[发明专利]一种基于机器学习的手机振动马达良次品检测方法

权利要求书

1.一种基于机器学习的手机振动马达良次品检测方法，其特征在于，包括以下步骤：

（1）检测信号数据集收集：从实际的生产线上收集手机振动马达的检测信号样本集合，所述检测信号样本包括等比例的正品信号数据样本与次品信号数据样本，且所述次品信号数据样本按次品原因呈等比例分布；

（2）检测信号数据清洗及特征提取：对步骤（1）中的检测信号样本集合进行数据清洗并进行特征设计，通过对次品良品的波形的数据分析，设计如下波形的特征集合：

a)检测信号上拉须数量特征；

b)检测信号上拉须平均幅度；

c)检测信号下拉须数量；

d)检测信号下拉须平均幅度；

e)检测信号上升沿数量；

f)检测信号下降沿数量；

g)检测信号上升沿平均高度；

h)检测信号下降沿平均高度；

i)检测信号平均上沿宽度；

j)检测信号平均下沿宽度；

k)检测信号上拉须占比；

l)检测信号下拉须占比；

（3）模型训练及参数调整：提取步骤（2）中的特征集合，输入到机器学习模型中进行正负样本的分类学习，得到训练完成的信号检测分类模型；

（4）模型训练发布及在线分类：将步骤（3）中训练完成的信号检测分类模型，发布到线上预测系统，线上预测系统将采集收到的信号，通过步骤（2）中的特征提取方法，转换为信号特征数据，并将最终的信号特征集合输入到在线预估模型，得到信号良品、次品的分类结果。

2.根据权利要求1所述的一种基于机器学习的手机振动马达良次品检测方法，其特征是：步骤（1）中的检测信号样本从至少两条生产线上按等比例采样获取。

3.根据权利要求1所述的一种基于机器学习的手机振动马达良次品检测方法，其特征是：在步骤（1）中，所述次品信号数据样本的类型按次品原因包括无头、拉须、斜边和长短。

4.根据权利要求1所述的一种基于机器学习的手机振动马达良次品检测方法，其特征是：在步骤（3）中，所述机器学习模型为全梯度下降树gbdt。