CN112433902A - 屏幕更换模型训练方法、屏幕更换检测方法及装置 - Google Patents

屏幕更换模型训练方法、屏幕更换检测方法及装置 Download PDF

Info

Publication number
CN112433902A
CN112433902A CN202011421987.6A CN202011421987A CN112433902A CN 112433902 A CN112433902 A CN 112433902A CN 202011421987 A CN202011421987 A CN 202011421987A CN 112433902 A CN112433902 A CN 112433902A
Authority
CN
China
Prior art keywords
screen
effective
point
effective range
report
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
CN202011421987.6A
Other languages
English (en)
Other versions
CN112433902B (zh
Inventor
欧阳俊
林发宁
廖伟权
刘嘉
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.)
Guangzhou Epbox Information Technology Co ltd
Original Assignee
Guangzhou Epbox Information Technology Co ltd
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 Guangzhou Epbox Information Technology Co ltd filed Critical Guangzhou Epbox Information Technology Co ltd
Priority to CN202011421987.6A priority Critical patent/CN112433902B/zh
Publication of CN112433902A publication Critical patent/CN112433902A/zh
Application granted granted Critical
Publication of CN112433902B publication Critical patent/CN112433902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • G06F11/2221—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test input/output devices or peripheral units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Sustainable Development (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明涉及一种屏幕更换模型训练方法、屏幕更换检测方法及装置，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。同时，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。

Description

屏幕更换模型训练方法、屏幕更换检测方法及装置
技术领域
本发明涉及电子产品技术领域，特别是涉及一种屏幕更换模型训练方法、屏幕更换检测方法及装置。
背景技术
随着电子产品技术的发展，各种智能设备层出不穷，例如智能手机、笔记本电脑和平板电脑等。目前，伴随着经济和技术的高速发展，智能设备的普及和更新换代速度也越来越快。以智能手机为例，5G时代的到来，加速了智能手机的换代。在智能设备进行迭代的过程中，有效回收是智能设备剩余价值的有效利用手段之一，可减少对环境的化学污染以及减少浪费。
在触摸屏式智能设备的回收过程中，设备估价作为设备回收、以旧换新的重要中间环节，其估价的准确性和合理性间接影响着人们设备回收、以旧换新的成功率。而在设备回收过程中，其触摸屏式屏幕是否原装对回收毛利产生很大影响。因此，在设备回收中对，需要检测分析回收设备的触摸屏式屏幕是否更换过，为设备回收提供重要参考。
传统的检测智能设备的触摸屏式屏幕是否更换过的方式主要是通过专业质检人员的人眼观察，凭专业质检人员的主观判断确定是否更换过屏幕。然而，人眼观察耗时耗力，且主观判断受专业质检人员的经验和状态等因素影响，很难保证判断的准确性。
发明内容
基于此，有必要针对传统的检测智能设备的触摸屏式屏幕是否更换过的方式还存在的缺陷，提供一种屏幕更换模型训练方法、屏幕更换检测方法及装置。
一种屏幕更换模型训练方法，包括步骤：
获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据；其中，触屏报点数据为对智能设备的触摸屏进行触摸操作对应的报点数据；
根据原装屏幕触屏报点数据确定原装屏幕报点率的第一有效范围；
根据更换屏幕触屏报点数据确定更换屏幕报点率的第二有效范围；
确定智能设备的屏幕坐标权重；
根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。
上述的屏幕更换模型训练方法，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。基于此，通过训练出的屏幕更换模型，在对智能设备的触摸屏幕进行检测后，可根据触屏报点数据的对应关系，在屏幕更换模型中确定触摸屏幕是否为该智能设备的原装屏幕，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度。
在其中一个实施例中，第一有效范围、第二有效范围和屏幕坐标权重的确定过程，包括步骤：
通过聚类算法确定第一有效范围、第二有效范围和屏幕坐标权重。
一种屏幕更换模型训练装置，包括：
模型数据获取模块，用于获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据；其中，触屏报点数据为对智能设备的触摸屏进行触摸操作对应的报点数据；
第一范围确定模块，用于根据原装屏幕触屏报点数据确定原装屏幕报点率的第一有效范围；
第二范围确定模块，用于根据更换屏幕触屏报点数据确定更换屏幕报点率的第二有效范围；
坐标权重确定模块，用于确定智能设备的屏幕坐标权重；
更换模型训练模块，用于根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。
上述的屏幕更换模型训练装置，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。基于此，通过训练出的屏幕更换模型，在对智能设备的触摸屏幕进行检测后，可根据触屏报点数据的对应关系，在屏幕更换模型中确定触摸屏幕是否为该智能设备的原装屏幕，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的屏幕更换模型训练方法。
上述的计算机存储介质，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。基于此，通过训练出的屏幕更换模型，在对智能设备的触摸屏幕进行检测后，可根据触屏报点数据的对应关系，在屏幕更换模型中确定触摸屏幕是否为该智能设备的原装屏幕，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的屏幕更换模型训练方法。
上述的计算机设备，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。基于此，通过训练出的屏幕更换模型，在对智能设备的触摸屏幕进行检测后，可根据触屏报点数据的对应关系，在屏幕更换模型中确定触摸屏幕是否为该智能设备的原装屏幕，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度。
一种屏幕更换检测方法，包括步骤：
获取待检测设备的触屏报点数据；
根据触屏报点数据与屏幕坐标权重获得有效报点率；
比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。
上述的屏幕更换检测方法，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。
在其中一个实施例中，根据触屏报点数据与屏幕坐标权重获得有效报点率的过程，包括步骤：
将触屏报点数据标准化到报点集合；
对报点集合进行有效化处理；
根据有效化处理后的报点集合与屏幕坐标权重获得有效报点率。
在其中一个实施例中，对报点集合进行有效化处理的过程，包括步骤：
去除报点集合中的非关键元素；其中，非关键元素包括重复元素、特殊坐标点元素、最大值元素和最小值元素。
在其中一个实施例中，根据有效化处理后的报点集合与屏幕坐标权重获得有效报点率的过程，包括步骤：
根据有效化处理后的报点集合与屏幕坐标权重的乘积，获得有效报点率。
在其中一个实施例中，比较有效报点率、待检测设备的第一有效范围和第二有效范围的过程，包括步骤：
通过分类算法预测有效报点率；
在有效报点率被预测到第一有效范围时，判定待回收设备未更换过屏幕；
在有效报点率被预测到第二有效范围时，判定待回收设备更换过屏幕。
一种屏幕更换检测装置，包括：
检测数据获取模块，用于获取待检测设备的触屏报点数据；
有效报点率计算模块，用于根据触屏报点数据与屏幕坐标权重获得有效报点率；
屏幕更换预测模块，用于比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。
上述的屏幕更换检测装置，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的屏幕更换检测方法。
上述的计算机存储介质，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的屏幕更换检测方法。
上述的计算机设备，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。
附图说明
图1为一实施方式的屏幕更换模型训练方法流程图；
图2为一实施方式的屏幕更换模型训练装置模块结构图；
图3为一实施方式的屏幕更换检测方法流程图；
图4为另一实施方式的屏幕更换检测方法流程图；
图5为又一实施方式的屏幕更换检测方法流程图；
图6为一触屏报点率范围图；
图7为再一实施方式的屏幕更换检测方法流程图；
图8为一实施方式的屏幕更换检测装置模块结构图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例提供了一种屏幕更换模型训练方法。
图1为一实施方式的屏幕更换模型训练方法流程图，如图1所示，一实施方式的屏幕更换模型训练方法包括步骤S100至步骤S104：
S100，获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据；其中，触屏报点数据为对智能设备的触摸屏进行触摸操作对应的报点数据；
在屏幕更换模型训练过程中，通过手动触摸操作或机器触摸操作各类型智能设备的原装屏幕和更换屏幕。其中，触摸操作包括点击、滑动和长按等触摸屏操作。
其中，智能设备的触摸屏幕为原装屏幕或更换屏幕的状态为已知状态。基于此，相关人员可以不断添加各类型已知状态的智能设备加入数据采集，进一步训练屏幕更换模型，提高屏幕更换模型的准确性。
其中，同一型号的智能设备设置有标签，其原装屏幕触屏报点数据、更换屏幕触屏报点数据、第一有效范围、第二有效范围和屏幕坐标权重相对应。
S101，根据原装屏幕触屏报点数据确定原装屏幕报点率的第一有效范围；
在其中一个实施例中，分析确定原装屏幕报点率的有效范围，可通过聚类算法确定原装屏幕报点率的第一有效范围P(a，b)。
S102，根据更换屏幕触屏报点数据确定更换屏幕报点率的第二有效范围；
在其中一个实施例中，分析确定更换屏幕报点率的有效范围，可通过聚类算法确定更换屏幕报点率的第二有效范围Q(c，d)。
S103，确定智能设备的屏幕坐标权重；
在其中一个实施例中，通过聚类算法确定智能设备的屏幕坐标权重W。
上述的聚类算法包括k均值算法、EM算法、DBSCAN算法、OPTICS算法、Mean Shift算法或谱聚类算法。
S104，根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。
上述任一实施例的屏幕更换模型训练方法，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。基于此，通过训练出的屏幕更换模型，在对智能设备的触摸屏幕进行检测后，可根据触屏报点数据的对应关系，在屏幕更换模型中确定触摸屏幕是否为该智能设备的原装屏幕，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度。
本发明实施例提供了一种屏幕更换模型训练装置。
图2为一实施方式的屏幕更换模型训练装置模块结构图，如图2所示，一实施方式的屏幕更换模型训练装置包括模块100、模块101、模块102、模块103和模块104：
模型数据获取模块100，用于获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据；其中，触屏报点数据为对智能设备的触摸屏进行触摸操作对应的报点数据；
第一范围确定模块101，用于根据原装屏幕触屏报点数据确定原装屏幕报点率的第一有效范围；
第二范围确定模块102，用于根据更换屏幕触屏报点数据确定更换屏幕报点率的第二有效范围；
坐标权重确定模块103，用于确定智能设备的屏幕坐标权重；
更换模型训练模块104，用于根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。
上述的屏幕更换模型训练装置，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。基于此，通过训练出的屏幕更换模型，在对智能设备的触摸屏幕进行检测后，可根据触屏报点数据的对应关系，在屏幕更换模型中确定触摸屏幕是否为该智能设备的原装屏幕，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的屏幕更换模型训练方法。
本领域的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种屏幕更换模型训练方法。
上述计算机设备，在获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据后，分别确定原装屏幕报点率的第一有效范围、更换屏幕报点率的第二有效范围和各智能设备的屏幕坐标权重，最后根据各类型智能设备的第一有效范围、第二有效范围和屏幕坐标权重训练屏幕更换模型。基于此，通过训练出的屏幕更换模型，在对智能设备的触摸屏幕进行检测后，可根据触屏报点数据的对应关系，在屏幕更换模型中确定触摸屏幕是否为该智能设备的原装屏幕，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度。
本发明实施例还提供了一种屏幕更换检测方法。
图3为一实施方式的屏幕更换检测方法流程图，如图3所示，一实施方式的屏幕更换检测方法包括步骤S200至步骤S202：
S200，获取待检测设备的触屏报点数据；
其中，在确定待检测设备后，手动触摸操作或机器触摸操作待检测设备的触摸屏幕，获得待检测设备的触屏报点数据。
S201，根据触屏报点数据与屏幕坐标权重获得有效报点率；
通过有效报点率的确定，去除部分无效报点率或干扰报点率，降低后续数据处理量的同时降低计算干扰，提高屏幕更换结果判断准确率。
在其中一个实施例中，图4为另一实施方式的屏幕更换检测方法流程图，如图4所示，步骤S201中根据触屏报点数据与屏幕坐标权重获得有效报点率，包括步骤S300至步骤S302：
S300，将触屏报点数据标准化到报点集合；
其中，将各触屏报点数据标准化到一个报点集合S，报点集合S包括多个集合元素，各集合元素包含三个值——坐标x、坐标y和报点值r。
S301，对报点集合进行有效化处理；
对报点集合进行有效化处理，得到有效报点集合。其中，有效化处理包括均值处理或中值处理等。
在其中一个实施例中，图5为又一实施方式的屏幕更换检测方法流程图，如图5所示，步骤S301中对报点集合进行有效化处理的过程，包括步骤S400：
S400，去除报点集合中的非关键元素；其中，非关键元素包括重复元素、特殊坐标点元素、最大值元素和最小值元素。
S302，根据有效化处理后的报点集合与屏幕坐标权重获得有效报点率。
将有效化处理后的报点集合进行权重处理。从屏幕更换模型中确定待回收设备对应的屏幕坐标权重，该权重进行权重计算，得到有效报点率。
在其中一个实施例中，如图5所示，步骤S302中根据有效化处理后的报点集合与屏幕坐标权重获得有效报点率的过程，包括步骤S500：
S500，根据有效化处理后的报点集合与屏幕坐标权重的乘积，获得有效报点率。
其中，有效化处理后的报点集合S和屏幕坐标权重W的乘积，得到有效报点率R＝S×W。
为了更直观地解释本实施例的技术方案，以下以一具体应用例对本实施例进行解释。图6为一触屏报点率范围图，如图6，“o”表示原装报点率数据，“x”表示更换屏幕报点率数据。以图6所示为基础，单独提取出更换屏幕报点率“x”，可见其有效范围为100～150。在去除更换屏幕报点率“x”后，得到余下的原装报点率“o”，原装报点率的有效范围为75～100。分别通过更换屏幕报点率与原装报点率的有效范围，确定第一有效范围和第二有效范围。
S202，比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。
在确定待回收设备屏幕更换模型中的类型，在将有效报点率与屏幕更换模型中对应设备类型的第一有效范围和第二有效范围进行比较，确定待检测设备是否更换过屏幕。
在其中一个实施例中，图7为再一实施方式的屏幕更换检测方法流程图，如图7所示，步骤S202中比较有效报点率、待检测设备的第一有效范围和第二有效范围的过程，包括步骤S600至S602：
S600，通过分类算法预测有效报点率；
在其中一个实施例中，分类算法包括逻辑回归算法、决策树算法、线性SVM算法、梯度提升树算法或K近邻分类算法。作为一个较优的实施方式，分类算法包括K近邻分类算法。
S601，在有效报点率被预测到第一有效范围时，判定待回收设备未更换过屏幕；
在有效报点率被预测到第一有效范围，与原装屏幕触屏报点率相对应，判定待回收设备的屏幕是原装，即未更换过。
S602，在有效报点率被预测到第二有效范围时，判定待回收设备更换过屏幕。
在有效报点率被预测到第而有效范围，与更换屏幕触屏报点率相对应，判定待回收设备的屏幕是更换过的。
上述任一实施例的屏幕更换检测方法，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。
本发明实施例提供了一种屏幕更换检测装置。
图8为一实施方式的屏幕更换检测装置模块结构图，如图8所示，一实施方式的屏幕更换检测装置包括模块200、模块201和模块202：
检测数据获取模块200，用于获取待检测设备的触屏报点数据；
有效报点率计算模块201，用于根据触屏报点数据与屏幕坐标权重获得有效报点率；
屏幕更换预测模块202，用于比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。
上述的屏幕更换检测装置，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。
本发明实施例还提供了另一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的屏幕更换检测方法。
本领域的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供另一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种屏幕更换检测方法。
上述计算机设备，基于训练好的屏幕更换模型，获取待检测设备的触屏报点数据，并根据触屏报点数据与屏幕坐标权重获得有效报点率，最后比较有效报点率、待检测设备的第一有效范围和第二有效范围，确定待检测设备是否更换过屏幕。基于此，提高屏幕更换检测的准确性和效率的同时，降低检测人员的工作强度，间接降低设备回收的成本。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种屏幕更换模型训练方法，其特征在于，包括步骤：
获取各类型智能设备的原装屏幕触屏报点数据和更换屏幕触屏报点数据；其中，所述触屏报点数据为对所述智能设备的触摸屏进行触摸操作对应的报点数据；
根据所述原装屏幕触屏报点数据确定所述原装屏幕报点率的第一有效范围；
根据所述更换屏幕触屏报点数据确定所述更换屏幕报点率的第二有效范围；
确定所述智能设备的屏幕坐标权重；
根据各类型智能设备的所述第一有效范围、所述第二有效范围和所述屏幕坐标权重训练所述屏幕更换模型。
2.根据权利要求1所述的屏幕更换模型训练方法，其特征在于，所述第一有效范围、所述第二有效范围和所述屏幕坐标权重的确定过程，包括步骤：
通过聚类算法确定所述第一有效范围、所述第二有效范围和所述屏幕坐标权重。
3.一种屏幕更换检测方法，其特征在于，包括步骤：
获取待检测设备的触屏报点数据；
根据所述触屏报点数据与所述屏幕坐标权重获得有效报点率；
比较所述有效报点率、所述待检测设备的第一有效范围和第二有效范围，确定所述待检测设备的是否更换过屏幕。
4.根据权利要求3所述的屏幕更换检测方法，其特征在于，所述根据所述触屏报点数据与所述屏幕坐标权重获得有效报点率的过程，包括步骤：
将所述触屏报点数据标准化到报点集合；
对所述报点集合进行有效化处理；
根据有效化处理后的所述报点集合与所述屏幕坐标权重获得有效报点率。
5.根据权利要求4所述的屏幕更换检测方法，其特征在于，所述对所述报点集合进行有效化处理的过程，包括步骤：
去除所述报点集合中的非关键元素；其中，所述非关键元素包括重复元素、特殊坐标点元素、最大值元素和最小值元素。
6.根据权利要求4所述的屏幕更换检测方法，其特征在于，所述根据有效化处理后的所述报点集合与所述屏幕坐标权重获得有效报点率的过程，包括步骤：
根据所述有效化处理后的所述报点集合与所述屏幕坐标权重的乘积，获得所述有效报点率。
7.根据权利要求3至6任意一项所述的屏幕更换检测方法，其特征在于，比较所述有效报点率、所述待检测设备的第一有效范围和第二有效范围的过程，包括步骤：
通过分类算法预测所述有效报点率；
在所述有效报点率被预测到所述第一有效范围时，判定所述待回收设备未更换过屏幕；
在所述有效报点率被预测到所述第二有效范围时，判定所述待回收设备更换过屏幕。
8.一种屏幕更换检测装置，其特征在于，包括：
检测数据获取模块，用于获取待检测设备的触屏报点数据；
有效报点率计算模块，用于根据所述触屏报点数据与所述屏幕坐标权重获得有效报点率；
屏幕更换预测模块，用于比较所述有效报点率、所述待检测设备的第一有效范围和第二有效范围，确定所述待检测设备的是否更换过屏幕。
9.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求3至7任意一项所述的屏幕更换检测方法。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现如权利要求3至7任意一项的屏幕更换检测方法。
CN202011421987.6A 2020-12-08 2020-12-08 屏幕更换模型训练方法、屏幕更换检测方法及装置 Active CN112433902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011421987.6A CN112433902B (zh) 2020-12-08 2020-12-08 屏幕更换模型训练方法、屏幕更换检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011421987.6A CN112433902B (zh) 2020-12-08 2020-12-08 屏幕更换模型训练方法、屏幕更换检测方法及装置

Publications (2)

Publication Number Publication Date
CN112433902A true CN112433902A (zh) 2021-03-02
CN112433902B CN112433902B (zh) 2023-06-16

Family

ID=74692033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011421987.6A Active CN112433902B (zh) 2020-12-08 2020-12-08 屏幕更换模型训练方法、屏幕更换检测方法及装置

Country Status (1)

Country Link
CN (1) CN112433902B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11922467B2 (en) 2020-08-17 2024-03-05 ecoATM, Inc. Evaluating an electronic device using optical character recognition

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130227464A1 (en) * 2012-02-24 2013-08-29 Samsung Electronics Co., Ltd. Screen change method of touch screen portable terminal and apparatus therefor
CN110062074A (zh) * 2019-04-19 2019-07-26 惠州Tcl移动通信有限公司 显示屏检测方法、装置、移动终端及存储介质
CN110460723A (zh) * 2019-08-01 2019-11-15 珠海格力电器股份有限公司 屏幕保护方法、装置、计算机设备和计算机可读存储介质
CN110767133A (zh) * 2019-11-08 2020-02-07 北京转转精神科技有限责任公司 一种原装屏幕的自动化检验方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130227464A1 (en) * 2012-02-24 2013-08-29 Samsung Electronics Co., Ltd. Screen change method of touch screen portable terminal and apparatus therefor
CN110062074A (zh) * 2019-04-19 2019-07-26 惠州Tcl移动通信有限公司 显示屏检测方法、装置、移动终端及存储介质
CN110460723A (zh) * 2019-08-01 2019-11-15 珠海格力电器股份有限公司 屏幕保护方法、装置、计算机设备和计算机可读存储介质
CN110767133A (zh) * 2019-11-08 2020-02-07 北京转转精神科技有限责任公司 一种原装屏幕的自动化检验方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11922467B2 (en) 2020-08-17 2024-03-05 ecoATM, Inc. Evaluating an electronic device using optical character recognition

Also Published As

Publication number Publication date
CN112433902B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN108182515B (zh) 智能规则引擎规则输出方法、设备及计算机可读存储介质
CN104702492A (zh) 垃圾消息模型训练方法、垃圾消息识别方法及其装置
WO2022199185A1 (zh) 用户操作检测方法及程序产品
CN105740280A (zh) 检测变量重要性的方法和装置
CN113705726A (zh) 流量的分类方法、装置、电子设备及计算机可读介质
CN114036531A (zh) 一种基于多尺度代码度量的软件安全漏洞检测方法
WO2018036402A1 (zh) 模型中关键变量的探测方法及装置
CN112433902A (zh) 屏幕更换模型训练方法、屏幕更换检测方法及装置
CN108984777B (zh) 客户服务方法、装置和计算机可读存储介质
Zhang et al. Predicting change consistency in a clone group
Sultanow et al. Machine learning based static code analysis for software quality assurance
JP2011145996A (ja) レビューワ評価装置、レビューワ評価方法、及びプログラム
CN115705413A (zh) 异常日志的确定方法及装置
CN113238680A (zh) 屏幕断触检测方法及装置
CN111797313A (zh) 自学习推荐方法、装置、计算机设备和存储介质
KR102504230B1 (ko) 머신러닝의 드리프트 현상 탐지를 이용한 재훈련 시스템 및 방법
CN111651500A (zh) 用户身份识别方法、电子设备及存储介质
Lahann et al. LSTM-based anomaly detection of process instances: Benchmark and tweaks
CN115130887A (zh) 水库大坝环境影响评价方法和装置、电子设备和存储介质
JP7184093B2 (ja) 熟練指数提供装置、熟練指数提供方法、及びプログラム
CN111860661B (zh) 基于用户行为的数据分析方法、装置、电子设备及介质
US20230080876A1 (en) Image processing apparatus, image recognition system, and image processing method
CN114266049A (zh) 一种代码检测方法、装置及电子设备
Gupta et al. Android smells detection using ML algorithms with static code metrics
CN112633194A (zh) 屏内指纹检测方法及装置

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