[发明专利]一种木材类别更新方法和装置在审
申请号: | 201711335527.X | 申请日: | 2017-12-14 |
公开(公告)号: | CN108256550A | 公开(公告)日: | 2018-07-06 |
发明(设计)人: | 丁磊 | 申请(专利权)人: | 北京木业邦科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04 |
代理公司: | 北京辰权知识产权代理有限公司 11619 | 代理人: | 郝雅娟 |
地址: | 100040 北京市石景*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 木材 分类模型 木材样品 新类别 分类 方法和装置 图像数据 更新 基于机器 结果判断 木材加工 生产效率 在线升级 自动更新 自动化 检测 学习 | ||
1.一种木材类别更新方法,其特征在于,所述方法包括:
接收木材样品的图像数据;
根据对所述木材样品分类的结果判断是否产生新类别;其中,基于木材分类模型检测和识别所述图像数据,以对所述木材样品进行分类;所述木材分类模型是基于机器学习得到的;
根据所述新类别更新所述木材分类模型。
2.根据权利要求1所述的方法,其特征在于,所述判断是否产生新类别包括:
在所述分类的结果中出现的第一样品的数量大于第一预设阈值时,确定所述第一样品产生至少一个所述新类别;其中,所述第一样品为与所述木材分类模型中已有类别匹配度低于第二预设阈值的木材样品,或者所述第一样品为无法归入所述木材分类模型中已有类别的木材样品。
3.根据权利要求1所述的方法,所述判断是否产生新类别包括:
对所有第一样品进行聚类,在聚类产生与所述木材分类模型中已有类别不同的类别时,确定所述不同的类别产生至少一个所述新类别;其中,所述第一样品为与所述木材分类模型中已有类别匹配度低于第二预设阈值的木材样品,或者所述第一样品为无法归入所述木材分类模型中已有类别的木材样品。
4.根据权利要求1-3任一所述的方法,其特征在于,所述根据所述新类别更新所述木材分类模型包括:
接收对所述新类别的确认信息,其中,所述确认信息包括:确认增加所述新类别、删除所述新类别、或修改所述新类别;
根据确认后的所述新类别更新所述木材分类模型。
5.一种木材类别更新装置,其特征在于,所述装置包括:
图像数据接收模块,用于接收木材样品的图像数据;
判断模块,用于根据对所述木材样品分类的结果判断是否产生新类别;其中,基于木材分类模型检测和识别所述图像数据,以对所述木材样品进行分类;所述木材分类模型是基于机器学习得到的;
更新模块,用于根据所述新类别更新所述木材分类模型。
6.根据权利要求5所述的装置,所述判断模块包括:
计数模块,用于在所述分类的结果中出现的第一样品的数量大于第一预设阈值时,确定所述第一样品产生至少一个所述新类别;其中,所述第一样品为与所述木材分类模型中已有类别匹配度低于第二预设阈值的木材样品,或者所述第一样品为无法归入所述木材分类模型中已有类别的木材样品。
7.根据权利要求5所述的装置,所述判断是否产生新类别包括:
部分聚类模块,用于对所有第一样品进行聚类,在聚类产生与所述木材分类模型中已有类别不同的类别时,确定所述不同的类别产生至少一个所述新类别;其中,所述第一样品为与所述木材分类模型中已有类别匹配度低于第二预设阈值的木材样品,或者所述第一样品为无法归入所述木材分类模型中已有类别的木材样品。
8.根据权利要求5-7任一所述的装置,所述更新模块具体包括:
接收子模块,用于接收对所述新类别的确认信息,其中,所述确认信息包括:确认增加所述新类别、删除所述新类别、或修改所述新类别;
更新子模块,用于根据确认后的所述新类别更新所述木材分类模型。
9.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器能够实现如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被执行后用以实现如权利要求1-4中任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京木业邦科技有限公司,未经北京木业邦科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711335527.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:图像分类方法、装置及终端
- 下一篇:一种基于区域卷积神经网络的车辆检测方法