[发明专利]新工业模型规划方法

说明书

本发明实施例涉及工业模型规划领域，具体公开了新工业模型规划方法，在本发明实施例提供的新工业模型规划方法中，通过获取工业物品原始数据图像，对所述原始图像数据集进行预处理，得到训练图像数据集；将所述训练图像数据集导入到卷积神经网络中，逐步迭代训练得到工业模型；进而利用工业物品测试数据图像，并将所述测试数据图像导入到训练得到的工业模型中，并通过调整所述工业模型的参数并对工业模型进行再训练，直至所述训练结果满足所述预设条件，能够解决现有技术中工业模型进行训练的方法不具有普遍性，只能满足固定产品生产的需求，且不能及时的对工业模型进行训练，使得工业模型长时间不能得到有效的更新的问题。

技术领域

本发明实施例涉及工业模型规划领域，具体是新工业模型规划方法。

背景技术

随着工业互联网的飞速发展，工业领域的知识库、模型库、机理模型以及工艺流程等企业的数字资产在呈级数增长，在现有技术中，企业主要靠各种各样的信息化系统去管理这些数字资产，但是没有统一的体系进行统一管理，各个信息化系统的数据彼此。目前，工业模型能够将工业领域的各类生产制造、工艺流程、经营理念、管理经验等各种无形的数字资产转换成标准的模型，实现对数字资产的管理，在工业模型构建之后需要对该工业模型进行训练，现有技术中，对工业模型进行训练的方法不具有普遍性，只能满足固定产品生产的需求，且不能及时的对工业模型进行训练，使得工业模型长时间不能得到有效的更新。

发明内容

本发明实施例的目的在于提供新工业模型规划方法，以解决工业模型进行训练的方法不具有普遍性，只能满足固定产品生产的需求，且不能及时的对工业模型进行训练，使得工业模型长时间不能得到有效的更新的问题。

为实现上述目的，本发明实施例提供如下技术方案：

新工业模型规划方法，所述方法包括以下具体步骤：

获取工业物品原始数据图像，对所述原始图像数据集进行预处理，得到训练图像数据集；将所述训练图像数据集导入到卷积神经网络中，逐步迭代训练得到工业模型；

获取工业物品测试数据图像，将所述测试数据图像导入到训练得到的工业模型中，输出训练结果，并判断所述训练结果是否满足预定条件，若否，则调整所述工业模型的参数并对工业模型进行再训练，直至所述训练结果满足所述预设条件。

作为本发明实施例技术方案进一步的限定，所述对所述原始图像数据集进行预处理的步骤具体包括：基于工业物品原始图像中工业物体表面有无缺陷，对工业物品原始图像进行分类，得到经所述原始图像数据集进行分类所形成的第一图像数据集和第二图像数据集。

作为本发明实施例技术方案进一步的限定，所述第一图像数据集中的工业物品原始图像中工业物体表面无缺陷。

作为本发明实施例技术方案进一步的限定，所述第二图像数据集中的工业物品原始图像中工业物体表面有缺陷。

作为本发明实施例技术方案进一步的限定，所述将所述训练图像数据集导入到卷积神经网络中的步骤之前，还包括以下步骤：

将所述训练图像数据集转换成tfrecord格式。

作为本发明实施例技术方案进一步的限定，所述第一图像数据集和第二图像数据集的工业物品图像尺寸相同。

作为本发明实施例技术方案进一步的限定，所述新工业模型规划方法还包括：

当多个用户同时调用一个工业模型时，复制所述工业模型形成多个相同的工业模型副本；将每一所述工业模型副本运行的空间虚拟化为一独立的训练容器，一个工业模型副本对应一个训练容器；对所述工业模型副本进行训练时，所述多个用户分别将对应的训练数据输入到对应的训练容器中，对所述工业模型副本进行训练。