【技术实现步骤摘要】
本申请涉及人工智能，具体而言，涉及训练模型和选取模型阈值的方法和系统。
技术介绍
1、制造业是国家经济的重要支柱，自工业革命以来制造业一直受到高度关注。在工业生产过程中，我们常常会遇见生产线上的问题，譬如转子铁芯吸附异物的问题。在生产线上，转子铁芯可能会吸附诸如螺帽、螺钉、螺栓之类的异物，如果没有及时发现转子吸附异物的情况，则很可能会造成生产线的瘫痪。为了防止因转子铁芯吸附异物而导致生产线的瘫痪，现有技术中通常采用人工目检的方法来实时检测铁芯是否吸附了异物，然而，该方法会浪费大量人力。
技术实现思路
1、为了提升自动化水平，以避免人力浪费，本申请在工业生产中，采用大数据模型来解决生产线上遇到的诸如转子铁芯吸附异物之类的问题。例如，针对转子铁芯吸附异物的情况，我们尝试用图像分类模型去做判断，先让工业相机在固定位置对转子拍照，然后用图像分类模型根据图片来判断转子是否吸附异物。然而，在针对图像分类模型的训练中，很难保证每次模型训练的结果一致，由此容易产生如下的问题：训练的结果时好时坏，需要大量的人工进行干预，没有办法形成一个自动化闭环的训练流程；训练出的模型可靠度低，很难满足工业上的需求，再者在训练出的模型上线之后，如何选取最优的阈值也是一个问题。
2、本申请的实施例提供了一种训练模型和选取模型阈值的方法和系统，其一方面可以实现自动化闭环的训练流程，提高训练出的模型的可靠度，保证模型具有好的鲁棒性，另一方面可以基于训练出的模型自动选取模型阈值，从而实现模型训练和阈值选取完全的
3、根据本申请的一方面，提供一种训练模型和选取模型阈值的方法，所述方法包括：利用数据集训练待训练的模型以获得多个中间模型；针对所述多个中间模型，利用所述数据集的测试集计算每个中间模型的上边界值、下边界值和边界差值，其中所述边界差值表示所述上边界值与所述下边界值之间的差值，所述上边界值表示所述中间模型对所述测试集中的正样本的概率预测值的最小值，所述下边界值表示所述中间模型对所述测试集中的负样本的概率预测值的最大值；对应于所述多个中间模型，选取多个边界差值中的最大边界差值；以及基于对应于所述最大边界差值的上边界值和下边界值来确定模型阈值。
4、在本申请的一些实施例中，可选地，所述方法还包括：将与所述最大边界差值相对应的中间模型确定为终选模型以用于执行概率预测任务。
5、在本申请的一些实施例中，可选地，所述基于对应于所述最大边界差值的上边界值和下边界值来确定模型阈值包括：通过以下公式来计算所述模型阈值：
6、t＝blow+λ*δb，
7、其中t表示所述模型阈值，δb表示所述最大边界差值，blow表示与所述最大边界差值相对应的下边界值，λ表示阈值系数且0＜λ＜1。
8、在本申请的一些实施例中，可选地，所述阈值系数λ取值为1/3。
9、在本申请的一些实施例中，可选地，所述利用数据集训练待训练的模型以获得多个中间模型包括：获取用于指示要获得的中间模型个数的超参数；以及在当前获得的中间模型的数量小于所述超参数指示的中间模型个数的情况下，利用数据集执行中间模型确定步骤。
10、在本申请的一些实施例中，可选地，所述中间模型确定步骤包括：获取待训练的模型；利用所述数据集对所述待训练的模型执行迭代训练达阈值次数，其中对所述待训练的模型每执行一次迭代训练能够获得一个迭代模型；针对经阈值次数的迭代训练所获得的多个迭代模型，确定所述多个迭代模型在所述数据集的测试集上的多个损失值；选取所述多个损失值中的最小损失值；并且将与所述最小损失值相对应的迭代模型确定为中间模型。
11、在本申请的一些实施例中，可选地，所述阈值次数为选自10次至20次中的任何次数。
12、在本申请的一些实施例中，可选地，所述超参数指示的中间模型个数为选自10个至100个中的任何个数。
13、根据本申请的另一方面，提供一种训练模型和选取模型阈值的系统，所述系统包括：存储器，其配置成存储指令；和处理器，其配置成执行所述指令使得所述系统执行如上文中所述的任意一种方法。
14、根据本申请的又一方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令由处理器执行时，使得所述处理器执行如上文中所述的任意一种方法。
15、本申请提供的训练模型和选取模型阈值的方法和系统的功能使用方便，其进行的模型训练、模型选取和阈值选取的流程都是自动化的，不包含任何人工操作，整个流程非常简单。相比于手动训练模型，采用本申请提供的训练模型和选取模型阈值的方法和系统可以有效提高模型精度。
本文档来自技高网...【技术保护点】
1.一种训练模型和选取模型阈值的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将与所述最大边界差值相对应的中间模型确定为终选模型以用于执行概率预测任务。
3.根据权利要求1所述的方法，其特征在于，所述基于对应于所述最大边界差值的上边界值和下边界值来确定模型阈值包括：
4.根据权利要求3所述的方法，其特征在于，所述阈值系数λ取值为1/3。
5.根据权利要求1所述的方法，其特征在于，所述利用数据集训练待训练的模型以获得多个中间模型包括：
6.根据权利要求5所述的方法，其特征在于，所述中间模型确定步骤包括：
7.根据权利要求6所述的方法，其特征在于，所述阈值次数为选自10次至20次中的任何次数。
8.根据权利要求6所述的方法，其特征在于，所述超参数指示的中间模型个数为选自10个至100个中的任何个数。
9.一种训练模型和选取模型阈值的系统，其特征在于，所述系统包括：
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其
...【技术特征摘要】
1.一种训练模型和选取模型阈值的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将与所述最大边界差值相对应的中间模型确定为终选模型以用于执行概率预测任务。
3.根据权利要求1所述的方法，其特征在于，所述基于对应于所述最大边界差值的上边界值和下边界值来确定模型阈值包括：
4.根据权利要求3所述的方法，其特征在于，所述阈值系数λ取值为1/3。
5.根据权利要求1所述的方法，其特征在于，所述利用数据集训练待训练的模型以获得多个中间模型包括：
【专利技术属性】
技术研发人员：范开庆，谢政宪，李东阳，
申请(专利权)人：蔚来动力科技合肥有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。