天气识别模型构建方法、识别方法及装置制造方法及图纸

本申请公开了一种天气识别模型构建方法、识别方法及装置，方法包括：获取包含多个天气类别的训练集，训练集包括与每个天气类别对应的若干图像；对天气图像进行预处理，得到每个天气类别对应的特征集合；对所有天气类别对应的特征集合进行组合，得到多个样本集，每个样本集中包括至少两个天气类别对应的特征集合；对每个样本进行训练，得到多个识别模型。本申请实施例提供通过对所有天气类别对应的特征集合进行组合，得到多个天气识别模型，从而可以将待预测的天气图像输入到天气识别模型中，实现天气快速识别，提高了天气识别的速度及准确率。

【技术实现步骤摘要】
天气识别模型构建方法、识别方法及装置
本申请一般涉及机器学习
，具体涉及一种天气识别模型构建方法、识别方法及装置。
技术介绍
在物流行业中，为提高服务的时效性，采用大量的物流无人机进行货物的派送。在物流无人机执行派送任务的过程中，需要实时掌握飞行区域内的天气状况，以确保飞行安全。目前，航空天气识别系统覆盖大型飞机起降机场和航线，在天气识别时，首先采用多个二分类的标准SVM模型对待识别天气进行分类，最后将多个标准SVM模型的分类结果进行投票，来完成天气的识别预测。对于中小型物流无人机，其所覆盖的航线和飞行区域的气候条件复杂，在遇到突发或局部恶劣天气情况时，目前的航空天气识别系统中的标准SVM模型每次只能完成两种天气类别的识别，使得识别过程复杂，无法为无人机提供及时有效局部的天气预测，存在飞行安全隐患。
技术实现思路
鉴于现有技术中的上述缺陷或不足，期望提供一种天气识别模型构建方法、识别方法、装置及无人机，以提高天气识别的速度及准确度。第一方面，本申请实施例提供一种天气识别模型构建方法，该方法包括：获取多个天气类别的训练集，该训练集包括与该天气类别对应的多个图像；对天气图像进行预处理，得到每个该天气类别对应的特征集合；对所有天气类别对应的特征集合进行组合，得到多个样本集，每个样本集中包括至少两个天气类别对应的特征集合，且至少两个样本集中的特征集合对应的天气类别的数量不同；对该每个样本集进行训练，得到每个样本集对应的识别模型，使得每个识别模型将至少一种天气类别从多个天气类别中分离。第二方面，本申请实施例提供一种天气识别方法，该方法包括：获取待识别天气的图像；对该图像进行预处理，得到该待识别天气对应的特征集合；将该特征集合输入到如第一方面所述的天气识别模型中，输出该待识别天气对应的天气类别。第三方面，本申请实施例提供一种天气识别模型构建装置，该装置包括：获取模块，用于获取多个天气类别的训练集，该训练集包括与该天气类别对应的若干图像；处理模块，用于对天气图像进行预处理，得到每个该天气类别对应的特征集合；组合模块，用于对所有天气类别对应的特征集合进行组合，得到多个样本集，每个样本集中包括至少两个天气类别对应的特征集合；训练模块，用于对该多个样本进行训练，得到多个识别模型，使得每个识别模型将至少一种天气类别从多个天气类别中分离。第四方面，本申请实施例提供一种天气识别装置，该装置包括：获取模块，用于获取待识别天气的图像；处理模块，用于对该图像进行预处理，得到该待识别天气对应的特征集合；识别模块，用于将该特征集合输入到如第一方面所述的天气识别模型中，输出该待识别天气对应的天气类别。综上，本申请实施例提供的天气识别模型构建方法、识别方法及装置，通过获取多个天气类别对应的图像作为训练集，将所有天气类别对应的图像的特征集合进行组合，以得到多个样本集，使得至少存在两个样本集中包括的天气类别的数量不同，进而对样本集进行训练，得到多个天气识别模型，从而可以将待预测的天气图像输入到上述全部或部分天气识别模型中，实现天气快速识别，提高了天气识别的速度及准确率。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本申请实施例的提供的天气识别模型构建方法的流程示意图；图2为本申请另一实施例的提供的天气识别模型构建方法的流程示意图；图3为本申请具体实施例的提供的天气识别模型构建方法的流程示意图；图4为本申请实施例提供的天气识别方法的流程示意图；图5为本申请另一实施例提供的天气识别方法的流程示意图；图6为本申请实施例提供的无人机的结构示意图；图7为本申请实施例提供的天气识别模型构建装置的结构示意图；图8为本申请实施例提供的天气识别装置的结构示意图；图9为本申请实施例的服务器的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。本申请实施例涉及的天气识别模型构建方法，可以适用于任何场景下的天气识别模型构建，对应的，涉及的天气识别方法，可以利用构建的识别模型，用于任何场景下的天气识别。在物流运输场景下，由于目前的航空天气识别系统主要覆盖大型飞机起降机场和航线，而中小型物流无人机覆盖的航线和飞行区域，与大型飞机相比，气候条件更加复杂。因此，当中小型物流无人机遇到突发或局部恶劣天气情况时，现有的地面航空天气识别系统无法为物流无人机提供及时有效的天气预测，也就无法为之提供有效的天气预警。在上述场景下，就需要无人机自身能够及时有效的识别当前天气。本申请实施例提供的天气识别构建模型、天气识别方法及装置，可以用于上述的物流无人机中，即在该无人机上部署有构建的天气识别模型，使得该无人机及时有效的识别当前飞行区域下的天气，为无人机飞行提供安全保障。为了便于理解和说明，下面通过图1至图9详细的解释说明本申请实施例提供的天气识别模型构建方法、识别方法及装置。图1为本申请实施例提供的天气识别模型构建方法的流程示意图，如图1所示，该方法可以包括：S110，获取多个天气类别的训练集。S120，对天气图像进行预处理，得到每个该天气类别对应的特征集合。S130，对所有天气类别对应的特征集合进行组合，得到多个样本集。S140，对每个样本集进行训练，得到多个识别模型。具体的，本申请实施例提供的天气识别模型构建方法，首先可以获取所有天气类别的图像作为训练集。如通过视觉传感器等方式获取晴、雨、雪、雾、沙尘等不同天气的多个图像。进而对获取的图像进行预处理，以得到每张图像对应的特征，即得到每个天气类别对应的特征集合。可选的，可以提取图像的对比度特征、锐度特征、纹理特征、色相特征、饱和度特征和/或明度特征。例如，对于图像的对比度特征，可以通过下式计算得到：其中，M，N分别为图像的行数和列数，Iij为第i行第j列像素灰度值，为图像平均灰度值。对于图像的锐度特征，可以由图像梯度模的方差表征，图像梯度模如下式所示：其中，Gx(m，n)和Gy(m，n)分别为像素点m,n处的灰度值与x方形和y方向Sobel算子的卷积。则图像梯度模的方差为：其中，为图像梯度模的均值。对于图像的纹理特征，首先需要得到图像灰度的共生矩阵，该共生矩阵坐标为：其中，p，q为像素坐标，i，j为像素值，共生矩阵元素表示本文档来自技高网...

【技术保护点】
1.一种天气识别模型构建方法，其特征在于，包括：/n获取多个天气类别的训练集，所述训练集包括与所述天气类别对应的多个图像；/n对天气图像进行预处理，得到每个所述天气类别对应的特征集合；/n对所有天气类别对应的特征集合进行组合，得到多个样本集，所述样本集中包括至少两个天气类别的特征集合，且有至少两个所述样本集中的特征集合对应的天气类别的数量不同；/n对每个所述样本集进行训练，得到与所述样本集对应的识别模型，使得每个所述识别模型将至少一种天气类别从多个天气类别中分离。/n

【技术特征摘要】
1.一种天气识别模型构建方法，其特征在于，包括：
获取多个天气类别的训练集，所述训练集包括与所述天气类别对应的多个图像；
对天气图像进行预处理，得到每个所述天气类别对应的特征集合；
对所有天气类别对应的特征集合进行组合，得到多个样本集，所述样本集中包括至少两个天气类别的特征集合，且有至少两个所述样本集中的特征集合对应的天气类别的数量不同；
对每个所述样本集进行训练，得到与所述样本集对应的识别模型，使得每个所述识别模型将至少一种天气类别从多个天气类别中分离。


2.根据权利要求1所述的天气识别模型构建方法，其特征在于，所述对所有天气类别对应的特征集合进行组合，得到多个样本集包括：
对第一天气类别对应的特征集合及第二天气类别子集合对应的特征集合进行组合，作为第一样本集，所述第二天气类别子集合中包括至少两个天气类别；
对所述第二天气子类别中的第三天气类别子集合及第四天气类别子集合中的天气类别对应的特征集合进行组合，作为第二样本集，第三天气类别子集合及第四天气类别子集合中至少包括一个天气类别。


3.根据权利要求2所述的天气预测模型构建方法，其特征在于，所述方法还包括：
对所述第三天气类别子集合中的天气类别对应的特征集合进行组合，作为第三样本集；
和/或
对所述第四天气类别子集合中的天气类别对应的特征集合进行组合，作为第四样本集；其中，
所述第三天气类别子集合及第四天气类别子集合中至少包括两个个天气类别。


4.根据权利要求2所述的天气识别模型构建方法，其特征在于，所述对每个所述样本集进行训练，得到与所述样本集对应的识别模型包括：
对所述第一样本集进行训练，得到第一识别模型，所述第一识别模型用于指示待预测的天气是否属于第一类别；
对所述第二样本集进行训练，得到第二识别模型，所述第二识别模型用于指示所述待预测的天气属于第三天气类别子集合或第四天气类别子集合中的天气类别。


5.根据权利要求3所述的天气识别模型构建方法，其特征在于，所述对每个所述样本集进行训练，得到与所述样本集对应的识别模型包括：
对所述第三样本集进行训练，得到第三识别模型，所述第三识别模型用于指示待预测的天气属于第三天气类别子集合中天气类别的一种；
对所述第四样本集进行训练，得到第四识别模型，所述第四识别模型用于指示待预测的天气属于第四天气类别子集合中天气类别的一种。


6.根据权利要求1所述的天气识别模型构建方法，其特征在于，所述对天气图像进行预处理，得到每个所述天气类别对应的特征集合包括：
提取天气图像的对比度特征、锐度特征、纹理特征、色相特征、饱和度特征和/或明度特征，得到每个所述天气类别对应的特征集合。


7.一种天气识别方法，其特征在于，所述方法包括：
获取待识别天气的图像；
对所述图像进行预处理，得到所述待识别天气对应的特征集合；
将所述特征集合输入...

【专利技术属性】
技术研发人员：何睿，毛曙源，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44