[發明專利]一種能見度邊緣計算方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110038180.2
• 申請日: 2021-01-12
• 公開（公告）號: CN112733728A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 洪耿;閆瀟寧;陳曉艷
• 申請（專利權）人: 深圳市安軟科技股份有限公司;深圳市安軟慧視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 深圳君信誠知識產權代理事務所(普通合伙) 44636
• 代理人: 劉偉

1.一種能見度邊緣計算方法，其特征在于，包括以下步驟：

采集訓練數據集，所述訓練數據集包括天氣的視頻訓練數據；

將所述訓練數據集中的所述天氣的視頻訓練數據輸入到預設的LSTM網絡模型中進行訓練，得到目標LSTM網絡模型；

獲取待預測天氣視頻數據，基于時間序列，通過所述目標LSTM網絡模型對所述待預測天氣視頻數據進行能見度數據邊緣預測，得到目標能見度數據。

2.如權利要求1所述的能見度邊緣計算方法，其特征在于，所述采集訓練數據集的步驟包括：

通過圖像采集設備采集所述天氣的視頻訓練數據，并對所述天氣的視頻訓練數據進行圖像抽幀；

采集與時間順序對應的視頻數據的初始能見度數據，并根據所述初始能見度數據對抽幀后對應的圖像進行數據清洗及標注，得到所述訓練數據集。

3.如權利要求2所述的能見度邊緣計算方法，其特征在于，所述得到目標LSTM網絡模型的步驟之后，還包括步驟：

將所述目標LSTM網絡模型部署在所述圖像采集設備的板端。

4.如權利要求3所述的能見度邊緣計算方法，其特征在于，所述獲取待預測天氣視頻數據，基于時間序列，通過所述目標LSTM網絡模型對所述待預測天氣視頻數據進行能見度數據邊緣預測，得到目標能見度數據的步驟包括:

通過所述圖像采集設備采集預設時間段的待預測天氣視頻數據；

基于所述時間序列，通過部署在所述圖像采集設備的板端的所述目標LSTM網絡模型對所述待預測天氣視頻數據進行邊緣能見度數據預測，得到所述目標能見度數據。

5.如權利要求4所述的能見度邊緣計算方法，其特征在于，所述目標LSTM網絡模型包括輸入門、遺忘門以及輸出門，

所述基于所述時間序列，通過部署在所述圖像采集設備的板端的所述目標LSTM網絡模型對所述待預測天氣視頻數據進行邊緣能見度數據預測的步驟包括：

基于所述時間序列，獲取上一預設時間段的輸出數據以及當前的待預測天氣視頻數據作為所述遺忘門的第一輸入數據，根據第一激活函數對所述遺忘門的第一輸入數據進行計算，選取對上一預設時間段的神經網絡單元狀態進行更新時的遺忘狀態；

將上述上一預設時間段的輸出數據以及所述當前的待預測天氣視頻數據作為所述輸入門的第二輸入數據，通過所述第一激活函數以及第二激活函數對所述輸入門的第二輸入數據進行計算，選取對所述上一預設時間段的神經網絡單元狀態更新時的新記憶的狀態；

根據所述遺忘狀態與所述新記憶的狀態對上一預設時間段的神經網絡單元狀態進行更新得到當前神經單元狀態；

通過所述第一激活函數對所述輸出門的所述當前神經單元狀態進行過濾，并通過所述第二激活函數進行數據處理，得到目標輸出信息；

根據所述上一預設時間段的輸出數據、所述當前的待預測天氣視頻數據以及所述目標輸出信息進行運算，輸出與所述當前預設時間段對應的所述目標能見度數據。

6.一種能見度邊緣計算裝置，其特征在于，裝置包括：

采集模塊，用于采集訓練數據集，所述訓練數據集包括天氣的視頻訓練數據；

訓練模塊，用于將所述訓練數據集中的所述天氣的視頻訓練數據輸入到預設的LSTM網絡模型中進行訓練，得到目標LSTM網絡模型；

預測模塊，用于獲取待預測天氣視頻數據，基于時間序列，通過所述目標LSTM網絡模型對所述待預測天氣視頻數據進行能見度數據邊緣預測，得到目標能見度數據。

7.如權利要求6所述的能見度邊緣計算裝置，其特征在于，所述采集模塊包括：

第一采集子模塊，用于通過圖像采集設備采集所述天氣的視頻訓練數據，并對所述天氣的視頻訓練數據進行圖像抽幀；

標記子模塊，用于采集與時間順序對應的視頻數據的初始能見度數據，并根據所述初始能見度數據對抽幀后對應的圖像進行數據清洗及標注，得到所述訓練數據集。

8.如權利要求6所述的能見度邊緣計算裝置，其特征在于，所述裝置還包括：

部署模塊，用于將所述目標LSTM網絡模型部署在圖像采集設備的板端集。