CN112926432B - 适用于工业部件识别模型的训练方法、装置及存储介质 - Google Patents

适用于工业部件识别模型的训练方法、装置及存储介质 Download PDF

Info

Publication number
CN112926432B
CN112926432B CN202110197009.6A CN202110197009A CN112926432B CN 112926432 B CN112926432 B CN 112926432B CN 202110197009 A CN202110197009 A CN 202110197009A CN 112926432 B CN112926432 B CN 112926432B
Authority
CN
China
Prior art keywords
industrial
customized
dimensional image
preset
dimensional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110197009.6A
Other languages
English (en)
Other versions
CN112926432A (zh
Inventor
林振峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Yougongpin Technology Co ltd
Original Assignee
Hangzhou Yougongpin Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Yougongpin Technology Co ltd filed Critical Hangzhou Yougongpin Technology Co ltd
Priority to CN202110197009.6A priority Critical patent/CN112926432B/zh
Publication of CN112926432A publication Critical patent/CN112926432A/zh
Application granted granted Critical
Publication of CN112926432B publication Critical patent/CN112926432B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Manufacturing & Machinery (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种适用于工业部件识别模型的训练方法、装置及存储介质,包括：获取工业部件数据库中的预设工业部件三维图像；对预设工业部件三维图像进行二维处理生成多个预设工业部件二维图像，其中每个预设工业部件二维图像为同一工业部件的不同角度的图像；将所有同一工业部件的不同角度的预设工业部件二维图像作为训练样本对工业部件识别模型进行训练。获取用户当前时刻定制的定制工业部件三维图像；对定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像，其中每个定制工业部件二维图像为同一工业部件的不同角度的图像；将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练。

Description

适用于工业部件识别模型的训练方法、装置及存储介质
技术领域
本发明涉及模型训练技术，尤其涉及一种适用于工业部件识别模型的训练方法、装置及存储介质。
背景技术
工业零部件是我国国民经济中非常重要的支柱产业，产值超万亿，其中又以紧固件(俗称螺丝钉)产品应用和涉及行业最为广泛小到手机大到飞机都需要紧固件进行连接是工业基础性配套产业，紧固件也被冠以“工业之米”的称号紧固件产品各个国家、地区和行业都有自己的标准(标准内容包含技术、性能、应用、图纸等信息)，我国是工业制造大国，汇聚了全球紧固件产品数据，全球的紧固件标准达8000多种，常用产品规格型号也超过千万。
目前，已经有部分企业对工业零部件进行信息化的汇总，并建设基础的工业部件数据库，方便使用者可以查询、参考和引用。但是在形成数据库之后，基于该数据库进行零部件的识别、查询的模型适用性较差，无法在数据库中寻找到相应的工业零部件以及其对应的信息，识别精度较差。
发明内容
本发明实施例提供一种适用于工业部件识别模型的训练方法、装置及存储介质，能够通过多种方式对工业部件识别模型进行训练，提高模型的识别精度。
本发明实施例的第一方面，提供一种适用于工业部件识别模型的训练方法,包括：
获取工业部件数据库中的预设工业部件三维图像；
对所述预设工业部件三维图像进行二维处理生成多个预设工业部件二维图像，其中每个预设工业部件二维图像为同一工业部件的不同角度的图像；
将所有同一工业部件的不同角度的预设工业部件二维图像作为训练样本对工业部件识别模型进行训练。
可选地，在第一方面的一种可能实现方式中，获取用户当前时刻定制的定制工业部件三维图像；
对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像，其中每个定制工业部件二维图像为同一工业部件的不同角度的图像；
将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练。
可选地，在第一方面的一种可能实现方式中，所述获取用户当前时刻定制的定制工业部件三维图像包括：
判断所述定制工业部件三维图像与数据库中的预设工业部件三维图像是否相同；
若不存在与所述定制工业部件三维图像相同的预设工业部件三维图像，则对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像。
可选地，在第一方面的一种可能实现方式中，其中，所述预设工业部件三维图像具有与其对应的预设工业部件信息；
当工业部件识别模型识别到二维图像与所述预设工业部件三维图像相对应时，输出所述预设工业部件三维图像的同时输出所述预设工业部件信息。
可选地，在第一方面的一种可能实现方式中，在所述将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练的步骤后，还包括：
接收使用者输入的定制工业部件信息；
将所述定制工业部件信息与所述定制工业部件三维图像相对应设置，当工业部件识别模型识别到二维图像与所述定制工业部件三维图像相对应时，输出所述定制工业部件三维图像的同时输出所述定制工业部件信息。
本发明实施例的第二方面，提供一种适用于工业部件识别模型的训练装置，包括：
预设图像获取模块，用于获取工业部件数据库中的预设工业部件三维图像；
预设图像处理模块，用于对所述预设工业部件三维图像进行二维处理生成多个预设工业部件二维图像，其中每个预设工业部件二维图像为同一工业部件的不同角度的图像；
预设训练模块，用于将所有同一工业部件的不同角度的预设工业部件二维图像作为训练样本对工业部件识别模型进行训练。
可选地，在第二方面的一种可能实现方式中，所述装置还包括：
定制图像获取模块，用于获取用户当前时刻定制的定制工业部件三维图像；
定制图像处理模块，用于对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像，其中每个定制工业部件二维图像为同一工业部件的不同角度的图像；
定制训练模块，用于将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练。
可选地，在第二方面的一种可能实现方式中，所述定制图像获取模块包括：
判断单元，用于判断所述定制工业部件三维图像与数据库中的预设工业部件三维图像是否相同；
处理单元，用于若不存在与所述定制工业部件三维图像相同的预设工业部件三维图像，则对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像。
可选地，在第二方面的一种可能实现方式中，还包括以下装置：
接收单元，用于接收使用者输入的定制工业部件信息；
输出单元，用于将所述定制工业部件信息与所述定制工业部件三维图像相对应设置，当工业部件识别模型识别到二维图像与所述定制工业部件三维图像相对应时，输出所述定制工业部件三维图像的同时输出所述定制工业部件信息。
本发明实施例的第三方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种适用于工业部件识别模型的训练方法、装置及存储介质，能够分别通过两种途径获取训练数据，第一种是获取工业部件数据库中的工业部件三维图像，对工业部件三维图像的各个角度进行工业部件二维图像的提取，将提取的工业部件二维图像作为训练数据对工业部件识别模型进行训练，使得工业部件识别模型在对图片识别时，识别精度更高。该种方式是后台管理员在数据库中存入标注的工业部件。
本申请模型训练的第二种训练数据获取方式为，实时监测当前是否存在用户定制工业部件三维图像，如果存在的话，则对用户定制工业部件三维图像的各个角度进行工业部件二维图像的提取，将提取的工业部件二维图像作为训练数据对工业部件识别模型再次进行训练。该种方式可以是前端的使用者根据个人需要定制工业部件，本发明会进行自动的采集前端定制的工业部件三维图像进行训练。通过这两种方式，增加了训练数据的获取方式，丰富了工业部件识别模型的训练样本，提高了工业部件识别模型的准确率。
附图说明
图1为适用于工业部件识别模型的训练方法的第一种实施方式的流程图；
图2为适用于工业部件识别模型的训练方法的第二种实施方式的流程图；
图3为适用于工业部件识别模型的训练装置的第一种实施方式的结构图；
图4为适用于工业部件识别模型的训练装置的第二种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种适用于工业部件识别模型的训练方法,本发明所提到的工业部件识别模型，其能够基于获取的二维图像进行搜索比对，从数据库等具有存储功能的设备内调取与获取的二维图像对应的三维图像或者是对应的属性信息等等。如图1所示其流程图，包括：
步骤S10、获取工业部件数据库中的预设工业部件三维图像。预设工业部件三维图像具有与其对应的预设工业部件信息；
当工业部件识别模型识别到二维图像与所述预设工业部件三维图像相对应时，输出所述预设工业部件三维图像的同时输出所述预设工业部件信息。在本发明的实施例中，工业部件数据库为现有的成熟技术，在工业部件数据库内存储有若干的工业部件三维图像或者是工业部件三维图纸等等，该工业部件三维图像或者是工业部件三维图纸可以是国家的标准工业部件，也可以是后台管理人员自己设计的。
步骤S20、对所述预设工业部件三维图像进行二维处理生成多个预设工业部件二维图像，其中每个预设工业部件二维图像为同一工业部件的不同角度的图像。本步骤是通过对预先存储的数据库内的预设工业部件三维图像进行处理，得到该预设工业部件三维图像的不同角度的图像，丰富了工业部件识别模型的训练样本，使得工业部件识别模型在对工业部件的二维图像进行识别时，不会因为二维图像中工业部件的角度问题而出现识别不能的情况。
步骤S30、将所有同一工业部件的不同角度的预设工业部件二维图像作为训练样本对工业部件识别模型进行训练。最后是将工业部件不同角度的二维图像作为训练样本第工业部件识别模型进行训练。
在步骤S10至步骤S30的过程中，可以实现对工业部件识别模型的初始化训练，即在该工业部件识别模型上线前，进行初步的训练。
进一步的，如图2所示，所述方法还包括：
步骤S40、获取用户当前时刻定制的定制工业部件三维图像。在本步骤中，主要是获取用户实时定制的定制工业部件三维图像，因为在不同的工况下用户需要的工业部件也可能是不同的，所以此时用户可能会根据自身的需要进行工业部件的定制，为了提高工业部件识别模型的识别精准度，此时也将用户的定制工业部件三维图像作为训练样本。
在步骤S40中，还包括：
S401、判断所述定制工业部件三维图像与数据库中的预设工业部件三维图像是否相同。在用户定制工业部件三维图像后，首先进行一个比对步骤，即将用户定制工业部件三维图像与现有的预设工业部件三维图像进行比对，如果一致的话，则证明此时工业部件识别模型已经经历过该训练样本的训练。
S402、若不存在与所述定制工业部件三维图像相同的预设工业部件三维图像，则对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像。如果不存在，则证明此时定制工业部件三维图像与数据库中的预设工业部件三维图像都不相同，此时可以以定制工业部件三维图像作为训练样本。
步骤S50、对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像，其中每个定制工业部件二维图像为同一工业部件的不同角度的图像。本步骤是通过对定制的定制工业部件三维图像进行处理，得到该定制工业部件三维图像的不同角度的图像，丰富了工业部件识别模型的训练样本，使得工业部件识别模型在对工业部件的二维图像进行识别时，不会因为二维图像中工业部件的角度问题而出现识别不能的情况。
步骤S60、将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练。
在步骤S40至步骤S60的过程中，可以实现对工业部件识别模型的更新训练，即在该工业部件识别模型上线后，根据客户任何时刻定制的模型进行训练，实现模型的实时训练。
进一步的，在步骤后S60，还包括：
S70、接收使用者输入的定制工业部件信息。定制工业部件信息可以是在前端基于WebGL等网页、软件等输入、构建的信息。
S80、将所述定制工业部件信息与所述定制工业部件三维图像相对应设置，当工业部件识别模型识别到二维图像与所述定制工业部件三维图像相对应时，输出所述定制工业部件三维图像的同时输出所述定制工业部件信息。本步骤时工业部件识别模型的识别步骤，其根据二维图像与定制工业部件三维图像相的相对应关系输出相应的定制工业部件信息。
本发明还提供一种适用于工业部件识别模型的训练装置，如图3所示，包括：
预设图像获取模块，用于获取工业部件数据库中的预设工业部件三维图像；
预设图像处理模块，用于对所述预设工业部件三维图像进行二维处理生成多个预设工业部件二维图像，其中每个预设工业部件二维图像为同一工业部件的不同角度的图像；
预设训练模块，用于将所有同一工业部件的不同角度的预设工业部件二维图像作为训练样本对工业部件识别模型进行训练。
在一个实施例中，如图4所示，所述装置还包括：
定制图像获取模块，用于获取用户当前时刻定制的定制工业部件三维图像；
定制图像处理模块，用于对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像，其中每个定制工业部件二维图像为同一工业部件的不同角度的图像；
定制训练模块，用于将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练。
在一个实施例中，所述定制图像获取模块包括：
判断单元，用于判断所述定制工业部件三维图像与数据库中的预设工业部件三维图像是否相同；
处理单元，用于若不存在与所述定制工业部件三维图像相同的预设工业部件三维图像，则对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像。
在一个实施例中，还包括以下装置：
接收单元，用于接收使用者输入的定制工业部件信息；
输出单元，用于将所述定制工业部件信息与所述定制工业部件三维图像相对应设置，当工业部件识别模型识别到二维图像与所述定制工业部件三维图像相对应时，输出所述定制工业部件三维图像的同时输出所述定制工业部件信息。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种适用于工业部件识别模型的训练方法,其特征在于，包括：
获取工业部件数据库中的预设工业部件三维图像；
对所述预设工业部件三维图像进行二维处理生成多个预设工业部件二维图像，其中每个预设工业部件二维图像为同一工业部件的不同角度的图像；
将所有同一工业部件的不同角度的预设工业部件二维图像作为训练样本对工业部件识别模型进行训练；
获取用户当前时刻定制的定制工业部件三维图像；
对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像，其中每个定制工业部件二维图像为同一工业部件的不同角度的图像；
将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练；
接收使用者输入的定制工业部件信息；
将所述定制工业部件信息与所述定制工业部件三维图像相对应设置，当工业部件识别模型识别到二维图像与所述定制工业部件三维图像相对应时，输出所述定制工业部件三维图像的同时输出所述定制工业部件信息。
2.根据权利要求1所述的训练方法,其特征在于，
所述获取用户当前时刻定制的定制工业部件三维图像包括：
判断所述定制工业部件三维图像与数据库中的预设工业部件三维图像是否相同；
若不存在与所述定制工业部件三维图像相同的预设工业部件三维图像，则对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像。
3.根据权利要求1至2中任意一项所述的训练方法,其特征在于，
其中，所述预设工业部件三维图像具有与其对应的预设工业部件信息；
当工业部件识别模型识别到二维图像与所述预设工业部件三维图像相对应时，输出所述预设工业部件三维图像的同时输出所述预设工业部件信息。
4.一种适用于工业部件识别模型的训练装置，其特征在于，包括：
预设图像获取模块，用于获取工业部件数据库中的预设工业部件三维图像；
预设图像处理模块，用于对所述预设工业部件三维图像进行二维处理生成多个预设工业部件二维图像，其中每个预设工业部件二维图像为同一工业部件的不同角度的图像；
预设训练模块，用于将所有同一工业部件的不同角度的预设工业部件二维图像作为训练样本对工业部件识别模型进行训练；
定制图像获取模块，用于获取用户当前时刻定制的定制工业部件三维图像；
定制图像处理模块，用于对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像，其中每个定制工业部件二维图像为同一工业部件的不同角度的图像；
定制训练模块，用于将所有同一工业部件的不同角度的定制工业部件二维图像作为训练样本对工业部件识别模型再次进行训练；
接收单元，用于接收使用者输入的定制工业部件信息；
输出单元，用于将所述定制工业部件信息与所述定制工业部件三维图像相对应设置，当工业部件识别模型识别到二维图像与所述定制工业部件三维图像相对应时，输出所述定制工业部件三维图像的同时输出所述定制工业部件信息。
5.根据权利要求4所述的训练装置,其特征在于，
所述定制图像获取模块包括：
判断单元，用于判断所述定制工业部件三维图像与数据库中的预设工业部件三维图像是否相同；
处理单元，用于若不存在与所述定制工业部件三维图像相同的预设工业部件三维图像，则对所述定制工业部件三维图像进行二维处理生成多个定制工业部件二维图像。
6.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至3任一所述的方法。
CN202110197009.6A 2021-02-22 2021-02-22 适用于工业部件识别模型的训练方法、装置及存储介质 Active CN112926432B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110197009.6A CN112926432B (zh) 2021-02-22 2021-02-22 适用于工业部件识别模型的训练方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110197009.6A CN112926432B (zh) 2021-02-22 2021-02-22 适用于工业部件识别模型的训练方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112926432A CN112926432A (zh) 2021-06-08
CN112926432B true CN112926432B (zh) 2023-08-15

Family

ID=76170055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110197009.6A Active CN112926432B (zh) 2021-02-22 2021-02-22 适用于工业部件识别模型的训练方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112926432B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1791091A2 (en) * 2005-11-29 2007-05-30 Siemens Medical Solutions USA, Inc. Method and apparatus for non-shrinking mesh smoothing using local fitting
CN103258217A (zh) * 2013-05-15 2013-08-21 中国科学院自动化研究所 一种基于增量学习的行人检测方法
CN106446942A (zh) * 2016-09-18 2017-02-22 兰州交通大学 基于增量学习的农作物病害识别方法
CN107679356A (zh) * 2016-08-01 2018-02-09 常州佳畅智能科技有限公司 一种基于混沌的机械零部件早期单点故障检测与分类方法
CN109344786A (zh) * 2018-10-11 2019-02-15 深圳步智造科技有限公司 目标识别方法、装置及计算机可读存储介质
CN110175236A (zh) * 2019-04-24 2019-08-27 平安科技（深圳）有限公司 用于文本分类的训练样本生成方法、装置和计算机设备
DE102019200806A1 (de) * 2019-01-23 2020-07-23 Continental Reifen Deutschland Gmbh Verfahren zum Identifizieren von Ersatzbauteilen für Herstellungsmaschinen
CN112052449A (zh) * 2019-06-06 2020-12-08 深信服科技股份有限公司 一种恶意文件识别方法、装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1791091A2 (en) * 2005-11-29 2007-05-30 Siemens Medical Solutions USA, Inc. Method and apparatus for non-shrinking mesh smoothing using local fitting
CN103258217A (zh) * 2013-05-15 2013-08-21 中国科学院自动化研究所 一种基于增量学习的行人检测方法
CN107679356A (zh) * 2016-08-01 2018-02-09 常州佳畅智能科技有限公司 一种基于混沌的机械零部件早期单点故障检测与分类方法
CN106446942A (zh) * 2016-09-18 2017-02-22 兰州交通大学 基于增量学习的农作物病害识别方法
CN109344786A (zh) * 2018-10-11 2019-02-15 深圳步智造科技有限公司 目标识别方法、装置及计算机可读存储介质
DE102019200806A1 (de) * 2019-01-23 2020-07-23 Continental Reifen Deutschland Gmbh Verfahren zum Identifizieren von Ersatzbauteilen für Herstellungsmaschinen
CN110175236A (zh) * 2019-04-24 2019-08-27 平安科技（深圳）有限公司 用于文本分类的训练样本生成方法、装置和计算机设备
CN112052449A (zh) * 2019-06-06 2020-12-08 深信服科技股份有限公司 一种恶意文件识别方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于数据扩维的SAR目标识别性能提升技术;罗震宇;于俊朋;刘振华;;现代雷达(第05期);31-36 *

Also Published As

Publication number Publication date
CN112926432A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
WO2021174717A1 (zh) 文本意图识别方法、装置、计算机设备和存储介质
WO2020006835A1 (zh) 智能客服多轮问答方法、设备、存储介质及装置
US20170351934A1 (en) Object recognition device, object recognition method, and program
CN109766176B (zh) 一种基于大规模网络空间探测的扫描进度计算方法及装置
CN108491388B (zh) 数据集获取方法、分类方法、装置、设备及存储介质
US20150169525A1 (en) Augmented reality image annotation
CN108509416B (zh) 句意识别方法及装置、设备和存储介质
CN107526846B (zh) 频道排序模型的生成、排序方法、装置、服务器和介质
CN111460264A (zh) 语义相似度匹配模型的训练方法及装置
CN110659346A (zh) 表格提取方法、装置、终端及计算机可读存储介质
WO2020077869A1 (zh) 图像检索方法、装置、终端及存储介质
CN107748772B (zh) 一种商标识别方法及装置
CN111428027A (zh) 查询意图确定方法及相关装置
CN112613310A (zh) 一种人名匹配方法、装置、电子设备及存储介质
CN114692778B (zh) 用于智能巡检的多模态样本集生成方法、训练方法及装置
CN112926432B (zh) 适用于工业部件识别模型的训练方法、装置及存储介质
CN110532449A (zh) 一种业务文档的处理方法、装置、设备和存储介质
CN112417210A (zh) 健身视频的查询方法、装置、终端和存储介质
CN115641191B (zh) 一种基于数据分析的数据推送方法及ai系统
CN117112595A (zh) 一种信息查询方法、装置、电子设备及存储介质
CN116644102A (zh) 投资对象的智能遴选方法、系统终端及计算机可读存储介质
CN114387600A (zh) 文本特征识别方法、装置、计算机设备和存储介质
KR20220024251A (ko) 이벤트 라이브러리를 구축하는 방법 및 장치, 전자 기기, 및 컴퓨터 판독가능 매체
CN110188274B (zh) 搜索纠错方法及装置
CN112287738A (zh) 图形控件的文本匹配方法及装置、介质、电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant