[发明专利]模型训练方法、分类方法、装置及设备

权利要求书

1.一种物块分类模型训练方法，其特征在于，包括：

采用样本图像集中的多个样本物块图像进行模型训练，得到物块分类模型；

根据所述物块分类模型，对所述样本图像集中的每个样本图像进行分类，得到所述每个样本物块图像的物块分类结果；

若所述物块分类结果指示对应样本物块图像的分类结果错误，根据接收到的针对所述分类结果错误的样本物块图像的研判类型，对所述样本图像集中所述分类结果错误的样本物块图像所标注物块类型进行修改；

根据修改后的所述样本图像集进行重新训练，得到目标物块分类模型，所述目标物块分类模型用以基于待分选物块的图像对所述待分选物块进行分类。

2.根据权利要求1所述的方法，其特征在于，所述样本图像集包括：训练图像集和测试图像集，所述训练图像集和所述测试图像集分别包括：多个物块类型的样本物块图像；

所述采用样本图像集中的多个样本物块图像进行模型训练，得到物块分类模型，包括：

根据所述训练图像集中的样本物块图像进行模型训练，得到第一分类模型；

采用所述测试图像集中的样本物块图像对所述第一分类模型进行测试，得到所述第一分类模型的分类召回率；

根据所述分类召回率，对所述训练图像集中所述多个物块类型的样本物块图像的比例进行调节；

根据调节后的所述训练图像集重新进行模型训练，得到第二分类模型；所述物块分类模型为所述第二分类模型。

3.根据权利要求2所述的方法，其特征在于，所述分类召回率包括：所述多个物块类型的分类召回率；所述根据所述分类召回率，对所述训练图像集中所述多个物块类型的样本物块图像的比例进行调节，包括：

根据所述多个物块类型中预设物块类型的分类召回率，以及预设图像分类指标，对所述训练图像集中所述多个物块类型的样本物块图像的比例进行调节，其中，所述预设图像分类指标包括：对所述预设物块类型的物块样本图像的分类召回率的指标。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述分类召回率，对所述第一分类模型的参数进行调节；

所述根据调节后的所述训练图像集重新进行模型训练，得到第二分类模型，包括：

根据调节后的所述第一分类模型的参数以及调节后的所述训练图像集重新进行模型训练，得到所述第二分类模型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标物块分类模型在生产中对待分选物块的图像进行分类的现场分类准确度；

根据所述现场分类准确度不满足预设的现场分类需求，则采集生产过程中的多个物料图像，并对所述样本图像集进行更新；

根据更新后的所述样本图像集重新进行模型训练，直至得到的所述目标物块分类模型在生产中的现场分类准确度满足所述现场分类需求。

6.根据权利要求2-5中任一所述的方法，其特征在于，所述采用样本图像集中的多个样本物块图像进行模型训练，得到物块分类模型之前，所述方法还包括：

根据样本物块图像的数量，确定所述样本图像集中训练图像集和测试图像集的比例；其中，所述训练图像集大于或等于所述测试图像集。

7.一种物块分类模型训练装置，其特征在于，包括：训练模块、分类模块、修改模块；

所述训练模块，用于采用样本图像集中的多个样本物块图像进行模型训练，得到物块分类模型；

所述分类模块，用于根据所述物块分类模型，对所述样本图像集中的每个样本图像进行分类，得到所述每个样本物块图像的物块分类结果；

所述修改模块，用于若所述物块分类结果指示对应样本物块图像的分类结果错误，根据接收到的针对所述分类结果错误的样本物块图像的研判类型，对所述样本图像集中所述分类结果错误的样本物块图像所标注物块类型进行修改；

所述训练模块，还用于根据修改后的所述样本图像集进行重新训练，得到目标物块分类模型，所述目标物块分类模型用以基于待分选物块的图像对所述待分选物块进行分类。