[发明专利]按键质量检测方法及装置

权利要求书

1.一种按键质量检测方法，其特征在于，所述方法包括：

当按键受力运动时，采集来自传感器的按压力数据和按键的位移数据；

根据所述按压力数据和位移数据，获取对所述按键进行质量检测的第一按压力时序数据和第一位移时序数据；其中，所述第一按压力时序数据为反映所述按键在所述检测周期内所受按压力随时间变化的数据，所述第一位移时序数据为反映所述按键在所述检测周期内所产生位移随时间变化的数据；

建立第一网络模型，并根据所述第一按压力时序数据和所述第一位移时序数据生成适应于第一网络模型的第一输入数据，以及建立第二网络模型，并根据所述第一按压力时序数据和所述第一位移时序数据生成适应于第二网络模型的第二输入数据；

将所述第一输入数据、所述第二输入数据分别输入第一网络模型、第二网络模型进行训练得到第一训练结果和第二训练结果；

根据设定的判断策略，利用所述第一训练结果和所述第二训练结果得到按键质量的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述第一输入数据反映所述按键所受按压力、所述按键所产生位移和按键运动阶段间的对应关系信息，其中，所述按键运动阶段包括下压阶段和抬起阶段。

3.根据权利要求2所述的方法，其特征在于，所述第一网络模型为深度神经网络模型，所述第一网络模型还包含第一维度通道、第二维度通道以及第三维度通道；

所述根据所述第一按压力时序数据和所述第一位移时序数据生成适应于第一网络模型的第一输入数据，包括：

将所述第一按压力时序数据、所述第一位移时序数据以及表示按键运动阶段的数值分别输入至所述第一维度通道、所述第二维度通道以及所述第三维度通道，生成适应于第一网络模型的图像数据作为第一输入数据；

其中，所述下压阶段对应第一数值，所述抬起阶段对应第二数值。

4.根据权利要求1所述的方法，其特征在于，所述第二输入数据反映所述按键所受按压力和所述按键所产生位移的至少一种极值信息，以及所述按键所受按压力和所述按键所产生位移在多个压缩时段内的均值信息。

5.根据权利要求4所述的方法，其特征在于，所述第二网络模型为集成学习模型；

所述根据所述第一按压力时序数据和所述第一位移时序数据生成适应于第二网络模型的第二输入数据，包括：

提取对于所述第一按压力时序数据和所述第一位移时序数据的至少一种极值信息，以及提取对于所述第一按压力时序数据和所述第一位移时序数据的均值信息；

将对于第一按压力时序数据的至少一种极值信息和均值信息按照时序构成第一序列数据，以及将对于第一位移时序数据的至少一种极值信息和均值信息按照时序构成第二序列数据；

将所述第一序列数据和所述第二序列数据作为适用于第二网络模型的第二输入数据。

6.根据权利要求4所述的方法，其特征在于，所述至少一种极值包括所述按键所受按压力和所述按键所产生位移在所述检测周期内的全局极值，及在所述检测周期的不同阶段内的局部极值。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述根据所述按压力数据和位移数据，获取对所述按键进行质量检测的第一按压力时序数据和第一位移时序数据，包括：

将所述检测周期划分为多个采样时段；

根据所述按压力数据，得到所述按键在所述多个采样时段中每一采样时段的按压力值作为第二按压力时序数据；

根据所述位移数据，得到所述按键在所述多个采样时段中每一采样时段的位移值作为第二位移时序数据；

根据所述第二按压力时序数据和所述第二位移时序数据，得到所述第一按压力时序数据和第一位移时序数据。

8.根据权利要求1至6中任一项所述的方法，其特征在于，所述根据设定的判断策略，利用所述第一训练结果和所述第二训练结果得到按键质量的检测结果，包括：

通过设定的判断策略筛选出所述第一训练结果和所述第二训练结果分别所表示的概率值中的最大概率值；

将所述最大概率值与设定阈值相比较，并根据比较结果得到所述检测结果。