[發(fā)明專利]積木塊搜索方法、模型訓練方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202011330197.7
• 申請日: 2020-11-24
• 公開（公告）號: CN112417287A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設計）人: 冷曉琨;常琳;黃賢賢;白學林;柯真東;王松;吳雨璁;何治成
• 申請（專利權）人: 樂聚(深圳)機器人技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 曹瑞敏

1.一種積木塊搜索方法，其特征在于，包括：

獲取待處理的積木塊設備的屬性數(shù)據；

根據所述屬性數(shù)據，檢索得到所述屬性數(shù)據對應的搜索關鍵詞；

向服務器發(fā)送搜索請求，接收所述服務器發(fā)送的所述搜索關鍵詞對應的搜索內容所述搜索請求中包括所述搜索關鍵詞。

2.根據權利要求1所述的方法，其特征在于，所述獲取待處理的積木塊設備的屬性數(shù)據，包括：

通過預設攝像頭采集所述待處理的積木塊設備的積木塊圖像；

對所述積木塊圖像進行圖像識別處理，獲取所述待處理的積木塊設備的屬性數(shù)據。

3.根據權利要求2所述的方法，其特征在于，所述根據所述待處理的積木塊設備進行圖像識別，獲取所述待處理的積木塊設備的屬性數(shù)據之后，所述方法還包括：

在顯示屏中的預設區(qū)域、顯示所述待處理的積木塊設備的屬性數(shù)據。

4.根據權利要求1所述的方法，其特征在于，所述根據所述屬性數(shù)據，檢索得到所述屬性數(shù)據對應的搜索關鍵詞，包括：

將所述屬性數(shù)據作為模型輸入，采用預先訓練的關鍵詞確定模型，獲取所述屬性數(shù)據對應的搜索關鍵詞，其中，所述關鍵詞確定模型由樣本圖像集訓練獲取，所述樣本圖像集包括：多張積木塊圖像、各所述積木塊圖像對應的屬性數(shù)據，各所述積木塊圖像標注有搜索關鍵詞。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述屬性數(shù)據包括如下數(shù)據中的至少一種：

積木塊的數(shù)量、積木塊的類型、積木塊的組合順序。

6.一種模型訓練方法，其特征在于，包括：

獲取樣本圖像集，所述樣本圖像集包括：多張積木塊圖像、各所述積木塊圖像對應的屬性數(shù)據，各所述積木塊圖像標注有搜索關鍵詞；

根據所述樣本圖像集、以及預設神經網絡模型進行模型訓練，得到關鍵詞確定模型，所述關鍵詞確定模型用于根據積木塊設備的屬性數(shù)據識別獲取對應的搜索關鍵詞。

7.一種積木塊搜索裝置，其特征在于，包括：

獲取模塊，用于獲取待處理的積木塊設備的屬性數(shù)據；

檢索模塊，用于根據所述屬性數(shù)據，檢索得到所述屬性數(shù)據對應的搜索關鍵詞；

發(fā)送模塊，用于向服務器發(fā)送搜索請求，所述搜索請求中包括所述搜索關鍵詞，接收模塊，用于接收所述服務器發(fā)送的所述搜索關鍵詞對應的搜索內容。

8.一種模型訓練裝置，其特征在于，包括：

獲取模塊，用于獲取樣本圖像集，所述樣本圖像集包括：多張積木塊圖像、各所述積木塊圖像對應的屬性數(shù)據，各所述積木塊圖像標注有搜索關鍵詞；

訓練模塊，用于根據所述樣本圖像集、以及預設神經網絡模型進行模型訓練，得到關鍵詞確定模型，所述關鍵詞確定模型用于根據積木塊設備的屬性數(shù)據識別獲取對應的搜索關鍵詞。

9.一種電子設備，其特征在于，包括：處理器、存儲器和總線，所述存儲器存儲有所述處理器可執(zhí)行的機器可讀指令，當所述電子設備運行時，所述處理器與所述存儲器之間通過總線通信，所述處理器執(zhí)行所述機器可讀指令，以執(zhí)行權利要求1-5任一項所述的方法。

10.一種電子設備，其特征在于，包括：處理器、存儲器和總線，所述存儲器存儲有所述處理器可執(zhí)行的機器可讀指令，當所述電子設備運行時，所述處理器與所述存儲器之間通過總線通信，所述處理器執(zhí)行所述機器可讀指令，以執(zhí)行權利要求6所述的方法。

11.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器運行時執(zhí)行權利要求1-6任一項所述方法。