数据处理方法、装置及控制设备制造方法及图纸

本发明专利技术实施例提供数据处理方法、装置及控制设备，属于人工智能领域。该方法包括：获取样本数据；根据预设在第一应用场景下的第一神经网络模型对所述样本数据进行处理，以控制执行机构在第二应用场景下进行输出；获取输出结果数据；将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练，修正所述第一神经网络模型以适应所述第二应用场景。从而使得该装置能够在更换工作场所后，通过学习来适应新的工作场所，进而有效增加了适应范围，使得该装置能够适应更多的工作场所，进而有效降低了设备的开发成本和开发周期。

Data Processing Method, Device and Control Equipment

The embodiment of the present invention provides a data processing method, device and control device, belonging to the field of artificial intelligence. The method includes: acquiring sample data; processing the sample data according to the first neural network model presupposed in the first application scenario to control the actuator to output in the second application scenario; acquiring the output result data; retraining the first neural network model by using the output result data as feedback data, and modifying the first neural network. The network model is adapted to the second application scenario. So that the device can adapt to the new workplace through learning after changing the workplace, and then effectively increase the scope of adaptation, so that the device can adapt to more workplaces, thereby effectively reducing the cost of equipment development and development cycle.

【技术实现步骤摘要】
数据处理方法、装置及控制设备
本专利技术涉及人工智能领域，具体而言，涉及数据处理方法、装置及控制设备。
技术介绍
随着人工智能技术的发展，使得自动化设备能够具有一定的适用性，目前自动化生产线可以应用机器人、或自动化机械设备来完成一些特定的任务，例如对物体的挑选、搬运、分类等。这些自动化设备可以通过装配传感器和对应的控制模块来完成所述特定的任务。一般而言，控制模块使用固定的视觉和控制算法，例如通过一个视觉传感器，识别一个质量有残缺的工件，并通过机械臂的伺服电机驱动机械臂或简单的抓取设备来完成工件的挑选。然而，这种设备必须提前设计并安装调试，才能完成指定的任务。例如，在一些非常细分的工业领域，例如木材加工领域，由于木材的非标准化属性，使得加工该设备往往很难提前确定需求。也就是说，对设备的需求往往处在多样化和随时变动的需求。例如，一个木材加工厂今天需要一个分选木板的设备，而明天可能需要一个对木板进行钻孔的需求。再或者，一家工厂的分选的木板尺寸为1米*0.5米，而另外一家工厂需要分选的木板尺寸为0.2米*0.1米。因此就要开发很多套自动化设备去满足多样化的需求，从而会有效提高设备的开发成本以及开发周期。
技术实现思路
为解决上述问题，本专利技术实施例提供数据处理方法、装置及控制设备。第一方面，本专利技术实施例提供了一种数据处理方法，应用于自动化机器人系统，所述系统包括控制中心和执行机构，所述方法包括：获取样本数据；根据预设在第一应用场景下的第一神经网络模型对所述样本数据进行处理，以控制执行机构在第二应用场景下进行输出；获取输出结果数据；将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练，修正所述第一神经网络模型以适应所述第二应用场景。进一步地，所述将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练包括：在每次获得一个所述输出结果数据后，就将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练；或者，在获得的所述输出结果数据的数量达到预设值后，将所有的所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练。进一步地，所述方法还包括：获取比对数据；将所述比对数据与所述输出结果数据一起作为反馈数据对所述第一神经网络模型进行再训练。进一步地，所述方法还包括：根据所述输出结果数据和所述比对数据获取所述第一神经网络模型在所述第二应用场景下的执行准确率；当所述准确率超过预设阈值时，确认所述第一神经网络模型已适应所述第二应用场景。进一步地，所述获取比对数据包括以下至少一个步骤：根据所述第一神经网络模型对所述样本数据进行处理后，获取所述第一神经网络模型控制所述执行机构在第一应用场景下进行输出的期望结果数据作为比对数据；根据已适应所述第二应用场景的第二神经网络模型对所述样本数据进行处理后，获取所述第二神经网络模型控制执行机构在所述第二应用场景下进行输出的理想结果数据作为比对数据；和/或获取对所述输出结果数据的人工标注信息作为比对数据。进一步地，所述期望结果数据和/或所述理想结果数据为虚拟执行输出的数据。第二方面，本专利技术实施例提供一种数据处理装置，所述装置包括：第一获取模块，用于获取样本数据；模型控制模块，用于根据预设在第一应用场景下的第一神经网络模型对所述样本数据进行处理，以控制执行机构在第二应用场景下进行输出；第二获取模块，用于获取输出结果数据；第一再训练模块，用于将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练，修正所述第一神经网络模型以适应所述第二应用场景。进一步地，所述第一再训练模块还用于：在每次获得一个所述输出结果数据后，就将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练；或者，在获得的所述输出结果数据的数量达到预设值后，将所有的所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练。第三方面，本专利技术实施例提供一种控制设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，用于存储数据处理装置所用的计算机指令，其包含用于执行上述第一方面中数据处理方法所涉及的计算机指令。与现有技术相比，本专利技术实施例提供的数据处理方法、装置及控制设备带来了以下有益效果：通过获取样本数据；根据预设在第一应用场景下的第一神经网络模型对所述样本数据进行处理，以控制执行机构在第二应用场景下进行输出；获取输出结果数据；将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练，修正所述第一神经网络模型以适应所述第二应用场景，从而使得第一神经网络模型能够适应第二应用场景，进而使得能够在更换应用场景后，通过学习来适应新的应用场景，进而有效增加了适应范围，使得能够适应更多的应用场景，而无需再为新的应用场景开发新的设备，进而有效降低了设备的开发成本和开发周期。本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术第一实施例提供的一种数据处理方法的流程图；图2为图1所示的一种数据处理方法中的神经网络示意图；图3为图1所示的一种数据处理方法中的一种工作场所示意图；图4为图1所示的一种数据处理方法中的另一种工作场所示意图；图5为本专利技术第二实施例提供的一种数据处理装置的结构框图；图6为本专利技术第三实施例提供的一种自动化机器人系统的结构框图；图7示出了一种可应用于本专利技术实施例中的控制设备的结构框图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。第一实施例由于现有技术是通过提前设计并安装调试，以完成指定的任务。从而使得设备无法满足各种多变的需求，为了能够适应多变的工作场景，本实施例提供了一种数据处理方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。以下对本实施例进行详细介绍。请参照图1，图1为本专利技术实施例提供的一种数据处理方法的流程图，所述方法应用于自动化机器人系统，所述方法包括如下步骤：步骤S101：获取样本数据。其中，所述样本数据为通过至少一个传感器采集的、将要被执行机构所处理的对象(工件)的相本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：获取样本数据；根据预设在第一应用场景下的第一神经网络模型对所述样本数据进行处理，以控制执行机构在第二应用场景下进行输出；获取输出结果数据；将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练，修正所述第一神经网络模型以适应所述第二应用场景。

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取样本数据；根据预设在第一应用场景下的第一神经网络模型对所述样本数据进行处理，以控制执行机构在第二应用场景下进行输出；获取输出结果数据；将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练，修正所述第一神经网络模型以适应所述第二应用场景。2.根据权利要求1所述的方法，其特征在于，所述将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练包括：在每次获得一个所述输出结果数据后，就将所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练；或者，在获得的所述输出结果数据的数量达到预设值后，将所有的所述输出结果数据作为反馈数据对所述第一神经网络模型进行再训练。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取比对数据；将所述比对数据与所述输出结果数据一起作为反馈数据对所述第一神经网络模型进行再训练。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：根据所述输出结果数据和所述比对数据获取所述第一神经网络模型在所述第二应用场景下的执行准确率；当所述准确率超过预设阈值时，确认所述第一神经网络模型已适应所述第二应用场景。5.根据权利要求3或4所述的方法，其特征在于，所述获取比对数据包括以下至少一个步骤：根据所述第一神经网络模型对所述样本数据进行处理后，获取所述第一神经网络模型控制所述执行机构在第一应用场景下进行输出的期望结果数据作为比对数据；根据已适应所述...

【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