[发明专利]一种木材类别更新方法和装置

说明书

本发明提供一种木材类别更新方法和装置，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。本发明能够准确识别、确认一个木材的新类别，并自动更新类别，可以达到在线升级分类的效果，提高了分类精度和生产效率，进而提高木材加工的自动化程度。

技术领域

本发明涉及木材处理技术领域，更具体地，涉及一种木材类别更新方法和装置。

背景技术

在木材加工领域，诸多工作是由经过训练的工人凭借人眼观察与自身经验完成的，例如判断木板的平整度、设计木板加工方案、对木材的分类等。木材分类主要是指木材加工流水线上对不同用途的木材及产品的分类，以及对同一用途的木材及产品不同品类的分类，例如按颜色和花纹划分木材及产品。

众所周知，人工方法耗费大量的人力资源，并且由于需求的变动以及木材属性的不规则性，人工工作的方式不仅效率低下，而且需要不断的重新培训才能保持一定的准确度。同时，随着工作时间的增加，人工方法也会出现准确率下降，效率变慢的现象。目前将机器学习用于木板加工领域多集中于木板的缺陷检测，比如CN 201110212438锯材表面缺陷的图像采集系统及检测方法。此外，机器学习尤其是有监督学习，需要大量预先设定分类以及对训练数据进行标注。这使得通过大量数据训练后的机器学习模型仅能够按照预定义的分类方式对未来的木材进行分类。然而，由于木材的天然属性，原料批次不同的木材，木材的特征也有所不同，这使得其与原始的分类设定不匹配。

因此，需要一种技术以提供动态的、精准的木材分类。

发明内容

本发明实施例提供一种木材类别更新方法和装置，以提供动态的、精准的木材分类。

为了解决上述问题，本发明提供一种木材类别更新方法和装置，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。

可选地，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。

可选地，所述判断是否产生新类别包括：

对所有所述木材样品进行聚类，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。

可选地，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。

可选地，所述机器学习包括：神经网络、决策森林、邻近算法、硬聚类算法或支持向量机中的一种或几种组合。

可选地，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。