一种能见度边缘计算方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种能见度边缘计算方法、装置、电子设备及存储介质，方法包括：采集训练数据集，所述训练数据集包括天气的视频训练数据；将所述训练数据集中的所述天气的视频训练数据输入到预设的LSTM网络模型中进行训练，得到目标LSTM网络模型；获取待预测天气视频数据，基于时间序列，通过所述目标LSTM网络模型对所述待预测天气视频数据进行能见度数据边缘预测，得到目标能见度数据。基于时间序列进行预测可以加强能见度在连续且实时的时间上呈现出的关联性，且将大气光学分析与图像处理及人工智能技术结合，提高了对能见度测量的精度，实现了一定时间序列上的能见度预测；同时，此过程无需激光测距设备，能够降低设备成本。

【技术实现步骤摘要】
一种能见度边缘计算方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种能见度边缘计算方法、装置、电子设备及存储介质。
技术介绍
能见度是气象、公路行车、飞机飞行中常见指标，单位通常是米。影响能见度的因素主要是雾和霾。众所周知，能见度对高速公路行车安全非常重要，当能见度很低时，为了行车安全，高速公路管理者通常的做法是封路。而在航空领域，习惯用跑道能见度反映机场附近雾和霾的大小，其定义为在跑道的一端沿跑道方向能辨认出跑道或接近跑道的目标物(夜间为跑道边灯)的最大距离。激光能见度仪是常用的检测能见度的仪器。目前，我国高速路网已逐步形成，若大量使用激光能见度仪对全国高速路网进行全覆盖将耗资巨大，同时激光能见度仪还存在对团雾检测精度不高、探测的范围很小、维护成本高等不足。近年来，基于视频的路况(跑道)能见度检测方法受到人们的关注，它某种程度上克服了激光能见度仪的不足。视频能见度检测方法是将大气光学分析与图像处理及人工智能技术结合，通过对视频图像的分析处理，建立视频图像与真实场景之间的关系，再根据图像特征的变化，间接计算出能本文档来自技高网...

【技术保护点】
1.一种能见度边缘计算方法，其特征在于，包括以下步骤：/n采集训练数据集，所述训练数据集包括天气的视频训练数据；/n将所述训练数据集中的所述天气的视频训练数据输入到预设的LSTM网络模型中进行训练，得到目标LSTM网络模型；/n获取待预测天气视频数据，基于时间序列，通过所述目标LSTM网络模型对所述待预测天气视频数据进行能见度数据边缘预测，得到目标能见度数据。/n

【技术特征摘要】
1.一种能见度边缘计算方法，其特征在于，包括以下步骤：
采集训练数据集，所述训练数据集包括天气的视频训练数据；
将所述训练数据集中的所述天气的视频训练数据输入到预设的LSTM网络模型中进行训练，得到目标LSTM网络模型；
获取待预测天气视频数据，基于时间序列，通过所述目标LSTM网络模型对所述待预测天气视频数据进行能见度数据边缘预测，得到目标能见度数据。


2.如权利要求1所述的能见度边缘计算方法，其特征在于，所述采集训练数据集的步骤包括：
通过图像采集设备采集所述天气的视频训练数据，并对所述天气的视频训练数据进行图像抽帧；
采集与时间顺序对应的视频数据的初始能见度数据，并根据所述初始能见度数据对抽帧后对应的图像进行数据清洗及标注，得到所述训练数据集。


3.如权利要求2所述的能见度边缘计算方法，其特征在于，所述得到目标LSTM网络模型的步骤之后，还包括步骤：
将所述目标LSTM网络模型部署在所述图像采集设备的板端。


4.如权利要求3所述的能见度边缘计算方法，其特征在于，所述获取待预测天气视频数据，基于时间序列，通过所述目标LSTM网络模型对所述待预测天气视频数据进行能见度数据边缘预测，得到目标能见度数据的步骤包括:
通过所述图像采集设备采集预设时间段的待预测天气视频数据；
基于所述时间序列，通过部署在所述图像采集设备的板端的所述目标LSTM网络模型对所述待预测天气视频数据进行边缘能见度数据预测，得到所述目标能见度数据。


5.如权利要求4所述的能见度边缘计算方法，其特征在于，所述目标LSTM网络模型包括输入门、遗忘门以及输出门，
所述基于所述时间序列，通过部署在所述图像采集设备的板端的所述目标LSTM网络模型对所述待预测天气视频数据进行边缘能见度数据预测的步骤包括：
基于所述时间序列，获取上一预设时间段的输出数据以及当前的待预测天气视频数据作为所述遗忘门的第一输入数据，根据第一激活函数对所述遗忘门的第一输入数据进行计算，选取对上一预设时间段的神经网络单元状态进行更新时的遗忘状态；
将上述上一预设时间段的输出数据以及所述当前的待预测天气视频数据作为所...

【专利技术属性】
技术研发人员：洪耿，闫潇宁，陈晓艳，
申请(专利权)人：深圳市安软科技股份有限公司，深圳市安软慧视科技有限公司，
类型：发明
国别省市：广东;44