[发明专利]迁移方法、迁移装置、计算机设备和计算机可读存储介质

权利要求书

1.一种迁移方法，其特征在于，所述迁移方法包括：

识别出目标环境下当前传感器中的低质量传感器并为所述低质量传感器分配弱化权重，所述弱化权重小于预设权重；

固定每个所述当前传感器的权重，基于待迁移数据集和源环境下的深度学习模型确定迁移后的目标深度学习模型，以将所述深度学习模型从所述源环境迁移到所述目标环境，所述待迁移数据集包括多个待迁移样本，每个所述待迁移样本包括所述当前传感器的当前传感器数据和当前感知目标结果；所述深度学习模型用于根据所述源环境下的传感器数据确定感知目标结果；所述目标深度学习模型用于根据所述目标环境下的传感器数据确定感知目标结果，所述感知目标结果、所述当前感知目标结果均包括目标对象的工作、手势和位置中的至少一种。

2.根据权利要求1所述的迁移方法，其特征在于，所述识别出目标环境下当前传感器中的低质量传感器并为所述低质量传感器分配弱化权重，包括：

固定所述深度学习模型的参数；

给每个所述当前传感器分配一个权重；

基于所述待迁移数据集对所述深度学习模型进行训练以为所述低质量传感器分配所述弱化权重。

3.根据权利要求1所述的迁移方法，其特征在于，所述识别出目标环境下当前传感器中的低质量传感器并为所述低质量传感器分配弱化权重，包括：

判断每一个所述当前传感器的所述当前传感器数据是否处于正常工作范围内；

在所述当前传感器数据处于所述正常工作范围的临界范围的情况下，确定对应的所述当前传感器为所述低质量传感器并为所述低质量传感器分配所述弱化权重。

4.根据权利要求1所述的迁移方法，其特征在于，所述识别出目标环境下当前传感器中的低质量传感器并为所述低质量传感器分配弱化权重，包括：

判断环境变化和每一个所述当前传感器的所述当前传感器数据的变化是否一致；

在环境变化和所述当前传感器数据的变化不一致的情况下，确定对应的所述当前传感器为所述低质量传感器并为所述低质量传感器分配所述弱化权重。

5.根据权利要求4所述的迁移方法，其特征在于，所述判断环境变化和每一个所述当前传感器的所述当前传感器数据的变化是否一致，包括：

在环境没有发生明显变化的情况下，判断所述当前传感器数据的波动幅度是否小于预设幅度；

在环境发生变化的情况下，判断所述当前传感器数据是否在预设区间波动；

在环境没有发生明显变化的情况下所述波动幅度大于所述预设幅度，且在环境发生变化的情况下所述当前传感器数据不在所述预设区间波动，确定环境变化和所述当前传感器数据的变化不一致。

6.根据权利要求1所述的迁移方法，其特征在于，所述识别出目标环境下当前传感器中的低质量传感器并为所述低质量传感器分配弱化权重，包括：

判断每一个所述当前传感器的感知频率是否处于预设感知频率范围内；

在所述感知频率处于所述预设感知频率范围外的情况下，确定对应的所述当前传感器为所述低质量传感器并为所述低质量传感器分配所述弱化权重。

7.根据权利要求1所述的迁移方法，其特征在于，所述识别出目标环境下当前传感器中的低质量传感器并为所述低质量传感器分配弱化权重，包括：

当存在多个所述当前传感器的所述当前传感器数据相互关联的情况下，综合比较多个所述当前传感器的所述当前传感器数据；

在所述当前传感器数据出现明显异常的情况下，确定对应的所述当前传感器为所述低质量传感器并为所述低质量传感器分配所述弱化权重。

8.根据权利要求1所述的迁移方法，其特征在于，所述识别出目标环境下当前传感器中的低质量传感器并为所述低质量传感器分配弱化权重，包括：

判断所述当前传感器的丢包率是否大于预设丢包率；

在所述丢包率大于所述预设丢包率的情况下，确定对应的所述当前传感器为所述低质量传感器并为所述低质量传感器分配所述弱化权重。