[发明专利]样本回扫方法、装置、设备、存储介质和程序

权利要求书

1.一种样本回扫方法，其特征在于，包括：

基于训练后的回扫模型对多个待回扫样本进行扫描，获取所述多个待回扫样本的第一评分；所述第一评分表示所述待回扫样本的扫描结果发生变化的概率；

基于所述多个待回扫样本的第一评分，获取至少一个第一样本；所述至少一个第一样本的第一评分对应的扫描结果发生变化的概率，高于所述多个待回扫样本中除所述第一样本之外的其他样本的第一评分对应的扫描结果发生变化的概率；

利用样本鉴定平台对所述至少一个第一样本进行扫描，获取所述至少一个第一样本的鉴定结果。

2.根据权利要求1所述的样本回扫方法，其特征在于，所述获取所述至少一个第一样本的鉴定结果之后，还包括：

根据所述至少一个第一样本的第一评分和鉴定结果，确定所述回扫模型的性能。

3.根据权利要求1或2所述的样本回扫方法，其特征在于，所述方法还包括：

获取多个待测试样本；

分别利用至少一个候选回扫模型和所述回扫模型对所述多个待测试样本进行扫描，获取各个所述候选回扫模型和所述回扫模型对应的各个所述待测试样本的第二评分；

根据各个所述候选回扫模型和所述回扫模型对应的各个所述待测试样本的第二评分，确定是否对所述回扫模型进行更新。

4.根据权利要求3所述的样本回扫方法，其特征在于，各个所述候选回扫模型和所述回扫模型的性能与各自对应的各个所述待测试样本的第二评分相关，所述根据各个所述候选回扫模型和所述回扫模型对应的各个所述待测试样本的第二评分，确定是否对所述回扫模型进行更新，包括：

根据各个所述候选回扫模型和所述回扫模型对应的各个所述待测试样本的第二评分，分别确定各个所述候选回扫模型和所述回扫模型的性能；

若所述候选回扫模型中存在目标候选回扫模型，则将所述回扫模型更新为所述目标候选回扫模型；所述目标候选回扫模型为所述至少一个候选回扫模型中性能最优，且所述目标候选回扫模型的性能优于所述回扫模型的性能。

5.根据权利要求4所述的样本回扫方法，其特征在于，所述根据各个所述候选回扫模型和所述回扫模型对应的各个所述待测试样本的第二评分，分别确定各个所述候选回扫模型和所述回扫模型的性能，包括：

根据各个所述候选回扫模型和所述回扫模型对应的各个所述待测试样本的第二评分，获取各个所述候选回扫模型和所述回扫模型对应的至少一个第二样本；所述至少一个第二样本的第二评分对应的扫描结果发生变化的概率，高于所述多个待测试样本中除所述第二样本之外的其他样本的第二评分对应的扫描结果发生变化的概率；

分别根据各个所述候选回扫模型和所述回扫模型对应的至少一个第二样本的第二评分，确定各个所述候选回扫模型和所述回扫模型的性能。

6.根据权利要求5所述的样本回扫方法，其特征在于，所述确定各个所述候选回扫模型和所述回扫模型的性能，包括：

分别利用扫描鉴定平台对各个所述候选回扫模型和所述回扫模型对应的至少一个第二样本进行扫描，获取各个所述候选回扫模型和所述回扫模型对应的至少一个第二样本的鉴定结果；

分别根据各个所述候选回扫模型和所述回扫模型对应的至少一个第二样本的第二评分和鉴定结果，确定各个所述候选回扫模型和所述回扫模型的性能。

7.根据权利要求1或2所述的样本回扫方法，其特征在于，所述方法还包括：

建立初始的机器学习模型，并获取训练数据；所述训练数据包括多个已扫描的历史样本的历史鉴定记录以及所述历史样本的属性信息；

基于所述训练数据，对所述机器学习模型进行训练，得到所述回扫模型。