积雪面积检测方法、装置、设备及存储介质与流程

1.本发明涉及图像识别技术领域，尤其涉及一种积雪面积检测方法、装置、设备及存储介质。


背景技术：

2.太阳能发电主要有太阳能热发电技术和太阳能光伏发电技术，一般发电厂采用的是太阳能光伏发电技术，太阳能光伏发电系统一般由太阳能光伏板、太阳能控制器、蓄电池组、直流-交流逆变器和交流配电设备等组成，太阳能光伏板是太阳能光伏发电系统中的核心部分，其利用半导体的光伏效应把光能直接转化为电能，送往蓄电池中存储起来。在光伏发电中，光伏板上的积雪覆盖对于辐照度的影响非常显著，直接影响到光伏方阵的发电量，由于发电厂设置的光伏板一般都设置在空旷处，无法实时获悉光伏板的积雪覆盖面积，对于光伏板的发电效率有着严重影响。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种积雪面积检测方法、装置、设备及存储介质，旨在解决现有技术中无法实时获悉光伏板的积雪覆盖情况，对于光伏板的发电效率有着严重影响的技术问题。
5.为实现上述目的，本发明提供了一种积雪面积检测方法，所述方法包括以下步骤：
6.获取太阳能光伏板的待识别图像；
7.根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息；
8.基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积。
9.可选地，所述根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息的步骤之前，所述方法还包括：
10.根据预设图像识别模型对所述待识别图像进行图像识别，获得图像识别结果；
11.基于所述图像识别结果判断所述太阳能光伏板上是否存在积雪；
12.当太阳能光伏板上存在积雪时，执行所述根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息的步骤。
13.可选地，所述根据预设图像识别模型对所述待识别图像进行图像识别，获得图像识别结果的步骤之前，所述方法还包括：
14.获取待识别图像样本以及对应的样本识别结果；
15.根据所述待识别图像样本以及对应的样本识别结果对初始神经网络模型进行模型训练，获得预设图像识别模型。
16.可选地，所述根据所述待识别图像样本以及对应的样本识别结果对初始神经网络模型进行模型训练，获得预设图像识别模型的步骤，包括：
17.将所述待识别图像样本输入初始神经网络模型，获得初始图像识别结果；
18.根据所述初始图像识别结果对初始神经网络模型进行参数调整，获得预设图像识别模型。
19.可选地，所述将所述待识别图像样本输入初始神经网络模型，获得初始图像识别结果的步骤之前，所述方法还包括：
20.将待识别图像样本进行图像增强，获得增强图像样本；
21.将所述增强图像样本输入初始图像识别模型，获得初始图像识别结果。
22.可选地，所述根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息的步骤，包括：
23.根据预设图像分割模型对所述待识别图像进行图像分割，获得分割图像；
24.将所述分割图像通过预设信息提取模型进行信息提取，获得积雪轮廓信息。
25.可选地，所述将所述分割图像通过预设信息提取模型进行信息提取，获得积雪轮廓信息的步骤，包括：
26.基于所述分割图像进行边缘检测，获得边缘检测结果；
27.根据所述边缘检测结果提取所述分割图像中的积雪轮廓信息。
28.此外，为实现上述目的，本发明还提出一种积雪面积检测装置，所述积雪面积检测装置包括：
29.图像采集模块，用于获取太阳能光伏板的待识别图像；
30.信息提取模块，用于根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息；
31.信息处理模块，用于基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积。
32.此外，为实现上述目的，本发明还提出一种积雪面积检测设备，所述积雪面积检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的积雪面积检测程序，所述积雪面积检测程序配置为实现如上文所述的积雪面积检测方法的步骤。
33.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有积雪面积检测程序，所述积雪面积检测程序被处理器执行时实现如上文所述的积雪面积检测方法的步骤。
34.本发明通过获取太阳能光伏板的待识别图像，根据预设信息提取模型提取待识别图像中的积雪轮廓信息，基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积，由于本发明可以实时获取太阳能光伏板的待识别图像，并对进行信息提取，使得能够实时的获知太阳能光伏板的积雪情况，有效地避免了无法实时获悉光伏板的积雪覆盖情况，对于光伏板的发电效率有着严重影响的技术问题。
附图说明
35.图1是本发明实施例方案涉及的硬件运行环境的积雪面积检测设备的结构示意图；
36.图2为本发明积雪面积检测方法第一实施例的流程示意图；
37.图3为本发明积雪面积检测方法第二实施例的流程示意图；
38.图4为本发明积雪面积检测方法第三实施例的流程示意图；
39.图5为本发明积雪面积检测装置第一实施例的结构框图。
40.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
41.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
42.参照图1，图1为本发明实施例方案涉及的硬件运行环境的积雪面积检测设备结构示意图。
43.如图1所示，该积雪面积检测设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
44.本领域技术人员可以理解，图1中示出的结构并不构成对积雪面积检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
45.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及积雪面积检测程序。
46.在图1所示的积雪面积检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明积雪面积检测设备中的处理器1001、存储器1005可以设置在积雪面积检测设备中，所述积雪面积检测设备通过处理器1001调用存储器1005中存储的积雪面积检测程序，并执行本发明实施例提供的积雪面积检测方法。
47.本发明实施例提供了一种积雪面积检测方法，参照图2，图2为本发明一种积雪面积检测方法第一实施例的流程示意图。
48.本实施例中，所述积雪面积检测方法包括以下步骤：
49.步骤s10：获取太阳能光伏板的待识别图像；
50.需要说明的是，本实施例方法的执行主体是所述积雪面积检测设备，其中，所述积雪面积检测设备可为个人电脑或服务器等电子设备，还可为其他可实现相同或相似功能的设备，本实施例对此不加以限制，在本实施例中，以服务器为例说明。
51.可理解的是，待识别图像可以是通过图像采集设备采集需要进行积雪面积检测的太阳能光伏板的表面图像，图像采集设备可以是摄像头、视频采集卡以及监控探头等，或者其它具有图像采集功能的设备，本实施例对此不加以限制；
52.步骤s20：根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息；
53.需要说明的是，预设信息提取模型可以用于将获得的待识别图像进行信息提取，获得积雪轮廓信息；预设图像处理模型可以是基于深度学习的信息提取程序，也可以是其
他具有信息提取程序的模型，本实施例不做具体限制。
54.可理解的是，对所述待识别图像进行信息提取后，可以获得太阳能光伏板上的积雪轮廓信息、积雪厚度信息、积雪分布信息等积雪信息，在本实施例中只需要提取积雪轮廓信息以供后续数据处理。
55.值得说明的是，在太阳能光伏板上可能存在多片积雪，因此对待识别图像进行信息提取时，可能会出现多个积雪轮廓信息，且所述多个积雪轮廓信息所包含的积雪面积、积雪大小等并不相同，因此在提取到多个积雪轮廓信息时，可以将所述多个积雪轮廓信息存储在预先分配的存储区域，以供后续数据处理，预先分配的存储区域可以是服务器云端或本地服务器等，本实施例对此不加以限制。
56.步骤s30：基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积。
57.需要说明的是，积雪面积的计算可以通过积雪轮廓信息中提取积雪的形状、大小以及边缘长度等信息确定，例如：提取积雪轮廓信息的积雪形状，对积雪形状进行分割，获得多个形状规则的积雪区域，通过预设图像识别模型计算分割后的积雪区域长度信息，获得积雪分割区域面积，最后将所有的积雪分割区域的面积进行相加，获得积雪区域总面积，对于计算积雪区域面积的方式，本实施例对此不加以限制。
58.此外，当太阳能光伏板的待识别图像中提取到多个积雪轮廓信息，即可以根据同样的积雪面积计算方式计算各个积雪区域面积，最后将所有的积雪区域面积相加获得太阳能光伏板上的总积雪面积。
59.值的说明的是，在清理太阳能光伏板的覆盖积雪时，根据积雪面积进行除雪工作，工作效率低，因为无法确定当前积雪面积是否严重影响到了太阳能光伏板的发电量，所以在进行除雪工作时，不仅要考虑积雪覆盖面积，还需要根据积雪面积所占的太阳能光伏板面积的比例，当积雪面积所占的太阳能光伏板面积的比例达到预设比例阈值时，才可能进行除雪工作，积雪面积所占的太阳能光伏板面积的比例可以通过用积雪覆盖的总面积除以太阳能光伏板的总面积获得。
60.在具体实现中，可以设置一个预设比例阈值，在本实施例中，可以设置在积雪面积所占的太阳能光伏板面积的比例超过30％时，认为积雪已经严重影响到了太阳能光伏板的发电效率，需要进行除雪工作。
61.可理解的是，积雪面积所占的太阳能光伏板面积的比例超过预设比例阈值时，可以生成预警信息，并将所述预警信息发送至客户端，所述客户端可以是微信端小程序、app等应用程序，所述应用程序具有数据存储、显示、操作指令接收等功能的界面；所述预警信息可以为文字提醒、震动提醒、灯光闪烁提醒等提醒信息的一项或多项，本实施例对此不加以限制。
62.本实施例通过获取太阳能光伏板的待识别图像，根据预设信息提取模型提取待识别图像中的积雪轮廓信息，基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积，由于本实施例可以实时获取太阳能光伏板的待识别图像，并对进行信息提取，使得能够实时的获知太阳能光伏板的积雪情况，有效地避免了无法实时获悉光伏板的积雪覆盖面积，对于光伏板的发电效率有着严重影响的技术问题。
63.参考图3，图3为本发明一种积雪面积检测方法第二实施例的流程示意图。
64.基于上述第一实施例，在本实施例中，所述步骤s20之前还包括：
65.步骤s101：根据预设图像识别模型对所述待识别图像进行图像识别，获得图像识别结果；
66.需要说明的是，预设图像识别模型可以是对所述待识别图像进行图像识别的模型，所述预设图像识别模型针对的是太阳能光伏板上的积雪图像，即将需要识别的太阳能光伏板图像输入至训练好的神经网络模型中，以获得图像识别结果，该神经网络模型可以是resnet神经网络中的resnet18神经网络模型，或者是其他可以进行图像识别的神经网络模型，本实施例对此不加以限制。
67.进一步地，为了获取预设图像识别模型，所述步骤s101，包括：
68.获取待识别图像样本以及对应的样本识别结果；
69.根据所述待识别图像样本以及对应的样本识别结果对初始神经网络模型进行模型训练，获得预设图像识别模型。
70.可理解的是，在获取待识别图像之后为了使得该图像识别模型的结果更准确，可以将待识别图像样本进行图像增强，获得增强图像样本，将所述增强图像样本输入初始神经网络模型，获得对应的样本识别结果，对待识别图像样本进行图像增强的方法可以是将待识别样本进行随机旋转、拉伸、添加随机噪声等图像增强操作，也可以是其他能够图像识别模型的结果更准确图像增强操作，本实施例对此不加以限制。
71.在具体实现中，将所述待识别图像样本进行图像增强操作，并将增强后的样本输入resnet18神经网络模型，获得对应的样本识别结果；根据所述初始图像识别结果对resnet18神经网络模型进行参数调整，获得预设图像识别模型。
72.步骤s102：基于所述图像识别结果判断所述太阳能光伏板上是否存在积雪；
73.需要说明的是，将采集的太阳能光伏板图像数据集样本，通过resnet18神经网络进行模型训练，以获得一个具有图像识别功能的二分类网络模型，该二分类网络模型用于判断所采集的太阳能光伏板图像上是否存在积雪覆盖，且所述二分类网络模型图像识别输出结果只有存在积雪覆盖和没有积雪覆盖两种情况。
74.值的说明的是，训练好的二分类网络模型判断太阳能光伏板上是否存在积雪覆盖的输出量为预设的softmax向量，所述softmax向量的值相加为1，由于这里的二分类网络模型的输出结果只有两个值，即可以设定输出值softmax向量的第一个值为无积雪覆盖的概率，第二个值表示有积雪覆盖的概率，例如：输出的softmax向量为[0.987，0.013]，根据对应值的大小，判断该图像属于没有积雪覆盖。
[0075]
可理解的是，当二分类网络模型对太阳能光伏板图像的识别结果为没有积雪覆盖时，输出识别结果，并将所述识别结果进行展示；对所述图像识别结果进行展示可以是将图像识别结果发送至用户的客户终端，所述客户终端可以是微信端小程序、app等应用程序，所述应用程序具有数据存储、显示、操作指令接收等功能的界面，本实施例对此不加以限制。
[0076]
步骤s103：当太阳能光伏板上存在积雪时，执行所述根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息的步骤。
[0077]
需要说明的是，当训练好的二分类网络模型判断太阳能光伏板上存在积雪覆盖时，则输出对应softmax向量，并执行所述根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息的步骤，例如：输出的softmax向量为[0.013，0.987]，根据对应
值的大小，判断该图像属于存在积雪覆盖，则根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息。
[0078]
本实施例通过获取太阳能光伏板的待识别图像，基于预设图像识别模型对所述待识别图像进行图像识别，以判断太阳能光伏板上是否存在积雪覆盖，当存在积雪覆盖时，根据预设信息提取模型提取待识别图像中的积雪轮廓信息，基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积，由于本实施例可以实时获取太阳能光伏板的待识别图像，并判断太阳能光伏板上是否存在积雪覆盖，存在积雪覆盖时，才进行信息提取，使得能够实时的获知太阳能光伏板的积雪情况，有效地避免了无法实时获悉光伏板的积雪覆盖面积，对于光伏板的发电效率有着严重影响的技术问题。
[0079]
参考图4，图4为本发明一种积雪面积检测方法第三实施例的流程示意图。
[0080]
基于上述第二实施例，在本实施例中，所述步骤s20，包括：
[0081]
步骤s201：根据预设图像分割模型对所述待识别图像进行图像分割，获得分割图像；
[0082]
需要说明的是，预设图像分割模型可以是对待识别图像进行图像分割的模型，所述预设图像分割模型用于将待识别图像进行图像分割，以便于获得积雪轮廓信息，在对待识别图像进行图像分割之前，需要先确定待识别图像中太阳能光伏板的位置，因此，需要将对待识别图像通过训练好的目标检测网络(you only look once，yolo)中的yolov4神经网络确定太阳能光伏板所在的区域位置。
[0083]
可理解的是，将确定了太阳能光伏板所在的区域的待识别图像通过图像分割模型进行图像分割，获得分割图像，所述分割图像为只包含有太阳能光伏板和积雪的图像；所述图像分割模型可以是训练后的opencv神经网络，也可以是其它具有图像分割作用的神经网络模型，本实施例对此不加以限制。
[0084]
步骤s202：将所述分割图像通过预设信息提取模型进行信息提取，获得积雪轮廓信息。
[0085]
需要说明的是，预设信息提取模型可以用于将获得的待识别图像进行信息提取，获得积雪轮廓信息；所述雪轮廓信息包含有积雪面积、积雪大小等积雪信息。
[0086]
进一步地，为了获得完整的积雪轮廓信息，所属步骤s202，包括：
[0087]
基于所述分割图像进行边缘检测，获得边缘检测结果；
[0088]
根据所述边缘检测结果提取所述分割图像中的积雪轮廓信息。
[0089]
可理解的是，基于所述分割图像通过训练好的神经网络模型，可以在分割出来的太阳能光伏板图像中提取被积雪覆盖的所有的边缘轮廓信息，在本实施例中，用于对分割图像进行边缘检测的神经网络模型可以是opencv神经网络模型，还可以是其他具有边缘检测功能的神经网络模型，本实施例对此不加以限制。
[0090]
值得说明的是，在对分割图像进行边缘检测时，可能会出现对于边缘分割的不准确，在本实施例中，可以设置一个可以设置一个交集与并集比值(intersection over union，iou)阈值，所述iou阈值用于进行边缘检测获得的边缘检测结果是否能够作为最终边缘检测结果的值，若边缘检测结果交并比大于等于iou阈值则认为边缘检测结果有效，若边缘检测结果交并比小于iou阈值则认为边缘检测结果无效。对于iou阈值的确定，可以是现场实验获得值，也可以是预设值，在本实施例中，预设iou阈值为0.5，当获得的iou值为
0.1时，认定获得的边缘检测结果无效；当获得的iou值为0.9时，认定获得的边缘检测结果有效。
[0091]
本实施例通过获取太阳能光伏板的待识别图像，基于预设图像识别模型对所述待识别图像进行图像识别，以判断太阳能光伏板上是否存在积雪覆盖，当存在积雪覆盖时，根据预设图像分割模型将待识别图像进行分割，基于分割后的分割图像进行边缘检测，提取进行边缘检测后的分割图像中积雪轮廓信息，基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积，由于本实施例可以实时获取太阳能光伏板的待识别图像，并判断太阳能光伏板上是否存在积雪覆盖，存在积雪覆盖时，进行图像分割以及边缘检测处理，使得获得积雪区域面积更准确，基于获得的边缘检测结果进行信息提取，使得能够实时的获知太阳能光伏板的准确积雪情况，有效地避免了无法实时获悉光伏板的积雪覆盖面积，对于光伏板的发电效率有着严重影响的技术问题。
[0092]
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有积雪面积检测程序，所述积雪面积检测程序被处理器执行时实现如上文所述的积雪面积检测方法的步骤。
[0093]
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少县有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
[0094]
参照图5，图5为本发明积雪面积检测装置第一实施例的结构框图。
[0095]
如图5所示，本发明实施例提出的积雪面积检测装置包括：
[0096]
图像采集模块10，用于获取太阳能光伏板的待识别图像；
[0097]
可理解的是，待识别图像可以是通过图像采集设备采集需要进行积雪面积检测的太阳能光伏板的表面图像，图像采集设备可以是摄像头、视频采集卡以及监控探头等，或者其它具有图像采集功能的设备，本实施例对此不加以限制；
[0098]
信息提取模块20，用于根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息；
[0099]
需要说明的是，预设信息提取模型可以用于将获得的待识别图像进行信息提取，获得积雪轮廓信息；预设图像处理模型可以是基于深度学习的信息提取程序，也可以是其他具有信息提取程序的模型，本实施例不做具体限制。
[0100]
可理解的是，对所述待识别图像进行信息提取后，可以获得太阳能光伏板上的积雪轮廓信息、积雪厚度信息、积雪分布信息等积雪信息，在本实施例中只需要提取积雪轮廓信息以供后续数据处理。
[0101]
值得说明的是，在太阳能光伏板上可能存在多片积雪，因此对待识别图像进行信息提取时，可能会出现多个积雪轮廓信息，且所述多个积雪轮廓信息所包含的积雪面积、积雪大小等并不相同，因此在提取到多个积雪轮廓信息时，可以将所述多个积雪轮廓信息存储在预先分配的存储区域，以供后续数据处理，预先分配的存储区域可以是服务器云端或本地服务器等，本实施例对此不加以限制。
[0102]
信息处理模块30，用于基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积。
[0103]
需要说明的是，积雪面积的计算可以通过积雪轮廓信息中提取积雪的形状、大小以及边缘长度等信息确定，例如：提取积雪轮廓信息的积雪形状，对积雪形状进行分割，获
得多个形状规则的积雪区域，通过预设图像识别模型计算分割后的积雪区域长度信息，获得积雪分割区域面积，最后将所有的积雪分割区域的面积进行相加，获得积雪区域总面积，对于计算积雪区域面积的方式，本实施例对此不加以限制。
[0104]
此外，当太阳能光伏板的待识别图像中提取到多个积雪轮廓信息，即可以根据同样的积雪面积计算方式计算各个积雪区域面积，最后将所有的积雪区域面积相加获得太阳能光伏板上的总积雪面积。
[0105]
值的说明的是，在清理太阳能光伏板的覆盖积雪时，根据积雪面积进行除雪工作，工作效率低，因为无法确定当前积雪面积是否严重影响到了太阳能光伏板的发电量，所以在进行除雪工作时，不仅要考虑积雪覆盖面积，还需要根据积雪面积所占的太阳能光伏板面积的比例，当积雪面积所占的太阳能光伏板面积的比例达到预设比例阈值时，才可能进行除雪工作，积雪面积所占的太阳能光伏板面积的比例可以通过用积雪覆盖的总面积除以太阳能光伏板的总面积获得。
[0106]
在具体实现中，可以设置一个预设比例阈值，在本实施例中，可以设置在积雪面积所占的太阳能光伏板面积的比例超过30％时，认为积雪已经严重影响到了太阳能光伏板的发电效率，需要进行除雪工作。
[0107]
可理解的是，积雪面积所占的太阳能光伏板面积的比例超过预设比例阈值时，可以生成预警信息，并将所述预警信息发送至客户端，所述客户端可以是微信端小程序、app等应用程序，所述应用程序具有数据存储、显示、操作指令接收等功能的界面；所述预警信息可以为文字提醒、震动提醒、灯光闪烁提醒等提醒信息的一项或多项，本实施例对此不加以限制。
[0108]
本实施例通过获取太阳能光伏板的待识别图像，根据预设信息提取模型提取待识别图像中的积雪轮廓信息，基于所述积雪轮廓信息确定所述太阳能光伏板上的积雪面积，由于本实施例可以实时获取太阳能光伏板的待识别图像，并对进行信息提取，使得能够实时的获知太阳能光伏板的积雪情况，有效地避免了无法实时获悉光伏板的积雪覆盖情况，对于光伏板的发电效率有着严重影响的技术问题。
[0109]
在一实施例中，积雪面积检测装置还包括：图像判断模块，用于根据预设图像识别模型对所述待识别图像进行图像识别，获得图像识别结果；基于所述图像识别结果判断所述太阳能光伏板上是否存在积雪；当太阳能光伏板上存在积雪时，执行所述根据预设信息提取模型对所述待识别图像进行信息提取，获得积雪轮廓信息的步骤。
[0110]
在一实施例中，所述图像判断模块，还用于获取待识别图像样本以及对应的样本识别结果；根据所述待识别图像样本以及对应的样本识别结果对初始神经网络模型进行模型训练，获得预设图像识别模型。
[0111]
在一实施例中，所述图像判断模块，还用于将所述待识别图像样本输入初始神经网络模型，获得初始图像识别结果；根据所述初始图像识别结果对初始神经网络模型进行参数调整，获得预设图像识别模型。
[0112]
在一实施例中，所述图像判断模块，还用于将待识别图像样本进行图像增强，获得增强图像样本；将所述增强图像样本输入初始图像识别模型，获得初始图像识别结果。
[0113]
在一实施例中，所述信息提取模块20，还用于根据预设图像分割模型对所述待识别图像进行图像分割，获得分割图像；将所述分割图像通过预设信息提取模型进行信息提
取，获得积雪轮廓信息。
[0114]
在一实施例中，所述信息提取模块20，还用于基于所述分割图像进行边缘检测，获得边缘检测结果；根据所述边缘检测结果提取所述分割图像中的积雪轮廓信息。
[0115]
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
[0116]
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
[0117]
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的积雪面积检测方法，此处不再赘述。
[0118]
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0119]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0120]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0121]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。