(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 202211261248.4 (22)申请日 2022.10.14 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 殷存军　陈波扬　王超　朱磊光　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 赵静 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/00(2006.01) (54)发明名称 病害区域的确定方法、 装置、 存储介质及电 子装置 (57)摘要 本发明实施例提供了一种病害区域的确定 方法、 装置、 存储介质及电子装置， 该方法包括： 获取目标设备采集的第一图像， 其中， 目标设备 是基于遥感技术采集图像的设备， 第一图像是包 括待检测病害区域的图像； 采用预设算法对第一 图像的图像参数进行调整， 得到第二图像； 将第 二图像输入目标神经网络模型， 得到目标识别结 果， 其中， 目标神经网络模型是对待训练的初始 神经网络模 型进行训练得到的模 型， 目标识别结 果包括采用目标检测框于第二图像中框选出的 病害区域。 通过本发明， 解决相关技术中存在的 病害区域的检测效率较低的问题。 权利要求书2页 说明书10页 附图5页 CN 115512238 A 2022.12.23 CN 115512238 A 1.一种病害区域的确定方法， 其特 征在于， 包括： 获取目标设备采集的第一图像， 其中， 所述目标设备是基于遥感技术采集图像的设备， 所述第一图像是包括待检测病害区域的图像； 采用预设算法对所述第一图像的图像参数进行调整， 得到第二图像； 将所述第 二图像输入目标神经网络模型， 得到目标识别结果， 其中， 所述目标神经网络 模型是对待训练的初始神经网络模型进行训练得到的模型， 所述目标识别结果包括采用目 标检测框 于所述第二图像中框 选出的病害区域。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取样本 图像以及与所述样本 图像一一对应的样本检测框， 其中， 所述样本检测框用 于在所述样本图像中框 选出病害区域， 所述样本图像是 所述采集设备 预先采集到的图像； 在图形处理器 中采用所述预设算法对所述样本图像的图像参数进行调整， 得到第 三图 像； 在所述图形处理器中将所述样本图像、 所述第 三图像作为训练样本集对所述待训练 的 初始神经网络模型进行训练， 得到所述目标神经网络模型。 3.根据权利要求2所述的方法， 其特征在于， 所述在所述图形处理器中将所述样本图 像、 所述第三图像作为训练样本集对所述待训练的初始神经网络模型进行训练， 得到所述 目标神经网络模型， 包括： 在所述图形处理器中将所述样本图像、 所述第 三图像作为训练样本集对所述待训练 的 初始神经网络模型进行训练， 其中， 每个所述样本图像与对应的所述样本检测框作为所述 训练样本集中每个轮次输入的训练样本对， 或者每个所述第三图像与对应的所述样本检测 框作为所述训练样本集中每 个轮次输入的训练样本对； 根据输入的所述训练样本对确定所述初始神经网络模型的损失函数， 并确定所述损失 函数是否满足预设的目标收敛 条件； 在所述损失函数未满足所述目标收敛条件的情况下， 调整所述初始神经网络模型的参 数； 在所述损失函数满足所述目标收敛 条件的情况 下， 生成所述目标神经网络模型。 4.根据权利要求3所述的方法， 其特 征在于， 所述在所述图形处理器中将所述样本图像、 所述第 三图像作为训练样本集对所述待训 练的初始神经网络模型进行训练， 包括： 通过如下步骤对所述初始神经网络模型进行多轮训练， 直到所述损失函数满足所述目 标收敛条件， 其中， 每轮训练过程中输入所述初始神经网络模 型的图像被视为当前图像： 通 过基于注意力机制的目标提取模块从所述当前图像中提取样本特征图； 根据所述样本特征 图生成第一检测框； 根据所述样本检测框中与所述当前图像对应的样本检测框之 间的位置 关系确定所述第一检测框的分类结果， 其中， 所述分类结果用于表示所述第一检测框所框 选出的区域是否是病害区域； 所述根据输入的所述训练样本对确定所述初始神经网络模型的损失函数， 并确定所述 损失函数是否满足预设的目标收敛条件， 包括： 在所述损失函数表示分类结果与所述样本 检测框所指示的结果相同的概率满足预设阈值或训练轮次满足预设轮次阈值的情况下， 确 定所述损失函数满足所述 目标收敛条件， 其中， 所述分类结果是所述第一检测框对应的分权　利　要　求　书 1/2 页 2 CN 115512238 A 2类结果， 所述分类结果与所述样本检测框所指示的结果相同表示所述第一检测框所框选出 的区域是所述病害区域， 且所述样本检测框所指示的结果为所述样本检测框所框选出的区 域是所述病害区域； 在所述损失函数表示所述分类结果与所述样本检测框所指示的结果相 同的概率未满足所述预设阈值或所述训练轮次未满足所述预设轮次阈值的情况下， 确定所 述损失函数 未满足所述目标收敛 条件。 5.根据权利要求4所述的方法， 其特征在于， 所述通过基于注意力 机制的目标提取模块 从所述当前图像中提取样本特 征图， 包括： 从所述当前图像中获取第一特征图， 并将所述第一特征图输入目标计算模块， 得到目 标特征图， 其中， 所述目标计算模块包括预设的残差边， 所述残差边用于将所述目标计算模 块的输入和输出进行线性变换； 将所述目标特征图分别输入第 一计算模块和所述目标计算模块， 得到第 二特征图和第 三特征图， 其中， 所述第一计算模块和所述 目标计算模所提取的所述第二特征图和所述第 三特征图分别具有不同的感受野； 将所述第二特 征图和所述第三特 征图执行点乘操作， 得到所述样本特 征图。 6.根据权利要求1所述的方法， 其特征在于， 采用预设算法对所述第 一图像的图像参数 进行调整， 得到第二图像， 包括： 对所述第一图像进行预处理， 其中， 所述预处理包括以下至少之一： 裁剪、 高斯滤波、 自 适应增强算法。 7.根据权利要求1至 6中任一项所述的方法， 其特 征在于， 所述目标设备包括智能无 人机。 8.一种病害区域的确定装置， 其特 征在于， 包括： 第一获取模块， 用于获取目标设备采集的第一图像， 其中， 所述目标设备用于是基于遥 感技术采集图像的设备， 所述第一图像是包括待检测病害区域的图像； 调整模块， 用于采用预设算法对所述第一图像的图像参数进行调整， 得到第二图像； 第一处理模块， 用于将所述第二图像输入目标神经网络模型， 得到目标识别结果， 其 中， 所述目标神经网络模型是对待训练的初始神经网络模型进行训练得到的模型， 所述 目 标识别结果包括采用目标检测框 于所述第二图像中框 选出的病害区域。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序， 其中， 所述计算机程序被处理器执行时实现所述权利要求1至7任一项中所述的方法 的步骤。 10.一种电子装置， 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所述权利要求 1至 7任一项中所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115512238 A 3