CN115309593A - 一种面向国产计算机的自动化测试系统及方法 - Google Patents
一种面向国产计算机的自动化测试系统及方法 Download PDFInfo
- Publication number
- CN115309593A CN115309593A CN202111674585.1A CN202111674585A CN115309593A CN 115309593 A CN115309593 A CN 115309593A CN 202111674585 A CN202111674585 A CN 202111674585A CN 115309593 A CN115309593 A CN 115309593A
- Authority
- CN
- China
- Prior art keywords
- computer
- module
- vibration
- test
- 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.)
- Pending
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
-
- 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
- G06F11/2273—Test methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明属于计算机性能测试技术领域,公开了一种面向国产计算机的自动化测试系统及方法,包括振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块、图像检测模块和中央处理与控制模块;所述中央处理与控制模块分别与振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块和图像检测模块连接,用于对各个模块的具体工作进行协调控制。本发明通过设置振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块和图像检测模块,不仅可以对待测计算机的各种硬件性能进行检测,还可对不同的环境状态进行模拟,能够对计算机在不同的工况环境下的工作性能进行检测,检测全面。
Description
技术领域
本发明属于计算机性能测试技术领域,尤其涉及一种面向国产计算机的自动化测试系统及方法。
背景技术
目前,随着国家及军队对自主可控关键软硬件、计算机以及安全可靠信息系统建设的逐步推进,国产化设备的需求和产量不断加大。但是由于国产化关键软硬件还处在发展的初期,我国现有的国产化关键软硬件与国外产品相比,还存在比较明显的差距,存在着诸如运行不稳定、性能偏低、软硬件适配性不好等问题。因此,为了控制和完善国产化计算机的产品质量,针对国产化计算机功能和性能的测试就必不可少和迫在眉睫,只有保证了国产化计算机的可靠性和安全性,国产化计算机才能真正进入大众的视野,走向全面推广应用的阶段,更加广泛应用于政府、金融、银行、交通、电力、工业、商业、国防等等各行各业。为了保证国产计算机的质量,需要对每台设备进行功能、性能和稳定性测试。但是现有的计算机测试方式只是通过简单的人工检测,只能对计算机的硬件组装和电路通断状态进行检测,不能对计算机在不同的使用工况下的性能参数进行采集,检测不够全面。
通过上述分析,现有技术存在的问题及缺陷为:
现有的计算机测试方式只是通过简单的人工检测,只能对计算机的硬件组装和电路通断状态进行检测,不能对计算机在不同的使用工况下的性能参数进行采集,检测不够全面。
发明内容
针对现有技术存在的问题,本发明提供了一种面向国产计算机的自动化测试系统及方法。
本发明是这样实现的,一种面向国产计算机的自动化测试系统包括:
振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块、图像检测模块和中央处理与控制模块;
所述中央处理与控制模块分别与振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块和图像检测模块连接,用于对各个模块的具体工作进行协调控制;
所述振动环境加载模块用于提供不同强度的振动力度,模拟不同的振动环境;
所述温度环境加载模块用于通过对待测计算机所处的温度进行调节,模拟不同的温度环境;
所述网络连接性能测试模块用于对待测计算机的网络信号稳定性进行检测;
所述端口通断测试模块用于对待测计算机的各个连接端口进行通断测试;
所述图像检测模块用于通过工业相机对待测计算机的连接组件进行图像采集,并通过图像识别对组装状态进行识别确认。
进一步,所述振动环境加载模块在模拟不同的振动环境时,采用的具体方法包括:
预设不同的振动频率和振动力度,分别设定为不同的振动等级;
将待测计算机固定在预设试验工位,根据不同的试验任务要求选择对应的振动等级;
对待测计算机在振动过程中的受力参数进行记录;
对振动前后的计算机的各项检测参数进行对比,确定待测计算机的耐受范围。
进一步,所述温度环境加载模块在进行温度环境模拟时,采用的具体方法包括:
将待测计算机固定在温度试验工位,设定不同的试验温度标准;
根据对应的温度标准将待测计算机所处的温度环境进行调整;
在调整到对应的温度标准后,按照设定参数保持一定的设定时间。
进一步,所述图像检测模块通过图像识别对组装状态进行识别确认的具体方法包括:
将采集的待测计算机的连接组件的图片进行预处理;
将预处理后的图像代入训练后的卷积神经网络CNN模型并进行识别;
输出识别后的图像所处的对应的状态类型。
进一步,将采集的待测计算机的连接组件的图片进行预处理中,采用图像灰度化、焦点区域分割、图像增强、图像二值化方法对图片进行预处理。
进一步,所述卷积神经网络CNN模型的训练方法包括:
将计算机的连接组件分别设定为具有不同的组装状态,并对每种组装状态进行图像采集;
对采集的每种组装状态的图像进行预处理;
对预处理后的图像代入建立的卷积神经网络CNN模型并进行训练。
进一步,所述中央处理与控制模块还连接有显示终端和信号传输模块;
所述显示终端用于对测试系统的测试结果和测试数据进行显示;
所述信号传输模块用于将测试结果和测试数据传递到远程的监测中心,实现远程监测。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
本发明通过设置振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块和图像检测模块,不仅可以对待测计算机的各种硬件性能进行检测,还可对不同的环境状态进行模拟,能够对计算机在不同的工况环境下的工作性能进行检测,检测全面。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的面向国产计算机的自动化测试系统的结构框图。
图2是本发明实施例提供的振动环境加载模块在模拟不同的振动环境时的方法流程图。
图3是本发明实施例提供的温度环境加载模块在进行温度环境模拟时的方法流程图。
图4是本发明实施例提供的图像检测模块通过图像识别对组装状态进行识别确认的方法流程图。
图5是本发明实施例提供的卷积神经网络CNN模型的训练方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种面向国产计算机的自动化测试系统及方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的面向国产计算机的自动化测试系统包括:
振动环境加载模块1、温度环境加载模块2、网络连接性能测试模块3、端口通断测试模块4、图像检测模块5和中央处理与控制模块6;
所述中央处理与控制模块分别与振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块和图像检测模块连接,用于对各个模块的具体工作进行协调控制;
所述振动环境加载模块1用于提供不同强度的振动力度,模拟不同的振动环境;
所述温度环境加载模块2用于通过对待测计算机所处的温度进行调节,模拟不同的温度环境;
所述网络连接性能测试模块3用于对待测计算机的网络信号稳定性进行检测;
所述端口通断测试模块4用于对待测计算机的各个连接端口进行通断测试;
所述图像检测模块5用于通过工业相机对待测计算机的连接组件进行图像采集,并通过图像识别对组装状态进行识别确认。
所述中央处理与控制模块6还连接有显示终端7和信号传输模块8;
所述显示终端7用于对测试系统的测试结果和测试数据进行显示;
所述信号传输模块8用于将测试结果和测试数据传递到远程的监测中心,实现远程监测。
如图2所示,本发明实施例中的振动环境加载模块1在模拟不同的振动环境时,采用的具体方法包括:
S101,预设不同的振动频率和振动力度,分别设定为不同的振动等级;
S102,将待测计算机固定在预设试验工位,根据不同的试验任务要求选择对应的振动等级;
S103,对待测计算机在振动过程中的受力参数进行记录;
S104,对振动前后的计算机的各项检测参数进行对比,确定待测计算机的耐受范围。
如图3所示,本发明实施例中的温度环境加载模块在进行温度环境模拟时,采用的具体方法包括:
S201,将待测计算机固定在温度试验工位,设定不同的试验温度标准;
S202,根据对应的温度标准将待测计算机所处的温度环境进行调整;
S203,在调整到对应的温度标准后,按照设定参数保持一定的设定时间。
如图4所示,本发明实施例中的图像检测模块通过图像识别对组装状态进行识别确认的具体方法包括:
S301,将采集的待测计算机的连接组件的图片进行预处理;
S302,将预处理后的图像代入训练后的卷积神经网络CNN模型并进行识别;
S303,输出识别后的图像所处的对应的状态类型。
本发明实施例中的步骤S301将采集的待测计算机的连接组件的图片进行预处理中,采用图像灰度化、焦点区域分割、图像增强、图像二值化方法对图片进行预处理。
如图5所示,本发明实施例中的卷积神经网络CNN模型的训练方法包括:
S401,将计算机的连接组件分别设定为具有不同的组装状态,并对每种组装状态进行图像采集;
S402,对采集的每种组装状态的图像进行预处理;
S403,对预处理后的图像代入建立的卷积神经网络CNN模型并进行训练。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种面向国产计算机的自动化测试系统,其特征在于,所述面向国产计算机的自动化测试系统包括:
振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块、图像检测模块和中央处理与控制模块;
所述中央处理与控制模块分别与振动环境加载模块、温度环境加载模块、网络连接性能测试模块、端口通断测试模块和图像检测模块连接,用于对各个模块的具体工作进行协调控制;
所述振动环境加载模块用于提供不同强度的振动力度,模拟不同的振动环境;
所述温度环境加载模块用于通过对待测计算机所处的温度进行调节,模拟不同的温度环境;
所述网络连接性能测试模块用于对待测计算机的网络信号稳定性进行检测;
所述端口通断测试模块用于对待测计算机的各个连接端口进行通断测试;
所述图像检测模块用于通过工业相机对待测计算机的连接组件进行图像采集,并通过图像识别对组装状态进行识别确认。
2.如权利要求1所述的面向国产计算机的自动化测试系统,其特征在于,所述振动环境加载模块在模拟不同的振动环境时,采用的具体方法包括:
预设不同的振动频率和振动力度,分别设定为不同的振动等级;
将待测计算机固定在预设试验工位,根据不同的试验任务要求选择对应的振动等级;
对待测计算机在振动过程中的受力参数进行记录;
对振动前后的计算机的各项检测参数进行对比,确定待测计算机的耐受范围。
3.如权利要求1所述的面向国产计算机的自动化测试系统,其特征在于,所述温度环境加载模块在进行温度环境模拟时,采用的具体方法包括:
将待测计算机固定在温度试验工位,设定不同的试验温度标准;
根据对应的温度标准将待测计算机所处的温度环境进行调整;
在调整到对应的温度标准后,按照设定参数保持一定的设定时间。
4.如权利要求1所述的面向国产计算机的自动化测试系统,其特征在于,所述图像检测模块通过图像识别对组装状态进行识别确认的具体方法包括:
将采集的待测计算机的连接组件的图片进行预处理;
将预处理后的图像代入训练后的卷积神经网络CNN模型并进行识别;
输出识别后的图像所处的对应的状态类型。
5.如权利要求4所述的面向国产计算机的自动化测试系统,其特征在于,将采集的待测计算机的连接组件的图片进行预处理中,采用图像灰度化、焦点区域分割、图像增强、图像二值化方法对图片进行预处理。
6.如权利要求4所述的面向国产计算机的自动化测试系统,其特征在于,所述卷积神经网络CNN模型的训练方法包括:
将计算机的连接组件分别设定为具有不同的组装状态,并对每种组装状态进行图像采集;
对采集的每种组装状态的图像进行预处理;
对预处理后的图像代入建立的卷积神经网络CNN模型并进行训练。
7.如权利要求1所述的面向国产计算机的自动化测试系统,其特征在于,所述中央处理与控制模块还连接有显示终端和信号传输模块;
所述显示终端用于对测试系统的测试结果和测试数据进行显示;
所述信号传输模块用于将测试结果和测试数据传递到远程的监测中心,实现远程监测。
8.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以应用如权利要求1~7任意一项所述的面向国产计算机的自动化测试系统。
9.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机应用如权利要求1~7任意一项所述的面向国产计算机的自动化测试系统。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求1~7任意一项所述的面向国产计算机的自动化测试系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111674585.1A CN115309593A (zh) | 2021-12-31 | 2021-12-31 | 一种面向国产计算机的自动化测试系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111674585.1A CN115309593A (zh) | 2021-12-31 | 2021-12-31 | 一种面向国产计算机的自动化测试系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115309593A true CN115309593A (zh) | 2022-11-08 |
Family
ID=83853829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111674585.1A Pending CN115309593A (zh) | 2021-12-31 | 2021-12-31 | 一种面向国产计算机的自动化测试系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115309593A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116010185A (zh) * | 2023-03-22 | 2023-04-25 | 合肥联宝信息技术有限公司 | 设备测试方法、服务器、终端设备及存储介质 |
-
2021
- 2021-12-31 CN CN202111674585.1A patent/CN115309593A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116010185A (zh) * | 2023-03-22 | 2023-04-25 | 合肥联宝信息技术有限公司 | 设备测试方法、服务器、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112650685B (zh) | 自动化测试方法、装置、电子设备及计算机存储介质 | |
US10684321B2 (en) | Printed circuit board inspecting apparatus, method for detecting anomaly in solder paste and computer readable recording medium | |
CN102780914A (zh) | 用于数字显示系统的自动测试系统 | |
CN112288168B (zh) | 基于数字孪生的smt产线质量分析平台 | |
CN102566564A (zh) | 一种车载控制器测试系统 | |
CN113225232B (zh) | 硬件测试方法、装置、计算机设备及存储介质 | |
CN117269731A (zh) | 一种基于物联网的pcba性能自动化测试系统 | |
CN112286825A (zh) | 智能座舱的屏幕测试方法、装置及电子设备 | |
CN115309593A (zh) | 一种面向国产计算机的自动化测试系统及方法 | |
CN112596966A (zh) | 芯片验证方法、装置、设备、存储介质 | |
CN104614607A (zh) | 一种测试方法及测试系统 | |
CN104237760A (zh) | 半导体元件测试装置及其测试方法 | |
CN116755984A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN107315664A (zh) | 显卡自动检测系统及方法 | |
CN103905814A (zh) | 一种界面显示的测试方法和装置 | |
CN117828499B (zh) | Pcba异常件确定方法、系统、存储介质及电子设备 | |
CN110046067B (zh) | 接口测试方法及装置 | |
CN114425787A (zh) | 机器人自动测试的控制方法、装置、服务器及存储介质 | |
KR20220152785A (ko) | 이종 임베디드 플랫폼에서 비전 가속 처리와 머신러닝을 활용한 pcb 외관검사 장치 및 방법 | |
CN112380134A (zh) | 一种基于图像识别的WebUI自动化测试方法 | |
CN116027029B (zh) | 荧光层析免疫分析仪的检测方法、电子设备及存储介质 | |
CN110632420A (zh) | RTC模块测试方法、Android设备生产多模块自动化测试方法和装置 | |
CN101996613A (zh) | 电子装置输出测试方法、系统及平台 | |
CN115825704B (zh) | 投影主板的测试方法、装置、系统、设备及介质 | |
EP4254325A1 (en) | Inspection of printed circuit board assemblies |
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 |