[发明专利]基于图像识别的空气质量感知方法、模型训练方法及系统

权利要求书

1.一种基于图像识别的空气质量感知方法，其特征在于，应用于分布式系统中，所述分布式系统包括服务器和多个边缘节点；所述方法包括：

所述多个边缘节点中的第一边缘节点采集目标区域的环境图像；通过图像识别模型对所述环境图像进行识别，得到所述第一边缘节点测得的空气质量监测结果；向所述多个边缘节点中的至少一个第二边缘节点发送结果验证请求，所述结果验证请求用于请求对所述第一边缘节点测得的空气质量监测结果进行验证；

所述第二边缘节点对所述第一边缘节点测得的空气质量监测结果进行验证，生成所述第一边缘节点测得的空气质量监测结果所对应的监测验证结果，所述监测验证结果用于指示所述第一边缘节点测得的空气质量监测结果是否可信；向所述服务器发送所述监测验证结果；

所述服务器在基于各个所述第二边缘节点发送的监测验证结果，确定所述第一边缘节点测得的空气质量监测结果有效的情况下，存储所述第一边缘节点测得的空气质量监测结果。

2.根据权利要求1所述的方法，其特征在于，所述第二边缘节点对所述第一边缘节点测得的空气质量监测结果进行验证，生成所述第一边缘节点测得的空气质量监测结果所对应的监测验证结果，包括：

所述第二边缘节点获取所述目标区域的空气质量监测结果；

所述第二边缘节点将所述第一边缘节点测得的空气质量监测结果，与所述第二边缘节点获取的空气质量监测结果进行比对；

所述第二边缘节点基于比对结果，生成所述第一边缘节点测得的空气质量监测结果所对应的监测验证结果。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述服务器统计针对所述第一边缘节点测得的空气质量监测结果的监测验证结果为可信的数量占比；

若所述数量占比大于智能合约中规定的第一门限值，则所述服务器确定所述第一边缘节点测得的空气质量监测结果有效。

4.根据权利要求1所述的方法，其特征在于，所述图像识别模型包括输入层、特征提取层、多个特征传递学习层、特征映射层和输出层；

所述第一边缘节点通过图像识别模型对所述环境图像进行识别，得到所述第一边缘节点测得的空气质量监测结果，包括：

所述第一边缘节点通过所述特征提取层对所述输入层输入的所述环境图像进行特征提取处理，得到所述环境图像的图像特征信息；

所述第一边缘节点通过所述多个特征传递学习层对所述图像特征信息进行特征传递学习处理，得到编码特征向量；

所述第一边缘节点通过所述特征映射层对所述编码特征向量进行特征映射处理，得到映射后特征向量；

所述第一边缘节点通过所述输出层基于所述映射后特征向量，输出所述第一边缘节点测得的空气质量监测结果。

5.根据权利要求1所述的方法，其特征在于，所述图像识别模型的训练过程如下：

所述服务器从所述多个边缘节点中确定参与模型训练的n个目标边缘节点，所述n为正整数；向所述目标边缘节点发送待训练的图像识别模型；

所述n个目标边缘节点中的第i个目标边缘节点对所述待训练的图像识别模型进行本地训练，得到经所述第i个目标边缘节点本地训练的图像识别模型；向其他目标边缘节点发送模型验证请求，所述模型验证请求用于请求对经所述第i个目标边缘节点本地训练的图像识别模型进行验证，所述i为小于等于所述n的正整数；

所述其他目标边缘节点对经所述第i个目标边缘节点本地训练的图像识别模型进行验证，生成经所述第i个目标边缘节点本地训练的图像识别模型所对应的模型验证结果，所述模型验证结果用于指示经所述第i个目标边缘节点本地训练的图像识别模型是否可信；向所述服务器发送所述模型验证结果；

所述服务器基于各个所述目标边缘节点发送的模型验证结果，确定可信的图像识别模型；对所述可信的图像识别模型的模型参数进行整合处理，生成所述图像识别模型。