一种模型处理方法、装置、存储介质及设备制造方法及图纸

本申请实施例提供一种模型处理方法、装置、存储介质及设备，该方法中，将用于检测生产过程中的违规问题的目标模型下发到边缘设备上，并获取该边缘设备基于该目标模型检测到的告警事件数据以及后台对这些告警事件数据的审核结果，以此更新目标模型的训练数据集并重新训练目标模型。这样，通过生产数据回流实现模型的自动优化，为模型性能的提升提供数据支持，有利于提升模型的泛化能力。有利于提升模型的泛化能力。有利于提升模型的泛化能力。

【技术实现步骤摘要】
一种模型处理方法、装置、存储介质及设备


[0001]本申请涉及人工智能
，具体而言，涉及一种模型处理方法、装置、存储介质及设备。

技术介绍

[0002]目前，随着计算机技术的不断发展，人工智能模型在安防、工业、交通等各种场景已得到广泛应用。搭载有人工智能模型的边缘设备可以实时收集数据，以帮助改进流程，从而实现任务自动化，提高产品质量等。
[0003]在边缘设备的交付服务中，由于边缘设备面对的场景对模型的泛化能力有较高要求，这就需要有大量的样本数据来对模型进行训练。相关技术中，一般是采集客户的现场数据之后交由数据团队进行标注，以此作为模型的训练测试集。然而，这一方式的工作量大，对模型的泛化能力的提升十分有限。

技术实现思路

[0004]本申请实施例的目的在于提供一种模型处理方法、装置、存储介质及设备，旨在解决相关技术中难以为边缘设备的人工智能模型的提升提供数据支持的问题。
[0005]第一方面，本申请实施例提供的一种模型处理方法，包括：将目标模型下发到边缘设备上，所述目标模型用于检测生产过程中的违规问题；...

【技术保护点】

【技术特征摘要】
1.一种模型处理方法，其特征在于，包括：将目标模型下发到边缘设备上，所述目标模型用于检测生产过程中的违规问题；获取所述边缘设备基于所述目标模型检测到的告警事件数据，并将所述告警事件数据传递至后台进行审核；基于各告警事件数据以及对应的审核结果，更新所述目标模型的训练数据集，并基于更新后的训练数据集重新训练所述目标模型。2.根据权利要求1所述的方法，其特征在于，所述目标模型基于以下方式获得：获取训练好的初始模型，对所述初始模型进行模型转换处理，得到能够在所述边缘设备上运行的中间模型；对所述中间模型进行测试，再将测试成功的中间模型、节点文件和预设脚本组装成目标模型。3.根据权利要求2所述的方法，其特征在于，所述模型转换处理、测试以及组装的步骤是基于Model Zoo执行的。4.根据权利要求1所述的方法，其特征在于，所述目标模型是Graph数据结构的模型。5.根据权利要求1所述的方法，其特征在于，所述将目标模型下发到边缘设备上，包括：将目标模型上传到云平台的算法仓库中，由所述云平台将所述目标模型下发到边缘设备上。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：将重新训练好的目标模型确定为新版本的...

【专利技术属性】
技术研发人员：刘亚萍，刘光雷，丁昂，周江涛，
申请(专利权)人：青岛创新奇智科技集团股份有限公司，
类型：发明
国别省市：