金银花识别模型的训练方法、装置、计算机设备及介质制造方法及图纸

本申请涉及人工智能技术领域，公开了一种金银花识别模型的训练方法，包括：获取多个第一样本；以及基于深度学习模型构建金银花识别模型，金银花识别模型包括主网络模块，以及多个子网络模块；利用所有所述第一样本对所述主网络模块进行训练；利用各个所述金银花类别对应的所述第一样本，分别训练各个所述子网络模块；检测到所述主网络模块和所有所述子网络模块均训练完成时，判定所述金银花识别模型训练完成。本申请还涉及区块链技术。本申请还公开了一种金银花识别模型的训练装置、计算机设备以及计算机可读存储介质。本申请实现尽可能减少训练金银花识别模型所需的人工标注样本的数量的同时，提高了训练得到的金银花识别模型的准确率。

【技术实现步骤摘要】
金银花识别模型的训练方法、装置、计算机设备及介质
本申请涉及人工智能
，尤其涉及一种金银花识别模型的训练方法、金银花识别模型的训练装置、计算机设备以及计算机可读存储介质。
技术介绍
目前，金银花药材等级通常分为12种，由于不同等级的金银花在制作、加工、售价等方面都不一样，因此需要通过识别金银花杂质的占比、大小、重量、干燥程度等，来区分各个等级的金银花药材。目前采用的方法大多都是人工区分金银花药材各个等级，人为识别主观性强，难以准确对金银花药材进行分级，而且效率低下。而为了提高对金银花药材的识别效率，将机器学习应用至金银花识别的研究也随之展开，但目前提出的金银花识别模型，不仅因为金银花等级众多而需要使用大量人工标注的样本，而且准确率较低。上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本申请的主要目的在于提供一种金银花识别模型的训练方法、金银花识别模型的训练装置、计算机设备以及计算机可读存储介质，旨在解决如何尽可能减少训练金银花识别模型所需的人工标注样本的数量的同时本文档来自技高网...

【技术保护点】
1.一种金银花识别模型的训练方法，其特征在于，包括：/n获取多个第一样本，其中，所述第一样本为标注有金银花类别和金银花等级的金银花图像，每个所述金银花类别包括多个所述金银花等级，且每个所述金银花等级对应的所述第一样本的数量有多个；以及，/n基于深度学习模型构建金银花识别模型，所述金银花识别模型包括主网络模块，以及多个子网络模块；/n利用所有所述第一样本对所述主网络模块进行训练，其中，所述主网络模块用于提取所述第一样本对应的第一图像特征，并基于所述第一图像特征训练所述主网络模块识别所述金银花图像对应的金银花类别的能力；/n利用各个所述金银花类别对应的所述第一样本，分别训练各个所述子网络模块，其中...

【技术特征摘要】
1.一种金银花识别模型的训练方法，其特征在于，包括：
获取多个第一样本，其中，所述第一样本为标注有金银花类别和金银花等级的金银花图像，每个所述金银花类别包括多个所述金银花等级，且每个所述金银花等级对应的所述第一样本的数量有多个；以及，
基于深度学习模型构建金银花识别模型，所述金银花识别模型包括主网络模块，以及多个子网络模块；
利用所有所述第一样本对所述主网络模块进行训练，其中，所述主网络模块用于提取所述第一样本对应的第一图像特征，并基于所述第一图像特征训练所述主网络模块识别所述金银花图像对应的金银花类别的能力；
利用各个所述金银花类别对应的所述第一样本，分别训练各个所述子网络模块，其中，所述子网络模块用于提取所述第一样本对应的第二图像特征，以及将所述第二图像特征与所述第一图像特征进行融合，得到第三图像特征，并基于所述第三图像特征训练所述子网络模块识别所述金银花图像对应的金银花等级的能力；
检测到所述主网络模块和所有所述子网络模块均训练完成时，判定所述金银花识别模型训练完成。


2.如权利要求1所述的金银花识别模型的训练方法，其特征在于，所述利用各个所述金银花类别对应的所述第一样本，分别训练各个所述子网络模块的步骤之前，还包括：
获取多个第二样本，所述第二样本为未标注的金银花图像；
利用训练后的所述主网络模块对多个所述第二样本进行分析，以预测多个所述第二样本对应的金银花类别和第一预测概率；
根据各个所述第二样本对应的所述金银花类别和所述第一预测概率，将各个所述第二样本标注为第三样本；
基于所有所述第三样本和所有所述第一样本，对训练后的所述主网络模块进行训练更新。


3.如权利要求2所述的金银花识别模型的训练方法，其特征在于，所述利用各个所述金银花类别对应的所述第一样本，分别训练各个所述子网络模块的步骤之后，还包括：
根据各个所述第三样本对应的金银花类别，确定各个所述第三样本对应的所述子网络模块；
利用各个所述第三样本对应的所述子网络模块，预测各个所述第三样本对应的金银花等级和第二预测概率；
根据各个所述第三样本对应的所述金银花等级和所述第二预测概率，将各个所述第三样本标注为第四样本；
基于各个所述子网络模块对应的所述第四样本和所述第一样本，对各个所述子网络模块进行训练更新。


4.如权利要求1所述的金银花识别模型的训练方法，其特征在于，所述利用所有所述第一样本对所述主网络模块进行训练的步骤包括：
将所有所述第一样本按预设比例划分为训练集、验证集和测试集；
利用所述训练集对所述主网络模块进行多次迭代训练；
利用所述验证集对多次迭代训练后的所述主网络模块进行优化；
利用所述测试集对优化后的所述主网络模块进行测试；
当检测到所述主网络模块通过所述测试时，判定所述主网络模块训练结束；
当检测到所述主网络模块未通过所述测试时，返回执行所述利用所述训练集对所述主网络模块进行多次迭代训练的步骤。


5.如权利要求1-4中任一项所述的金...

【专利技术属性】
技术研发人员：罗林锋，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44