【技术实现步骤摘要】
基于深度学习的能见度监测和模型训练方法、装置、终端及介质
本申请涉及深度学习
，特别是涉及基于深度学习的能见度监测和模型训练方法、装置、终端及介质。
技术介绍
在航空气象领域，能见度是一个非常重要的指标，关系到飞机航班的能否正常航行。目前的能见度主要靠观测人员每半小时一次的肉眼观察，在当地机场附近的观测站依据周围标志性建筑的肉眼可见清晰程度来判断整体的能见度。但是，现有技术中的能见度定义标准极大程度地受到人的主观影响，而且无法做到实时监测，也无法摆脱监测中的人为失误。因此，本领域亟需一种能够智能又高效且不受人的主观影响的能见度监测方案。申请内容鉴于以上所述现有技术的缺点，本申请的目的在于提供基于深度学习的能见度监测和模型训练方法、装置、终端及介质，用于解决现有技术中的问题。为实现上述目的及其他相关目的，本申请的第一方面提供一种基于深度学习的能见度监测方法，其包括：采集能见度监测区域内的参照物图像并进行图像预处理；将预处理后的参照物图像输入经深度学习训练的清晰度分类模型中，据以输出...
【技术保护点】
1.一种基于深度学习的能见度监测方法，其特征在于，包括：/n采集能见度监测区域内的参照物图像并进行图像预处理；/n将预处理后的参照物图像输入经深度学习训练的清晰度分类模型中，据以输出所述参照物图像对应于多个清晰度类别的归类置信度，并以其中归类置信度最高的清晰度类别作为所述参照物图像的清晰度类别；/n根据所述参照物与图像采集地点位置之间的距离信息以及所述参照物图像的清晰度类别信息，计算该参照物图像所能反映的能见度值。/n
【技术特征摘要】
1.一种基于深度学习的能见度监测方法，其特征在于，包括：
采集能见度监测区域内的参照物图像并进行图像预处理；
将预处理后的参照物图像输入经深度学习训练的清晰度分类模型中，据以输出所述参照物图像对应于多个清晰度类别的归类置信度，并以其中归类置信度最高的清晰度类别作为所述参照物图像的清晰度类别；
根据所述参照物与图像采集地点位置之间的距离信息以及所述参照物图像的清晰度类别信息，计算该参照物图像所能反映的能见度值。
2.根据权利要求1所述的能见度监测方法，其特征在于，所述图像预处理包括图像归一化处理，其包括：
通过预设的参照物位置信息截取参照物所在区域的图像；
将所截取图像中的每个像素点的三个色彩通道数据分别减去对应的预设通道数据，并缩放至预设像素尺寸。
3.根据权利要求1所述的能见度监测方法，其特征在于，所述根据所述参照物与图像采集地点位置之间的距离信息以及所述参照物图像的清晰度类别信息，计算该参照物图像所能反映的能见度值，其包括：
获取所述参照物与图像采集地点位置之间的实际距离信息；
获取与所述参照物图像的清晰度类别相对应的最大能见度系数；
将所述最大能见度系数作为所述参照物与图像采集地点位置之间实际距离的权重系数，据以得到所述参照物图像所反映的能见度值。
4.一种基于深度学习的模型训练方法，其特征在于，用于训练权利要求1中所述的清晰度分类模型；所述方法包括：
采集多张不同能见度及不同光照条件下的参照物图像数据；
为每张图像中的参照物标记参照物的位置数据和清晰度标签类别数据；
构建一分类网络模型，并以参照物的位置数据和清晰度标签类别数据作为训练数据来训练所述分类网络模型直至其收敛。
5.根据权利要求4所述的模型训练方法，其特征在于，所述以参照物的位置数据和清晰度标签类别数据作为训练数据来训练所述分类网络模型直至其收敛，其包括：
对参照物图像进行归一化处理；
将归一化处理后的参照物图像数据及其对应的位置数据和清晰度标签类别数...
【专利技术属性】
技术研发人员：周康明，方飞虎，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31
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。