[发明专利]一种雨刷控制方法、装置、设备及存储介质

权利要求书

1.一种雨刷控制方法，其特征在于，包括：

获取待检测区域图像，并根据预先设置的划分规则，将所述待检测区域图像划分为至少一个待检测子区域图像；

分别将所述待检测子区域图像输入至预先训练好的目标雨滴检测模型中，确定与所述待检测子区域图像相对应的雨滴概率值；

根据所述雨滴概率值确定总雨滴量，并根据所述总雨滴量控制所述雨刷工作；

所述根据所述雨滴概率值确定总雨滴量，包括：

分别计算所述待检测子区域图像的概率值与所述待检测子区域图像所对应的权重值的乘积，得到中间值；

将所述中间值进行累加求和后，除以所述待检测子区域图像的个数，得到所述总雨滴量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述总雨滴量控制所述雨刷工作，包括：

当所述总雨滴量大于等于预设雨滴量阈值时，则控制所述雨刷工作。

3.根据权利要求1所述的方法，其特征在于，所述将所述待检测区域图像划分为至少一个待检测子区域图像，包括：

采用网格划分法将所述待检测区域图像划分为至少一个网格，得到至少一个待检测子区域图像。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取预设数量的样本集，并根据预设的划分比例，将所述样本集划分为测试样本集、训练样本集；

其中，所述训练样本集用于训练雨滴检测模型；

所述测试样本集用于评估所述雨滴检测模型的准确性。

5.根据权利要求4所述的方法，其特征在于，还包括：

将所述训练样本集分为至少两份训练样本子集；

将其中一份样本训练子集作为当前校准样本；

将其余训练样本子集中的样本图像作为至少一个预设神经网络的输入，并将与所述样本图像相对应的概率值作为所述预设神经网络的输出，训练所述预设神经网络得到至少一个雨滴检测模型；

将所述当前校准样本中的图像分别输入至所述至少一个雨滴检测模型中，确定与至少一个雨滴检测模型的准确率；

将所述至少两份训练样本集中未作为当前校准样本的训练子集作为当前校准样本，其余训练样本子集作为训练至少一个神经网络的输入，训练所述雨滴检测模型，得到与至少一个雨滴检测模型相对应的至少一组雨滴检测模型准确率；

分别计算与雨滴检测模型相对应的至少一组雨滴模型准确率平均值；

将准确率平均值高的雨滴检测模型作为待使用雨滴检测模型。

6.根据权利要求5所述的方法，其特征在于，在训练得到所述待使用雨滴检测模型之后，还包括：

将所述测试样本集中的图像输入至训练得到的所述待使用雨滴检测模型中；

当所述待使用雨滴检测模型输出值的准确率在预设范围之内，将所述待使用雨滴检测模型作为目标雨滴检测模型；

当所述待使用雨滴检测模型输出值的准确率在预设范围之外，则重新训练所述雨滴检测模型。

7.一种雨刷控制装置，其特征在于，包括：

图像划分模块，用于获取待检测区域图像，并根据预先设置的划分规则，将所述待检测区域图像划分为至少一个待检测子区域图像；

雨滴概率值确定模块，用于分别将所述待检测子区域图像输入至预先训练好的目标雨滴检测模型中，确定与所述待检测子区域图像相对应的雨滴概率值；

雨刷控制模块，用于根据所述雨滴概率值确定总雨滴量，并根据所述总雨滴量控制所述雨刷工作；

所述雨刷控制模块还用于：

分别计算所述待检测子区域图像的概率值与所述待检测子区域图像所对应的权重值的乘积，得到中间值；

将所述中间值进行累加求和后，除以所述待检测子区域图像的个数，得到所述总雨滴量。

8.一种电子设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的雨刷控制方法。

9.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的雨刷控制方法。