[发明专利]散热器检测方法及装置

说明书

一种散热器检测方法及装置，所述散热器检测方法包括：获取待检测散热器表面的热成像图像；将所述热成像图像输入至预先训练生成的目标神经网络模型中；所述目标神经网络模型采用如下步骤生成：获取多个已确定为良品的散热器表面的热成像图像作为样本图像，将所述样本图像输入至初始神经网络模型中进行训练，得到所述目标神经网络模型；获取所述目标神经网络模型的输出，确定所述待检测散热器是否为良品。上述方案能够提高检测散热器是否存在故障的效率。

技术领域

本发明涉及器件检测技术领域，具体地涉及一种散热器检测方法及装置。

背景技术

散热器是现代电子科技行业广泛使用的元器件，用于把集成电路CPU、功率放大器等电子元器件产生的热量及时传导出去，避免因高温导致电子元器件无法正常工作。

对于采用水冷原理的散热器，其通常包括一进水口和一出水口。在进水口输入恒温恒压的液体，液体流流经导热管，经过散热器的热交换之后，在出水口检测输出的液体的压力及温度，以此来计算散热器的散热效率等参数。若散热器的导热管发生形变，导致导热管的通畅程度发生变化，则出水口输出的液体的压力和温度也会相应发生变化。

现有技术中，通畅通过监测出水口输出的液体的压力及温度，来判断散热器是否存在故障。然而，上述检测散热器是否存在故障的方案存在效率低下的问题。

发明内容

本发明解决的技术问题是检测散热器是否存在故障的方案效率低下。

为解决上述技术问题，本发明实施例提供了一种散热器检测方法，包括：获取待检测散热器表面的热成像图像；将所述热成像图像输入至预先训练生成的目标神经网络模型中；所述目标神经网络模型采用如下步骤生成：获取多个已确定为良品的散热器表面的热成像图像作为样本图像，将所述样本图像输入至初始神经网络模型中进行训练，得到所述目标神经网络模型；获取所述目标神经网络模型的输出，确定所述待检测散热器是否为良品。

可选的，所述获取所述目标神经网络模型的输出，确定所述待检测散热器是否为良品，包括：获取所述目标神经网络模型输出的良品置信度，根据所述良品置信度与预设阈值之间的大小关系，确定所述待检测散热器是否为良品。

可选的，在确定所述待检测散热器存在故障之后，还包括：将所述待检测散热器的热成像图像与预设的样本散热器的热成像图像进行比对，所述样本散热器为良品的散热器；根据比对结果，确定所述待检测散热器存在故障的位置。

可选的，所述将所述待检测散热器的热成像图像与预设的样本散热器的热成像图像进行比对，包括：将所述待检测散热器的热成像图像与所述样本散热器的热成像图像进行差值运算。

可选的，所述根据比对结果，确定所述待检测散热器存在故障的位置，包括：将得到的差值结果中差值最大所对应的部位，作为所述待检测散热器存在故障的位置。

本发明实施例还提供了一种散热器检测装置，包括：获取单元，用于获取待检测散热器表面的热成像图像；输入单元，用于将所述热成像图像输入至预先训练生成的目标神经网络模型中；所述目标神经网络模型采用如下步骤生成：获取多个已确定为良品的散热器表面的热成像图像作为样本图像，将所述样本图像输入至初始神经网络模型中进行训练，得到所述目标神经网络模型；第一确定单元，用于获取所述目标神经网络模型的输出，确定所述待检测散热器是否为良品。

可选的，所述第一确定单元，用于获取所述目标神经网络模型输出的良品置信度，根据所述良品置信度与预设阈值之间的大小关系，确定所述待检测散热器是否为良品。

可选的，所述散热器检测装置还包括：第二确定单元，用于将所述待检测散热器的热成像图像与预设的样本散热器的热成像图像进行比对，所述样本散热器为良品的散热器；根据比对结果，确定所述待检测散热器存在故障的位置。

可选的，所述第二确定单元，用于将所述待检测散热器的热成像图像与所述样本散热器的热成像图像进行差值运算。