[发明专利]模型训练、矿产预测方法、装置、设备以及存储介质

权利要求书

1.一种模型训练方法，包括：

获取目标区域的目标高光谱图像，所述目标高光谱图像包括至少一个已标注矿产类别的像素点；

确定与所述目标高光谱图像对应的掩膜图像；

根据所述目标高光谱图像以及所述掩膜图像，确定样本高光谱图像；

根据所述至少一个已标注矿产类别的像素点，确定各像素点的标注向量；

根据所述样本高光谱图像以及各像素点的标注向量，训练模型。

2.根据权利要求1所述的方法，其中，所述确定与所述样本高光谱图像对应的掩膜图像，包括：

根据所述目标高光谱图像中已标注矿产类别的像素点以及未标注矿产类别的像素点，确定所述掩膜图像。

3.根据权利要求1所述的方法，其中，所述根据所述至少一个已标注矿产类别的像素点，确定各像素点的标注向量，包括：

根据各像素点的已标注矿产类别的数量，确定标注向量的长度；

对于每个像素点，根据该像素点的已标注矿产类别，确定该像素点的标注向量。

4.根据权利要求1所述的方法，其中，所述根据所述样本高光谱图像以及各像素点的标注向量，训练模型，包括：

将所述样本高光谱图像作为输入，确定各像素点的预测向量；

根据各像素点的预测向量以及标注向量，确定损失函数值，根据损失函数值迭代训练模型。

5.根据权利要求1所述的方法，其中，所述获取目标区域的目标高光谱图像，包括：

获取目标区域的初始高光谱图像；

在目标区域中选取至少一个关键点以及确定所述至少一个关键点的矿产类别；

根据所述至少一个关键点对应的实际位置，确定所述至少一个关键点在所述初始高光谱图像中对应的至少一个像素点；

根据所述至少一个关键点的矿产类别，确定所述至少一个像素点的已标注矿产类别，得到所述目标高光谱图像。

6.一种矿产预测方法，包括：

获取待预测区域的待预测高光谱图像；

根据所述待预测高光谱图像以及通过权利要求1-5所述的方法训练得到的模型，预测所述待预测区域中包括的矿产类别。

7.一种模型训练装置，包括：

第一获取单元，被配置成获取目标区域的目标高光谱图像，所述目标高光谱图像包括至少一个已标注矿产类别的像素点；

掩膜确定单元，被配置成确定与所述目标高光谱图像对应的掩膜图像；

样本确定单元，被配置成根据所述目标高光谱图像以及所述掩膜图像，确定样本高光谱图像；

向量确定单元，被配置成根据所述至少一个已标注矿产类别的像素点，确定各像素点的标注向量；

模型训练单元，被配置成根据所述样本高光谱图像以及各像素点的标注向量，训练模型。

8.根据权利要求7所述的装置，其中，所述掩膜确定单元进一步被配置成：

根据所述目标高光谱图像中已标注矿产类别的像素点以及未标注矿产类别的像素点，确定所述掩膜图像。

9.根据权利要求7所述的装置，其中，所述向量确定单元进一步被配置成：

根据各像素点的已标注矿产类别的数量，确定标注向量的长度；

对于每个像素点，根据该像素点的已标注矿产类别，确定该像素点的标注向量。

10.根据权利要求7所述的装置，其中，所述模型训练单元进一步被配置成：

将所述样本高光谱图像作为输入，确定各像素点的预测向量；

根据各像素点的预测向量以及标注向量，确定损失函数值，根据损失函数值迭代训练模型。