[发明专利]基于深度学习的嵌入式设备缺陷追踪的自动化方法

摘要

本发明公开了一种基于深度学习的嵌入式设备缺陷追踪的自动化方法，包括自动化测试系统上位机、硬件设备，该方法替代了测试结果的人工分析工作，将无定形态的测试结果数据化，并由循环神经网络分析建模，找出缺陷所在，从而简化了测试完成后研发端的分析工作，加快了产品研发的迭代效率。

主权项

1.一种基于深度学习的嵌入式设备缺陷追踪的自动化方法，包括自动化测试系统上位机、硬件设备，其特征在于，具体步骤如下：S1、自动化测试系统上位机根据测试计划下发测试指令至硬件设备；S2、硬件设备内部的计数器根据事件计数，并将计数结果反馈给自动化测试系统上位机，所述的事件即为硬件设备内部各种运行状态的实时反映；S3、自动化测试系统根据计数器所反馈的计数结果进行循环神经网络的训练；S4、对步骤S3中的循环神经网络进行判断，判断其是否训练完毕，如是，进入步骤S5；如否，继续训练循环神经网络直至训练结束；S5、自动化测试系统上位机利用训练完成的循环神经网络，根据硬件设备运行过程中采集的数据，对测试结果预测，并将预测结果与实际测试结果进行比较，如预测结果与实际测试结果一致时，进入步骤S6；如预测结果与实际测试结果有误差，进入步骤S8；S6、对实际测试结果进行分析，如测试结果为失败，则进入步骤S7，如测试结果为成功，则测试结束；S7、当步骤S6中的测试结果为失败时，根据激活的循环神经网络节点输出判断依据，而后测试结束；S8、判断步骤S5）中预测结果与实际测试结果的错误率是否大于设定阈值，如是，继续训练循环神经网络直至训练结束；如否，则测试结束。