比的误差值，辅助定位硬件设计问题点。
更优的，第一步中，所述待测图像加速处理模块的功能包括线性校正功能、非线性校正功能、高斯滤波功能。
一种针对图像加速处理的SoC芯片自动化仿真测试系统，包括：多规格测试数据产生模块、软件功能驱动模块、可配精度算法黄金模型模块、测试激励及对比结果数据库和自动对比测试结果模块。
多规格测试数据产生模块的功能为：产生多种幅宽图像数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据；
软件功能驱动模块的功能为：按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波；
可配精度算法黄金模型模块：构建基于matlab的可配精度算法黄金模型；
测试激励及对比结果数据库：按待测图像加速处理模块的功能，，提供不同时序测试激励及测试结果标准解。
自动对比测试结果模块：根据测试节点进行对比，记录每种功能处理后结果和标准解对比的误差值，自动形成记录文档，辅助定位硬件设计问题点。
更优的，所述待测图像加速处理模块的功能包括线性校正功能、非线性校正功能、高斯滤波功能。
本发明通过总结“精导芯2号”的图像加速处理模块测试要求，提出一套使用于多数预处理图像模块的自动化测试方法，在提高功能测试的前提下，最大限度的降低测试人员的重复性工作，能够快速辅助定位设计问题点，缩短设计验证周期。软件功能驱动模块是一个根据SoC芯片上图像加速处理设计编写的多个功能组合驱动模块，能够按照不同功能通道的需求进行驱动配置，兼并了验证和使用两方面作用。并对顶层驱动进行封装，对外仅留有调用驱动的接口。针对不同应用场景，可以由销售厂家决定功能局部或全局使用的权限，具有使用灵活度高，保密性好、可靠性高的优势。本方法能够在三小时内完成传统方法一周的测试工作，并具有高准确率。
附图说明
图1一种基于图像加速处理SoC芯片自动化仿真测试方法的结构示意图。
1.多规格测试数据产生模块 2.软件功能驱动模块 3.可配精度算法黄金模型模块 4.测试激励及对比结果数据库 5.自动对比测试结果模块
具体实施方式1
一种基于图像加速处理SoC芯片自动化仿真测试方法的具体步骤为：
第一步 搭建针对图像加速处理的SoC芯片自动化仿真测试系统
针对图像加速处理的SoC芯片自动化仿真测试系统，包括：多规格测试数据产生模块1、软件功能驱动模块2、可配精度算法黄金模型模块3、测试激励及对比结果数据库4和自动对比测试结果模块5。
多规格测试数据产生模块1的功能为：产生多种幅宽图像数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据；
软件功能驱动模块2的功能为：按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波；
可配精度算法黄金模型模块3的功能为：构建基于matlab的可配精度算法黄金模型；
测试激励及对比结果数据库4的功能为：按待测图像加速处理模块的功能，例如线性校正功能、非线性校正功能、高斯滤波功能等，提供不同时序测试激励及测试结果标准解。
自动对比测试结果模块5的功能为：根据测试节点进行对比，记录每种功能处理后结果和标准解对比的误差值，自动形成记录文档，辅助定位硬件设计问题点。
第二步 多规格测试数据产生模块1产生多种幅宽数据
多规格测试数据产生模块1根据配置，产生多种幅宽图像数据、数据来源通道和数据存储区产生所需要的测试数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据，使其成为能被SoC芯片的图像处理模块使用的数据格式。
第三步 软件功能驱动模块2产生测试结果
软件功能驱动模块2由C语言实现，功能是能够按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波。兼并了验证和使用两方面功能。并对顶层驱动进行封装，对外仅留有调用驱动的接口。实现过程中需要考虑待测图像加速处理模块的不同功能的处理时序、数据来源和数据存储区域信息。测试结果包含三个部分：原始图像，校正图像和滤波图像。测试结果将存储至测试激励及对比结果数据库4。
第四步 基于matlab的可配精度算法黄金模型模块3构建基于matlab的可配精度算法黄金模型
基于matlab的可配精度算法黄金模型根据SoC芯片实际运用场景决定模型的精度，在运算精度要求低，即数据结果有效位在7位内的运用场景，可使用单精度模型，所述数据结果有效位指一个近似数，四舍五入到哪一位，从左边第一个非零数字起，向右数得到的位数就是有效位；在运算精度要求高，即数据结果有效位在16位的运用场景，使用双精度模型，并配有多种截位模型，使得标准解最大近似使用要求精度。标准解也存储进测试激励及对比结果数据库4，用于和仿真结果进行对比。
第五步 建立测试激励及对比结果数据库4
测试激励及对比结果数据库4包括测试激励数据库和对比结果数据库，其中测试激励是按不同功能模块提供不同时序下的测试激励；对比结果数据库包含了可配精度算法黄金模型处理得到的标准解和软硬件协同仿真得到的测试结果。
第六步 自动对比测试结果模块5自动对比测试结果
自动对比测试结果模块5能够对比多个仿真结果和标准解结果，图像处理结果具有数据量大、精度高、处理过程复杂等特点，自动化对比测试模块会根据测试节点进行对比，利用计算机高运算速度和精度的优势，逐一对比。错误测试类会列出出错节点和与标准解对比的误差值。
具体实施方式2
一种针对图像加速处理的SoC芯片自动化仿真测试系统，包括：多规格测试数据产生模块1、软件功能驱动模块2、可配精度算法黄金模型模块3、测试激励及对比结果数据库4和自动对比测试结果模块5。
多规格测试数据产生模块1的功能为：产生多种幅宽图像数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据；
软件功能驱动模块2的功能为：按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波；
可配精度算法黄金模型模块3的功能为：构建基于matlab的可配精度算法黄金模型；
测试激励及对比结果数据库4的功能为：按待测图像加速处理模块的功能，例如线性校正功能、非线性校正功能、高斯滤波功能等，提供不同时序测试激励及测试结果标准解。
自动对比测试结果模块5的功能为：根据测试节点进行对比，记录每种功能处理后结果和标准解对比的误差值，自动形成记录文档，辅助定位硬件设计问题点。

Claims (4)

1.一种基于图像加速处理SoC芯片自动化仿真测试方法，其特征在于具体步骤为：
第一步 搭建针对图像加速处理的SoC芯片自动化仿真测试系统
针对图像加速处理的SoC芯片自动化仿真测试系统，包括：多规格测试数据产生模块(1)、软件功能驱动模块(2)、可配精度算法黄金模型模块(3)、测试激励及对比结果数据库(4)和自动对比测试结果模块(5)；
多规格测试数据产生模块(1)的功能为：产生多种幅宽图像数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据；
软件功能驱动模块(2)的功能为：按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波；
可配精度算法黄金模型模块(3)的功能为：构建基于matlab的可配精度算法黄金模型；
测试激励及对比结果数据库(4)的功能为：按待测图像加速处理模块的功能，，提供不同时序测试激励及测试结果标准解；
自动对比测试结果模块(5)的功能为：根据测试节点进行对比，记录每种功能处理后结果和标准解对比的误差值，自动形成记录文档，辅助定位硬件设计问题点；
第二步 多规格测试数据产生模块(1)产生多种幅宽数据
多规格测试数据产生模块(1)根据配置，产生多种幅宽图像数据、数据来源通道和数据存储区产生所需要的测试数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据，使其成为能被SoC芯片的图像处理模块使用的数据格式；
第三步 软件功能驱动模块(2)产生测试结果
软件功能驱动模块(2)由C语言实现，能够按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波；兼并了验证和使用两方面功能；并对顶层驱动进行封装，对外仅留有调用驱动的接口；实现过程中需要考虑待测图像加速处理模块的不同功能的处理时序、数据来源和数据存储区域信息；测试结果包含三个部分：原始图像，校正图像和滤波图像；测试结果将存储至测试激励及对比结果数据库(4)；
第四步 可配精度算法黄金模型模块(3)构建基于matlab的可配精度算法黄金模型
基于matlab的可配精度算法黄金模型根据SoC芯片实际运用场景决定模型的精度，在运算精度要求低，即数据结果有效位在7位内的运用场景，使用单精度模型，所述数据结果有效位指一个近似数，四舍五入到哪一位，从左边第一个非零数字起，向右数得到的位数就是有效位；在运算精度要求高，即数据结果有效位在16位的运用场景，使用双精度模型，并配有多种截位模型，使得标准解最大近似使用要求精度；标准解也存储进测试激励及对比结果数据库(4)，用于和仿真结果进行对比；
第五步 建立测试激励及对比结果数据库(4)
测试激励及对比结果数据库(4)包括测试激励数据库和对比结果数据库，其中测试激励是按不同功能提供不同时序下的测试激励；对比结果数据库包含了可配精度算法黄金模型处理得到的标准解和软硬件协同仿真得到的测试结果；
第六步 自动对比测试结果模块(5)自动对比测试结果
自动对比测试结果模块(5)能够根据测试节点对比多个仿真结果和标准解结果，自动对比测试模块根据功能，设置多个中间节点，根据中间节点进行对比，将结果按正确和错误分类，错误测试类会列出出错节点和与标准解对比的误差值，辅助定位硬件设计问题点。
2.根据权利要求1所述的基于图像加速处理SoC芯片自动化仿真测试方法，其特征在于第一步中，所述待测图像加速处理模块的功能包括线性校正功能、非线性校正功能、高斯滤波功能。
3.一种针对图像加速处理的SoC芯片自动化仿真测试系统，其特征在于，包括：多规格测试数据产生模块(1)、软件功能驱动模块(2)、可配精度算法黄金模型模块(3)、测试激励及对比结果数据库(4)和自动对比测试结果模块(5)；
多规格测试数据产生模块(1)的功能为：产生多种幅宽图像数据，并按照SoC芯片不同存储区的位宽生成相应存储格式的测试数据；
软件功能驱动模块(2)的功能为：按照待测图像加速处理模块的功能需求进行驱动配置，选择配置线性或非线性校正，高斯、梯度或中值滤波；
可配精度算法黄金模型模块(3)：构建基于matlab的可配精度算法黄金模型；
测试激励及对比结果数据库(4)：按待测图像加速处理模块的功能，，提供不同时序测试激励及测试结果标准解；
自动对比测试结果模块(5)：根据测试节点进行对比，记录每种功能处理后结果和标准解对比的误差值，自动形成记录文档，辅助定位硬件设计问题点。
4.根据权利要求3所述的针对图像加速处理的SoC芯片自动化仿真测试系统，其特征在于，所述待测图像加速处理模块的功能包括线性校正功能、非线性校正功能、高斯滤波功能。
CN201711392871.2A 2017-12-21 2017-12-21 一种基于图像加速处理SoC芯片自动化仿真测试方法 Active CN108052427B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711392871.2A CN108052427B (zh) 2017-12-21 2017-12-21 一种基于图像加速处理SoC芯片自动化仿真测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711392871.2A CN108052427B (zh) 2017-12-21 2017-12-21 一种基于图像加速处理SoC芯片自动化仿真测试方法

Publications (2)

Publication Number Publication Date
CN108052427A true CN108052427A (zh) 2018-05-18
CN108052427B CN108052427B (zh) 2019-03-29

Family

ID=62131205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711392871.2A Active CN108052427B (zh) 2017-12-21 2017-12-21 一种基于图像加速处理SoC芯片自动化仿真测试方法

Country Status (1)

Country Link
CN (1) CN108052427B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109889694A (zh) * 2019-02-21 2019-06-14 北京遥感设备研究所 一种基于场景红外图像非线性校正SoC并行优化系统和方法
CN111858207A (zh) * 2020-06-30 2020-10-30 浪潮(北京)电子信息产业有限公司 一种SoC芯片验证测试系统及方法
CN113643326A (zh) * 2021-06-07 2021-11-12 深圳市智绘科技有限公司 一种基于SoC的KNN计算装置和路径规划系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041325A (ja) * 2000-07-31 2002-02-08 Konica Corp シミュレーションシステム、シミュレーション方法及び記録媒体
CN102955727A (zh) * 2011-08-31 2013-03-06 北京中电华大电子设计有限责任公司 一种802.11n无线网卡中固件仿真模型的处理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041325A (ja) * 2000-07-31 2002-02-08 Konica Corp シミュレーションシステム、シミュレーション方法及び記録媒体
CN102955727A (zh) * 2011-08-31 2013-03-06 北京中电华大电子设计有限责任公司 一种802.11n无线网卡中固件仿真模型的处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHANG BAOFENG 等: "Design of CMOS Image Sensor"s Initialization Based on FPGA", 《2011 SECOND INTERNATIONAL CONFERENCE ON DIGITAL MANUFACTURING & AUTOMATION》 *
赵俊 等: "嵌入式通用图像加速芯片的研究与设计", 《计算机工程与应用》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109889694A (zh) * 2019-02-21 2019-06-14 北京遥感设备研究所 一种基于场景红外图像非线性校正SoC并行优化系统和方法
CN109889694B (zh) * 2019-02-21 2021-03-02 北京遥感设备研究所 一种基于场景红外图像非线性校正SoC并行优化系统和方法
CN111858207A (zh) * 2020-06-30 2020-10-30 浪潮(北京)电子信息产业有限公司 一种SoC芯片验证测试系统及方法
CN111858207B (zh) * 2020-06-30 2022-03-22 浪潮(北京)电子信息产业有限公司 一种SoC芯片验证测试系统及方法
CN113643326A (zh) * 2021-06-07 2021-11-12 深圳市智绘科技有限公司 一种基于SoC的KNN计算装置和路径规划系统
CN113643326B (zh) * 2021-06-07 2022-04-08 深圳市智绘科技有限公司 一种基于SoC的KNN计算装置和路径规划系统

Also Published As

Publication number Publication date
CN108052427B (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN108052427B (zh) 一种基于图像加速处理SoC芯片自动化仿真测试方法
CN102169846B (zh) 一种在集成电路晶圆测试过程中实现多维变量密码并行写入的方法
CN109344740A (zh) 人脸识别系统、方法及计算机可读存储介质
US10152512B2 (en) Metadata-driven program code generation for clinical data analysis
CN106951576A (zh) 一种仿真试验评估系统及评估方法
CN104750606B (zh) 一种基于反射的自动化测试方法
CN106776339A (zh) 自动化测试方法及装置
CN109284700B (zh) 图像中多个人脸检测的方法、存储介质、设备及系统
CN108984393A (zh) 一种单元测试代码自动生成方法及装置
US20130055177A1 (en) Systems and methods for increasing debugging visibility of prototyping systems
US20210097388A1 (en) Method for Realizing a Neural Network
Kretzschmar et al. Compact and fast fault injection system for robustness measurements on SRAM-based FPGAs
CN111124892A (zh) 基于命令行的自动化测试方法及系统
CN110110622B (zh) 一种基于图像处理的医疗文本检测方法、系统和存储介质
CN106919501A (zh) 基于缺陷模式的静态分析方法和工具
CN107480056A (zh) 一种软件测试方法和装置
CN114461723A (zh) 一种基于Spark计算引擎的数据差异比较方法及装置
CN109582286B (zh) 基于Freemarker技术的数据规范性校验方法及其装置
CN110310278A (zh) 基于余量切割法的滑动窗口扫描方法
CN110633213B (zh) 单元测试方法、装置、计算机设备和存储介质
CN105243020B (zh) 一种适用于广域分布式实时数据库的自动化测试方法
RU2656981C1 (ru) Способ автоматизированного конфигурирования имитационных моделей беспилотных летательных аппаратов и устройство для его реализации
CN110472345B (zh) 基于abaqus的后处理系统及实现方法
CN114896161A (zh) 基于人工智能的文件构造方法、装置、计算机设备及介质
CN106338770B (zh) 一种炮检点数据互查方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant