[发明专利]模型训练数据确定方法、检测模型训练方法、装置及设备

说明书

本申请涉及计算机技术领域，特别是涉及一种模型训练数据确定方法、检测模型训练方法、装置及设备。所述模型训练数据确定方法包括：获取多个制造设备的初始电流数据以及各制造设备的工作状态数据；基于各工作状态数据，对对应的各初始电流数据进行拆分，得到多个制造设备在预设时间区间的电流数据集合；对电流数据集合进行聚类，生成多个初始电流数据簇；确定目标电流数据簇，并进行特征提取，得到对应目标电流数据簇的初始特征数据；获取历史特征数据，并基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。采用本方法能够提升模型训练准确性。本申请还涉及区块链技术领域，各数据均可以上传至区块链。

技术领域

本申请涉及计算机技术领域，特别是涉及一种模型训练数据确定方法、检测模型训练方法、装置及设备。

背景技术

随着现代化工业要求的发展，对制造设备的加工要求越来越高。制造设备的运行是否正常直接影响着制造设备的加工效率以及加工速度，准确检测出制造设备在工作状态异常情况，可以即使对设备异常进行处理，以达到提升制造设备加工效率的目的。

在传统方式中，通常是通过制造设备自身携带的电流采集功能对制造设备在运行过程中的电流以较高的频率进行采集，并基于采集到的电流，通过对检测模型进行训练并用于判断采集设备是否异常。

但是，在互联网条件下，需要通过外接的采集设备进行电流采集，处于对功耗的考虑，外接设备并不能实现对制造设备的运行电流进行高频率的采集，从而使得基于采集到的电流数据进行模型训练时，训练结果并不理想，模型准确率并不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升模型训练准确性的模型训练数据确定方法、检测模型训练方法、装置及设备。

一种模型训练数据确定方法，所述模型训练数据确定方法包括：

获取多个制造设备的初始电流数据以及各制造设备的工作状态数据，工作状态数据用于指示对应制造设备在预设时间区间内各时间点的工作状态；

基于各工作状态数据，对对应的各初始电流数据进行拆分，得到多个制造设备在预设时间区间的电流数据集合；

对电流数据集合进行聚类，生成多个初始电流数据簇；

从多个初始电流数据簇中确定目标电流数据簇，并对目标电流数据簇中各目标电流数据进行特征提取，得到对应目标电流数据簇的初始特征数据；

获取历史特征数据，并基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据。

在其中一个实施例中，从多个初始电流数据簇中确定目标电流数据簇，包括：

确定各初始电流数据簇中工作电流数据的数据量；

基于各数据量，对初始电流数据簇进行排序，并从排序后的多个初始电流数据簇中确定预设数量的初始电流数据簇作为对应多个制造设备的目标电流数据簇。

在其中一个实施例中，基于历史特征数据对初始特征数据进行筛选，得到用于作为模型训练数据的目标特征数据，包括：

计算历史特征数据与初始特征数据之间的相似度和/或数据增益；

基于相似度和/或数据增益，从初始特征数据中确定对应的目标特征数据。

在其中一个实施例中，上述模型训练数据确定方法还包括：

获取模型训练请求，模型训练请求中携带有模型的训练要求；

对目标电流数据簇中各目标电流数据进行特征提取，得到对应目标电流数据簇的初始特征数据，包括：

基于训练要求，对目标电流数据簇中各目标电流数据进行特征提取，得到对应的初始特征数据。