[發明專利]一種基于人工智能技術的熟練工種工業模型訓練技術

在審

• 申請號: 201910483695.6
• 申請日: 2019-06-05
• 公開（公告）號: CN110059830A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 裴向東;趙彩鳳;郭衛衛
• 申請（專利權）人: 呂梁市軍民融合協同創新研究院
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京思元知識產權代理事務所(普通合伙) 11598
• 代理人: 曾暉

本發明提供一種基于人工智能技術的熟練工種工業模型訓練技術，所述熟練工種工業模型訓練技術包括以下步驟：數據采集，數據預處理，模型訓練，機器學習，數據識別，數據自動處理。本發明一種基于人工智能技術的熟練工種工業模型訓練技術通過人工修正與機器學習相結合，能夠極大的提高用于模型訓練的數據的準確性，并且能夠有效的提高數據較少的情況下的模型訓練的效率，提升模型訓練的準確性，節約模型訓練成本。

技術領域

本發明屬于模型訓練技術領域，特別涉及一種基于人工智能技術的熟練工種工業模型訓練技術。

背景技術

人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，而人工智能的實現離不開機器學習，機器學習專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能，現在工業的發展與人工智能技術的練習越來越緊密，而各種工業模型的建立，對于工業的智能化，具有重要的意義，但是，對于剛成立的公司而言，數據量是從零開始的或者很少的，如果它們要使用普通的模型訓練方法建立工業模型的話，因為沒有歷史數據，模型的準確率將會是很低的，會存在冷啟動問題，為此，本發明提出一種基于人工智能技術的熟練工種工業模型訓練技術。

發明內容

為了解決現有技術存在的問題，本發明提供了一種基于人工智能技術的熟練工種工業模型訓練技術，通過人工修正與機器學習相結合，能夠極大的提高用于模型訓練的數據的準確性，并且能夠有效的提高數據較少的情況下的模型訓練的效率，提升模型訓練的準確性，節約模型訓練成本。

為了實現上述目的，本發明是通過如下的技術方案來實現：一種基于人工智能技術的熟練工種工業模型訓練技術，所述熟練工種工業模型訓練技術包括以下步驟：

步驟一：數據采集；根據模型訓練的需要進行數據樣本的采集，數據采集完畢后進行識別率判斷，然后判斷識別率是否大于95%，如果否，則繼續進行步驟二，如果是，則直接進行步驟六；

步驟二：數據預處理；熟練工種的工人根據經驗首先對采集的數據樣本中的異常數據進行預處理修正，得到正確的、質量高的數據樣本，然后進行識別率計算，計算出的識別率將舊識別率替換掉并作為下一次循環的識別率；

步驟三：模型訓練；使用正確的、質量高的數據樣本進行模型訓練；

步驟四：機器學習；對步驟二中熟練工種的工人修正數據的方式、類型和修正量進行機械學習，學習各個數據之間的關系，建立修正的特征庫，并將機器學習的結果存入特征庫；

步驟五：數據識別；循環結束，再次循環進行步驟一數據采集后，首先根據步驟三中的特征庫進行數據識別，將數據中具有相同或者相似問題的數據識別并標識出來，再循環進行步驟二的數據預處理；

步驟六：數據自動處理；識別率大于95%后，根據機器學習的修正數據的方式、類型和修正量進行機械學習以及各個數據之間的關系，自動對采集的數據進行修正，然后返回步驟三進行模型訓練，然后循環進行步驟一、步驟六和步驟三。

作為本發明的一種優選方式，所述步驟二中的識別率計算公式為：識別率=識別出的數據/總修正數據。

作為本發明的一種優選方式，所述步驟一種，第一次數據采集時，初始識別率為0。

作為本發明的一種優選方式，所述步驟一中識別率判斷時，識別率標準能夠根據需要設定，實際識別率能夠定時或不定時抽查修正。

本發明的有益效果為：