基于知识推理的主动救援决策方法及装置

技术特征：
1.一种基于知识推理的主动救援决策方法，其特征在于，包括：获取灾情场景图像中的多个灾情状态类别，以及各灾情状态类别对应的类别概率；从灾情知识图谱中确定所述多个灾情状态类别对应的多个灾情实体，并分别确定各灾情实体与所述灾情知识图谱中各实体的相似度；根据所述各灾情状态类别对应的类别概率，以及所述相似度，从所述灾情知识图谱的各实体中确定目标实体，并将所述目标实体的实体信息作为救援决策结果。2.根据权利要求1所述的基于知识推理的主动救援决策方法，其特征在于，所述多个灾情状态类别包括多个建筑物受损状态类别以及多个建筑物材质类别。3.根据权利要求1所述的基于知识推理的主动救援决策方法，其特征在于，所述获取灾情场景图像中的多个灾情状态类别，以及各灾情状态类别对应的类别概率，包括：将所述灾情场景图像输入视觉感知模型，得到所述视觉感知模型输出的灾情场景图像中的多个灾情状态类别，以及各灾情状态类别对应的类别概率；所述视觉感知模型是基于灾情场景图像样本，以及标记了所述灾情场景图像样本对应的灾情状态类别标签，对初始视觉感知模型进行训练得到的。4.根据权利要求3所述的基于知识推理的主动救援决策方法，其特征在于，所述灾情场景图像中的多个灾情状态类别包括多个建筑物受损状态类别以及多个建筑物材质类别的情况下，还包括：基于灾情场景图像样本，以及标记了所述灾情场景图像样本对应的建筑物受损状态类别标签对初始视觉感知模型的第一分类器进行训练，得到所述第一分类器的损失值；基于灾情场景图像样本，以及标记了所述灾情场景图像样本对应的建筑物材质类别标签对初始视觉感知模型的第二分类器进行训练，得到所述第二分类器的损失值；确定所述第一分类器的损失值与所述第二分类器的损失值的相加值，在所述相加值最小的情况下，确定所述视觉感知模型收敛；所述视觉感知模型是联合第一分类器和第二分类器得到的。5.根据权利要求1所述的基于知识推理的主动救援决策方法，其特征在于，所述分别确定各灾情实体与所述灾情知识图谱中各实体的相似度，包括：根据所述灾情知识图谱中任意两个实体的相似度，构建实体相似度矩阵；根据所述实体相似度矩阵，从所述灾情知识图谱中分别确定各灾情实体与所述灾情知识图谱中各实体的相似度。6.根据权利要求5所述的基于知识推理的主动救援决策方法，其特征在于，所述确定所述灾情知识图谱中任意两个实体的相似度，包括：根据所述灾情知识图谱中的各实体，确定所述各实体的实体向量，并确定各实体向量间的向量距离；根据所述向量距离，确定所述灾情知识图谱中任意两个实体的相似度。7.一种基于知识推理的主动救援决策装置，其特征在于，包括：灾情状态类别确定模块，用于获取灾情场景图像中的多个灾情状态类别，以及各灾情状态类别对应的类别概率；相似度确定模块，用于从灾情知识图谱中确定所述多个灾情状态类别对应的多个灾情实体，并分别确定各灾情实体与所述灾情知识图谱中各实体的相似度；
救援决策结果确定模块，用于根据所述各灾情状态类别对应的类别概率，以及所述相似度，从所述灾情知识图谱的各实体中确定目标实体，并将所述目标实体的实体信息作为救援决策结果。8.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基于知识推理的主动救援决策方法。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于知识推理的主动救援决策方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于知识推理的主动救援决策方法。

技术总结
本发明提供一种基于知识推理的主动救援决策方法及装置，其中方法包括：获取灾情场景图像中的多个灾情状态类别，以及各灾情状态类别对应的类别概率；从灾情知识图谱中确定多个灾情状态类别对应的多个灾情实体，并分别确定各灾情实体与灾情知识图谱中各实体的相似度；根据各灾情状态类别对应的类别概率，以及相似度，从灾情知识图谱的各实体中确定目标实体，并将目标实体的实体信息作为救援决策结果。本发明提供的基于知识推理的主动救援决策方法及装置，实现了根据灾情场景图像即可从灾情知识图谱中主动确定救援决策结果，使决策者不需要储备大量的专业知识，降低人力成本的同时提升了救援决策的效率。升了救援决策的效率。升了救援决策的效率。


技术研发人员：徐常胜 姚涵涛
受保护的技术使用者：中国科学院自动化研究所
技术研发日：2022.04.29
技术公布日：2022/8/16