CN117316248A - 基于深度学习的tf卡运行智能检测系统 - Google Patents
基于深度学习的tf卡运行智能检测系统 Download PDFInfo
- Publication number
- CN117316248A CN117316248A CN202311324281.1A CN202311324281A CN117316248A CN 117316248 A CN117316248 A CN 117316248A CN 202311324281 A CN202311324281 A CN 202311324281A CN 117316248 A CN117316248 A CN 117316248A
- Authority
- CN
- China
- Prior art keywords
- temperature
- card
- detection
- unit
- trend
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 195
- 238000013135 deep learning Methods 0.000 title claims abstract description 20
- 230000008439 repair process Effects 0.000 claims abstract description 47
- 238000010586 diagram Methods 0.000 claims description 24
- 230000017525 heat dissipation Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003313 weakening effect Effects 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000005389 magnetism Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
- G11C29/08—Functional testing, e.g. testing during refresh, power-on self testing [POST] or distributed testing
- G11C29/12—Built-in arrangements for testing, e.g. built-in self testing [BIST] or interconnection details
- G11C29/18—Address generation devices; Devices for accessing memories, e.g. details of addressing circuits
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
- G11C29/50—Marginal testing, e.g. race, voltage or current testing
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
- G11C2029/0409—Online test
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及数据存储技术领域,尤其涉及一种基于深度学习的TF卡运行智能检测系统,该系统包括:温度检测模块用以在TF卡运行时进行温度实时检测,以获取在第一时间段内的若干温度值并绘制第一温度图;分析模块对第一温度图与第一目标趋势图比较,获取第二温度图,并确定第二温度图的走向趋势;频率检测模块在判断走向趋势呈现第二目标趋势图时,当第二温度图中的拐点处对应的转折温度值大于目标温度值时,检测TF卡的在第二时段内的数据吞吐频率,构建数据吞吐频率集;故障检测模块根据数据吞吐频率集中目标数据交换占比与基准交换占比的关系确定对TF卡的检测对象并进行修复以使TF卡恢复正常。本发明提高了TF卡运行安全性。
Description
技术领域
本发明涉及数据存储技术领域,尤其涉及一种基于深度学习的TF卡运行智能检测系统。
背景技术
在现代社会中,TF卡在智能手机、相机、音乐播放器等诸多领域得到了广泛的应用,为了保证TF卡的质量,在出售前需要对TF卡进行检测,但是传统的测试中,检测针在检测过程中容易发生偏移,无法对TF卡进行精准检测,并且检测针很容易对TF的引脚造成损害,从而影响检测结果,并且在测试过程中,无法保证检测针的工作状态,可能因为检测针的故障造成检测结果错误,从而造成财产损失。
公开号为CN114360627A的专利文献公开了一种轻量级TF卡检测方法,所述方法包含以下步骤:S1.卡容量检测,通过获取DBR的基本信息得到文件系统大小扇区数和每个扇区的字节数计算出卡容量;S2.扩容性检测,通过对整个磁盘容量的读写是否可行来确定TF有没有存在扩容现象;S3.文件信息检测,通过对根目录区的扫描,可以得到文件首簇;或者对于多级子目录进行多次首簇定位,以此为起点,来读取文件内容;S4.坏块检测,利用读取命令对TF卡进行多个簇的读写校对,确定错误簇的信息,对错误信息,进行定位,将无法恢复的坏块区域标记出来。。
现有技术中对TF卡在运行过程中产生的故障不能及时进行检测和修复,从而造成智能TF卡运行安全性低的问题。
发明内容
为此,本发明提供一种基于深度学习的TF卡运行智能检测系统,可以解决智能TF卡运行安全性低的问题。
为实现上述目的,本发明提供一种基于深度学习的TF卡运行智能检测系统,该系统包括:
温度检测模块,用以在TF卡运行时对所述TF卡的温度进行实时检测,以获取在第一时间段内的若干温度值,并根据若干所述温度值绘制第一温度图;
分析模块,与所述温度检测模块连接,用以对所述第一温度图进行分析以确定所述第一温度图是否呈现第一目标趋势图,若呈现,则对所述TF卡的至少一个核心存储区进行检测并修复,以获取在第二时段内的第二温度图,并确定所述第二温度图的走向趋势;
频率检测模块,与所述分析模块连接,用以在判断所述走向趋势呈现第二目标趋势图时,将所述第二温度图中的拐点处对应的转折温度值与预设的目标温度值进行比较,并在所述转折温度值大于目标温度值时,检测TF卡的在第二时段内的数据吞吐频率,构建数据吞吐频率集;
故障检测模块,与所述频率检测模块连接,用以根据所述数据吞吐频率集中目标数据交换占比与基准交换占比的关系确定对所述TF卡的检测对象,并对所述检测对象进行修复以使所述TF卡恢复正常。
进一步地,所述温度检测模块包括建立单元和绘图单元,其中,
所述建立单元用以根据时间为横坐标,温度值为纵坐标建立直角坐标系;
所述绘图单元与所述建立单元连接,用以将若干所述温度值绘制在所述直角坐标系中,并将相邻时刻的温度值相连,获取第一温度图。
进一步地,所述分析模块包括确定单元、第一检测单元、第一修复单元和温度检测单元,其中,
所述确定单元用以将所述第一温度图与所述第一目标趋势图进行趋势比对,所述第一目标趋势图为一直上升趋势,若所述第一温度图呈一直上升趋势,则所述第一温度图呈现第一目标趋势图;
所述第一检测单元与所述确定单元连接,用以对所述TF卡中散热装置和金手指进行故障检测,获取第一检测结果,所述第一检测结果为所述散热装置故障和/或所述金手指短路;
所述第一修复单元与所述第一检测单元连接,用以根据所述散热装置故障和/或所述金手指短路对所述TF卡进行修复,获取第一修复TF卡;
所述温度检测单元与所述第一修复单元连接,用以在所述第一修复TF卡运行时对所述第一修复TF卡的温度进行实时检测,以获取在第二时间段内的若干温度值,并根据若干所述温度值绘制第二温度图。
进一步地,所述频率检测模块包括判断单元和频率检测单元,其中,
所述判断单元用以对所述第二温度图的图形走向趋势进行判断,若所述第二温度图在开始时间段内呈上升趋势,到达拐点时,后半段图形走向呈平稳趋势,则所述第二温度图呈第二目标趋势图;
所述频率检测单元,用以当所述拐点对应温度值大于标准温度值时,对所述TF卡在第二时间段内的数据吞吐频率进行检测,获取若干频率检测结果,将若干所述频率检测结果进行整合,获取数据吞吐频率集。
进一步地,所述故障检测模块包括计算单元、比较单元、第二检测单元和第二修复单元,其中,
所述计算单元用以计算所述频率检测结果集中所述目标频率的占比,获取目标数据交换占比;
所述比较单元与所述计算单元连接,将所述目标数据交换占比与所述基准交换占比进行比较,获取比较结果;
所述第二检测单元与所述比较单元连接,用以当所述目标数据交换占比小于所述基准交换占比时对所述TF卡的磁条进行故障检测,获取检测结果;
所述第二修复单元与所述第二检测单元连接,用以当所述磁条产生故障时,对所述磁条进行修复。
进一步地,所述第一检测单元包括表面温度检测子单元和金手指检测子单元,其中,
所述表面温度检测子单元用以通过温度传感器对所述TF卡表面进行温度检测,获取表面温度值,将所述温度值与TF卡表面标准温度值进行比较,若所述表面温度值大于所述TF卡表面标准温度值,则用以为所述TF卡进行散热的散热装置产生故障,若所述表面温度值小于等于所述TF卡表面标准温度值,则所述散热装置正常运行;
所述金手指检测子单元,用以通过万用表对所述金手指的电阻值进行检测,获取金手指电阻值,若所述金手指电阻值不属于标准电阻值范围,则所述金手指产生短路故障。
进一步地,所述第一修复单元包括散热装置修复子单元和金手指修复子单元,其中,
所述散热装置修复子单元用以当所述散热装置产生故障时对所述散热装置进行更换,以对所述TF卡进行修复;
所述金手指修复子单元用以当所述金手指产生短路故障时,通过所述万用表对所述金手指的各个部分的电阻值进行检测,选取若干电阻值检测结果中电阻值不属于所述标准电阻值范围所对应的金手指位置,对所述金手指位置处的金手指进行更换,并将其与原有金手指进行重新连接,以对所述TF卡进行修复。
进一步地,所述第二检测单元用以当所述目标数据交换占比小于所述基准交换占比时对所述TF卡的磁条进行故障检测包括:
所述第二检测单元用以通过磁力检测仪器对所述磁条的各个部分进行磁场检测,获取若干磁场强度值,建立以所述磁条展开面的横向为横轴,纵向长度为纵轴的坐标系,将若干所述磁场强度值绘制在所述坐标系中,获取磁场分布图,若所述磁场分布图中缺失部分,则所述磁条为缺失故障,若所述磁场分布图中最大磁场强度值小于标准磁场强度值,则所述磁条为磁性减弱故障。
进一步地,所述第二修复单元用以当所述磁条产生故障时,对所述磁条进行修复包括:
若所述磁条为缺失故障时,更换所述磁条;
若所述磁条为磁性减弱故障时,将所述磁条放置在复磁设备中,将所述复磁设备有初始磁场增大到预设磁场,在所述预设磁场中放置第一时间段,将所述预设磁场调至所述初始磁场,将修复磁条取出,通过所述磁力检测仪器对所述修复磁条的各个部分进行磁场检测,获取若干磁场强度值,将若干所述磁场强度值中最小值与所述标准磁场强度值进行比较,若所述磁场强度最小值大于等于所述标准磁场强度值,则所述磁条修复完成。
进一步地,所述故障检测模块还包括复检单元,用以检测修复好的TF卡工作状态,所述复检单元包括温度检测子单元和频率检测子单元,其中,
所述温度检测子单元用以对修复之后所述TF卡在第三时间段内的温度进行实时检测,获取若干温度值并绘制第三温度图,当所述第三温度图呈平稳趋势时,所述TF卡工作正常;
所述频率检测子单元用以对所述TF卡进行数据吞吐频率检测,获取频率检测结果,若所述频率检测结果中目标数据交换占比大于等于所述基准交换占比,则所述TF卡工作正常。
与现有技术相比,本发明的有益效果在于,通过设置所述温度检测模块对TF卡的温度进行实时检测,及时获取温度值,对所述TF卡故障分析提供基础参考,使得对于所述TF卡的故障进行初步判断,提高了系统对于所述TF卡故障判断的效率,通过所述红外检测仪对所述TF卡的温度进行实时检测,使得对所述TF卡温度检测结果准确,提高了系统对TF卡故障判断的准确性,通过根据所述温度值绘制所述第一温度图,使得对于温度检测结果判断清晰明了,提高了系统判断的过程效率,通过设置所述分析模块对所述第一温度图进行分析,用于确定所述第一温度图是否呈现第一目标趋势图,有助于判断所述TF卡是否存在问题并进行修复或进一步地判断提高了所述TF卡的判断故障情况的效率,提高故障诊断的准确性和效率,根据对第二温度图的走向趋势进行判断设置所述频率检测模块对所述TF卡的数据吞吐频率进行检测,进一步确定所述TF卡是否存在故障,提高了系统对所述TF卡故障判断的准确性,通过设置所述故障检测模块确定所述TF卡故障的检测对象,并根据故障检测结果对其进行修复,保证TF卡的正常运行,提高TF卡的可靠性和稳定性。
尤其,通过建立直角坐标系并将若干所述温度值绘制在所述直角坐标系中,直观地观察温度的变化趋势和波动情况,有助于分析TF卡的工作状态时的温度变化,通过将相邻时刻的温度值相连,更清晰地了解温度的变化过程和幅度,有助于对TF卡运行状态时电机温度进行分析,通过观察所述第一温度图,为后续对TF卡故障判断提供准确的数据支持。
尤其,通过设置所述确定单元将所述第一温度图与所述第一目标趋势图进行趋势比对,准确判断TF卡的温度变化趋势,若所述第一温度图呈现所述第一目标趋势图,则判断所述TF卡出现故障,通过所述第一检测单元,对TF卡中的散热装置和金手指进行故障检测,并根据检测结果判断是否散热装置故障和/或金手指短路,通过所述第一修复单元,对故障的TF卡进行修复,根据散热装置故障和/或金手指短路的情况,针对性地对所述TF卡采取修复措施,确保所述TF卡能够正常运行,通过所述温度检测单元,在第一修复TF卡运行时对其实时检测温度,通过获取若干温度值,并绘制第二温度图,对所述TF卡的温度变化情况进行详细分析,判断所述TF卡是否被修复正常。
尤其,通过将所述第二温度图中拐点处对应的温度值与标准温度值进行比较,当拐点温度值大于所述标准温度值时,证明所述TF卡可能存在故障,此时,对所述TF卡在第二时间段内的数据吞吐频率进行检测,通过对所述数据吞吐频率的检测结果进一步判断所述TF卡是否出现故障,使得系统对TF卡故障判断准确,保证了TF卡运行的安全性。
尤其,通过设置所述计算单元计算目标频率在所述频率检测结果集中的占比,并获取目标数据交换占比,对所述目标频率的占比进行初步了解,通过所述比较单元将目标数据交换占比与基准交换占比进行比较,从而快速而准确地检测所述TF卡是否产生故障,通过设置所述第二检测单元根据比较结果,当目标数据交换占比小于基准交换占比时,对TF卡的磁条进行故障检测并获取检测结果,使得对所述TF卡的故障判断快速且准确,提高了系统对TF卡故障判断的效率,通过所属第二修复单元根据对磁条的检测结果,当所述磁条发生故障时,对磁条进行修复,实现针对故障的自动化修复,提高系统对TF卡的维护效率,保证了TF卡运行的安全性。
尤其,通过温度传感器对散热装置表面温度进行检测,并将所述温度值与散热装置表面标准温度值进行比较,使得对于所述散热装置故障判断结果准确,同时系统对所述散热装置故障判断过程快速,避免所述散热装置产生故障时散热不良导致所述TF卡过热或损坏的情况发生,同时,通过万用表对金手指的电阻值进行检测,并判断所述金手指电阻值是否属于标准电阻值范围,使得系统及时发现金手指是否产生短路故障,并使得系统判断故障结果准确,避免金手指故障导致所述TF卡无法正常工作的问题,提高所述TF卡的可靠性和稳定性,减少故障发生的风险,保证所述TF卡的正常运行。
尤其,通过对修复后TF卡的温度进行实时检测,并绘制第三温度图,当第三温度图呈平稳趋势时,说明TF卡工作正常,有助于系统及时发现温度异常,避免因过高温度而导致的所述TF卡的故障或损坏,通过频率检测子单元对TF卡的数据吞吐频率进行检测,获取频率检测结果,如果频率检测结果中目标数据交换占比大于等于基准交换占比,说明TF卡的数据吞吐频率正常,这有助于验证修复后TF卡的数据吞吐频率是否准确,确保所述TF卡的正常安全运行,通过复检单元对修复后TF卡的温度和频率进行检测,可以验证修复效果并确保TF卡正常工作,减少因未发现潜在问题而引起的所述TF卡的二次故障。
附图说明
图1为本发明实施例提供的基于深度学习的TF卡运行智能检测系统的结构框图;
图2为本发明实施例提供的基于深度学习的TF卡运行智能检测系统的第二种结构框图;
图3为本发明实施例提供的基于深度学习的TF卡运行智能检测系统的第三种结构框图;
图4为本发明实施例提供的基于深度学习的TF卡运行智能检测系统的第四种结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,本发明实施例提供一种基于深度学习的TF卡运行智能检测系统,该系统包括:
温度检测模块10,用以在TF卡运行时对所述TF卡的温度进行实时检测,以获取在第一时间段内的若干温度值,并根据若干所述温度值绘制第一温度图;
分析模块20,与所述温度检测模块10连接,用以对所述第一温度图进行分析以确定所述第一温度图是否呈现第一目标趋势图,若呈现,则对所述TF卡的至少一个核心存储区进行检测并修复,以获取在第二时段内的第二温度图,并确定所述第二温度图的走向趋势;
频率检测模块30,与所述分析模块20连接,用以在判断所述走向趋势呈现第二目标趋势图时,将所述第二温度图中的拐点处对应的转折温度值与预设的目标温度值进行比较,并在所述转折温度值大于目标温度值时,检测TF卡的在第二时段内的数据吞吐频率,构建数据吞吐频率集;
故障检测模块40,与所述频率检测模块30连接,用以根据所述数据吞吐频率集中目标数据交换占比与基准交换占比的关系确定对所述TF卡的检测对象,并对所述检测对象进行修复以使所述TF卡恢复正常。
具体而言,本发明实施例中的TF卡可以设置在手机终端内,还可以设置在电脑终端内,还可以设置其他终端设备内,本发明实施例中的TF卡包括金手指,磁条和散热装置,其中本发明实施例中的金手指为TF卡与终端设备连接的接口,本发明实施例中的磁条通常用以存储数据和写入数据,本发明实施例中的散热装置可以设置在所述TF卡内,用以对维持所述TF卡在存储数据或是写入数据过程中的温度,以保证TF卡在终端设备上正常运行且不影响终端设备中的其他构件。
具体而言,对所述TF卡的温度进行实时检测可通过红外检测仪。
具体而言,本发明实施例通过设置所述温度检测模块10对TF卡的温度进行实时检测,及时获取温度值,对所述TF卡故障分析提供基础参考,使得对于所述TF卡的故障进行初步判断,提高了系统对于所述TF卡故障判断的效率,通过所述红外检测仪对所述TF卡的温度进行实时检测,使得对所述TF卡温度检测结果准确,提高了系统对TF卡故障判断的准确性,通过根据所述温度值绘制所述第一温度图,使得对于温度检测结果判断清晰明了,提高了系统判断的过程效率,通过设置所述分析模块20对所述第一温度图进行分析,用于确定所述第一温度图是否呈现第一目标趋势图,有助于判断所述TF卡是否存在问题并进行修复或进一步地判断提高了所述TF卡的判断故障情况的效率,提高故障诊断的准确性和效率,根据对第二温度图的走向趋势进行判断设置所述频率检测模块30对所述TF卡的数据吞吐频率进行检测,进一步确定所述TF卡是否存在故障,提高了系统对所述TF卡故障判断的准确性,通过设置所述故障检测模块40确定所述TF卡故障的检测对象,并根据故障检测结果对其进行修复,保证TF卡的正常运行,提高TF卡的可靠性和稳定性。
参阅图2所示,所述温度检测模块10包括建立单元11和绘图单元12,其中,
所述建立单元11用以根据时间为横坐标,温度值为纵坐标建立直角坐标系;
所述绘图单元12与所述建立单元11连接,用以将若干所述温度值绘制在所述直角坐标系中,并将相邻时刻的温度值相连,获取第一温度图。
具体而言,本发明实施例通过建立直角坐标系并将若干所述温度值绘制在所述直角坐标系中,直观地观察温度的变化趋势和波动情况,有助于分析TF卡的工作状态时的温度变化,通过将相邻时刻的温度值相连,更清晰地了解温度的变化过程和幅度,有助于对TF卡运行状态时电机温度进行分析,通过观察所述第一温度图,为后续对TF卡故障判断提供准确的数据支持。
参阅图3所示,所述分析模块20包括确定单元21、第一检测单元22、第一修复单元23和温度检测单元24,其中,
所述确定单元21用以将所述第一温度图与所述第一目标趋势图进行趋势比对,所述第一目标趋势图为一直上升趋势,若所述第一温度图呈一直上升趋势,则所述第一温度图呈现第一目标趋势图;
所述第一检测单元22与所述确定单元21连接,用以对所述TF卡中散热装置和金手指进行故障检测,获取第一检测结果,所述第一检测结果为所述散热装置故障和/或所述金手指短路;
所述第一修复单元23与所述第一检测单元22连接,用以根据所述散热装置故障和/或所述金手指短路对所述TF卡进行修复,获取第一修复TF卡;
所述温度检测单元24与所述第一修复单元23连接,用以在所述第一修复TF卡运行时对所述第一修复TF卡的温度进行实时检测,以获取在第二时间段内的若干温度值,并根据若干所述温度值绘制第二温度图。
具体而言,本发明实施例通过设置所述确定单元21将所述第一温度图与所述第一目标趋势图进行趋势比对,准确判断TF卡的温度变化趋势,若所述第一温度图呈现所述第一目标趋势图,则判断所述TF卡出现故障,通过所述第一检测单元22,对TF卡中的散热装置和金手指进行故障检测,并根据检测结果判断是否散热装置故障和/或金手指短路,通过所述第一修复单元23,对故障的TF卡进行修复,根据散热装置故障和/或金手指短路的情况,针对性地对所述TF卡采取修复措施,确保所述TF卡能够正常运行,通过所述温度检测单元24,在TF卡运行时对其实时检测温度,通过获取若干温度值,并绘制第二温度图,对所述TF卡的温度变化情况进行详细分析,判断所述TF卡是否被修复正常。
参阅图4所示,所述频率检测模块30包括判断单元31和频率检测单元32,其中,
所述判断单元31用以对所述第二温度图的图形走向趋势进行判断,若所述第二温度图在开始时间段内呈上升趋势,到达拐点时,后半段图形走向呈平稳趋势,则所述第二温度图呈第二目标趋势图;
所述频率检测单元32,用以当所述拐点对应温度值大于标准温度值时,对所述TF卡在第二时间段内的数据吞吐频率进行检测,获取若干吞吐频率检测结果,将若干所述吞吐频率检测结果进行整合,获取数据吞吐频率集。
具体而言,本发明实施例通过将所述第二温度图中拐点处对应的温度值与标准温度值进行比较,当拐点温度值大于所述标准温度值时,证明所述TF卡可能存在故障,此时,对所述TF卡在第二时间段内的数据吞吐频率进行检测,通过对所述数据吞吐频率的检测结果进一步判断所述TF卡是否出现故障,使得系统对TF卡故障判断准确,保证了TF卡运行的安全性。
具体而言,所述故障检测模块40包括计算单元、比较单元、第二检测单元和第二修复单元,其中,
所述计算单元用以计算所述频率检测结果集中所述目标频率的占比,获取目标数据交换占比;
所述比较单元与所述计算单元连接,将所述目标数据交换占比与所述基准交换占比进行比较,获取比较结果;
所述第二检测单元与所述比较单元连接,用以当所述目标数据交换占比小于所述基准交换占比时对所述TF卡的磁条进行故障检测,获取检测结果;
所述第二修复单元与所述第二检测单元连接,用以当所述磁条产生故障时,对所述磁条进行修复。
具体而言,所述基准交换占比为90%,所述目标频率为100Hz。
具体而言,本发明实施例通过设置所述计算单元计算目标频率在所述频率检测结果集中的占比,并获取目标数据交换占比,对所述目标频率的占比进行初步了解,通过所述比较单元将目标数据交换占比与基准交换占比进行比较,从而快速而准确地检测所述TF卡是否产生故障,通过设置所述第二检测单元根据比较结果,当目标数据交换占比小于基准交换占比时,对TF卡的磁条进行故障检测并获取检测结果,使得对所述TF卡的故障判断快速且准确,提高了系统对TF卡故障判断的效率,通过所属第二修复单元根据对磁条的检测结果,当所述磁条发生故障时,对磁条进行修复,实现针对故障的自动化修复,提高系统对TF卡的维护效率,保证了TF卡运行的安全性。
具体而言,所述第一检测单元22包括表面温度检测子单元和金手指检测子单元,其中,
所述表面温度检测子单元用以通过温度传感器对所述散热装置表面进行温度检测,获取表面温度值,将所述温度值与散热装置表面标准温度值进行比较,若所述表面温度值大于所述散热装置表面标准温度值,则所述散热装置产生故障,若所述表面温度值小于等于所述散热装置表面标准温度值,则所述散热装置正常运行;
所述金手指检测子单元,用以通过万用表对所述金手指的电阻值进行检测,获取金手指电阻值,若所述金手指电阻值不属于标准电阻值范围,则所述金手指产生短路故障。
具体而言,本发明实施例通过温度传感器对散热装置表面温度进行检测,并将所述温度值与散热装置表面标准温度值进行比较,使得对于所述散热装置故障判断结果准确,同时系统对所述散热装置故障判断过程快速,避免所述散热装置产生故障时散热不良导致所述TF卡过热或损坏的情况发生,同时,通过万用表对金手指的电阻值进行检测,并判断所述金手指电阻值是否属于标准电阻值范围,使得系统及时发现金手指是否产生短路故障,并使得系统判断故障结果准确,避免金手指故障导致所述TF卡无法正常工作的问题,提高所述TF卡的可靠性和稳定性,减少故障发生的风险,保证所述TF卡的正常运行。
具体而言,所述第一修复单元23包括散热装置修复子单元和金手指修复子单元,其中,
所述散热装置修复子单元用以当所述散热装置产生故障时对所述散热装置进行更换,以对所述TF卡进行修复;
所述金手指修复子单元用以当所述金手指产生短路故障时,通过所述万用表对所述金手指的各个部分的电阻值进行检测,选取若干电阻值检测结果中电阻值不属于所述标准电阻值范围所对应的金手指位置,对所述金手指位置处的金手指进行更换,并将其与原有金手指进行重新连接,以对所述TF卡进行修复。
具体而言,所述第二检测单元用以当所述目标数据交换占比小于所述基准交换占比时对所述TF卡的磁条进行故障检测包括:
所述第二检测单元用以通过磁力检测仪器对所述磁条的各个部分进行磁场检测,获取若干磁场强度值,建立以所述磁条展开面的横向为横轴,纵向长度为纵轴的坐标系,将若干所述磁场强度值绘制在所述坐标系中,获取磁场分布图,若所述磁场分布图中缺失部分,则所述磁条为缺失故障,若所述磁场分布图中最大磁场强度值小于标准磁场强度值,则所述磁条为磁性减弱故障。
具体而言,本发明实施例通过磁力检测仪器对所述磁条进行磁场检测,获取若干磁场强度值,并绘制磁场分布图,使得全面了解所述磁条的磁场分布情况,从而准确判断所述磁条是否存在缺失或磁性减弱故障,提高了系统判断所述磁条故障的效率,从而保证了TF卡运行的安全性。
具体而言,所述第二修复单元用以当所述磁条产生故障时,对所述磁条进行修复包括:
若所述磁条为缺失故障时,更换所述磁条;
若所述磁条为此行减弱故障时,将所述磁条放置在复磁设备中,将所述复磁设备有初始磁场增大到预设磁场,在所述预设磁场中放置第一时间段,将所述预设磁场调至所述初始磁场,将修复磁条取出,通过所述磁力检测仪器对所述修复磁条的各个部分进行磁场检测,获取若干磁场强度值,将若干所述磁场强度值中最小值与所述标准磁场强度值进行比较,若所述磁场强度最小值大于等于所述标准磁场强度值,则所述磁条修复完成。
具体而言,所述故障检测模块40还包括复检单元,用以检测修复好的TF卡工作状态,所述复检单元包括温度检测子单元和频率检测子单元,其中,
所述温度检测子单元用以对修复之后所述TF卡在第三时间段内的温度进行实时检测,获取若干温度值并绘制第三温度图,当所述第三温度图呈平稳趋势时,所述TF卡工作正常;
所述频率检测子单元用以对所述TF卡进行数据吞吐频率检测,获取数据交换检测结果,若所述数据交换检测结果中目标数据交换占比大于等于所述基准交换占比,则所述TF卡工作正常。
具体而言,本发明实施例通过对修复后TF卡的温度进行实时检测,并绘制第三温度图,当第三温度图呈平稳趋势时,说明TF卡工作正常,有助于系统及时发现温度异常,避免因过高温度而导致的所述TF卡的故障或损坏,通过频率检测子单元对TF卡的数据吞吐频率进行检测,获取频率检测结果,如果频率检测结果中目标数据交换占比大于等于基准交换占比,说明TF卡的数据吞吐频率正常,这有助于验证修复后TF卡的数据吞吐频率是否准确,确保所述TF卡的正常安全运行,通过复检单元对修复后TF卡的温度和频率进行检测,可以验证修复效果并确保TF卡正常工作,减少因未发现潜在问题而引起的所述TF卡的二次故障。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于深度学习的TF卡运行智能检测系统,其特征在于,包括:
温度检测模块,用以在TF卡运行时对所述TF卡的温度进行实时检测,以获取在第一时间段内的若干温度值,并根据若干所述温度值绘制第一温度图;
分析模块,与所述温度检测模块连接,用以对所述第一温度图进行分析以确定所述第一温度图是否呈现第一目标趋势图,若呈现,则对所述TF卡的至少一个核心存储区进行检测并修复,以获取在第二时段内的第二温度图,并确定所述第二温度图的走向趋势;
频率检测模块,与所述分析模块连接,用以在判断所述走向趋势呈现第二目标趋势图时,将所述第二温度图中的拐点处对应的转折温度值与预设的目标温度值进行比较,并在所述转折温度值大于目标温度值时,检测TF卡的在第二时段内的数据吞吐频率,构建数据吞吐频率集;
故障检测模块,与所述频率检测模块连接,用以根据所述数据吞吐频率集中目标数据交换占比与基准交换占比的关系确定对所述TF卡的检测对象,并对所述检测对象进行修复以使所述TF卡恢复正常。
2.根据权利要求1所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述温度检测模块包括建立单元和绘图单元,其中,
所述建立单元用以根据时间为横坐标,温度值为纵坐标建立直角坐标系;
所述绘图单元与所述建立单元连接,用以将若干所述温度值绘制在所述直角坐标系中,并将相邻时刻的温度值相连,获取第一温度图。
3.根据权利要求2所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述分析模块包括确定单元、第一检测单元、第一修复单元和温度检测单元,其中,
所述确定单元用以将所述第一温度图与所述第一目标趋势图进行趋势比对,所述第一目标趋势图为一直上升趋势,若所述第一温度图呈一直上升趋势,则所述第一温度图呈现第一目标趋势图;
所述第一检测单元与所述确定单元连接,用以对所述TF卡中散热装置和金手指进行故障检测,获取第一检测结果,所述第一检测结果为所述散热装置故障和/或所述金手指短路;
所述第一修复单元与所述第一检测单元连接,用以根据所述散热装置故障和/或所述金手指短路对所述TF卡进行修复,获取第一修复TF卡;
所述温度检测单元与所述第一修复单元连接,用以在所述第一修复TF卡运行时对所述第一修复TF卡的温度进行实时检测,以获取在第二时间段内的若干温度值,并根据若干所述温度值绘制第二温度图。
4.根据权利要求3所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述频率检测模块包括判断单元和频率检测单元,其中,
所述判断单元用以对所述第二温度图的图形走向趋势进行判断,若所述第二温度图在开始时间段内呈上升趋势,到达拐点时,后半段图形走向呈平稳趋势,则所述第二温度图呈第二目标趋势图;
所述频率检测单元,用以当所述拐点对应温度值大于标准温度值时,对所述TF卡在第二时间段内的数据吞吐频率进行检测,获取若干频率检测结果,将若干所述频率检测结果进行整合,获取数据吞吐频率集。
5.根据权利要求4所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述故障检测模块包括计算单元、比较单元、第二检测单元和第二修复单元,其中,
所述计算单元用以计算所述频率检测结果集中所述目标频率的占比,获取目标数据交换占比;
所述比较单元与所述计算单元连接,将所述目标数据交换占比与所述基准交换占比进行比较,获取比较结果;
所述第二检测单元与所述比较单元连接,用以当所述目标数据交换占比小于所述基准交换占比时对所述TF卡的磁条进行故障检测,获取检测结果;
所述第二修复单元与所述第二检测单元连接,用以当所述磁条产生故障时,对所述磁条进行修复。
6.根据权利要求5所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述第一检测单元包括表面温度检测子单元和金手指检测子单元,其中,
所述表面温度检测子单元用以通过温度传感器对所述TF卡表面进行温度检测,获取表面温度值,将所述温度值与TF卡表面标准温度值进行比较,若所述表面温度值大于所述TF卡表面标准温度值,则用以为所述TF卡进行散热的散热装置产生故障,若所述表面温度值小于等于所述TF卡表面标准温度值,则所述散热装置正常运行;
所述金手指检测子单元,用以通过万用表对所述金手指的电阻值进行检测,获取金手指电阻值,若所述金手指电阻值不属于标准电阻值范围,则所述金手指产生短路故障。
7.根据权利要求6所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述第一修复单元包括散热装置修复子单元和金手指修复子单元,其中,
所述散热装置修复子单元用以当所述散热装置产生故障时对所述散热装置进行更换,以对所述TF卡进行修复;
所述金手指修复子单元用以当所述金手指产生短路故障时,通过所述万用表对所述金手指的各个部分的电阻值进行检测,选取若干电阻值检测结果中电阻值不属于所述标准电阻值范围所对应的金手指位置,对所述金手指位置处的金手指进行更换,并将其与原有金手指进行重新连接,以对所述TF卡进行修复。
8.根据权利要求7所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述第二检测单元用以当所述目标数据交换占比小于所述基准交换占比时对所述TF卡的磁条进行故障检测包括:
所述第二检测单元用以通过磁力检测仪器对所述磁条的各个部分进行磁场检测,获取若干磁场强度值,建立以所述磁条展开面的横向为横轴,纵向长度为纵轴的坐标系,将若干所述磁场强度值绘制在所述坐标系中,获取磁场分布图,若所述磁场分布图中缺失部分,则所述磁条为缺失故障,若所述磁场分布图中最大磁场强度值小于标准磁场强度值,则所述磁条为磁性减弱故障。
9.根据权利要求8所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述第二修复单元用以当所述磁条产生故障时,对所述磁条进行修复包括:
若所述磁条为缺失故障时,更换所述磁条;
若所述磁条为磁性减弱故障时,将所述磁条放置在复磁设备中,将所述复磁设备有初始磁场增大到预设磁场,在所述预设磁场中放置第一时间段,将所述预设磁场调至所述初始磁场,将修复磁条取出,通过所述磁力检测仪器对所述修复磁条的各个部分进行磁场检测,获取若干磁场强度值,将若干所述磁场强度值中最小值与所述标准磁场强度值进行比较,若所述磁场强度最小值大于等于所述标准磁场强度值,则所述磁条修复完成。
10.根据权利要求9所述的基于深度学习的TF卡运行智能检测系统,其特征在于,所述故障检测模块还包括复检单元,用以检测修复好的TF卡工作状态,所述复检单元包括温度检测子单元和频率检测子单元,其中,
所述温度检测子单元用以对修复之后所述TF卡在第三时间段内的温度进行实时检测,获取若干温度值并绘制第三温度图,当所述第三温度图呈平稳趋势时,所述TF卡工作正常;
所述频率检测子单元用以对所述TF卡进行数据吞吐频率检测,获取频率检测结果,若所述频率检测结果中目标数据交换占比大于等于所述基准交换占比,则所述TF卡工作正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311324281.1A CN117316248B (zh) | 2023-10-13 | 2023-10-13 | 基于深度学习的tf卡运行智能检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311324281.1A CN117316248B (zh) | 2023-10-13 | 2023-10-13 | 基于深度学习的tf卡运行智能检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117316248A true CN117316248A (zh) | 2023-12-29 |
CN117316248B CN117316248B (zh) | 2024-03-15 |
Family
ID=89261856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311324281.1A Active CN117316248B (zh) | 2023-10-13 | 2023-10-13 | 基于深度学习的tf卡运行智能检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117316248B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114609981A (zh) * | 2021-12-16 | 2022-06-10 | 南京工业大学 | 一种基于参数区间变化趋势的动态操作模式优化方法、系统及储存介质 |
CN115658400A (zh) * | 2022-09-30 | 2023-01-31 | 贵州电网有限责任公司 | 一种计算芯片测试方法、系统、计算机设备和存储介质 |
CN116225921A (zh) * | 2023-01-20 | 2023-06-06 | 深圳市德驰微视技术有限公司 | 对检测算法的可视化调试方法及装置 |
CN116593811A (zh) * | 2023-07-17 | 2023-08-15 | 南京欧陆电气股份有限公司 | 一种集成型变频器运行状态监测系统及监测方法 |
-
2023
- 2023-10-13 CN CN202311324281.1A patent/CN117316248B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114609981A (zh) * | 2021-12-16 | 2022-06-10 | 南京工业大学 | 一种基于参数区间变化趋势的动态操作模式优化方法、系统及储存介质 |
CN115658400A (zh) * | 2022-09-30 | 2023-01-31 | 贵州电网有限责任公司 | 一种计算芯片测试方法、系统、计算机设备和存储介质 |
CN116225921A (zh) * | 2023-01-20 | 2023-06-06 | 深圳市德驰微视技术有限公司 | 对检测算法的可视化调试方法及装置 |
CN116593811A (zh) * | 2023-07-17 | 2023-08-15 | 南京欧陆电气股份有限公司 | 一种集成型变频器运行状态监测系统及监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117316248B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529369A (zh) | 元件安装状态检测方法和系统 | |
CN101300473B (zh) | 图案检视中偶生缺陷的验证 | |
CN104730078A (zh) | 一种基于红外热像仪aoi的电路板检测方法 | |
CN117665544B (zh) | 晶圆接受测试方法 | |
US6959267B2 (en) | Method of inspecting a heat exchanger and computer program product for facilitating same | |
CN114472226A (zh) | 一种用于集成电路的半导体芯片测试方法 | |
CN105092995A (zh) | 芯片中静态电流失效器件的检测方法和装置 | |
CN111238320B (zh) | 一种电子雷管的现场检测方法及装置 | |
CN112836530A (zh) | 扫描枪的检测方法、装置、设备及介质 | |
CN117665546B (zh) | 一种pcba板的自动化测试方法及系统 | |
CN117572209A (zh) | 一种智能门锁主板pcba测试方法 | |
CN117316248B (zh) | 基于深度学习的tf卡运行智能检测系统 | |
EP0773445A2 (en) | Inspection apparatus of conductive patterns | |
CN117571743A (zh) | 一种基于图像识别的pcba电路板加工缺陷检测分析系统 | |
CN103018163A (zh) | 故障检测方法及故障检测装置 | |
JPH05218168A (ja) | 回路基板の検査方法 | |
CN116008787A (zh) | 待测器件dut异常识别方法、装置及设备 | |
CN117472629B (zh) | 一种电子信息系统多故障诊断方法及系统 | |
CN118226236B (zh) | 一种pcb缺陷的智能识别方法及装置 | |
CN118091235B (zh) | 一种带自诊断功能光伏逆变器残余电流测试发生装置 | |
CN110389293A (zh) | 用于电子器件测试台认证的装置和方法 | |
CN113672498B (zh) | 一种自动化诊断测试方法、装置和设备 | |
CN116679129A (zh) | 电源短路定位方法、系统、计算机设备和存储介质 | |
CN117612461A (zh) | 显示面板异常分析方法及分析系统 | |
CN117907798A (zh) | 一种集成电路测试方法、检测装置、驱动芯片及控制器 |
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 |