一种在星载环境下应用人工智能模型的方法技术

本申请实施例公开了一种在星载环境下应用人工智能模型的方法，本申请实施例通过在卫星中存储经过放缩处理的人工智能模型的模型参数，并在应用时对已放缩处理的人工智能模型的模型参数进行恢复，从而避免了卫星存储的人工智能模型，特别是人工智能模型中的模型参数受到辐射损伤的影响而变化，导致的在应用时无法保证人工智能模型的准确性，保证了后续在卫星内存中应用人工智能模型时的应用准确性及可靠性。可靠性。可靠性。

【技术实现步骤摘要】
一种在星载环境下应用人工智能模型的方法


[0001]本申请涉及卫星与人工智能的交叉
，特别涉及一种在星载环境下应用人工智能模型的方法。

技术介绍

[0002]随着卫星等航天器产生的数据量不断增加，大量的诸如高分辨率的地球图像等数据的传输大幅度占用了卫星与地面站点之间的通信带宽资源，导致部分数据无法及时传输到地面站点。卫星采集的数据，特别是采集的图像数据往往被云层或地面上的无人居住的地区所覆盖，导致这些数据即使传输到地面站点，地面站点也难以获取得到其中的有用信息。因此，卫星在将采集的数据传输到地面站点之前，可以由卫星内存中运行人工智能模型应用对该数据处理，得到有价值的数据处理结果，再将数据处理结果传输给地面站点。
[0003]为了采用上述的方法，在星载环境下应用人工智能模型，就需要在卫星中的诸如存储器存储已经训练好的人工智能模型，以在应用时直接在卫星内存中运行。然而，卫星所处的太空，是没有地球大气层的保护，卫星中的诸如存储器等硬件很容易受到太阳辐射的影响，其中的单粒子效应就是一种典型的辐射损伤，使得卫星存储的数据中的一个或多个比特位在0和1之间翻转，导致卫星中的数据造成无法接受的损坏。在这种情况下，卫星存储的人工智能模型中的模型参数如果受到诸如单粒子效应等的辐射损伤，就会导致人工智能模型的应用精度降低，从而导致采用该人工智能模型处理卫星采集的数据，得到不准确的数据处理结果，比如含有重要信息的地球图像被忽略处理，或者重要的灾害报告被延迟处理等等。
[0004]因此，如何避免卫星存储的人工智能模型受到辐射损伤的影响，保证其在应用时提高应用准确性，是一个亟待解决的问题。

技术实现思路

[0005]有鉴于此，本申请实施提供一种在星载环境下应用人工智能模型的方法及系统，该方法及系统能够避免卫星存储的人工智能模型受到辐射损伤的影响，保证该人工智能模型应用的准确性。
[0006]本申请的一个实施例中提供一种在星载环境下应用人工智能模型的方法，包括：
[0007]将人工智能模型的经过放缩处理的模型参数对应放缩权重，存储在卫星中；
[0008]在所述卫星应用所述人工智能模型时，对存储的所述经过放缩处理的模型参数采用对应的所述放缩权重，进行恢复，得到所述人工智能模型的模型参数；
[0009]将所述人工智能模型的模型参数置入到所述人工智能模型中对应的层结构中，运行，进行所述卫星采集的数据的处理。
[0010]在上述方法中，所述存储在卫星之前，还包括：
[0011]卫星接收地面站点发送的对应所述放缩权重的所述经过放缩处理的模型参数，所述经过放缩处理的模型参数是在地面站点，基于获取的所述放缩权重，采用预设的放缩方
式进行放缩处理得到的。
[0012]在上述方法中，所述获取所述放缩权重包括：
[0013]获取一所述人工智能模型的模型参数，所述人工智能模型是训练好的；
[0014]针对属于所述人工智能模型的不同层的模型参数，分别设置对应的放缩权重。
[0015]在上述方法中，所述针对属于所述人工智能模型的不同层的模型参数，分别设置对应的放缩权重包括：
[0016]对于人工智能模型的当前层，得到所述层的一模型参数的浮点数，将浮点数的指数位数值与所述浮点数的指数位的最大数值之间的差值，作为所述模型参数的最大放缩权重，从所述层的所有模型参数的最大放缩权重，选取最小放缩权重，作为所述层的模型参数对应的放缩权重。
[0017]在上述方法中，所述基于获取的所述放缩权重，采用预设的放缩方式进行放缩处理得到所述经过放缩处理的模型参数，包括：
[0018]确定待进行放缩处理的模型参数在所述人工智能模型的所属层，根据所述所属层确定对应的放缩权重；
[0019]对所述待进行放缩处理的模型参数乘以2
放缩权重
得到第一计算中间值；
[0020]对所述第一计算中间值的指数位进行设定移位数的左移操作。
[0021]在上述方法中，所述对存储的所述经过放缩处理的模型参数采用对应的所述放缩权重，恢复后，得到所述人工智能模型的模型参数包括：
[0022]对于一所述经过放缩处理的模型参数，确定在所述人工智能模型的所属层；
[0023]确定所述所属层对应的放缩权重；
[0024]将所述经过放缩处理的模型参数的指数位进行设定移位数的右移操作得到第二计算中间值；
[0025]将所述第二计算中间值除以2
放缩权重
，得到所述人工智能模型的模型参数。
[0026]在上述方法中，所述设定移位数为1。
[0027]本申请实施例的另一个实施例中，提供一种电子设备，所述电子设备应用在卫星中，所述电子设备包括：
[0028]处理器；
[0029]存储器，存储有程序，所述程序配置为在被所述处理器执行时实现上述中任一项所述的在星载环境下应用人工智能模型的方法。
[0030]如上所见，本申请实施例通过在卫星中存储经过放缩处理的人工智能模型的模型参数，并在应用时对已放缩处理的人工智能模型的模型参数进行恢复，从而避免了卫星存储的人工智能模型，特别是人工智能模型中的模型参数受到辐射损伤的影响而变化，导致的在应用时无法保证人工智能模型的准确性，保证了后续在卫星内存中应用人工智能模型时的应用准确性及可靠性。
附图说明
[0031]图1为本申请实施例提供的一种在星载环境下应用人工智能模型的方法流程图；
[0032]图2为本申请实施例提供的获取得到人工智能模型的每层对应的放缩权重的方法流程图；
[0033]图3为本专利技术实施例提供的对人工智能模型的模型参数进行放缩处理的过程流程图；
[0034]图4为本申请实施例提供的在星载环境下恢复存储的已经放缩处理的模型参数的方法流程图；
[0035]图5为本申请的另一个实施例所提供的一种电子设备的示意图。
具体实施方式
[0036]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，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动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。
[0037]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
[0038]下面以具体实施例对本申请的技术方案进行详本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在星载环境下应用人工智能模型的方法，其特征在于，包括：将人工智能模型的经过放缩处理的模型参数对应放缩权重，存储在卫星中；在所述卫星应用所述人工智能模型时，对存储的所述经过放缩处理的模型参数采用对应的所述放缩权重，进行恢复，得到所述人工智能模型的模型参数；将所述人工智能模型的模型参数置入到所述人工智能模型中对应的层结构中，运行，进行所述卫星采集的数据的处理。2.如权利要求1所述的方法，其特征在于，所述存储在卫星之前，还包括：卫星接收地面站点发送的对应所述放缩权重的所述经过放缩处理的模型参数，所述经过放缩处理的模型参数是在地面站点，基于获取的所述放缩权重，采用预设的放缩方式进行放缩处理得到的。3.如权利要求2所述的方法，其特征在于，所述获取所述放缩权重包括：获取一所述人工智能模型的模型参数，所述人工智能模型是训练好的；针对属于所述人工智能模型的不同层的模型参数，分别设置对应的放缩权重。4.如权利要求3所述的方法，其特征在于，所述针对属于所述人工智能模型的不同层的模型参数，分别设置对应的放缩权重包括：对于人工智能模型的当前层，得到所述层的一模型参数的浮点数，将浮点数的指数位数值与所述浮点数的指数位的最大数值之间的差值，作为所述模型参数的最大放缩权重，从所述层的所有模型参数的最大放缩权重，选取最小放缩...

【专利技术属性】
技术研发人员：徐梦炜，袁鑫，马骁，周傲，张乙然，孙其博，王尚广，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：