一种基于人工智能技术的熟练工种工业模型训练技术制造技术

本发明专利技术提供一种基于人工智能技术的熟练工种工业模型训练技术，所述熟练工种工业模型训练技术包括以下步骤：数据采集，数据预处理，模型训练，机器学习，数据识别，数据自动处理。本发明专利技术一种基于人工智能技术的熟练工种工业模型训练技术通过人工修正与机器学习相结合，能够极大的提高用于模型训练的数据的准确性，并且能够有效的提高数据较少的情况下的模型训练的效率，提升模型训练的准确性，节约模型训练成本。

A Skilled Industry Model Training Technology Based on Artificial Intelligence Technology

【技术实现步骤摘要】
一种基于人工智能技术的熟练工种工业模型训练技术
本专利技术属于模型训练
，特别涉及一种基于人工智能技术的熟练工种工业模型训练技术。
技术介绍
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，而人工智能的实现离不开机器学习，机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，现在工业的发展与人工智能技术的练习越来越紧密，而各种工业模型的建立，对于工业的智能化，具有重要的意义，但是，对于刚成立的公司而言，数据量是从零开始的或者很少的，如果它们要使用普通的模型训练方法建立工业模型的话，因为没有历史数据，模型的准确率将会是很低的，会存在冷启动问题，为此，本专利技术提出一种基于人工智能技术的熟练工种工业模型训练技术。
技术实现思路
为了解决现有技术存在的问题，本专利技术提供了一种基于人工智能技术的熟练工种工业模型训练技术，通过人工修正与机器学习相结合，能够极大的提高用于模型训练的数据的准确性，并且能够有效的提高数据较少的情况下的模型训练的效率，提升模型训练的准确性，节约模型训练成本。为了实现上述目的，本专利技术是通过如下的技术方案来实现：一种基于人工智能技术的熟练工种工业模型训练技术，所述熟练工种工业模型训练技术包括以下步骤：步骤一：数据采集；根据模型训练的需要进行数据样本的采集，数据采集完毕后进行识别率判断，然后判断识别率是否大于95%，如果否，则继续进行步骤二，如果是，则直接进行步骤六；步骤二：数据预处理；熟练工种的工人根据经验首先对采集的数据样本中的异常数据进行预处理修正，得到正确的、质量高的数据样本，然后进行识别率计算，计算出的识别率将旧识别率替换掉并作为下一次循环的识别率；步骤三：模型训练；使用正确的、质量高的数据样本进行模型训练；步骤四：机器学习；对步骤二中熟练工种的工人修正数据的方式、类型和修正量进行机械学习，学习各个数据之间的关系，建立修正的特征库，并将机器学习的结果存入特征库；步骤五：数据识别；循环结束，再次循环进行步骤一数据采集后，首先根据步骤三中的特征库进行数据识别，将数据中具有相同或者相似问题的数据识别并标识出来，再循环进行步骤二的数据预处理；步骤六：数据自动处理；识别率大于95%后，根据机器学习的修正数据的方式、类型和修正量进行机械学习以及各个数据之间的关系，自动对采集的数据进行修正，然后返回步骤三进行模型训练，然后循环进行步骤一、步骤六和步骤三。作为本专利技术的一种优选方式，所述步骤二中的识别率计算公式为：识别率=识别出的数据/总修正数据。作为本专利技术的一种优选方式，所述步骤一种，第一次数据采集时，初始识别率为0。作为本专利技术的一种优选方式，所述步骤一中识别率判断时，识别率标准能够根据需要设定，实际识别率能够定时或不定时抽查修正。本专利技术的有益效果为：1、本专利技术一种基于人工智能技术的熟练工种工业模型训练技术通过人工修正与机器学习相结合，能够极大的提高用于模型训练的数据的准确性，并且能够有效的提高数据较少的情况下的模型训练的效率，提升模型训练的准确性，节约模型训练成本。2、对于刚成立的公司而言，数据量是从零开始的或者很少的，如果它们要使用普通的模型训练方法建立工业模型的话，因为没有历史数据，模型的准确率将会是很低的，会存在冷启动问题，使用本专利技术能够很好的解决此问题。3、本专利技术一种基于人工智能技术的熟练工种工业模型训练技术步骤简洁，后期能够自动的对数据进行纠正从而达到自动提高数据的质量，适合推广。附图说明图1为一种基于人工智能技术的熟练工种工业模型训练技术步骤流程图。具体实施方式为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。请参阅图1，本专利技术提供一种技术方案：一种基于人工智能技术的熟练工种工业模型训练技术，所述熟练工种工业模型训练技术包括以下步骤：步骤一：数据采集；根据模型训练的需要进行数据样本的采集，数据采集完毕后进行识别率判断，然后判断识别率是否大于95%，如果否，则继续进行步骤二，如果是，则直接进行步骤六；步骤二：数据预处理；熟练工种的工人根据经验首先对采集的数据样本中的异常数据进行预处理修正，得到正确的、质量高的数据样本，然后进行识别率计算，计算出的识别率将旧识别率替换掉并作为下一次循环的识别率；步骤三：模型训练；使用正确的、质量高的数据样本进行模型训练；步骤四：机器学习；对步骤二中熟练工种的工人修正数据的方式、类型和修正量进行机械学习，学习各个数据之间的关系，建立修正的特征库，并将机器学习的结果存入特征库；步骤五：数据识别；循环结束，再次循环进行步骤一数据采集后，首先根据步骤三中的特征库进行数据识别，将数据中具有相同或者相似问题的数据识别并标识出来，再循环进行步骤二的数据预处理；步骤六：数据自动处理；识别率大于95%后，根据机器学习的修正数据的方式、类型和修正量进行机械学习以及各个数据之间的关系，自动对采集的数据进行修正，然后返回步骤三进行模型训练，然后循环进行步骤一、步骤六和步骤三。作为本专利技术的一种优选方式，所述步骤二中的识别率计算公式为：识别率=识别出的数据/总修正数据。作为本专利技术的一种优选方式，所述步骤一种，第一次数据采集时，初始识别率为0。作为本专利技术的一种优选方式，所述步骤一中识别率判断时，识别率标准能够根据需要设定，实际识别率能够定时或不定时抽查修正。以上显示和描述了本专利技术的基本原理和主要特征和本专利技术的优点，对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。本文档来自技高网...

【技术保护点】
1.一种基于人工智能技术的熟练工种工业模型训练技术，其特征在于，所述熟练工种工业模型训练技术包括以下步骤：步骤一：数据采集；根据模型训练的需要进行数据样本的采集，数据采集完毕后进行识别率判断，然后判断识别率是否大于95%，如果否，则继续进行步骤二，如果是，则直接进行步骤六；步骤二：数据预处理；熟练工种的工人根据经验首先对采集的数据样本中的异常数据进行预处理修正，得到正确的、质量高的数据样本，然后进行识别率计算，计算出的识别率将旧识别率替换掉并作为下一次循环的识别率；步骤三：模型训练；使用正确的、质量高的数据样本进行模型训练；步骤四：机器学习；对步骤二中熟练工种的工人修正数据的方式、类型和修正量进行机械学习，学习各个数据之间的关系，建立修正的特征库，并将机器学习的结果存入特征库；步骤五：数据识别；循环结束，再次循环进行步骤一数据采集后，首先根据步骤三中的特征库进行数据识别，将数据中具有相同或者相似问题的数据识别并标识出来，再循环进行步骤二的数据预处理；步骤六：数据自动处理；识别率大于95%后，根据机器学习的修正数据的方式、类型和修正量进行机械学习以及各个数据之间的关系，自动对采集的数据进行修正，然后返回步骤三进行模型训练，然后循环进行步骤一、步骤六和步骤三。...

【技术特征摘要】
2019.01.31 CN 201910099948X1.一种基于人工智能技术的熟练工种工业模型训练技术，其特征在于，所述熟练工种工业模型训练技术包括以下步骤：步骤一：数据采集；根据模型训练的需要进行数据样本的采集，数据采集完毕后进行识别率判断，然后判断识别率是否大于95%，如果否，则继续进行步骤二，如果是，则直接进行步骤六；步骤二：数据预处理；熟练工种的工人根据经验首先对采集的数据样本中的异常数据进行预处理修正，得到正确的、质量高的数据样本，然后进行识别率计算，计算出的识别率将旧识别率替换掉并作为下一次循环的识别率；步骤三：模型训练；使用正确的、质量高的数据样本进行模型训练；步骤四：机器学习；对步骤二中熟练工种的工人修正数据的方式、类型和修正量进行机械学习，学习各个数据之间的关系，建立修正的特征库，并将机器学习的结果存入特征库；步骤五：数据识别；循环结...

【专利技术属性】
技术研发人员：裴向东，赵彩凤，郭卫卫，
申请(专利权)人：吕梁市军民融合协同创新研究院，
类型：发明
国别省市：山西,14