木板识别的机器再学习方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例公开了一种木板识别的机器再学习方法、装置、电子设备及存储介质。所述方法包括：获取用于木板识别的初始识别模型；所述初始识别模型经过第一训练样本集合训练；所述第一训练样本集合包括第一训练样本以及第一标注结果；获取第二训练样本集合；所述第二训练样本集合包括第二训练样本以及第二标注结果；获取本地识别模型；所述本地识别模型经过所述第二训练样本集合对所述初始识别模型再训练得到；所述获取用于木板识别的初始识别模型包括：从服务器获取已经过所述第一训练样本集合训练的所述初始识别模型；或从服务器获取所述第一训练样本集合，并在本地利用所述第一训练样本集合训练得到所述初始识别模型。

【技术实现步骤摘要】
木板识别的机器再学习方法、装置、电子设备及存储介质
本公开涉及木材自动化识别
，具体涉及一种木板识别的机器再学习方法、装置、电子设备及存储介质。
技术介绍
在木材加工领域，诸多工作需要经过训练的工人，通过观察，结合经验完成。例如判断每一块木板的平整度、对木板产品进行分类、设计木板加工方案等。然而，使用人工的方法需要耗费大量的人力资源，并且由于需求的变动以及木材属性的不规则性，人工的方式不仅效率低下，而且需要不断的重新培训，才能保持一定的准确度。同时，随着工作时间的增加，人力的方法也会出现准确率下降，效率变慢的现象。使用机器进行平整度检测的方法正成为当前行业的新兴方向，在木材处理过程中的很多步骤可以通过机器的方法来解决。例如木板的平整度判断、木板的分类、木材产品的缺陷检测等方面均可以通过人工智能的方法实现自动化处理。
技术实现思路
本公开实施例提供一种木板识别的机器再学习方法、装置、电子设备及计算机可读存储介质。第一方面，本公开实施例中提供了一种木板识别的机器再学习方法，包括：获取用于木板识别的初始识别模型；所述初始识别模型经过第一训练样本集合训练；所述第一训练样本集合包括至少一个第本文档来自技高网...

【技术保护点】
一种木板识别的机器再学习方法，其特征在于，包括：获取用于木板识别的初始识别模型；所述初始识别模型经过第一训练样本集合训练；所述第一训练样本集合包括至少一个第一训练样本以及所述第一训练样本对应的第一标注结果；获取第二训练样本集合；所述第二训练样本集合包括至少一个第二训练样本以及所述第二训练样本对应的第二标注结果；获取本地识别模型；所述本地识别模型经过所述第二训练样本集合对所述初始识别模型再训练得到；其中，所述获取用于木板识别的初始识别模型，包括：通过通信网络从服务器获取已经过所述第一训练样本集合训练的所述初始识别模型；或，通过通信网络从服务器获取所述第一训练样本集合，并在本地利用所述第一训练样本...

【技术特征摘要】
1.一种木板识别的机器再学习方法，其特征在于，包括：获取用于木板识别的初始识别模型；所述初始识别模型经过第一训练样本集合训练；所述第一训练样本集合包括至少一个第一训练样本以及所述第一训练样本对应的第一标注结果；获取第二训练样本集合；所述第二训练样本集合包括至少一个第二训练样本以及所述第二训练样本对应的第二标注结果；获取本地识别模型；所述本地识别模型经过所述第二训练样本集合对所述初始识别模型再训练得到；其中，所述获取用于木板识别的初始识别模型，包括：通过通信网络从服务器获取已经过所述第一训练样本集合训练的所述初始识别模型；或，通过通信网络从服务器获取所述第一训练样本集合，并在本地利用所述第一训练样本集合训练得到所述初始识别模型。2.根据权利要求1所述的机器再学习方法，其特征在于，所述获取第二训练样本集合，包括：在所述初始识别模型对待识别木板的识别结果的置信度低于阈值时，将所述待识别木板对应的第二训练样本以及第二标注结果加入所述第二训练样本集合。3.根据权利要求1所述的机器再学习方法，其特征在于，所述获取本地识别模型，包括：采用所述第二训练样本集合对所述初步识别模型进行再训练，得到所述本地识别模型；或，将所述第二训练样本集合发送至服务器，以及从所述服务器获取经过所述第二训练样本训练后的所述本地识别模型。4.根据权利要求1所述的机器再学习方法，其特征在于，所述初始识别模型采用所述第一训练样本集合对基于第一神经网络的机器学习模型进行训练得到；所述本地识别模型采用所述第二训练样本集合对基于第二神经网络的机器学习模型进行训练得到，所述第二神经网络的部分或全部节点值与经过第一训练样本集合训练后的所述第一神经网络的节点值对应一致。5.根据权利要求4所述的机器再学习方...

【专利技术属性】
技术研发人员：丁磊，
申请(专利权)人：北京木业邦科技有限公司，
类型：发明
国别省市：北京,11