基于集成学习模型的拍品分类方法、系统及存储介质技术方案

本申请提供一种基于集成学习模型的拍品分类方法、系统及存储介质。该方法应用于集成学习模型系统，集成学习模型系统包括信息区块链，该方法包括：从目标信息节点获取目标拍品的第一图像信息，并根据第一图像信息提取目标拍品的多个第一图像特征；根据多个第一图像特征计算目标拍品的第一分类度，第一分类度用于指示目标拍品的实际分类价值；基于训练好的集成学习模型，根据多个第一图像特征预测目标拍品的第二分类度，第二分类度用于指示目标拍品的预测分类价值；根据第一分类度和第二分类度对目标拍品进行分类。本申请能够提高拍品的回收效率。收效率。收效率。

【技术实现步骤摘要】
基于集成学习模型的拍品分类方法、系统及存储介质


[0001]本申请涉及智能识别
，尤其涉及一种基于集成学习模型的拍品分类方法、系统及存储介质。

技术介绍

[0002]随着科技的不断发展，企业在不断更新升级硬件设施的过程中，会产生大量的废旧物资或者二手设备等废旧物品，如果直接丢弃会造成大量的资源浪费。通过资源回收然后拍卖的方式，既可以给原企业带来一定的回收效益，又可以将废旧物品售卖给合适的新企业，促进资源循环再利用，避免浪费，推动绿色发展。
[0003]多数废旧物品(也即拍卖物品，简称拍品)大多是通过承接拍卖企业的工作人员现场收集废旧物品的相关信息，通过人工分析，将废旧物品进行分类，需要花费大量的时间，人工成本较高。
[0004]申请人发现，对于一些小的拍品，基本可以通过外观实现价值评估和分类，无需派人员现场评估。然而，对于上述拍品，现有大多通过人工识别或者简单的图像识别进行分类，识别效果差，准确率低。

技术实现思路

[0005]本申请提供了一种基于集成学习模型的拍品分类方法、系统及存储介质，以解决部分拍品需要由大多通过简单的图像识别进行分类，识别效果差，准确率低的问题。
[0006]第一方面，本申请提供了一种基于集成学习模型的拍品分类方法，应用于集成学习模型系统，集成学习模型系统包括信息区块链，信息区块链的每一个信息节点对应存储有一个被上传拍品的图像信息；该方法包括：
[0007]从目标信息节点获取目标拍品的第一图像信息，并根据第一图像信息提取目标拍品的多个第一图像特征，目标信息节点为信息区块链的任一信息节点；
[0008]根据多个第一图像特征计算目标拍品的第一分类度，第一分类度用于指示目标拍品的实际分类价值；
[0009]基于训练好的集成学习模型，根据多个第一图像特征预测目标拍品的第二分类度，第二分类度用于指示目标拍品的预测分类价值；
[0010]根据第一分类度和第二分类度对目标拍品进行分类。
[0011]在一种可能的实现方式中，根据第一分类度和第二分类度对目标拍品进行分类，包括：
[0012]计算第一分类度和第二分类度的比值，作为目标偏差值；
[0013]根据目标偏差值对目标拍品进行分类。
[0014]在一种可能的实现方式中，集成学习模型系统还包括分类区块链，分类区块链包括第一子链、第二子链和第三子链；
[0015]根据目标偏差值对目标拍品进行分类，包括：
[0016]在目标偏差值小于第一预设偏差值时，将目标拍品标记为稳定，并将目标拍品的图像信息上传至第一子链；
[0017]在目标偏差值不小于第一预设偏差值，且小于第二预设偏差值时，将目标拍品标记为合理，并将目标拍品的图像信息上传至第二子链；
[0018]在目标偏差值大于第二预设偏差值时，将目标拍品标记为风险，并将目标拍品的图像信息上传至第三子链；
[0019]其中，第一预设偏差值小于第二预设偏差值。
[0020]在一种可能的实现方式中，集成学习模型系统还包括记录区块链，记录区块链的每一个记录节点存储有一个已售拍品的第二图像信息和售价；
[0021]根据多个第一图像特征计算目标拍品的第一分类度，包括：
[0022]获取每个记录节点已售拍品的第二图像信息和售价；
[0023]对于每一个已售拍品，根据第二图像信息提取该已售拍品的多个第二图像特征；
[0024]计算每个第一图像特征和各个第二图像特征的M个相似度；
[0025]基于预先确定的第一公式，根据M个相似度和各个已售拍品的售价计算目标拍品的第一分类度。
[0026]在一种可能的实现方式中，第一公式包括：
[0027][0028][0029]其中，C
z
表示目标拍品z的第一分类度，A
zq
表示目标拍品z与已售拍品q的相似度，Q
q
表示已售拍品q的售价，P
zi,qj
表示目标拍品z的第i个第一图像特征与已售拍品q的第j个第二图像特征的相似度，λ表示售价波动参数，0＜λ＜1。
[0030]在一种可能的实现方式中，集成学习模型系统还包括标准区块链，标准区块链中存储有第一数量标准拍品的第三图像信息和标准售价；
[0031]在从目标信息节点获取目标拍品的第一图像信息之前，该方法还包括：
[0032]从标准区块链中获取第二数量标准拍品的第三图像信息和售价，第二数量不大于第一数量；
[0033]计算每一个标准拍品的第三图像特征，并根据第三图像特征计算每一个标准拍品的第三分类度，第三分类度用于指示标准拍品的理论分类价值；
[0034]根据第二数量标准拍品的第三图像特征和第三分类度对集成学习模型进行训练，得到训练好的集成学习模型。
[0035]在一种可能的实现方式中，集成学习模型包括第一预测层、第二预测层和第三预测层，第一预测层、第二预测层和第三预测层中包括的模型不完全相同；
[0036]根据第二数量标准拍品的第三图像特征和第三分类度对集成学习模型进行训练，得到训练好的集成学习模型，包括：
[0037]将第二数量的标准拍品划分为第一训练集和第一验证集，第一训练集包括X个标准拍品的图像特征和第三分类度，第一验证集包括Y个标准拍品的图像特征和第三分类度；
[0038]根据第一训练集和第一验证集对第一预测层进行训练，得到训练好的第一预测层；
[0039]将第一预测层的输出结果划分为第二训练集和第二验证集，并根据第二训练集和第二验证集对第二预测层进行训练，得到训练好的第二预测层；
[0040]将第二预测层的输出结果划分为第三训练集和第三验证集，并根据第三训练集和第三验证集对第三预测层进行训练，得到训练好的第三预测层；
[0041]根据训练好的第一预测层、训练好的第二预测层和训练好的第三预测层构建训练好的集成学习模型。
[0042]在一种可能的实现方式中，计算每一个标准拍品的第三分类度的公式为：
[0043][0044]其中，C
y
表示标准拍品y的第三分类度，B
yp
表示标准拍品y与其他标准拍品p的相似度，λ表示售价波动参数，0＜λ＜1。
[0045]第二方面，本申请提供了一种基于集成学习模型的拍品分类装置，应用于集成学习模型系统，集成学习模型系统包括信息区块链和价值区块链，信息区块链的每一个信息节点对应存储有一个被上传拍品的图像信息，该装置包括：
[0046]第一获取模块，用于从目标信息节点获取目标拍品的第一图像信息，并根据第一图像信息提取目标拍品的多个第一图像特征，目标信息节点为信息区块链的信息节点；
[0047]第一计算模块，用于根据多个第一图像特征计算目标拍品的第一分类度，第一分类度用于指示目标拍品的实际分类价值；
[0048]第二计算模块，用于基于训练好的集成学习模型，根据多个第一图像特征预测目标拍品的第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成学习模型的拍品分类方法，其特征在于，应用于集成学习模型系统，所述集成学习模型系统包括信息区块链，所述信息区块链的每一个信息节点对应存储有一个被上传拍品的图像信息；所述方法包括：从目标信息节点获取目标拍品的第一图像信息，并根据所述第一图像信息提取所述目标拍品的多个第一图像特征，所述目标信息节点为所述信息区块链的任一信息节点；根据所述多个第一图像特征计算所述目标拍品的第一分类度，所述第一分类度用于指示所述目标拍品的实际分类价值；基于训练好的集成学习模型，根据所述多个第一图像特征预测所述目标拍品的第二分类度，所述第二分类度用于指示所述目标拍品的预测分类价值；根据所述第一分类度和所述第二分类度对所述目标拍品进行分类。2.根据权利要求1所述的基于集成学习模型的拍品分类方法，其特征在于，所述根据所述第一分类度和所述第二分类度对所述目标拍品进行分类，包括：计算所述第一分类度和所述第二分类度的比值，作为目标偏差值；根据所述目标偏差值对所述目标拍品进行分类。3.根据权利要求2所述的基于集成学习模型的拍品分类方法，其特征在于，所述集成学习模型系统还包括分类区块链，所述分类区块链包括第一子链、第二子链和第三子链；所述根据所述目标偏差值对所述目标拍品进行分类，包括：在所述目标偏差值小于第一预设偏差值时，将所述目标拍品标记为稳定，并将所述目标拍品的图像信息上传至所述第一子链；在所述目标偏差值不小于所述第一预设偏差值，且小于第二预设偏差值时，将所述目标拍品标记为合理，并将所述目标拍品的图像信息上传至所述第二子链；在所述目标偏差值大于所述第二预设偏差值时，将所述目标拍品标记为风险，并将所述目标拍品的图像信息上传至所述第三子链；其中，所述第一预设偏差值小于所述第二预设偏差值。4.根据权利要求1所述的基于集成学习模型的拍品分类方法，其特征在于，所述集成学习模型系统还包括记录区块链，所述记录区块链的每一个记录节点存储有一个已售拍品的第二图像信息和售价；所述根据所述多个第一图像特征计算所述目标拍品的第一分类度，包括：获取每个记录节点已售拍品的第二图像信息和售价；对于每一个已售拍品，根据第二图像信息提取该已售拍品的多个第二图像特征；计算每个所述第一图像特征和各个所述第二图像特征的M个相似度；基于预先确定的第一公式，根据所述M个相似度和各个已售拍品的售价计算所述目标拍品的第一分类度；其中，所述第一公式包括：
其中，C
z
表示目标拍品z的第一分类度，A
zq
表示目标拍品z与已售拍品q的相似度，Q
q
表示已售拍品q的售价，P
zi,qj
表示目标拍品z的第i个第一图像特征与已售拍品q的第j个第二图像特征的相似度，λ表示售价波动参数，0＜λ＜1。5.根据权利要求1至4任一项所述的基于集成学习模型的拍品分类方法，其特征在于，所述集成学习模型系统还包括标准区块链，所述标准区块链中存储有第一数量标准拍品的第三图像信息和标准售价；在所述从目标信息节点获取目标拍品的第一图像信息之前，所述方法还包括：从所述标准区块链中获取...

【专利技术属性】
技术研发人员：李君彦，李飞，
申请(专利权)人：河北中废通拍卖有限公司，
类型：发明
国别省市：