积木块搜索方法、模型训练方法、装置、设备及存储介质与流程

[0001]
本申请涉及图像识别技术领域，具体而言，涉及一种积木块搜索方法、模型训练方法、装置、设备及存储介质。


背景技术：

[0002]
随着互联网技术的快速发展，互联网已经成为用户学习、生活、工作中不可缺少的平台，越来越多的用户上网都会用到搜索引擎，其中，搜索引擎是根据用户需求与一定算法，运用特定策略从互联网检索出制定信息反馈给用户的一门检索技术。
[0003]
现有技术中，搜索引擎通常提供有一搜索框，用户输入待搜索的关键词，后台服务器从检索出符合该关键词对应的内容，并将该关键词对应的内容以列表的形式呈现给用户。
[0004]
然而，对于积木块产品来说，用户可能无法获取到准确的积木块产品各部件的名称，导致搜索准确度不高。


技术实现要素：

[0005]
本申请的目的在于，针对上述现有技术中的不足，提供一种积木块搜索方法、模型训练方法、装置、设备及存储介质，以解决现有技术中积木块搜索准确度不高的问题。
[0006]
为实现上述目的，本申请实施例采用的技术方案如下：
[0007]
第一方面，本申请一实施例提供了一种积木块搜索方法，所述方法包括：
[0008]
获取待处理的积木块设备的属性数据；
[0009]
根据所述属性数据，检索得到所述属性数据对应的搜索关键词；
[0010]
向服务器发送搜索请求，所述搜索请求中包括所述搜索关键词，接收所述服务器发送的所述搜索关键词对应的搜索内容。
[0011]
在一可选的实施方式中，所述根据所述待处理的积木块设备进行图像识别，获取所述待处理的积木块设备的属性数据，包括：
[0012]
通过预设摄像头采集所述待处理的积木块设备的积木块图像；
[0013]
对所述积木块图像进行图像识别处理，获取所述待处理的积木块设备的属性数据。
[0014]
在一可选的实施方式中，所述根据所述待处理的积木块设备进行图像识别，获取所述待处理的积木块设备的属性数据之后，所述方法还包括：
[0015]
在显示屏中的预设区域、显示所述待处理的积木块设备的属性数据。
[0016]
在一可选的实施方式中，所述根据所述属性数据，检索得到所述属性数据对应的搜索关键词，包括：
[0017]
将所述属性数据作为模型输入，采用预先训练的关键词确定模型，获取所述属性数据对应的搜索关键词，其中，所述关键词确定模型由样本图像集训练获取，所述样本图像集包括：多张积木块图像、各所述积木块图像对应的属性数据，各所述积木块图像标注有搜
索关键词。
[0018]
在一可选的实施方式中，所述属性数据包括如下数据中的至少一种：
[0019]
积木块的数量、积木块的类型、积木块的组合顺序。
[0020]
第二方面，本申请另一实施例提供了一种模型训练方法，所述方法包括：
[0021]
获取样本图像集，所述样本图像集包括：多张积木块图像、各所述积木块图像对应的属性数据，各所述积木块图像标注有搜索关键词；
[0022]
根据所述样本图像集、以及预设神经网络模型进行模型训练，得到关键词确定模型，所述关键词确定模型用于根据积木块设备的属性数据识别获取对应的搜索关键词。
[0023]
第三方面，本申请另一实施例提供了一种积木块搜索装置，包括：
[0024]
获取模块，用于获取待处理的积木块设备的属性数据；
[0025]
检索模块，用于根据所述属性数据，检索得到所述属性数据对应的搜索关键词；
[0026]
发送模块，用于向服务器发送搜索请求，所述搜索请求中包括所述搜索关键词，接收模块，用于接收所述服务器发送的所述搜索关键词对应的搜索内容。
[0027]
在一可选的实施方式中，所述获取模块，具体用于：
[0028]
通过预设摄像头采集所述待处理的积木块设备的积木块图像；
[0029]
对所述积木块图像进行图像识别处理，获取所述待处理的积木块设备的属性数据。
[0030]
在一可选的实施方式中，显示模块，用于：
[0031]
在显示屏中的预设区域、显示所述待处理的积木块设备的属性数据。
[0032]
在一可选的实施方式中，所述检索模块，具体用于：
[0033]
将所述属性数据作为模型输入，采用预先训练的关键词确定模型，获取所述属性数据对应的搜索关键词，其中，所述关键词确定模型由样本图像集训练获取，所述样本图像集包括：多张积木块图像、各所述积木块图像对应的属性数据，各所述积木块图像标注有搜索关键词。
[0034]
在一可选的实施方式中，所述属性数据包括如下数据中的至少一种：
[0035]
积木块的数量、积木块的类型、积木块的组合顺序。
[0036]
第四方面，本申请另一实施例提供了一种模型训练装置，包括：
[0037]
获取模块，用于获取样本图像集，所述样本图像集包括：多张积木块图像、各所述积木块图像对应的属性数据，各所述积木块图像标注有搜索关键词；
[0038]
训练模块，用于根据所述样本图像集、以及预设神经网络模型进行模型训练，得到关键词确定模型，所述关键词确定模型用于根据积木块设备的属性数据识别获取对应的搜索关键词。
[0039]
第五方面，本申请另一实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述第一方面任一项所述方法。
[0040]
第六方面，本申请另一实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述第二方
面任一项所述方法。
[0041]
第七方面，本申请另一实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述第一方面和第二方面任一项所述方法。
[0042]
本申请提供的一种积木块搜索方法、模型训练方法、装置、设备及存储介质，其中，积木块搜索方法包括：获取待处理的积木块设备的属性数据，根据属性数据，检索得到属性数据对应的搜索关键词，向服务器发送搜索请求，搜索请求中包括搜索关键词，接收服务器发送的搜索关键词对应的搜索内容。在本申请中，通过积木块设备的属性数据检索搜索关键词，并根据搜索关键词进行搜索，从而提高了搜索准确度，并且操作便捷，搜索效率高。
附图说明
[0043]
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0044]
图1示出了本申请实施例提供的积木块搜索方法的架构示意图；
[0045]
图2示出了本申请实施例提供的积木块搜索方法的流程示意图一；
[0046]
图3示出了本申请实施例提供的积木块搜索方法的流程示意图二；
[0047]
图4示出了本申请实施例提供的积木块图像的采集过程的示意图；
[0048]
图5示出了本申请实施例提供的积木块搜索方法的流程示意图三；
[0049]
图6示出了本申请实施例提供的模型训练方法的流程示意图；
[0050]
图7示出了本申请实施例提供的积木块搜索装置的结构示意图；
[0051]
图8示出了本申请实施例提供的模型训练装置的结构示意图；
[0052]
图9示出了本申请实施例提供的电子设备的结构示意图；
[0053]
图10示出了本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0054]
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
[0055]
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0056]
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
[0057]
由于积木块产品属于一种新兴的产品，用户可能无法准确地确定积木块产品各部件的名称，也即各部件的关键词，例如，舵机、电机，这样，很多情况下用户设定的关键词和产品预设的关键词不一致，导致检索准确度不高，造成检索失败。
[0058]
基于上述问题，本申请提供了一种积木块搜索方法，通过积木块设备的属性数据检索得到用于搜索的搜索关键词，并根据搜索关键词进行搜索，从而提高了搜索准确度，并且操作便捷，搜索效率高。
[0059]
下面结合几个具体实施例对本申请提供的积木块搜索方法进行详细说明。
[0060]
图1示出了本申请实施例提供的积木块搜索方法的架构示意图，如图1所示，包括网络连接的电子设备10、服务器20以及积木块设备30，电子设备10例如可以为手机、台式电脑、笔记本电脑等，本实施例对电子设备10的具体实现不做特别限定。
[0061]
在本申请中，电子设备10可以设有摄像头，通过摄像头可以对积木块设备30进行图像识别，以获取积木块设备30的属性数据，然后电子设备10根据该属性数据可以检索得到对应的搜索关键词，并可以向服务器发送搜索请求，搜索请求中包括搜索关键词，服务器20可以响应该搜索请求进行搜索，并向电子设备10发送该搜索关键词对应的搜索内容。
[0062]
图2示出了本申请实施例提供的积木块搜索方法的流程示意图一，本实施例执行主体可以为电子设备，例如可以为手机、台式电脑、笔记本电脑等，本实施例对此不做特别限定。
[0063]
如图1所示，积木块搜索方法可以包括：
[0064]
s100、获取待处理的积木块设备的属性数据。
[0065]
s200、根据属性数据，检索得到属性数据对应的搜索关键词。
[0066]
其中，待处理的积木块设备可以由多个积木块拼装组合形成，各积木块上可以设有连接器，用于连接其他积木块。各积木块上可以设有不同的硬件部件，例如，光敏传感器、蜂鸣器、压力传感器、按钮等，也就是说，积木块的类型不同。
[0067]
待处理的积木块设备可以为任意一个待进行搜索的积木块设备，待处理的积木块设备的属性数据可以为组成该积木块设备的各积木块的属性数据，例如可以包括各积木块的类型。
[0068]
电子设备可以获取待处理的积木块设备的属性数据，并根据该属性数据，从预设数据库中检索得到该属性数据对应的搜索关键词，也就是说，预设数据库中可以存储有多个属性数据以及各属性数据对应的搜索关键词的映射关系，那么在得到待处理的积木块设备的属性数据，可以从预设数据中的该映射关系中，查询得到该属性数据对应的搜索关键词。
[0069]
需要说明的是，属性数据对应的搜索关键词可以为该属性数据对应的相关案例的名称，例如，待处理的积木块设备的属性数据可以包括积木块的类型为设有压力传感器的积木块，那么与该属性数据对应的搜索关键词可以为旋转木马或者音乐旋转木马，这是因为旋转木马或者音乐旋转木马的主要部件可以包括压力传感器，也就是说，搜索关键词为与积木块设备的属性数据对应的相关词，和现有技术相比，不需要用户人为确定积木块设备的各部件的名称，以搜索出相关内容。
[0070]
又例如，待处理的积木块的属性数据可以包括积木块的类型为设有光敏传感器的积木块，那么与该属性数据对应的搜索关键词可以为浇水，这是因为在给植物浇水过程中可能用到了光敏传感器，也就是说，根据光敏传感器检测到的光照强度来决定是否给植物进行浇水。
[0071]
s300、向服务器发送搜索请求，接收服务器发送的搜索关键词对应的搜索内容。
[0072]
电子设备向服务器发送搜索请求，搜索请求中包括搜索关键词，服务器可以响应该搜索请求进行搜索以便搜索出该搜索关键词对应的搜索内容，服务器将该搜索内容可以发送给电子设备，相应的，电子设备接收服务器发送的该搜索关键词对应的搜索内容。
[0073]
需要说明的是，属性数据对应的搜索关键词的数量包括但不限于一个，若搜索关键词的数量包括多个，那么服务器可以基于第一个搜索关键词进行搜索，并从第一个搜索关键词对应的搜索内容中搜索第二个搜索关键词对应的搜索内容，依次类推，也就是说，服务器发送给电子设备的搜索内容可以与各搜索关键词均对应。
[0074]
本实施例提供的积木块搜索方法，获取待处理的积木块设备的属性数据，根据属性数据，检索得到属性数据对应的搜索关键词，向服务器发送搜索请求，搜索请求中包括搜索关键词，接收服务器发送的搜索关键词对应的搜索内容。通过积木块设备的属性数据检索搜索关键词，并根据搜索关键词进行搜索，从而提高了搜索准确度，并且操作便捷，搜索效率高。
[0075]
在一可选的实施方式中，可以通过对积木块设备的积木块图像进行图像识别处理以获得积木块设备的属性数据，下面结合图3实施例进行说明。图3示出了本申请实施例提供的积木块搜索方法的流程示意图二，如图3所示，s100可以包括：
[0076]
s110、通过预设摄像头采集待处理的积木块设备的积木块图像。
[0077]
s120、对积木块图像进行图像识别处理，获取待处理的积木块设备的属性数据。
[0078]
其中，电子设备可以设有预设摄像头，该预设摄像头可以为前置摄像头，也可以为后置摄像头，本实施例对此不做特别限定。通过预设摄像头可以采集待处理的积木块设备的积木块图像，对该积木块图像进行图像识别处理，可以获取待处理的积木块设备的属性数据。
[0079]
需要说明的，该电子设备可以具有人工智能(artificial intelligence，ai)识别功能，用户可以在电子设备的搜索类应用程序中点击ai识别按钮以启动ai程序，待处理的积木块设备的积木块图像可以是预先拍摄得到的，存储于电子设备本地，若需要对该待处理的积木块设备进行搜索，则可以加载预先拍摄得到的积木块图像，并基于ai识别功能对该积木块图像进行图像识别处理，以获取待处理的积木块设备的属性数据。
[0080]
在另一可能的实现中，若需要对待处理的积木块设备的积木块图像进行图像识别处理，还可以将电子设备的预设摄像头对准待处理的积木块设备所在的区域，以采集待处理的积木块设备的积木块图像，然后对该积木块图像进行图像识别处理，获取待处理的积木块设备的属性数据。在该实现中，可以不拍摄积木块图像，只要将预设摄像头对准待处理的积木块设备所在的区域，即可采集得到待处理的积木块设备的积木块图像。
[0081]
参考图4，图4示出了本申请实施例提供的积木块图像的采集过程的示意图，如图4所示，在搜索类应用程序中设有ai识别按钮(标记为方框)，用户点击该ai识别按钮则启动ai识别功能，展示一ai识别窗口，将电子设备的预设摄像头对准待处理的积木块设备所在
的区域，以将待处理的积木块设备的积木块图像展示于ai识别窗口的中央，以获取待处理的积木块设备的属性数据，待ai程序识别出该属性数据，在搜索类应用程序的搜索框中还可以显示该属性数据。
[0082]
当然，还可以通过语音输入功能启动ai识别功能。
[0083]
在一可选的实施方式中，属性数据包括如下数据中的至少一种：
[0084]
积木块的数量、积木块的类型、积木块的组合顺序。
[0085]
积木块的数量可以为组成积木块设备的积木块的数量，积木块类型可以为组成积木块设备的积木块的类型，积木块的组合顺序可以为积木块设备中各积木块的排列顺序。
[0086]
参考图4，积木块设备由3个积木块组成，包括积木块1、积木块2、积木块3，且积木块1为设有光敏传感器的积木块，积木块2为设有按钮的积木块，积木块3为设有舵机的积木块，积木块的组合的顺序可以包括：积木块1在积木块2的左侧，积木块3在积木块1的上方。
[0087]
在一可选的实施方式中，根据待处理的积木块设备进行图像识别，获取待处理的积木块设备的属性数据之后，该方法还可以包括：
[0088]
在显示屏中的预设区域、显示待处理的积木块设备的属性数据。
[0089]
其中，显示屏中的预设区域可以为预先设定的显示区域，若待处理的积木块设备的属性数据包括各积木块的类型，那么预设区域可以为电子设备的显示屏上各积木块所在的区域，也就是，在显示屏中积木块1所在的区域显示积木块1的类型，在积木块2所在的区域显示积木块2的类型，在积木块3所在的区域显示积木块3的类型。
[0090]
若待处理的积木块设备的属性数据包括积木块的数量和积木块的组合顺序，那么预设区域可以为电子设备的显示屏上积木块设备所在的区域，也就是，图4中积木块1、积木块2以及积木块3所在的区域。
[0091]
当然，预设区域还可以设置在显示屏中除了积木块设备所在的区域的其他区域，具体可以根据实际需求而定，本实施例对此不做特别限定。
[0092]
这样，在进行人工排查搜索关键词时，若发现属性数据对应的搜索关键词不正确时，还可以重新进行图像识别，再次获取该属性数据对应的搜索关键词，从而提高了搜索关键词的准确度。
[0093]
本实施例提供的积木块搜索方法，通过预设摄像头采集待处理的积木块设备的积木块图像，对积木块图像进行图像识别处理，获取待处理的积木块设备的属性数据。通过对积木块设备的积木块图像进行图像识别处理，以获取积木块设备的属性数据，提高了属性数据的准确度。
[0094]
在一可选的实施方式中，可以通过预先训练的关键词确定模型，获取属性数据对应的搜索关键词，也就是步骤s200可以包括步骤s210。下面结合图5实施例对本申请提供的积木块搜索方法进行具体说明。图5示出了本申请实施例提供的积木块搜索方法的流程示意图三，如图5所示，该方法可以包括：
[0095]
s110、通过预设摄像头采集待处理的积木块设备的积木块图像。
[0096]
s120、对积木块图像进行图像识别处理，获取待处理的积木块设备的属性数据。
[0097]
s210、将属性数据作为模型输入，采用预先训练的关键词确定模型，获取属性数据对应的搜索关键词。
[0098]
其中，关键词确定模型由样本图像集训练获取，样本图像集包括：多张积木块图
像、各积木块图像对应的属性数据，各积木块图像标注有搜索关键词。
[0099]
通过预设摄像头采集待处理的积木块设备的积木块图像，对积木块图像进行图像识别处理，获取待处理的积木块设备的属性数据，然后将属性数据作为模型输入，采用预先训练的关键词确定模型，获取该属性数据对应的搜索关键词，也就是说，将属性数据作为模型输入，采用预先训练的关键词确定模块，模型输出为该属性数据对应的搜索关键词。
[0100]
s300、向服务器发送搜索请求，接收服务器发送的搜索关键词对应的搜索内容。
[0101]
采用预先训练的关键词确定模型确定出该属性数据对应的搜索关键词，然后可以向服务器发送搜索请求，搜索请求中包括搜索关键词，服务器响应该搜索关键词进行搜索，并向电子设备发送该搜索关键词对应的搜索内容，也就是，电子设备接收服务器发送的搜索关键词对应的搜索内容。
[0102]
其中，搜索内容可以有多条，那么可以按照历史播放次数从多到少的顺序，将搜索内容依次进行展示。
[0103]
需要说明的是，搜索内容可以是搜索关键词对应的相关视频，例如，积木块设备的属性数据包括：积木块的组合顺序，积木块的组合的顺序可以包括：电源-摇杆-led，即设有电源的积木块在左侧，设有遥杆的积木块在中间，设有led的积木块在右侧，则该属性数据对应的搜索关键词可以包括三个分别与电源、遥杆、led对应的搜索关键词，那么服务器可以搜索得到电源对应的搜索关键词的第一搜索视频，然后在第一搜索视频中搜索得到遥杆对应的搜索关键词的第二搜索视频，接着在第二搜索视频中搜索得到led对应的搜索关键词的第三搜索视频，并将第三搜索视频发送给电子设备，电子设备可以接收服务器发送的第三搜索视频。
[0104]
本实施例提供的积木块搜索方法，通过预设摄像头采集待处理的积木块设备的积木块图像，对积木块图像进行图像识别处理，获取待处理的积木块设备的属性数据，将属性数据作为模型输入，采用预先训练的关键词确定模型，获取属性数据对应的搜索关键词，其中，关键词确定模型由样本图像集训练获取，样本图像集包括：多张积木块图像、各积木块图像对应的属性数据，各积木块图像标注有搜索关键词，向服务器发送搜索请求，搜索请求中包括搜索关键词，接收服务器发送的搜索关键词对应的搜索内容。通过摄像头识别积木块设备的属性数据，进而检索得到该属性数据对应的搜索关键词，提高了搜索关键词的准确度，操作便捷，搜索效率高。
[0105]
下面结合一具体实施例对本申请提供的模型训练方法进行详细说明。
[0106]
图6示出了本申请实施例提供的模型训练方法的流程示意图，本实施例的执行主体可以为电子设备，例如可以为手机、台式电脑、笔记本电脑。需要说明的是，本申请提供的模型训练方法的执行主体可以与上述积木块搜索方法的执行主体相同，也可以不同，本实施例对此不做特别限定。
[0107]
如图6所示，模型训练方法可以包括：
[0108]
s400、获取样本图像集。
[0109]
s500、根据样本图像集、以及预设神经网络模型进行模型训练，得到关键词确定模型。
[0110]
其中，样本图像集包括：多张积木块图像、各积木块图像对应的属性数据，各积木块图像标注有搜索关键词。
[0111]
根据样本图像集、以及预设神经网络模型进行模型训练，可以得到关键词确定模型，关键词确定模型用于根据积木块设备的属性数据识别获取对应的搜索关键词，也就是说，将样本图像集中的各积木块图像对应的属性数据分别输入至预设神经网络模型，输出为各积木块图像的输出搜索关键词，然后基于各输出搜索关键词和各积木块图像标注的搜索关键词进行模型训练，得到关键词确定模型。其中，预设神经网络模型可以为初始化得到的神经网络模型。
[0112]
其中，样本图像集中积木块图像的数量可以为100张，也可以为200张，本实施例对此不做特别限定。
[0113]
本实施例提供的模型训练方法，获取样本图像集，根据样本图像集、以及预设神经网络模型进行模型训练，得到关键词确定模型。通过模型训练得到关键词确定模型，进而提高了搜索关键词的准确度。
[0114]
图7示出了本申请实施例提供的积木块搜索装置的结构示意图，如图7所示，积木块搜索装置600包括：
[0115]
获取模块610，用于获取待处理的积木块设备的属性数据；
[0116]
检索模块620，用于根据所述属性数据，检索得到所述属性数据对应的搜索关键词；
[0117]
发送模块630，用于向服务器发送搜索请求，所述搜索请求中包括所述搜索关键词，接收模块640，用于接收所述服务器发送的所述搜索关键词对应的搜索内容。
[0118]
在一可选的实施方式中，所述获取模块610，具体用于：
[0119]
通过预设摄像头采集所述待处理的积木块设备的积木块图像；
[0120]
对所述积木块图像进行图像识别处理，获取所述待处理的积木块设备的属性数据。
[0121]
在一可选的实施方式中，显示模块650，用于：
[0122]
在显示屏中的预设区域、显示所述待处理的积木块设备的属性数据。
[0123]
在一可选的实施方式中，所述检索模块620，具体用于：
[0124]
将所述属性数据作为模型输入，采用预先训练的关键词确定模型，获取所述属性数据对应的搜索关键词，其中，所述关键词确定模型由样本图像集训练获取，所述样本图像集包括：多张积木块图像、各所述积木块图像对应的属性数据，各所述积木块图像标注有搜索关键词。
[0125]
在一可选的实施方式中，所述属性数据包括如下数据中的至少一种：
[0126]
积木块的数量、积木块的类型、积木块的组合顺序。
[0127]
关于积木块搜索装置的实现过程和技术效果，可以参见上述积木块搜索方法的具体描述，在此不再赘述。
[0128]
图8示出了本申请实施例提供的模型训练装置的结构示意图，如图8所示，模型训练装置700包括：
[0129]
获取模块710，用于获取样本图像集，所述样本图像集包括：多张积木块图像、各所述积木块图像对应的属性数据，各所述积木块图像标注有搜索关键词；
[0130]
训练模块720，用于根据所述样本图像集、以及预设神经网络模型进行模型训练，得到关键词确定模型，所述关键词确定模型用于根据积木块设备的属性数据识别获取对应
的搜索关键词。
[0131]
关于模型训练装置的实现过程和技术效果，可以参见上述模型训练方法的具体描述，在此不再赘述。
[0132]
图9示出了本申请实施例提供的电子设备的结构示意图，如图9所示，电子设备800包括：处理器810、存储器820和总线830，所述存储器820存储有所述处理器810可执行的机器可读指令，当电子设备800运行时，所述处理器810与所述存储器820之间通过总线830通信，所述处理器810执行所述机器可读指令，以执行如上述积木块搜索方法。
[0133]
图10示出了本申请实施例提供的电子设备的结构示意图，如图10所示，电子设备900包括：处理器910、存储器920和总线930，所述存储器920存储有所述处理器910可执行的机器可读指令，当电子设备900运行时，所述处理器910与所述存储器920之间通过总线930通信，所述处理器910执行所述机器可读指令，以执行如上述模型训练方法。
[0134]
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例。
[0135]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0136]
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0137]
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。