System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【】本专利技术涉及打印机功率检测领域,尤其涉及一种功率异常检测方法、图像形成设备、模型训练方法和设备。
技术介绍
0、
技术介绍
1、激光打印机的整机功率相对较大,打印机内部有多种电源以及多种功率消耗模块,例如定影加热模块、图像扫描引擎、激光发射单元、成像控制模块等都有各自的供电电压,都会产生功率消耗。如果功率出现异常,则可能导致打印机能耗增加,甚至可能产生安全问题。
2、一种解决策略是对这些功率消耗模块增加监测电路,例如通过串并联传感器的方式监测支路的电信号以确定功率消耗,然而这种方式会额外增加硬件电路成本。
技术实现思路
0、
技术实现思路
1、有鉴于此,本专利技术实施例提供了一种功率异常检测方法、图像形成设备、模型训练方法和设备,不需要对每个功率消耗模块增加监测电路也能进行功率异常检测,降低了检测成本。
2、第一方面,本专利技术实施例提供了一种功率异常检测方法,所述方法包括:
3、获取图像形成设备当前的检测数据,所述检测数据包括所述图像形成设备的整机功率、环境温度和工作状态;
4、将所述当前的检测数据输入功率异常检测模型得到异常检测结果。
5、可选地,所述将所述当前的检测数据输入所述功率异常检测模型得到异常检测结果之后,还包括:
6、确定出所述异常检测结果包括异常处理策略,执行所述异常处理策略对应的操作。
7、可选地,所述执行所述异常处理策略对应的操作之前,还包括:
8、若所述异常处理策略适用于所述图像形成设备,执行所述异常处理策略对应的操作。
9、可选地,所述工作状态包括主状态以及所述主状态对应的工作参数。
10、可选地,所述工作状态还包括子状态以及所述子状态对应的工作参数。
11、可选地,所述检测数据还包括:故障码,所述故障码用于指示主状态对应的异常类型或子状态对应的异常类型。
12、另一方面,本专利技术实施例提供了模型训练方法,所述方法包括:
13、通过向ai模型输入大量图像形成设备工作正常的历史检测数据,对所述ai模型进行初步训练;
14、使用所述图像形成设备工作异常的历史检测数据对所述ai模型进行修正训练,得到功率异常检测模型;所述功率异常检测模型用于根据所述图像形成设备当前的检测数据输出异常检测结果,所述检测数据包括:所述图像形成设备的整机功率、环境温度和工作状态。
15、可选地,所述使用所述图像形成设备工作异常的历史检测数据对所述ai模型进行修正训练,得到功率异常检测模型之前,还包括:
16、响应于对所述ai模型的输出结果的评分操作,对所述ai模型进行修正训练。
17、另一方面,本专利技术实施例提供了一种图像形成设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于,所述程序指令被处理器加载并执行时实现上述功率异常检测方法的步骤。
18、另一方面,本专利技术实施例提供了一种模型训练设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于,所述程序指令被处理器加载并执行时实现上述模型训练方法的步骤。
19、另一方面,本专利技术实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述功率异常检测方法或模型训练方法。
20、本专利技术实施例提供的功率异常检测方法、图像形成设备、模型训练方法和设备的技术方案中,所述功率异常检测方法包括:获取图像形成设备当前的检测数据,所述检测数据包括所述图像形成设备的整机功率、环境温度和工作状态;将所述当前的检测数据输入功率异常检测模型得到异常检测结果。不需要对每个功率消耗模块增加监测电路也能进行功率异常检测,降低了检测成本。
本文档来自技高网...【技术保护点】
1.一种功率异常检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述当前的检测数据输入所述功率异常检测模型得到异常检测结果之后,还包括:
3.根据权利要求2所述的方法,其特征在于,所述执行所述异常处理策略对应的操作之前,还包括:
4.根据权利要求1-3任一项所述的方法,其特征在于,所述工作状态包括主状态以及所述主状态对应的工作参数。
5.根据权利要求4所述的方法,其特征在于,所述工作状态还包括子状态以及所述子状态对应的工作参数。
6.根据权利要求1所述的方法,其特征在于,所述检测数据还包括:故障码,所述故障码用于指示主状态对应的异常类型或子状态对应的异常类型。
7.一种模型训练方法,其特征在于,所述方法包括:
8.根据权利要求7所述的方法,其特征在于,所述使用所述图像形成设备工作异常的历史检测数据对所述AI模型进行修正训练,得到功率异常检测模型之前,还包括:
9.一种图像形成设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器
10.一种模型训练设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于,所述程序指令被处理器加载并执行时实现权利要求7或8所述的方法。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种功率异常检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述当前的检测数据输入所述功率异常检测模型得到异常检测结果之后,还包括:
3.根据权利要求2所述的方法,其特征在于,所述执行所述异常处理策略对应的操作之前,还包括:
4.根据权利要求1-3任一项所述的方法,其特征在于,所述工作状态包括主状态以及所述主状态对应的工作参数。
5.根据权利要求4所述的方法,其特征在于,所述工作状态还包括子状态以及所述子状态对应的工作参数。
6.根据权利要求1所述的方法,其特征在于,所述检测数据还包括:故障码,所述故障码用于指示主状态对应的异常类型或子状态对应的异常类型。
7.一种模型训练方法,其特征在于,所述方法包括:
【专利技术属性】
技术研发人员:温校宏,
申请(专利权)人:珠海奔图电子有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。