(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211008317.0 (22)申请日 2022.08.22 (71)申请人 中国科学院西北生态 环境资源研究 院 地址 730000 甘肃省兰州市城关区东岗西 路318号 (72)发明人 安志山　张克存　张凯　张宏雪　 牛清河　谭立海　王涛　 (74)专利代理 机构 北京卓恒知识产权代理事务 所(特殊普通 合伙) 11394 专利代理师 孔鹏 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/74(2022.01)G06V 10/82(2022.01) G06V 10/42(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种辅助风沙治理方法、 系统及电子设备 (57)摘要 本发明公开了一种辅助风沙治理方法、 系统 及电子设备。 获得风沙监测图像。 获得背景图像。 将所述风沙监测图像和背景图像， 输入风沙程度 判别模型， 得到风沙浓度。 由于风沙不容易提取 特征， 使用训练集中的背景图像和多张训练风沙 监测图像输入训练风沙程度判别模 型。 使得能够 更好检测到图像中的颜色信息， 通过卷积网络， 提取特征。 通过灰度差值进行整体判别。 再通过 将风沙特征图分成多个局部风沙特征向量， 与局 部背景特征向量进行差值计算后， 输入局部判别 神经网络对局部风沙状态进行预测， 能够利用每 个局部的信息进行风沙浓度的判断能够更加准 确的进行判断。 通过找到相似值最多的风沙浓 度， 来判别风沙浓度检测的准确性。 权利要求书3页 说明书11页 附图4页 CN 115359293 A 2022.11.18 CN 115359293 A 1.一种辅助风沙治理方法， 其特 征在于， 包括： 获得风沙监测图像； 所述风沙监测图像表示不同位置同一 时段拍摄到的存在风沙的图 像； 获得背景图像； 所述背景图像表示固定监控所拍摄到的没有风沙存在时的图像； 将所述风沙监测图像和背景图像， 输入风沙程度判别模型， 得到风沙浓度； 所述风沙浓 度中的值表示 风沙监测图像中风沙存在的程度； 所述风沙程度判别模型包括背景卷积网络、 风沙卷积网络、 风沙整体特征判别结构和 局部判别神经网络 。 2.根据权利要求1所述的一种辅助风沙治理方法， 其特征在于， 风沙程度判别模型的训 练方法， 包括： 获得训练集； 训练集包括训练背景图像、 多张训练风沙图像组和标注数据； 所述标注数 据为人工标注的风沙浓度； 所述标注数据为标注风沙状态向量； 将所述训练背景图像和训练风沙 图像， 输入风沙程度判别模型， 得到训练风沙浓度信 息； 所述训练风沙浓度信息包括局部风沙状态向量和训练风沙浓度值； 基于所述局部风沙状态向量和标注局部风沙状态向量， 得到局部风沙状态损失值； 基于所述训练风沙浓度值和所述标注风沙状态向量， 得到风沙浓度损失值； 获得总损失值； 所述总损失值为所述局部风沙状态损失值和所述风沙浓度损失值相加 之和； 获得风沙程度判别模型当前的训练迭代次数以及预先设定的所述风沙程度判别模型 训练的最大迭代次数； 当所述总损失值小于或等于 阈值或训练迭代次数达到所述最大迭代次数时停止训练， 得到训练好的风沙程度判别模型。 3.根据权利要求2所述的一种辅助风沙治理方法， 其特征在于， 所述将所述训练背景图 像和训练风沙图像， 输入风沙程度判别模型， 得到训练风沙浓度信息， 包括： 基于所述风沙监测图像， 得到训练HSV风沙监测图像； 所述训练HSV风沙监测图像表示 将风沙监测图像从RGB转 化为HSV状态后的图像； 基于所述背景图像， 得到训练HSV背景图像； 所述训练HSV背景图像表示将背景图像从 RGB转化为HSV状态后的图像； 将所述训练HSV背景图像， 输入背景 卷积网络， 提取背景图像特 征， 得到背景 特征图； 将所述训练HSV风沙监测图像， 输入风沙卷积网络， 提取风沙图像特征， 得到风沙特征 图； 基于所述背景 特征图和所述 风沙特征图， 得到训练风沙浓度信息 。 4.根据权利要求3所述的一种辅助风沙治理方法， 其特征在于， 所述基于所述背景特征 图和所述 风沙特征图， 得到训练风沙浓度信息， 包括： 基于所述背景特征图和所述风沙特征图， 通过风沙整体特征判别结构， 得到风沙整体 判别值； 所述 风沙整体判别值 为1表示存在风沙； 所述 风沙整体判别值 为0表示不存在风沙； 获得多个局部风沙特征向量； 所述局部风沙特征向量为将所述风沙特征图分为多个 1x1特征图所得到的特 征向量； 获得多个局部背景特征向量； 所述局部背景特征向量为将所述背景特征图分为多个权　利　要　求　书 1/3 页 2 CN 115359293 A 21x1特征图所得到的特 征向量； 将所述局部风沙特征向量和局部背景特征向量， 输入局部判别神经网络， 得到局部风 沙状态向量； 所述局部风沙状态向量表示区域中的风沙存在情况和风沙存在程度情况； 通过多次通过多个局部风沙特征向量和对应的局部背景特征向量， 得到多个局部风沙 状态向量； 将多个局部风沙状态向量和所述 风沙整体判别值， 得到训练风沙浓度值。 5.根据权利要求4所述的一种辅助风沙治理方法， 其特征在于， 所述基于所述背景特征 图和所述 风沙特征图， 通过风沙整体特 征判别结构， 得到风沙整体判别值， 包括： 基于所述背景图像， 得到背景 灰度图像； 基于所述 风沙监测图像， 得到风沙灰度图像； 基于背景 灰度图像和风沙灰度图像， 得到风沙灰度差值图像； 基于所述 风沙灰度差值图像， 进行绝对值相加， 得到风沙灰度差值； 若所述风沙灰度差值大于风沙灰度阈值， 将风沙整体判别值设置为1； 若所述风沙灰度差值小于风沙灰度阈值， 将风沙整体判别值设置为0 。 6.根据权利要求4所述的一种辅助风沙治理方法， 其特征在于， 所述将所述局部风沙特 征向量和 局部背景 特征向量， 输入局部判别神经网络， 得到局部风沙状态向量， 包括： 基于所述局部风沙特征向量和局部背景特征向量， 得到局部差值特征向量； 所述局部 差值特征向量为相减之差； 基于所述局部 差值特征向量， 得到局部非负差值特 征向量； 将所述局部非负差值特征向量， 输入局部判别神经网络， 得到局部风沙状态向量； 所述 局部风沙状态向量中的向量长度为11； 所述局部风沙状态向量中的第一位向量值为1表示 存在风沙， 为0表示不存在风沙； 所述局部风沙状态向量中的向量值后10位表 示风沙存在程 度。 7.根据权利要求4所述的一种辅助风沙治理方法， 其特征在于， 所述将多个局部风沙状 态向量和所述 风沙整体判别值， 得到训练风沙浓度值， 包括： 基于多个局部风沙状态向量， 得到局部风沙状态矩阵； 所述局部风沙状态矩阵表示将 所述多个局部风沙状态向量按照分割顺序组合成局部风沙状态 矩阵； 基于所述局部风沙状态 矩阵， 得到第一局部风沙状态值； 基于所述第一局部风沙状态值和所述 风沙整体判别值， 得到第一整体相似值； 基于所述第一局部风沙状态值和所述局部风沙状态矩阵， 得到第一周围相似值； 所述 第一周围相似值表示第一局部风沙状态值和周围状态值的相似值的平均； 通过多次得到多个局部风沙状态值， 与， 对应的多个整体相似值和多个周围相似值； 基 于所述多个整体相似值和多个周围相似值， 得到训练风沙浓度值。 8.一种辅助风沙治理系统， 其特 征在于， 包括： 获取模块： 获得风沙监测图像； 所述风沙监测图像表示不同位置同一时段拍摄到的存 在风沙的图像； 获得背景图像； 所述背景图像表示固定监控所拍摄到的没有风沙存在时的 图像； 判别模块： 将所述风沙监测图像和背景图像， 输入风沙程度判别模型， 得到风沙浓度； 所述风沙浓度中的值表示 风沙监测图像中风沙存在的程度；权　利　要　求　书 2/3 页 3 CN 115359293 A 3