[发明专利]基于图像识别的除雪方法、装置、设备及存储介质

权利要求书

1.一种基于图像识别的除雪方法，应用于车辆的车载终端，其特征在于，所述基于图像识别的除雪方法包括：

调用预置的车载摄像头，采集前挡风玻璃的第一图像；

基于预置的积雪识别网络模型，识别所述第一图像中是否存在积雪；

若确定所述第一图像中存在积雪，则调用预置的雨刮器清理所述前挡风玻璃；

调用所述车载摄像头，采集所述前挡风玻璃的第二图像；

基于所述积雪识别网络模型，识别所述第二图像中是否存在积雪；

若确定所述第二图像中存在积雪，则对所述前挡风玻璃进行融雪。

2.根据权利要求1所述的基于图像识别的除雪方法，其特征在于，所述调用预置的车载摄像头，采集前挡风玻璃的第一图像之前，还包括：

获取所在地当日的气象数据；

基于预置的数据格式化规则将所述气象数据格式化为气象特征矩阵；

将所述气象特征矩阵与预置的降雪概率矩阵做点积运算，得到所在地当日降雪的置信得分，若所在地当日降雪的置信得分大于预置的阈值，则激活所述车载摄像头。

3.根据权利要求1所述的基于图像识别的除雪方法，其特征在于，所述基于预置的积雪识别网络模型，识别所述第一图像中是否存在积雪之前，还包括：

对预置的多个初始积雪图像分别执行图像预处理和图像标注，得到并基于多个目标积雪图像构建积雪图像训练数据集；

基于所述积雪图像训练数据集，对预置的卷积神经网络模型执行用于识别含积雪图像和不含积雪图像的二分类训练任务，得到所述积雪识别网络模型。

4.根据权利要求3中所述的基于图像识别的除雪方法，其特征在于，所述基于所述积雪图像训练数据集，对预置的卷积神经网络模型执行用于识别含积雪图像和不含积雪图像的二分类训练任务，得到所述积雪识别网络模型包括：

从所述积雪图像训练数据集中获取待学习的目标图像；

初始化所述卷积神经网络模型的网络参数；

基于所述卷积神经网络模型，计算所述目标图像为含积雪图像的概率值；

根据预置的损失函数和图像标注的结果，计算所述概率值对应的损失值；

根据所述损失值，调整所述卷积神经网络模型的网络参数，直至所述卷积神经网络模型的网络收敛，得到所述积雪识别网络模型。

5.根据权利要求4中所述的基于图像识别的除雪方法，其特征在于，所述根据所述损失值，调整所述卷积神经网络模型的网络参数，直至所述卷积神经网络模型的网络收敛，得到所述积雪识别网络模型包括：

将所述损失值由所述卷积神经网络模型的输出层向隐藏层反向传播；

当所述损失值被传播至所述隐藏层时，则根据所述损失值，并采用随机梯度下降算法对所述卷积神经网络模型的网络参数进行迭代更新；

当所述卷积神经网络模型的网络收敛时，确定当前所述卷积神经网络模型的网络参数为目标网络参数，以及保存所述目标网络参数，得到积雪识别网络模型。

6.根据权利要求1-5中任一项所述的基于图像识别的除雪方法，其特征在于，所述若确定所述第二图像中存在积雪，则对所述前挡风玻璃进行融雪包括：

若确定所述第二图像中存在积雪，则基于预置积雪残差分级算法，确定所述第二图像中的积雪残差等级；

获取并执行与所述积雪残差等级所对应的融雪策略，以对所述前挡风玻璃进行融雪。

7.根据权利要求6所述的基于图像识别的除雪方法，其特征在于，所述获取并执行与所述积雪残差等级所对应的融雪策略，以对所述前挡风玻璃进行融雪包括：

当所述积雪残差等级为第一等级时，则调用所述车辆内预置的微波发生器产生微波，以对所述前挡风玻璃进行融雪；

当所述积雪残差等级为第二等级时，则调用所述车辆内预置的微波发生器产生微波，以及调用所述车辆内预置的玻璃加热丝对所述前挡风玻璃进行电加热，以对所述前挡风玻璃进行融雪；

当所述积雪残差等级为第三等级时，则调用所述车辆内预置的微波发生器产生微波、调用所述车辆内预置的玻璃加热丝对所述前挡风玻璃进行电加热以及调用所述车辆内预置的车载空调对车厢内进行制热，以对所述前挡风玻璃进行融雪。