[发明专利]木板识别的机器再学习方法、装置、电子设备及存储介质

说明书

技术领域

本公开涉及木材自动化识别技术领域，具体涉及一种木板识别的机器再学习方法、装置、电子设备及存储介质。

背景技术

在木材加工领域，诸多工作需要经过训练的工人，通过观察，结合经验完成。例如判断每一块木板的平整度、对木板产品进行分类、设计木板加工方案等。

然而，使用人工的方法需要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，人力的方法也会出现准确率下降，效率变慢的现象。

使用机器进行平整度检测的方法正成为当前行业的新兴方向，在木材处理过程中的很多步骤可以通过机器的方法来解决。例如木板的平整度判断、木板的分类、木材产品的缺陷检测等方面均可以通过人工智能的方法实现自动化处理。

发明内容

本公开实施例提供一种木板识别的机器再学习方法、装置、电子设备及计算机可读存储介质。

第一方面，本公开实施例中提供了一种木板识别的机器再学习方法，包括：

获取用于木板识别的初始识别模型；所述初始识别模型经过第一训练样本集合训练；所述第一训练样本集合包括至少一个第一训练样本以及所述第一训练样本对应的第一标注结果；

获取第二训练样本集合；所述第二训练样本集合包括至少一个第二训练样本以及所述第二训练样本对应的第二标注结果；

获取本地识别模型；所述本地识别模型经过所述第二训练样本集合对所述初始识别模型再训练得到；

其中，所述获取用于木板识别的初始识别模型，包括：

通过通信网络从服务器获取已经过所述第一训练样本集合训练的所述初始识别模型；或，

通过通信网络从服务器获取所述第一训练样本集合，并在本地利用所述第一训练样本集合训练得到所述初始识别模型。

可选地，所述获取第二训练样本集合，包括：

在所述初始识别模型对待识别木板的识别结果的置信度低于阈值时，将所述待识别木板对应的第二训练样本以及第二标注结果加入所述第二训练样本集合。

可选地，所述获取本地识别模型，包括：

采用所述第二训练样本集合对所述初步识别模型进行再训练，得到所述本地识别模型；或，

将所述第二训练样本集合发送至服务器，以及从所述服务器获取经过所述第二训练样本训练后的所述本地识别模型。

可选地，所述初始识别模型采用所述第一训练样本集合对基于第一神经网络的机器学习模型进行训练得到；所述本地识别模型采用所述第二训练样本集合对基于第二神经网络的机器学习模型进行训练得到，所述第二神经网络的部分或全部节点值与经过第一训练样本集合训练后的所述第一神经网络的节点值对应一致。

可选地，所述第二神经网络包括所述第一神经网络的所有节点以及新生成的节点，和/或所述第二神经网络和所述第一神经网络的输出节点不同。

可选地，所述第一标注结果和第二标注结果包括木材的分类、切割方案、缺陷识别、等级评估中的一个或多个；所述初始识别模型和所述本地识别模型的识别结果包括木材的分类、切割方案、缺陷识别、等级评估中的一个或多个。

可选地，所述第一标注结果和第二标注结果所采用的标注方案不同。

可选地，所述方法还包括：

采集第三训练样本；

将所述第三训练样本输入至所述初步识别模型中，并将得到的识别结果与对应的所述第三训练样本发送至服务器，以加入至所述第一训练样本集合中。

可选地，所述方法还包括：

将所述本地识别模型发送至服务器。

可选地，所述获取用于木板识别的初始识别模型，包括：

获取多个所述初始识别模型；

其中，所述本地识别模型为采用第二训练样本集合对多个所述初始识别模型分别进行训练后，从中选取的识别效果最佳的模型。

第一方面，本公开实施例中提供了一种木板识别的机器再学习装置，包括：

第一获取模块，被配置为获取用于木板识别的初始识别模型；所述初始识别模型经过第一训练样本集合训练；所述第一训练样本集合包括至少一个第一训练样本以及所述第一训练样本对应的第一标注结果；

第二获取模块，被配置为获取第二训练样本集合；所述第二训练样本集合包括至少一个第二训练样本以及所述第二训练样本对应的第二标注结果；