一种识别模型的更新方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种识别模型的更新方法、装置、设备及介质。该方法包括：若检测到称重事件，则获取所述称重设备当前使用的原识别模型的识别日志数据；根据所述识别日志数据，确定物品的异常改价次数，并确定更新数据；若存在至少一种物品的异常改价次数超过预设次数阈值，则通过所述学习设备根据所述更新数据训练得到改进识别模型，并用改进识别模型更新原识别模型。本技术方案可以解决智能称重设备在使用过程中受不规范操作影响导致识别模型的识别精度下降的问题，可以及时监测识别模型识别效果，保证高精度识别。保证高精度识别。保证高精度识别。

【技术实现步骤摘要】
一种识别模型的更新方法、装置、设备及介质


[0001]本专利技术涉及计算机视觉
，尤其涉及一种识别模型的更新方法、装置、设备及介质。

技术介绍

[0002]在农贸市场、生鲜超市以及社区便利店等物品售卖场所，散装物品通常需要称重打印价签后再结算，称重作业员要事前记住条码才能完成称重作业，而培养称重作业员需要花费大量成本。智能称重设备可以通过物品识别自动完成称重作业。一方面降低了称重作业员的聘用门槛，另一方面可以给店铺节约大量人员培训成本。
[0003]目前，智能称重设备在现场部署时，需要现场称重作业员手动录入一遍要称重的物品数据即现场学习。部署完成后，智能称重设备每完成一次称重任务都作为一次学习，理论上来讲，称重次数越多，识别精度越高。
[0004]实际上，由于串码、错码等称重作业员操作不规范问题，造成智能称重设备在学习过程中，识别精度无法到达预期效果。例如部分称重员在称重作业过程中经常串码打印价签的情况，容易造成单价相同的多种物品学习混乱，进而影响了识别模型的识别精度。智能称重设备在现场学习的过程中被教坏，越用越差的情况时有发生。

技术实现思路

[0005]本专利技术提供了一种识别模型的更新方法、装置、设备及介质，以解决智能称重设备在使用过程中受不规范操作影响导致识别模型的识别精度下降的问题，可以及时监测识别模型识别效果，保证高精度识别。
[0006]根据本专利技术的一方面，提供了一种识别模型的更新方法，所述方法由称重设备执行，所述称重设备与学习设备交互；所述方法包括：<br/>[0007]若检测到称重事件，则获取所述称重设备当前使用的原识别模型的识别日志数据；
[0008]根据所述识别日志数据，确定物品的异常改价次数，并确定更新数据；
[0009]若存在至少一种物品的异常改价次数超过预设次数阈值，则通过所述学习设备根据所述更新数据训练得到改进识别模型，并用改进识别模型更新原识别模型。
[0010]根据本专利技术的另一方面，提供了一种识别模型的更新装置，所述装置配置于称重设备，所述称重设备与学习设备交互；该装置包括：
[0011]识别日志数据获取模块，用于若检测到称重事件，则获取所述称重设备当前使用的原识别模型的识别日志数据；
[0012]异常改价次数确定模块，用于根据所述识别日志数据，确定物品的异常改价次数，并确定更新数据；
[0013]识别模型更新模块，用于若存在至少一种物品的异常改价次数超过预设次数阈值，则通过所述学习设备根据所述更新数据训练得到改进识别模型，并用改进识别模型更
新原识别模型。
[0014]根据本专利技术的另一方面，提供了一种称重设备，其特征在于，所述设备包括：物品识别摄像头、至少一个处理器以及存储器；
[0015]所述物品识别摄像头与所述处理器通信连接，所述处理器与所述存储器通信连接；
[0016]其中，所述物品识别摄像头，用于采集称重物品图像；
[0017]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行时实现本专利技术任一实施例所述的识别模型的更新方法。
[0018]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的识别模型的更新方法。
[0019]本专利技术实施例的技术方案，通过检测到称重事件，获取称重设备当前使用的原识别模型的识别日志数据；根据识别日志数据，确定物品的异常改价次数和更新数据；若存在至少一种物品的异常改价次数超过预设次数阈值，则通过学习设备根据更新数据训练得到改进识别模型，并用改进识别模型更新原识别模型。该方案可以解决智能称重设备在使用过程中受不规范操作影响导致识别模型的识别精度下降的问题，可以及时监测识别模型识别效果，保证高精度识别。
[0020]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0021]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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的附图。
[0022]图1是根据本专利技术实施例一提供的一种识别模型的更新方法的流程图；
[0023]图2是根据本专利技术实施例二提供的一种识别模型的更新方法的流程图；
[0024]图3是根据本专利技术实施例三提供的一种识别模型的更新装置的结构示意图；
[0025]图4是实现本专利技术实施例的识别模型的更新方法的识别模型的更新设备的结构示意图。
具体实施方式
[0026]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，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的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第
二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、设备、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0028]实施例一
[0029]图1为本专利技术实施例一提供了一种识别模型的更新方法的流程图，本实施例可适用于识别模型的更新的情况，该方法可以由识别模型的更新装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可配置于识别模型的更新设备中。如图1所示，该方法包括：
[0030]S110、若检测到称重事件，则获取所述称重设备当前使用的原识别模型的识别日志数据。
[0031]本方案可以由称重设备执行，所述称重设备可以与学习设备通信连接，所述学习设备可以是计算机、服务器等电子设备。学习设备可以专门用于识别模型的训练，例如基于大规模数据集的训练。所述识别模型可以是基于深度学习模型构建得到的，例如卷积神经网络。
[0032]当称重设备检测到称重数据发生变化、物品识别摄像头出现物品等称重事件时，可以调取称重设备的原始别模型的识别日志数据，用于统计分析当前使用的原始别模型是否符合物品识别的精度需求。其中，所述识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别模型的更新方法，其特征在于，所述方法由称重设备执行，所述称重设备与学习设备交互；所述方法包括：若检测到称重事件，则获取所述称重设备当前使用的原识别模型的识别日志数据；根据所述识别日志数据，确定物品的异常改价次数，并确定更新数据；若存在至少一种物品的异常改价次数超过预设次数阈值，则通过所述学习设备根据所述更新数据训练得到改进识别模型，并用改进识别模型更新原识别模型。2.根据权利要求1所述的方法，其特征在于，所述识别日志数据包括至少一条识别记录，所述识别记录包括时间信息、模型输出信息和物品确认信息；所述根据所述识别日志数据，确定物品的异常改价次数，包括：根据所述模型输出信息与所述物品确认信息的匹配结果，确定所述模型输出信息对应的物品的改价次数；根据所述时间信息和各物品的改价次数，确定各物品在预先设置的至少两个时段的改价频率；根据所述改价频率，确定各物品的改价次数中的异常改价次数。3.根据权利要求2所述的方法，其特征在于，所述根据所述改价频率，确定各物品的改价次数中的异常改价次数，包括：根据各时段内各物品的改价频率，确定目标时段和/或目标物品；在各物品的改价次数中剔除目标时段的改价次数，得到各物品的异常改价次数；和/或，在各物品的改价次数中剔除目标物品的改价次数，得到各物品的异常改价次数。4.根据权利要求3所述的方法，其特征在于，所述根据各时段内各物品的改价频率，确定目标时段和/或目标物品，包括：若存在至少一个时段内各物品的改价频率满足预设频率条件，则确定所述至少一个时段为目标时段；和/或，若存在至少一种物品在各时段内的改价频率均高于预设频率阈值，则确定所述至少一种物品为目标物品。5.根据权利要求2所述的方法，其特征在于，所述根据所述模型输出信息与所述物品确认信息的匹配结果，确定所述模型输出信息对应的物品的改价次数，包括：若所述模型输出信息与所述物品确认信息不匹配，则将所述模型输...

【专利技术属性】
技术研发人员：闫凤图，曙光，李想，
申请(专利权)人：烟台创迹软件有限公司，
类型：发明
国别省市：