散热部件的安装检测方法、系统、存储介质及设备

技术领域

本发明涉及数据存储技术领域，尤其涉及一种散热部件的安装检测方法、系统、存储介质及设备。

背景技术

SSD（Solid State Drive，固态硬盘）是一种使用闪存存储芯片作为数据存储介质的存储设备，其在现代计算机系统中得到广泛应用。在SSD的生产过程中，散热部件的正确安装对于保证其性能和稳定性至关重要。虽然漏贴散热部件的问题对于产品的影响十分的隐蔽，但经过长期的运行，对于数据的可靠性有很大的影响。然而，由于SSD产品具有完整的外壳，无法直接通过观察来确定散热部件的安装情况。

现有技术大部分为自动化的安装散热部件的装置，对于特定场景的安装后检查，没有提供合适的方式。目前，一种常见的方法是通过读取预设的温度传感器的值来判断散热部件的安装情况。然而，这种方法存在一定的局限性，无法准确判断所有位置的散热部件是否正确安装。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的散热部件的安装检测方法、系统、存储介质及设备。

本发明的一个方面，提供了一种散热部件的安装检测方法，所述方法包括：

按照预设的数据采集规则，依次调整SSD中的各个散热部件的安装分布状态，分别获取在各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，每一温度传感器的位置处一一对应设置有散热部件的安装区域；

根据测试过程中各个散热部件的安装分布状态对对应测试时刻得到的温度值集合和得到所述温度值集合时的测试状态进行标注，得到用于训练安装状态识别模型的训练数据集；

采用所述训练数据集对预先构建的人工神经网络模型进行训练，得到安装状态识别模型，所述安装状态识别模型的输入数据为温度值集合和得到所述温度值集合时的测试状态，所述安装状态识别模型的输出数据为根据输入数据预测出的SSD中的各个散热部件的安装分布状态；

基于所述安装状态识别模型对SSD中的各个散热部件的安装分布状态进行识别检测。

可选地，所述按照预设的数据采集规则，依次调整SSD中的各个散热部件的安装分布状态，分别获取在各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，包括：

保留SSD中各个散热部件进行测试，记录SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合；

分别去掉任一位置的散热部件进行测试，分别记录每个测试过程中SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合；

分别去掉任意多个位置的散热部件进行测试，分别记录每个测试过程中SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，所述多个位置包括2个位置到所有位置中的任一情况。

可选地，所述SSD中设置在各个固定位置的温度传感器包括设置在SSD的各个NANDFLASH闪存芯片内部的温度传感器、设置在SSD的主控制器的温度传感器和设置在SSD的板机的至少一个温度传感器。

可选地，所述测试状态包括空闲测试状态、擦测试状态、读测试状态和写测试状态；

所述基于所述安装状态识别模型对SSD中的各个散热部件的安装分布状态进行识别检测，包括：

在生产阶段通过预设的交互接口抓取生产过程中待测SSD中设置在各个固定位置的温度传感器采集的温度数据，温度值数据包括待测SSD处于空闲阶段的多组温度值集合、待测SSD处于擦阶段的多组温度值集合、待测SSD处于读阶段的多组温度值集合以及待测SSD处于写阶段的多组温度值集合；

将所述温度数据输入到安装状态识别模型中，得出与每组温度值集合一一对应的一组识别结果；

对得到的识别结果进行统计，以预测待测SSD中是否存在散热部件缺失以及当待测SSD中存在散热部件缺失时缺失散热部件的分布位置。

可选地，每组温度值集合以及与每组温度值集合一一对应的一组识别结果均采用一维向量的形式表示，温度值集合对应的一维向量中每一位置元素表示温度传感器安装位置的温度，识别结果对应的一维向量中每一位置元素通过第一标识或第二标识的方式分别表示对应安装区域的散热部件处于安装完好状态或安装缺失状态。

可选地，所述对得到的识别结果进行统计，以预测待测SSD中是否存在散热部件缺失以及当待测SSD中存在散热部件缺失时缺失散热部件的分布位置，包括：

对所有识别结果对应的一维向量中各个位置元素中出现第二标识的次数进行统计，将出现第二标识的次数大于预设阈值的位置元素对应的安装区域判定为散热部件处于安装缺失状态。

可选地，所述方法还包括：

预先根据SSD中各个散热部件的安装区域分布情况生成对应的散热部件分布图，并将所述散热部件分布图进行展示；

当安装状态识别模型识别出SSD中某一安装区域未安装散热片时，在散热部件分布图展示界面上标记出相应安装区域的位置。

第二方面，本发明还提供了一种散热部件的安装检测系统，所述系统包括：

数据采集模块，用于按照预设的数据采集规则，依次调整SSD中的各个散热部件的安装分布状态，分别获取在各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，每一温度传感器的位置处一一对应设置有散热部件的安装区域；

数据标注模块，用于根据测试过程中各个散热部件的安装分布状态对对应测试时刻得到的温度值集合和得到所述温度值集合时的测试状态进行标注，得到用于训练安装状态识别模型的训练数据集；

模型训练模块，用于采用所述训练数据集对预先构建的人工神经网络模型进行训练，得到安装状态识别模型，所述安装状态识别模型的输入数据为温度值集合和得到所述温度值集合时的测试状态，所述安装状态识别模型的输出数据为根据输入数据预测出的SSD中的各个散热部件的安装分布状态；

状态检测模块，用于基于所述安装状态识别模型对SSD中的各个散热部件的安装分布状态进行识别检测。

可选地，所述测试状态包括空闲测试状态、擦测试状态、读测试状态和写测试状态；

状态检测模块，用于在生产阶段通过预设的交互接口抓取生产过程中待测SSD中设置在各个固定位置的温度传感器采集的温度数据，温度值数据包括待测SSD处于空闲阶段的多组温度值集合、待测SSD处于擦阶段的多组温度值集合、待测SSD处于读阶段的多组温度值集合以及待测SSD处于写阶段的多组温度值集合；将所述温度数据输入到安装状态识别模型中，得出与每组温度值集合一一对应的一组识别结果；对得到的识别结果进行统计，以预测待测SSD中是否存在散热部件缺失以及当待测SSD中存在散热部件缺失时缺失散热部件的分布位置。

第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上散热部件的安装检测方法的步骤。

第四方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上散热部件的安装检测方法的步骤。

本发明实施例提供的散热部件的安装检测方法、系统、存储介质及设备，通过采集各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度数据，并结合机器学习模型对采集的数据进行学习训练得到安装状态识别模型，在SSD生产阶段，基于所述安装状态识别模型自动对SSD中的各个散热部件的安装分布状态实现识别检测，能够快速、准确判断散热部件是否正确安装，有效地提高了生产效率和产品质量。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例提供的散热部件的安装检测方法的流程图；

图2为本发明实施例提供的散热部件的安装检测系统的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语），具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。

现有技术大部分为自动化的安装散热部件的装置，对于特定场景的安装后检查，没有提供合适的方式。本发明基于机器学习算法提供一种散热部件的安装检测方法，能够准确判断散热部件的安装情况，并且提供便于人工维修的界面标记。

图1示意性示出了本发明一个实施例的散热部件的安装检测方法的流程图。参照图1，本发明实施例的散热部件的安装检测方法具体包括以下步骤：

S11、按照预设的数据采集规则，依次调整SSD中的各个散热部件的安装分布状态，分别获取在各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，每一温度传感器的位置处一一对应设置有散热部件的安装区域。

其中，所述测试状态包括空闲测试状态、擦测试状态、读测试状态和写测试状态。各个散热部件的安装分布状态，包括每一散热部件处于安装完好状态或安装缺失状态。SSD中设置在各个固定位置的温度传感器包括设置在SSD的各个NAND FLASH闪存芯片内部的温度传感器、设置在SSD的主控制器的温度传感器和设置在SSD的板机的至少一个温度传感器。

本发明实施例中，散热部件可以是散热片或其他可用于SSD设备散热的部件，本发明实施例中仅以散热片为例进行说明，本发明对此不做具体限定。

S12、根据测试过程中各个散热部件的安装分布状态对对应测试时刻得到的温度值集合和得到所述温度值集合时的测试状态进行标注，得到用于训练安装状态识别模型的训练数据集。

本步骤中，将收集到的数据进行整理，并确保数据与结果的对应关系得以保持，这样可以建立训练数据集，用于后续的机器学习模型训练。

本实施例中，通过软件或硬件手段配置数据采集模块，以便从各个温度传感器获取数据。数据获取过程具体如下：选择测试状态：设定不同的测试状态，如读、写、擦、空闲等，以便采集不同状态下的温度数据。读取温度参数：通过读取板级温度传感器和NANDFLASH内部的温度传感器，获取相应位置的温度数值。记录数据：将采集到的温度数据与对应的状态信息即各个散热部件处于不同安装分布状态一一对应地记录下来，以建立训练集。

S13、采用所述训练数据集对预先构建的人工神经网络模型进行训练，得到安装状态识别模型，所述安装状态识别模型的输入数据为温度值集合和得到所述温度值集合时的测试状态，所述安装状态识别模型的输出数据为根据输入数据预测出的SSD中的各个散热部件的安装分布状态。

本实施例中，将采集到的训练数据送入机器学习模型进行学习，生成针对散热片安装情况的预测模型，即安装状态识别模型。在模型生成过程中，可以采用适当的机器学习算法，如神经网络、支持向量机等，以训练模型能够准确地判断不同测试状态下的温度数据与散热片安装情况之间的关联。

具体的，本发明采用人工神经网络作为预测模型的算法，并通过训练数据集来训练模型。下面是模型生成模块的详细步骤：数据预处理：对采集到的数据进行预处理，包括数据清洗、数据标准化等，以提高模型训练的效果。模型构建：设计人工神经网络的结构，包括输入层、隐藏层和输出层的节点数和连接方式。模型训练：使用训练集对构建的人工神经网络模型进行训练，采用反向传播算法等方法不断调整权重和偏置，以最小化预测误差。模型保存：在训练完成后，将训练得到的预测模型保存起来，以便在后续的测试中使用。

S14、基于所述安装状态识别模型对SSD中的各个散热部件的安装分布状态进行识别检测。

本实施例中，本发明用于对生产过程中的SSD产品进行检查，并判断SSD产品中每个芯片的散热片安装情况。通过采集SSD不同状态下的温度数据，并利用训练得到的预测模型进行预测和标记。具体的，在SSD生产过程中，通过SSD运行在生产固件下，实时采集SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器的温度数据，包括板级温度传感器和NAND FLASH内部的温度传感器的值。采集到的温度数据将被传送到测试模块进行处理，测试模块利用安装状态识别模型对采集到的温度数据进行分析和预测，得到每个芯片是否安装散热片的预测结果，以判断哪些芯片存在没有安装散热片的情况。如果发现芯片未安装散热片，系统会及时进行提醒便于人工进行维修。

本发明实施例提供的散热部件的安装检测方法，通过采集各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度数据，并结合机器学习模型对采集的数据进行学习训练得到安装状态识别模型，在SSD生产阶段，基于所述安装状态识别模型自动对SSD中的各个散热部件的安装分布状态实现识别检测，能够快速、准确判断散热部件是否正确安装，有效地提高了生产效率和产品质量。

本发明实施例提供的散热部件的安装检测方法，预先根据SSD中各个散热部件的安装区域分布情况生成对应的散热部件分布图，并将所述散热部件分布图进行展示。当安装状态识别模型识别出SSD中某一安装区域未安装散热片时，在散热部件分布图展示界面上标记出相应安装区域的位置，便于快速准确地进行维修。此外，本发明还可以在散热部件分布图中标记出各个安装区域对应的SSD中相关芯片的位置区域，以快速确定是那些芯片未安装散热片。本发明能够根据预测结果，将未安装散热片的芯片位置在散热部件分布图中进行标记，并将预测结果和芯片位置的标记结果展示在用户界面上，以便操作人员查看和处理，快速进行维修。

本发明能够准确有效地检查SSD生产过程中散热片的安装情况，提高生产质量和产品可靠性，以及生产过程的质量控制效率，以满足实际生产需求。同时，通过界面标记的方式，便于人工维修，提高了维修的准确性和效率，进而提高生产质量和产品可靠性，具有广泛的应用前景。

本发明实施例中，按照预设的数据采集规则，依次调整SSD中的各个散热部件的安装分布状态，分别获取在各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，具体包括：保留SSD中各个散热部件进行测试，记录SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合；分别去掉任一位置的散热部件进行测试，分别记录每个测试过程中SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合；分别去掉任意多个位置的散热部件进行测试，分别记录每个测试过程中SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，所述多个位置包括2个位置到所有位置中的任一情况。

本实施例中，首先，使用完好的已正确安装散热片的SSD进行测试，采集测试过程中的温度数据。测试过程中，需要记录SSD的板级温度传感器和NAND FLASH内部的温度传感器的值。接着，分别将不同位置的散热片逐个去除，并继续采集整个测试过程的数据，包括去掉一个位置的散热片和同时去掉多个位置的散热片。最后，将所有位置的散热片都去除，再次采集测试的温度数据。将采集到的数据整理并与结果进行对应关系的保存。

在一个具体示例中，在SSD生产过程中，数据采集具体实现方式以及需要采集的数据如下：

本示例中，设置十个NAND FLASH的温度，Tn

本示例中，设置五个板级温度传感器的温度，Ts

本示例中，设置主控制器温度，Tc，表示采集的主控制器的温度值

本示例中，不同状态下（读、写、擦、空闲）的温度，S

同时，记录每个器件是否安装散热片的状态（一维向量[HS

为了收集具有不同散热片安装情况的数据，采用以下方式进行数据采集：使用完好的SSD（已完整安装散热片的盘）进行温度数据的采集，并记录这些数据。分别去掉不同位置的散热片进行测试，并记录每个测试过程中的数据。这些数据包括去掉一个位置的散热片以及去掉多个位置的散热片，还包括去掉所有位置的散热片后的测试数据。

本发明实施例中，利用采集到的数据，通过机器学习算法进行训练，生成预测模型。本发明采用人工神经网络作为预测模型的算法，具体步骤如下：

将采集到的训练数据集划分为训练集和验证集。

构建人工神经网络模型，包括输入层、隐藏层和输出层，其中输入层节点数与数据采集步骤中的参数个数相同，输出层为二元分类（是否安装散热片的状态）。

使用训练集对人工神经网络进行训练，采用反向传播算法等方法调整权重和偏置，优化模型的准确性。

利用验证集评估训练后的模型的性能，通过调整网络结构和训练参数以提高模型的准确性。

本发明实施例中，所述基于所述安装状态识别模型对SSD中的各个散热部件的安装分布状态进行识别检测，具体包括：在生产阶段通过预设的交互接口抓取生产过程中待测SSD中设置在各个固定位置的温度传感器采集的温度数据，温度值数据包括待测SSD处于空闲阶段的多组温度值集合、待测SSD处于擦阶段的多组温度值集合、待测SSD处于读阶段的多组温度值集合以及待测SSD处于写阶段的多组温度值集合；将所述温度数据输入到安装状态识别模型中，得出与每组温度值集合一一对应的一组识别结果；对得到的识别结果进行统计，以预测待测SSD中是否存在散热部件缺失以及当待测SSD中存在散热部件缺失时缺失散热部件的分布位置。

本实施例中，每组温度值集合以及与每组温度值集合一一对应的一组识别结果均采用一维向量的形式表示，温度值集合对应的一维向量中每一位置元素表示温度传感器安装位置的温度，识别结果对应的一维向量中每一位置元素通过第一标识或第二标识的方式分别表示对应安装区域的散热部件处于安装完好状态或安装缺失状态。

进一步地，所述对得到的识别结果进行统计，以预测待测SSD中是否存在散热部件缺失以及当待测SSD中存在散热部件缺失时缺失散热部件的分布位置，包括：对所有识别结果对应的一维向量中各个位置元素中出现第二标识的次数进行统计，将出现第二标识的次数大于预设阈值的位置元素对应的安装区域判定为散热部件处于安装缺失状态。

在生产过程中，通过采集不同状态下的温度数据，将数据输入到预测模型中，得到大量的一维向量，通过对一维向量的数据进行统计，如果某个参数显示未安装散热片的概率超过阈值，那么可以判断芯片的散热片安装情况异常。最后系统软件将未安装散热片的芯片标记出来，便于人工进行维修。

下面通过一个具体实施例对本发明的技术方案进行详细说明。

第一步：根据硬件定义参数，NAND 十颗，板级传感器五颗，主控一颗；每次采集的温度数据为一维数组【TN

每个TN表示一颗NAND 采集一次的温度值，TS表示每个Sensor采集的一次板级温度值，TC表示采集的主控的温度值，OS表示当前的操作状态：Read读3、Prog写2、Erase擦1、idle空闲0。

输出为：【HS

第二步：采集数据一块完整盘的数据：

在一块完整扇热片的盘上，针对idle状态采集200组数据，即此时有200组温度值，【TN

同时有对应的200组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

针对Erase状态采集200组数据，即有200组温度值，【TN

同时有对应的200组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

针对Prog状态采集500组数据，即有500组温度值，【TN

同时有对应的500组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

针对Read状态采集500组数据，即有500组温度值，【TN

同时有对应的500组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

第三步：采集单个NAND 缺失散热片的数据：

去掉第一颗NAND 上的散热片：针对idle状态采集200组数据，即此时有200组温度值，【TN

同时有对应的200组散热片状态值,

[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

针对Erase状态采集200组数据，即有200组温度值，【TN

同时有对应的200组散热片状态值,

[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

针对Prog状态采集500组数据，即有500组温度值，【TN

同时有对应的500组散热片状态值,

[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

针对Read状态采集500组数据，即有500组温度值，【TN

同时有对应的500组散热片状态值,

[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,]。

接下来更换其他NAND颗粒去掉散热片，重复上述过程采集数据。

第四步：去掉DDR散热片（即设置在SSD的板机的某一散热片）后采集数据；

针对idle状态采集200组数据，即此时有200组温度值，【TN

同时有对应的200组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,]。

针对Erase状态采集200组数据，即有200组温度值，【TN

同时有对应的200组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,]。

针对Prog状态采集500组数据，即有500组温度值，【TN

同时有对应的500组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,]。

针对Read状态采集500组数据，即有500组温度值，【TN

同时有对应的500组散热片状态值,

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,]。

接下来依次更换其他DDR颗粒以及主控制器分别去掉散热片，重复上述过程采集数据。

第五步：去掉多个散热片后采集读3、写2、擦1、空闲0的数据，每组温度值对应一组散热片的状态值。

第六步：通过人工神经网络建立模型，采集回归神经网络，层数为三层，输入为17个参数的一维向量，输出为16个参数的BOOL型一维向量。

把数据分为两部分，一部分为训练数据，部分为测试数据集；同一组数据中，例如idle状态下测试的200组数据，其中160组为训练数据集，另外40组数据为测试数据集。使用训练数据对模型进行训练，生成网络模型，接下来把模型加载到程序中，对模型进行验证；

第七步：把训练好的模型测试模块中，在生产阶段通过交互接口抓取生产过程中的温度数据，Idle阶段200组，Erase阶段200组，Prog阶段500组，read阶段500组；把这些温度数据输入到AI模型中，得出1400组散热片状态的一维向量【HS

对每个HS的0和1个数进行统计，如果HS

第八步：根据测试模块反馈的结果，在结构图上面标记出缺失散热片的位置，便于测试人员进行维修。

本发明提供的散热部件的安装检测方法具有以下效果与优点：

自动化检测：通过机器学习模型，实现对SSD产品的自动化散热片安装情况检查，提高了生产效率。

高准确性：通过采集多种不同散热片安装情况下的温度数据，并结合机器学习模型进行分析，可以准确判断散热片是否正确安装。

实时监测：在生产过程中实时监测散热片安装情况，及时发现问题并采取措施，提高了产品质量和稳定性。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

此外，本发明实施例还提供了一种散热部件的安装检测系统，所述系统包括用于实现如上任一实施例的散热部件的安装检测方法的功能模块。图2示意性示出了本发明一个实施例的散热部件的安装检测系统的结构示意图。参照图2，本发明实施例的散热部件的安装检测系统具体包括数据采集模块201、数据标注模块202、模型训练模块203以及状态检测模块204，其中：

数据采集模块201，用于按照预设的数据采集规则，依次调整SSD中的各个散热部件的安装分布状态，分别获取在各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，每一温度传感器的位置处一一对应设置有散热部件的安装区域；

数据标注模块202，用于根据测试过程中各个散热部件的安装分布状态对对应测试时刻得到的温度值集合和得到所述温度值集合时的测试状态进行标注，得到用于训练安装状态识别模型的训练数据集；

模型训练模块203，用于采用所述训练数据集对预先构建的人工神经网络模型进行训练，得到安装状态识别模型，所述安装状态识别模型的输入数据为温度值集合和得到所述温度值集合时的测试状态，所述安装状态识别模型的输出数据为根据输入数据预测出的SSD中的各个散热部件的安装分布状态；

状态检测模块204，用于基于所述安装状态识别模型对SSD中的各个散热部件的安装分布状态进行识别检测。

本发明实施例中，所述测试状态包括空闲测试状态、擦测试状态、读测试状态和写测试状态。

进一步地，状态检测模块204，具体用于在生产阶段通过预设的交互接口抓取生产过程中待测SSD中设置在各个固定位置的温度传感器采集的温度数据，温度值数据包括待测SSD处于空闲阶段的多组温度值集合、待测SSD处于擦阶段的多组温度值集合、待测SSD处于读阶段的多组温度值集合以及待测SSD处于写阶段的多组温度值集合；将所述温度数据输入到安装状态识别模型中，得出与每组温度值集合一一对应的一组识别结果；对得到的识别结果进行统计，以预测待测SSD中是否存在散热部件缺失以及当待测SSD中存在散热部件缺失时缺失散热部件的分布位置。

本发明实施例中，数据采集模块201，具体用于保留SSD中各个散热部件进行测试，记录SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合；分别去掉任一位置的散热部件进行测试，分别记录每个测试过程中SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合；分别去掉任意多个位置的散热部件进行测试，分别记录每个测试过程中SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度值集合，所述多个位置包括2个位置到所有位置中的任一情况。

本发明实施例中，所述SSD中设置在各个固定位置的温度传感器包括设置在SSD的各个NAND FLASH闪存芯片内部的温度传感器、设置在SSD的主控制器的温度传感器和设置在SSD的板机的至少一个温度传感器。

本发明实施例中，每组温度值集合以及与每组温度值集合一一对应的一组识别结果均采用一维向量的形式表示，温度值集合对应的一维向量中每一位置元素表示温度传感器安装位置的温度，识别结果对应的一维向量中每一位置元素通过第一标识或第二标识的方式分别表示对应安装区域的散热部件处于安装完好状态或安装缺失状态。

进一步地，状态检测模块204，具体用于对所有识别结果对应的一维向量中各个位置元素中出现第二标识的次数进行统计，将出现第二标识的次数大于预设阈值的位置元素对应的安装区域判定为散热部件处于安装缺失状态。

对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可，且具有相应的技术效果。

此外，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上散热部件的安装检测方法的步骤。

本实施例中，所述散热部件的安装检测方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

此外，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上散热部件的安装检测方法的步骤。例如图1所示的步骤S11~S14。或者，所述处理器执行所述计算机程序时实现上述散热部件的安装检测系统实施例中各模块/单元的功能，例如图2所示的数据采集模块201、数据标注模块202、模型训练模块203以及状态检测模块204。

本发明实施例提供的散热部件的安装检测方法、系统、存储介质及设备，通过采集各个散热部件处于不同安装分布状态时SSD处于不同测试状态下SSD中设置在各个固定位置的温度传感器采集的温度数据，并结合机器学习模型对采集的数据进行学习训练得到安装状态识别模型，在SSD生产阶段，基于所述安装状态识别模型自动对SSD中的各个散热部件的安装分布状态实现识别检测，能够快速、准确判断散热部件是否正确安装，有效地提高了生产效率和产品质量。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。