[发明专利]模型训练方法、分类方法、装置及设备

说明书

本申请提供一种模型训练方法、分类方法、装置及设备，属于物块识别技术领域。该方法包括：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；根据物块分类模型，对每个样本图像进行分类得到每个样本物块图像的物块分类结果；若物块分类结果指示对应样本物块图像的分类结果错误，根据接收到的针对分类错误的样本物块图像的研判类型，对分类错误的样本物块图像所标注物块类型进行修改；根据修改后的样本图像集进行重新训练，得到目标物块分类模型。本申请可以通过对样本标注的物块类型的修改提升物块分类模型的准确性。

技术领域

本申请涉及物块识别技术领域，具体而言，涉及一种模型训练方法、分类方法、装置及设备。

背景技术

在工业生产中，为了对不同的物块进行加工，通常需要对采集到的物块进行分类。当前采用的主要分类方式通过图像识别的方式，捕捉图像中的物块信息，进而对这些物块信息进行识别，然而在实际生产应用中，由于相机只能从某一个角度固定采集图像，因此，会存在有一些图像中无法具体识别其物块信息中的类别，很难对这类数据进行分类。

目前对这类物块信息的处理方式主要是剔除这部分无法识别的数据，然而在实际工业生产中，这类物块信息确实存在，剔除这类数据往往会导致物块的浪费，并且，由于在分类的过程中采用了深度学习的方式，通过这些物块信息对神经网络进行训练，缺少了这类样本也会导致通过该神经网络分类的结果不够准确。

发明内容

本申请的目的在于提供一种模型训练方法、分类方法、装置及设备，可以通过对样本标注的物块类型的修改提升物块分类模型的准确性。

本申请的实施例是这样实现的：

本申请实施例的一方面，提供一种物块分类模型训练方法，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；

根据物块分类模型，对样本图像集中的每个样本图像进行分类，得到每个样本物块图像的物块分类结果；

若物块分类结果指示对应样本物块图像的分类结果错误，根据接收到的针对分类错误的样本物块图像的研判类型，对样本图像集中分类错误的样本物块图像所标注物块类型进行修改；

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

可选地，样本图像集包括：训练图像集和测试图像集，训练图像集和测试图像集分别包括：多个物块类型的样本物块图像；

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；

采用测试图像集中的样本物块图像对第一分类模型进行测试，得到第一分类模型的分类召回率；

根据分类召回率，对训练图像集中多个物块类型的样本物块图像的比例进行调节；

根据调节后的训练图像集重新进行模型训练，得到第二分类模型；物块分类模型为第二分类模型。

可选地，分类召回率包括：多个物块类型的分类召回率；根据分类召回率，对训练图像集中多个物块类型的样本物块图像的比例进行调节，包括：

根据多个物块类型中预设物块类型的分类召回率，以及预设的图像分类指标，对训练图像集中多个物块类型的样本物块图像的比例进行调节，其中，预设图像分类指标包括：对预设物块类型的物块样本图像的分类召回率的指标。

可选地，该方法还包括：

根据分类召回率，对第一分类模型的参数进行调节。