(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111639608.5 (22)申请日 2021.12.2 9 (71)申请人 广州绿怡信息科技有限公司 地址 510000 广东省广州市黄埔区科丰路 266号704房70 5房706房(仅限办公) (72)发明人 田寨兴　余卫宇　廖伟权　刘嘉　 (74)专利代理 机构 广州市律帆知识产权代理事 务所(普通 合伙) 44614 代理人 王园园 (51)Int.Cl. G06Q 10/00(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) G06N 20/10(2019.01) (54)发明名称 回收估价输出模型训练方法及回收估价输 出方法 (57)摘要 本发明涉及一种回收估价输出模型训练方 法及回收估价输出方法， 在读取样 本智能设备的 组件信息， 且获取样本智 能设备的外观信息后， 根据组件信息、 外观信息和对应样 本智能设备的 真实估价， 建立数据集。 进 一步地， 建立估价训练 模型， 通过数据集训练用于输出估价信息的回收 估价输出模型。 基于此， 通过真实估价已知的样 本智能设备， 进行估价训练模型的训练， 将组件 信息、 外观信息与真实估价建立模型关联， 在后 续确定相应组件信息和外观信息即可完成模型 的自动回收估价， 降低主观因素对回 收估价干扰 的同时， 还能有效降低人力成本， 提高回收估价 的效率和准确性。 权利要求书1页 说明书8页 附图5页 CN 114298345 A 2022.04.08 CN 114298345 A 1.一种回收估价输出模型训练方法， 其特 征在于， 包括 步骤： 读取样本智能设备的组件信息； 获取所述样本智能设备的外观信息； 根据所述组件信息、 所述外观信息和对应样本智能设备的真实估价， 建立数据集； 建立估价训练模型， 通过所述数据集训练用于输出估价信息的所述回收估价输出模 型。 2.根据权利要求1所述的回收估价输出模型训练方法， 其特征在于， 在所述读取样本智 能设备的组件信息的过程之后， 还 包括步骤： 对所述组件信息进行归一 化。 3.根据权利要求2所述的回收估价输出模型训练方法， 其特征在于， 所述对所述组件信 息进行归一 化的过程， 如下式： 其中， Fi表示所述数据集中的第i列特 征。 4.根据权利要求1所述的回收估价输出模型训练方法， 其特征在于， 在所述获取所述样 本智能设备的外观信息的过程之后， 还 包括步骤： 将所述外观信息编码化。 5.根据权利要求4所述的回收估价输出模型训练方法， 其特征在于， 所述将所述外观信 息编码化的过程， 包括 步骤： 将所述外观信息一 位有效编码化。 6.根据权利要求1所述的回收估价输出模型训练方法， 其特征在于， 所述估价训练模型 包括卷积神经网络模型、 线性最小二乘法回归模型、 基于RBF核的SVM模型或随机森林回归 模型。 7.根据权利要求6所述的回收估价输出模型训练方法， 其特征在于， 所述估价训练模型 包括卷积神经网络模型； 其中， 所述卷积神经网络模型包括若干个子模型， 所述卷积神经网络模型的输出结果 为所述子模型的输出加权平均值。 8.根据权利要求1所述的回收估价输出模型训练方法， 其特 征在于， 还 包括步骤： 通过误差处 理算法对所述估价训练模型进行约束。 9.根据权利要求1至8任意一项所述的回收估价输出模型训练方法， 其特征在于， 所述 组件信息包括样本智能设备的品牌、 型号、 颜色、 内存、 存储空间、 保险剩余 天数、 解锁状态、 销售地区、 基带信息、 WiFi状态、 摄像头状态、 屏幕液晶状态、 指纹状态、 面部识别状态或传 感器状态。 10.一种回收估价输出 方法， 其特 征在于， 包括 步骤： 读取待测智能设备的组件信息， 并获取 所述待测智能设备的外观信息； 根据所述组件信 息和外观信 息作为训练数据输入回收估价输出模型， 获得所述回收估 价输出模型的输出 结果； 其中， 所述输出 结果为回收估价。权　利　要　求　书 1/1 页 2 CN 114298345 A 2回收估价输出模型训练方 法及回收估价输出方 法 技术领域 [0001]本发明涉及电子产品技术领域， 特别是涉及一种回收估价输出模型训练方法及回 收估价输出 方法。 背景技术 [0002]随着电子产品技术的发展， 各种智能设备层出不穷， 例如智能手机、 笔记本电脑和 平板电脑等。 目前， 伴随着经济和技术的高速发展， 智能设备的普及和更新换代速度也越来 越快。 以智能手机为例， 5G时代的到来， 加速了智能手机的换代。 在智能设备进行迭代的过 程中， 有效回收是智能设备剩余价值的有效利用手段之一， 可减少对环境的化学污染以及 减少浪费。 [0003]在智能设备回收完毕后， 通常需要进行估价， 以对智能设备的用户进行相应报价。 传统的估价方式是以相关人员的主观判断进 行确定， 主观确定估价价格。 然而， 主观因素在 不同主体间存在较大差异， 难以统一 准确客观的估价标准。 发明内容 [0004]基于此， 有必要针对传统回收估价的方式还存在的不足， 提供一种回收估价输出 模型训练方法及回收估价输出 方法。 [0005]一种回收估价输出模型训练方法， 包括 步骤： [0006]读取样本智能设备的组件信息； [0007]获取样本智能设备的外观信息； [0008]根据组件信息、 外观信息和对应样本智能设备的真实估价， 建立数据集； [0009]建立估价训练模型， 通过 数据集训练用于 输出估价信息的回收估价输出模型。 [0010]上述的回收估价输出模型训练方法， 在读取样本智能设备的组件信息， 且获取样 本智能设备的外观信息后， 根据组件信息、 外观信息和对应样本智能设备的真实估价， 建立 数据集。 进一步地， 建立估价训练模型， 通过数据集训练用于输出估价信息的回收估价输出 模型。 基于此， 通过真实估价已知的样本智能设备， 进 行估价训练模型的训练， 将组件信息、 外观信息与真实估价建立模型关联， 在后续确定相应组件信息和外观信息 即可完成模型的 自动回收估价， 降低主观因素对回收估价干扰的同时， 还能有效降低人力成本， 提高回收估 价的效率和准确性。 [0011]在其中一个实施例中， 在读取样本智能设备的组件信息的过程之后， 还 包括步骤： [0012]对组件信息进行归一 化。 [0013]在其中一个实施例中， 对组件信息进行归一 化的过程， 如下式： [0014] [0015]其中， Fi表示数据集中的第i列特 征。 [0016]在其中一个实施例中， 在获取样本智能设备的外观信息的过程之后， 还 包括步骤：说　明　书 1/8 页 3 CN 114298345 A 3