[发明专利]空调的检测方法和装置

权利要求书

1.一种空调的检测方法，其特征在于，包括：

获取空调在检测条件下的第一运行参数；

利用检测模型对所述第一运行参数进行分析，得到所述空调的检测准确度，其中，所述检测模型是使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：所述空调在所述检测条件下的第二运行参数，所述空调在运行条件下的第三运行参数，以及相应的检测准确度的标签矩阵；

基于所述空调的检测准确度，得到所述空调的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述第一运行参数包括如下至少之一：所述空调的耗电量，所述空调的工作能力。

3.根据权利要求2所述的方法，其特征在于，利用检测模型对所述第一运行参数进行分析，得到所述空调的检测准确度，包括：

利用第一子模型对所述第一运行参数进行分析，得到所述第一运行参数对应的第一检测误差；

利用第二子模型对所述第一运行参数进行分析，得到所述第一运行参数对应的第二检测误差；

利用第三子模型对所述第一运行参数对应的第一检测误差和第二检测误差进行分析，得到所述空调的检测准确度。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取所述多组数据；

利用所述第一子模型对所述多组数据进行分析，得到每组数据对应的第一检测误差；

利用所述第二子模型对所述多组数据进行分析，得到所述每组数据对应的第二检测误差；

基于所述每组数据对应的第一检测误差和第二检测误差，构建所述第三子模型。

5.根据权利要求4所述的方法，其特征在于，基于所述每组数据对应的第一检测误差和第二检测误差，构建所述第三子模型，包括：

构建初始模型；

将所述每组数据对应的第一检测误差和第二检测误差作为所述初始模型的限定条件，利用预设规则构建所述第三子模型。

6.根据权利要求3所述的方法，其特征在于，所述第一子模型为决策树模型，所述第二子模型为递归神经网络模型，所述第三子模型为集成学习模型。

7.根据权利要求1所述的方法，其特征在于，基于所述空调的检测准确度，得到所述空调的检测结果，包括：

将所述空调的检测准确度与预设准确度进行比较；

在所述检测准确度大于或等于所述预设准确度的情况下，基于所述第一运行参数，得到所述空调的检测结果。

8.根据权利要求7所述的方法，其特征在于，在所述检测准确度小于所述预设准确度的情况下，所述方法还包括：

对所述检测条件进行调整，得到调整后的检测条件；

在所述调整后的检测条件下，对所述空调进行再次检测，直至所述检测准确度大于或等于所述预设准确度。

9.一种空调的检测装置，其特征在于，包括：

获取模块，用于获取空调在检测条件下的第一运行参数；

第一处理模块，用于利用检测模型对所述第一运行参数进行分析，得到所述空调的检测准确度，其中，所述检测模型是使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：所述空调在所述检测条件下的第二运行参数，所述空调在运行条件下的第三运行参数，以及相应的检测准确度的标签矩阵；

第二处理模块，用于基于所述空调的检测准确度，得到所述空调的检测结果。

10.一种存储介质，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至8中任意一项所述的空调的检测方法。

11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的空调的检测方法。