CN116225973A - 基于嵌入式实现电子设备的芯片代码测试方法及装置 - Google Patents

Abstract

本发明涉及芯片测试领域，揭露一种基于嵌入式实现电子设备的芯片代码测试方法及装置，所述方法包括：计算放大图像中的元器件类别概率，识别元器件类别概率对应的元器件类别；分析元器件类别的输入属性与输出属性；计算元器件向量对应的测试项目概率，选取大于预设项目概率的目标项目概率，在预设的代码组件库查询目标项目概率对应的测试代码组件；计算测试代码组件中每个测试代码组件的排名值，从测试代码组件选取目标代码组件，对目标代码组件的每个代码组件进行拼接处理；利用预设的嵌入式技术对电子设备的芯片进行实际代码测试与仿真代码测试，通过比对实际芯片输出与仿真芯片输出，确定芯片代码测试结果。本发明可以提高芯片代码测试效率。

Description

基于嵌入式实现电子设备的芯片代码测试方法及装置

技术领域

本发明涉及芯片测试领域，尤其涉及一种基于嵌入式实现电子设备的芯片代码测试方法及装置。

背景技术

电子设备的芯片代码测试是指将编辑好的测试代码烧录至芯片的烧录器，利用烧录器驱动测试代码在芯片中运行，从而达到芯片的软件测试的目的，其中，烧录器是指可编程的集成电路写入数据的工具，烧录器主要用于单片机（含嵌入式）/存储器(含BIOS)之类的芯片的编程（或称刷写），芯片是指集成电路，用于采用先进技术将大量的晶体管等电路中的元器件集成堆叠在一块很小的半导体晶圆上，即芯片，从而缩减体积，并且能够完成大量计算。

目前，芯片的软件测试项目包括芯片的功能测试、性能测试及接口测试，每种类型的测试都包括多种代码命令，例如工作写的测试所对应的代码命令为udiwrscmd，除此之外，还需要编辑烧录代码对芯片进行测试，但现有技术均是通过人工来编写测试代码，且每种芯片的电路与元器件之间的结构布局各不相同，针对每种类型的芯片编写对应的测试代码的过程费时费力，速度缓慢。因此，由于编写代码的过程较为复杂且速度较为缓慢，导致电子设备的芯片代码测试效率不足。

发明内容

为了解决上述问题，本发明提供了一种基于嵌入式实现电子设备的芯片代码测试方法及装置，可以通过自动生成芯片测试的代码，从而提高芯片代码测试效率。

第一方面，本发明提供了一种基于嵌入式实现电子设备的芯片代码测试方法，包括：

采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别；

基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量；

计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件；

计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码；

基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

在第一方面的一种可能实现方式中，所述计算所述放大图像中的元器件类别概率，包括：

利用下述公式计算所述放大图像中的元器件类别概率：

其中，y表示所述元器件类别概率，x表示所述放大图像，conv表示卷积层，pool表示池化层，f表示全连接层，class表示分类层。

在第一方面的一种可能实现方式中，所述基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，包括：

在所述电路布局中获取所述元器件类别的输入布局与输出布局，并构建所述输入布局与所述输出布局的输入向量与输出向量；

利用所述输入向量计算所述元器件类别的后向输出概率，并利用所述输出向量计算所述元器件类别的前向输出概率；

获取所述后向输出概率与所述前向输出概率对应的所述输入属性与所述输出属性。

在第一方面的一种可能实现方式中，所述计算所述元器件向量对应的测试项目概率，包括：

利用下述公式计算所述元器件向量对应的第一测试项目概率：

其中，P表示所述第一测试项目概率，u表示所述元器件向量，v表示每个测试项目类别所对应的测试代码组件的向量，o表示随机分配给所述元器件向量的初始测试项目类别的向量，e表示目标测试项目类别的向量的编号，E表示目标测试项目类别的向量的总数，n_u（e）表示所述元器件向量中分类为e目标测试项目类别的向量数目，n_v(e)表示测试代码组件的向量中向量属于e的向量数目，n_e(e₀)表示所述元器件向量中属于e中e₀编号的向量数目，α_e表示从所述元器件向量到所述第一测试项目概率方向上的先验分布参数，β_uo表示从所述第一测试项目概率到所述元器件向量方向上的先验分布参数；

利用下述公式计算所述元器件向量对应的第二测试项目概率：

其中，P(v_j | u_i)表示所述第二测试项目概率，o_k表示随机分配给所述元器件向量的初始测试项目类别的向量，k表示初始测试项目类别的向量的序号，m表示初始测试项目类别的向量的数目，u_i表示所述元器件向量，i表示所述元器件向量的序号，v_j表示每个测试项目类别所对应的测试代码组件的向量，j表示测试代码组件的向量的序号。

在第一方面的一种可能实现方式中，所述计算所述测试代码组件中每个测试代码组件的排名值，包括：

利用下述公式计算所述测试代码组件中每个测试代码组件的排名值：

其中，F(v_j)表示所述排名值，w(u_i)表示u_i的权重，u_i表示所述元器件向量，i表示所述元器件向量的序号，L表示元器件向量的数目，v_j表示每个测试项目类别所对应的测试代码组件的向量，j表示测试代码组件的向量的序号。

在第一方面的一种可能实现方式中，所述基于所述排名值，从所述测试代码组件中选取目标代码组件，包括：

获取所述测试代码组件中的第一测试代码组件和第二测试代码组件，基于所述排名值的从大到小顺序，分别对所述第一测试代码组件与所述第二测试代码组件进行排序，得到第一代码组件序列和第二代码组件序列；

分别从所述第一代码组件序列和所述第二代码组件序列的头部开始选取符合预设组件数目的代码组件，得到第一选取代码组件与第二选取代码组件；

选取所述第一选取代码组件与所述第二选取代码组件之间的交集代码组件，得到所述目标代码组件。

在第一方面的一种可能实现方式中，所述对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码，包括：

解析所述目标代码组件中的语法，并将解析到的语法构建为语法树；

解析所述目标代码组件中的语句控制关系，并构建所述语句控制关系的语句控制树；

解析所述目标代码组件中的语义，并将解析到的语义构建为语义树；

分析所述语法树、语句控制树及所述语义树对应的代码片段树，并将所述代码片段树转换为完整代码片段；

利用所述完整代码片段拼接所述目标代码组件中的每个代码组件，得到所述拼接代码。

第二方面，本发明提供了一种基于嵌入式实现电子设备的芯片代码测试装置，所述装置包括：

类别识别模块，用于采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别；

向量构建模块，用于基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量；

代码查询模块，用于计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件；

代码拼接模块，用于计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码；

代码测试模块，用于基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

与现有技术相比，本方案的技术原理及有益效果在于：

本发明实施例首先通过计算所述放大图像中的元器件类别概率，以用于利用神经网络分类模型辨别所述放大图像中芯片上所镶嵌的元器件的种类，进一步地，本发明实施例通过基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，以用于将元器件在接收芯片上相邻位置的元器件发来的信号时所行使的功能作为所述元器件的属性，并将所述元器件要向芯片上相邻位置的元器件发送的信号作为所述元器件的属性，这样可以丰富所述元器件的特征属性，进而丰富后续所构建的所述元器件的特征向量，进一步地，本发明实施例通过计算所述元器件向量对应的测试项目概率，以用于对识别所述元器件向量所对应的测试项目类别，进一步地，本发明实施例通过在预设的代码组件库中查询所述目标项目概率对应的测试代码组件，以用于针对不同的元器件向量所对应的目标项目概率，自动生成对应的测试代码，目的在于减少人工编写测试代码的复杂性与缓慢速度，从而提升电子设备的芯片代码测试效率，进一步地，本发明实施例通过计算所述测试代码组件中每个测试代码组件的排名值，以用于将通过目标项目概率所预测得到的测试代码组件进行从前往后排列，从中筛选排名靠前的预测概率较大的测试代码组件，从而从众多所预测的测试代码组件再选取最终的测试代码组件。因此，本发明实施例提出的一种基于嵌入式实现电子设备的芯片代码测试方法及装置，可以通过自动生成芯片测试的代码，从而提高芯片代码测试效率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种基于嵌入式实现电子设备的芯片代码测试方法的流程示意图；

图2为本发明一实施例中图1提供的一种基于嵌入式实现电子设备的芯片代码测试方法的步骤S2的流程示意图；

图3为本发明一实施例中图1提供的一种基于嵌入式实现电子设备的芯片代码测试方法的步骤S3的流程示意图；

图4为本发明一实施例提供的一种基于嵌入式实现电子设备的芯片代码测试装置的模块示意图；

图5为本发明一实施例提供的实现基于嵌入式实现电子设备的芯片代码测试方法的电子设备的内部结构示意图。

具体实施方式

应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种基于嵌入式实现电子设备的芯片代码测试方法，所述基于嵌入式实现电子设备的芯片代码测试方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述基于嵌入式实现电子设备的芯片代码测试方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参阅图1所示，是本发明一实施例提供的基于嵌入式实现电子设备的芯片代码测试方法的流程示意图。其中，图1中描述的基于嵌入式实现电子设备的芯片代码测试方法包括：

S1、采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别。

本发明实施例中，所述电子设备是指由集成电路、晶体管、电子管等电子元器件组成，应用电子技术软件发挥作用的设备，包括电子计算机以及由电子计算机控制的机器人、数控或程控系统等，其中由电子元器件所构成的芯片是所述电子设备的基本组成，所述芯片是指通过采用先进技术将大量的晶体管等电路中的元器件集成堆叠在一块很小的半导体晶圆上得到半导体元件，可以缩减体积，并且能够完成大量计算的；所述芯片图像是指使用照相机所拍摄得到的图像，所述放大图像是指以显微镜为辅助，利用所述芯片图像所对应的照相机所拍摄的经过放大之后的图像。

进一步地，本发明实施例通过计算所述放大图像中的元器件类别概率，以用于利用神经网络分类模型辨别所述放大图像中芯片上所镶嵌的元器件的种类。

本发明的一实施例中，利用下述公式计算所述放大图像中的元器件类别概率：

其中，y表示所述元器件类别概率，x表示所述放大图像，conv表示卷积层，pool表示池化层，f表示全连接层，class表示分类层。

本发明实施例中，所述元器件类别包括晶体管、电阻、电容等类别。

S2、基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量。

本发明实施例通过基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，以用于将元器件在接收芯片上相邻位置的元器件发来的信号时所行使的功能作为所述元器件的属性，并将所述元器件要向芯片上相邻位置的元器件发送的信号作为所述元器件的属性，这样可以丰富所述元器件的特征属性，进而丰富后续所构建的所述元器件的特征向量。

其中，所述输入属性是指元器件在接收其他元器件发来的信号时所执行的功能属性，例如在元器件为电阻时，接收其他元器件发来的电流之后，电阻对电流进行降低电流处理，则电阻的属性为降低电流、降低电流量，对应的，所述输出属性及所述元器件类别的自身属性在电阻中的应用为：将输出电流类型、输出电流量作为电阻的输出属性，将电阻值、电阻数目及电阻类型等作为电阻的自身属性。

本发明的一实施例中，参阅图2所示，所述基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，包括：

S201、在所述电路布局中获取所述元器件类别的输入布局与输出布局，并构建所述输入布局与所述输出布局的输入向量与输出向量；

S202、利用所述输入向量计算所述元器件类别的后向输出概率，并利用所述输出向量计算所述元器件类别的前向输出概率；

S203、获取所述后向输出概率与所述前向输出概率对应的所述输入属性与所述输出属性。

可选地，所述利用所述输入向量计算所述元器件类别的后向输出概率，并利用所述输出向量计算所述元器件类别的前向输出概率的过程可以通过神经网络分类模型实现，通过输入向量来预测输出类别，并通过输出向量来反向预测输入类别；所述利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量的过程可以通过对所述输入属性、所述输出属性及所述元器件类别的自身属性进行独热编码实现。

S3、计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件。

本发明实施例通过计算所述元器件向量对应的测试项目概率，以用于对识别所述元器件向量所对应的测试项目类别。其中，所述测试项目类别包括功能测试类别、性能测试类别等，其中的功能测试类别又包括串行功能、并行功能、读、写等等，所述性能测试类别又包括速度测试、产出率测试等等，所述测试项目类别中的每个测试项目均包括多个代码组件，其中的代码组件是指由多个代码构成的一段代码或多段代码。

本发明的一实施例中，所述计算所述元器件向量对应的测试项目概率，包括：利用下述公式计算所述元器件向量对应的第一测试项目概率：

其中，P表示所述第一测试项目概率，u表示所述元器件向量，v表示每个测试项目类别所对应的测试代码组件的向量，o表示随机分配给所述元器件向量的初始测试项目类别的向量，e表示目标测试项目类别的向量的编号，E表示目标测试项目类别的向量的总数，n_u（e）表示所述元器件向量中分类为e目标测试项目类别的向量数目，n_v(e)表示测试代码组件的向量中向量属于e的向量数目，n_e(e₀)表示所述元器件向量中属于e中e₀编号的向量数目，α_e表示从所述元器件向量到所述第一测试项目概率方向上的先验分布参数，β_uo表示从所述第一测试项目概率到所述元器件向量方向上的先验分布参数；

利用下述公式计算所述元器件向量对应的第二测试项目概率：

其中，P(v_j | u_i)表示所述第二测试项目概率，o_k表示随机分配给所述元器件向量的初始测试项目类别的向量，k表示初始测试项目类别的向量的序号，m表示初始测试项目类别的向量的数目，u_i表示所述元器件向量，i表示所述元器件向量的序号，v_j表示每个测试项目类别所对应的测试代码组件的向量，j表示测试代码组件的向量的序号。

其中，所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率。

本发明的一实施例中，参阅图3所示，所述从所述测试项目概率中选取大于预设项目概率的目标项目概率，包括：

S301、获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

S302、从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率。

进一步地，本发明实施例通过在预设的代码组件库中查询所述目标项目概率对应的测试代码组件，以用于针对不同的元器件向量所对应的目标项目概率，自动生成对应的测试代码，目的在于减少人工编写测试代码的复杂性与缓慢速度，从而提升电子设备的芯片代码测试效率。

本发明的一实施例中，所述在预设的代码组件库中查询所述目标项目概率对应的测试代码组件，包括：获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件。

S4、计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码。

本发明实施例通过计算所述测试代码组件中每个测试代码组件的排名值，以用于将通过目标项目概率所预测得到的测试代码组件进行从前往后排列，从中筛选排名靠前的预测概率较大的测试代码组件，从而从众多所预测的测试代码组件再选取最终的测试代码组件。

本发明的一实施例中，利用下述公式计算所述测试代码组件中每个测试代码组件的排名值：

其中，F(v_j)表示所述排名值，w(u_i)表示u_i的权重，u_i表示所述元器件向量，i表示所述元器件向量的序号，L表示元器件向量的数目，v_j表示每个测试项目类别所对应的测试代码组件的向量，j表示测试代码组件的向量的序号。

本发明的一实施例中，所述基于所述排名值，从所述测试代码组件中选取目标代码组件，包括：获取所述测试代码组件中的第一测试代码组件和第二测试代码组件，基于所述排名值的从大到小顺序，分别对所述第一测试代码组件与所述第二测试代码组件进行排序，得到第一代码组件序列和第二代码组件序列；分别从所述第一代码组件序列和所述第二代码组件序列的头部开始选取符合预设组件数目的代码组件，得到第一选取代码组件与第二选取代码组件；选取所述第一选取代码组件与所述第二选取代码组件之间的交集代码组件，得到所述目标代码组件。

其中，所述预设组件数目可以设置为10个、5个等等，用于确定从代码组件序列中选取多少个代码组件。

本发明的一实施例中，所述对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码，包括：解析所述目标代码组件中的语法，并将解析到的语法构建为语法树；解析所述目标代码组件中的语句控制关系，并构建所述语句控制关系的语句控制树；解析所述目标代码组件中的语义，并将解析到的语义构建为语义树；分析所述语法树、语句控制树及所述语义树对应的代码片段树，并将所述代码片段树转换为完整代码片段；利用所述完整代码片段拼接所述目标代码组件中的每个代码组件，得到所述拼接代码。

其中，所述语句控制关系是指程序代码中每句代码与其他句代码之间的互相控制关系，例如语句“print(j)”的控制依赖语句为“if i>0，“for j in range(10)”表示在i大于0时，执行for j in range(10)的动作，并将动作的结果输出动作通过print(j)实现；所述语法树是指将解析到的语法根据在原文代码中的前后关系排列成的树形结构，可以将原文代码中的第一个代码作为树的根节点，树中的节点由语法类别与语法名称组成，例如数字1的语法包括语法类别num与1语法名称；所述语句控制树、所述语义树的构建原理与所述语法树的原理类似，在此不做进一步地赘述。

可选地，所述解析所述目标代码组件中的语法的过程可以通过卷积神经网络实现；所述解析所述目标代码组件中的语法的过程可以通过长短期记忆神经网络实现；所述解析所述目标代码组件中的语句控制关系的过程可以通过静态分析器实现，例如Clang静态分析器是一个用C++开发的，用来分析C、C++、OC的开源工具；所述利用所述完整代码片段拼接所述目标代码组件中的每个代码组件，得到所述拼接代码的过程为，利用所述完整代码片段将所述目标代码组件中的代码段完善为完整的可以正确运行完整代码，进而将完善好的代码组件单独构建为一个文件，最终多个目标代码组件可以得到多个代码文件，从而可以在后续对每个代码文件进行运行。

S5、基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

本发明实施例中，所述预设的嵌入式技术是指把测试程序代码烧写到芯片中，通过芯片控制电子设备硬件实现特定功能的技术。可选地，所述实际代码测试是指对实物的电子设备进行测试的过程；所述仿真代码测试是指对实物的电子设备的芯片结构进行仿真模拟，再利用测试代码对仿真模拟的芯片进行测试的过程。

本发明的一实施例中，所述通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果，包括：将比对所述实际芯片输出与所述仿真芯片输出时的比对差异部分作为所述电子设备的芯片代码测试结果。

可以看出，本发明实施例首先通过计算所述放大图像中的元器件类别概率，以用于利用神经网络分类模型辨别所述放大图像中芯片上所镶嵌的元器件的种类，进一步地，本发明实施例通过基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，以用于将元器件在接收芯片上相邻位置的元器件发来的信号时所行使的功能作为所述元器件的属性，并将所述元器件要向芯片上相邻位置的元器件发送的信号作为所述元器件的属性，这样可以丰富所述元器件的特征属性，进而丰富后续所构建的所述元器件的特征向量，进一步地，本发明实施例通过计算所述元器件向量对应的测试项目概率，以用于对识别所述元器件向量所对应的测试项目类别，进一步地，本发明实施例通过在预设的代码组件库中查询所述目标项目概率对应的测试代码组件，以用于针对不同的元器件向量所对应的目标项目概率，自动生成对应的测试代码，目的在于减少人工编写测试代码的复杂性与缓慢速度，从而提升电子设备的芯片代码测试效率，进一步地，本发明实施例通过计算所述测试代码组件中每个测试代码组件的排名值，以用于将通过目标项目概率所预测得到的测试代码组件进行从前往后排列，从中筛选排名靠前的预测概率较大的测试代码组件，从而从众多所预测的测试代码组件再选取最终的测试代码组件。因此，本发明实施例提出的一种基于嵌入式实现电子设备的芯片代码测试方法可以通过自动生成芯片测试的代码，从而提高芯片代码测试效率。

如图4所示，是本发明基于嵌入式实现电子设备的芯片代码测试装置功能模块图。

本发明所述基于嵌入式实现电子设备的芯片代码测试装置400可以安装于电子设备中。根据实现的功能，所述基于嵌入式实现电子设备的芯片代码测试装置可以包括类别识别模块401、向量构建模块402、代码查询模块403、代码拼接模块404以及代码测试模块405。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本发明实施例中，关于各模块/单元的功能如下：

所述类别识别模块401，用于采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别；

所述向量构建模块402，用于基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量；

所述代码查询模块403，用于计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件；

所述代码拼接模块404，用于计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码；

所述代码测试模块405，用于基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

详细地，本发明实施例中所述基于嵌入式实现电子设备的芯片代码测试装置400中的所述各模块在使用时采用与上述的图1至图3中所述的基于嵌入式实现电子设备的芯片代码测试方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图5所示，是本发明实现基于嵌入式实现电子设备的芯片代码测试方法的电子设备的结构示意图。

所述电子设备可以包括处理器50、存储器51、通信总线52以及通信接口53，还可以包括存储在所述存储器51中并可在所述处理器50上运行的计算机程序，如基于嵌入式实现电子设备的芯片代码测试程序。

其中，所述处理器50在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器50是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器51内的程序或者模块（例如执行基于嵌入式实现电子设备的芯片代码测试程序等），以及调用存储在所述存储器51内的数据，以执行电子设备的各种功能和处理数据。

所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器51在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器51在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器51还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器51不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线52可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器51以及至少一个处理器50等之间的连接通信。

所述通信接口53用于上述电子设备5与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器50逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。

所述电子设备中的所述存储器51存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器50中运行时，可以实现：

采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别；

基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量；

计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件；

计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码；

基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

具体地，所述处理器50对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。

本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别；

基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量；

计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件；

计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码；

基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于嵌入式实现电子设备的芯片代码测试方法，其特征在于，所述方法包括：

采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别；

基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量；

计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件；

计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码；

基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

2.根据权利要求1所述的方法，其特征在于，所述计算所述放大图像中的元器件类别概率，包括：

利用下述公式计算所述放大图像中的元器件类别概率：

其中，y表示所述元器件类别概率，x表示所述放大图像，conv表示卷积层，pool表示池化层，f表示全连接层，class表示分类层。

3.根据权利要求1所述的方法，其特征在于，所述基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，包括：

在所述电路布局中获取所述元器件类别的输入布局与输出布局，并构建所述输入布局与所述输出布局的输入向量与输出向量；

利用所述输入向量计算所述元器件类别的后向输出概率，并利用所述输出向量计算所述元器件类别的前向输出概率；

获取所述后向输出概率与所述前向输出概率对应的所述输入属性与所述输出属性。

4.根据权利要求1所述的方法，其特征在于，所述计算所述元器件向量对应的测试项目概率，包括：

利用下述公式计算所述元器件向量对应的第一测试项目概率：

；

其中，P表示所述第一测试项目概率，u表示所述元器件向量，v表示每个测试项目类别所对应的测试代码组件的向量，o表示随机分配给所述元器件向量的初始测试项目类别的向量，e表示目标测试项目类别的向量的编号，E表示目标测试项目类别的向量的总数，n_u（e）表示所述元器件向量中分类为e目标测试项目类别的向量数目，n_v(e)表示测试代码组件的向量中向量属于e的向量数目，n_e(e₀)表示所述元器件向量中属于e中e₀编号的向量数目，α_e表示从所述元器件向量到所述第一测试项目概率方向上的先验分布参数，β_uo表示从所述第一测试项目概率到所述元器件向量方向上的先验分布参数；

利用下述公式计算所述元器件向量对应的第二测试项目概率：

其中，P(v_j | u_i)表示所述第二测试项目概率，o_k表示随机分配给所述元器件向量的初始测试项目类别的向量，k表示初始测试项目类别的向量的序号，m表示初始测试项目类别的向量的数目，u_i表示所述元器件向量，i表示所述元器件向量的序号，v_j表示每个测试项目类别所对应的测试代码组件的向量，j表示测试代码组件的向量的序号。

5.根据权利要求1所述的方法，其特征在于，所述计算所述测试代码组件中每个测试代码组件的排名值，包括：

利用下述公式计算所述测试代码组件中每个测试代码组件的排名值：

；

其中，F(v_j)表示所述排名值，w(u_i)表示u_i的权重，u_i表示所述元器件向量，i表示所述元器件向量的序号，L表示元器件向量的数目，v_j表示每个测试项目类别所对应的测试代码组件的向量，j表示测试代码组件的向量的序号。

6.根据权利要求1所述的方法，其特征在于，所述基于所述排名值，从所述测试代码组件中选取目标代码组件，包括：

获取所述测试代码组件中的第一测试代码组件和第二测试代码组件，基于所述排名值的从大到小顺序，分别对所述第一测试代码组件与所述第二测试代码组件进行排序，得到第一代码组件序列和第二代码组件序列；

分别从所述第一代码组件序列和所述第二代码组件序列的头部开始选取符合预设组件数目的代码组件，得到第一选取代码组件与第二选取代码组件；

选取所述第一选取代码组件与所述第二选取代码组件之间的交集代码组件，得到所述目标代码组件。

7.根据权利要求1所述的方法，其特征在于，所述对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码，包括：

解析所述目标代码组件中的语法，并将解析到的语法构建为语法树；

解析所述目标代码组件中的语句控制关系，并构建所述语句控制关系的语句控制树；

解析所述目标代码组件中的语义，并将解析到的语义构建为语义树；

分析所述语法树、语句控制树及所述语义树对应的代码片段树，并将所述代码片段树转换为完整代码片段；

利用所述完整代码片段拼接所述目标代码组件中的每个代码组件，得到所述拼接代码。

8.一种基于嵌入式实现电子设备的芯片代码测试装置，其特征在于，所述装置包括：

类别识别模块，用于采集电子设备的芯片图像，对所述芯片图像进行图像放大处理，得到放大图像，计算所述放大图像中的元器件类别概率，识别所述元器件类别概率对应的元器件类别；

向量构建模块，用于基于所述芯片图像中的电路布局，分析所述元器件类别的输入属性与输出属性，利用所述输入属性、所述输出属性及所述元器件类别的自身属性，构建所述元器件类别的元器件向量；

代码查询模块，用于计算所述元器件向量对应的测试项目概率，获取测试项目概率中的第一测试项目概率与第二测试项目概率；所述第一测试项目概率是指所述元器件向量所对应的测试项目类别的分布概率；所述第二测试项目概率是指所述元器件向量所对应的测试项目类别所包含的测试代码组件的分布概率；获取所述测试项目概率中的第一测试项目概率与第二测试项目概率，并获取所述预设项目概率中的第一预设概率与第二预设概率；

从所述第一测试项目概率中选取大于所述第一预设概率的第一目标项目概率，并从所述第二测试项目概率中选取大于所述第二预设概率的第二目标项目概率；获取所述目标项目概率中的第一目标项目概率与第二目标项目概率，从所述预设的代码组件库中查询所述第一目标项目概率对应的目标项目类别，并获取所述目标项目类别对应的第一测试代码组件；

从所述预设的代码组件库中查询所述第二目标项目概率对应的第二测试代码组件；

代码拼接模块，用于计算所述测试代码组件中每个测试代码组件的排名值，基于所述排名值，从所述测试代码组件中选取目标代码组件，对所述目标代码组件中的每个代码组件进行拼接处理，得到拼接代码；

代码测试模块，用于基于所述拼接代码，利用预设的嵌入式技术对所述电子设备的芯片进行实际代码测试与仿真代码测试，得到实际芯片输出与仿真芯片输出，通过比对所述实际芯片输出与所述仿真芯片输出，确定所述电子设备的芯片代码测试结果。

Images