本技术涉及目标检测，尤其涉及面向边缘部署的轻量化遥感云检测方法及相关装置。
背景技术：
1、遥感技术是一种通过卫星、飞机、无人机等远距离感知技术获取地球表面信息的手段。随着遥感技术和卫星技术的进步，遥感图像在研究地球表面信息方面变得至关重要，特别是卫星遥感图像在此领域的显著地位。根据国际卫星云气候计划的数据，全球每年平均云覆盖率约为68%。其中，陆地上的云量约为55%，而海洋云量约为72%，突显了云像素在遥感图像中所占比例之大。因此，云检测成为卫星遥感图像处理中一项至关重要的研究任务。尽管观测云覆盖对研究地球水循环和气候变化等具有重要意义，但在使用卫星图像进行地面物体分析时，云层可能成为一种干扰信号，对准确获取地表信息构成障碍。因此，准确检测云覆盖区域并去除云，对于获取可靠的地表信息至关重要。
2、在云检测中，当云与其他具有相似反射特性的地表物体同时存在于遥感图像中时，云层下垫面背景就会复杂起来，区分它们可能会存在一定的困难。而且现有的检测算法复杂度较高，限制了方法应用到边缘设备，难以产生实际意义。
技术实现思路
1、本技术提供了面向边缘部署的轻量化遥感云检测方法及相关装置，用于解决现有技术难以准确检测背景复杂的遥感云，且算法复杂难以投入边缘设备应用的技术问题。
2、有鉴于此，本技术第一方面提供了面向边缘部署的轻量化遥感云检测方法，包括：
3、通过遥感技术获取云层图像，得到目标云图像；
4、基于yolov3框架，依据轻量化残差模块、空间金字塔池化模块、结构重参数化模块和跨越连接结构生成预设遥感云检测模型；
5、将所述目标云图像输入所述预设遥感云检测模型中进行云检测，得到检测标记云。
6、优选地，所述基于yolov3框架，依据轻量化残差模块、空间金字塔池化模块、结构重参数化模块和跨越连接结构生成预设遥感云检测模型，包括：
7、在yolov3框架中配置轻量化残差模块、空间金字塔池化模块、结构重参数化模块和跨越连接结构，构建初始遥感云检测模型；
8、采用adam优化器和学习率线性衰减策略根据预置遥感云训练数据集对所述初始遥感云检测模型进行检测优化训练，得到预设遥感云检测模型。
9、优选地，所述将所述目标云图像输入所述预设遥感云检测模型中进行云检测，得到检测标记云，包括：
10、通过所述预设遥感云检测模型的输入层对所述目标云图像进行初始卷积处理，得到初始卷积特征图；
11、采用所述轻量化残差模块对所述初始卷积特征图进行特征提取分析，得到残差特征图，所述轻量化残差模块包括深度可分离卷积和se注意力单元；
12、通过所述空间金字塔池化模块在所述残差特征图中提取不同尺度的特征信息，生成多尺度特征图；
13、依据所述结构重参数化模块对所述多尺度特征图进行卷积融合处理，生成融合特征图；
14、基于所述跨越连接结构对所述融合特征图进行多次基于上采样的检测分析，输出检测标记云。
15、优选地，所述通过所述空间金字塔池化模块在所述残差特征图中提取不同尺度的特征信息，生成多尺度特征图，包括：
16、通过所述空间金字塔池化模块中的1×1卷积层和多个空洞率不同的预设空洞卷积层分别对所述残差特征图进行不同尺度的特征信息提取，得到多种尺度子特征图；
17、将所述多种尺度子特征图进行拼接融合操作后，采用1×1卷积层进行通道压缩调整，并输出多尺度特征图。
18、本技术第二方面提供了面向边缘部署的轻量化遥感云检测装置，包括：
19、图像获取单元，用于通过遥感技术获取云层图像，得到目标云图像；
20、模型生成单元，用于基于yolov3框架，依据轻量化残差模块、空间金字塔池化模块、结构重参数化模块和跨越连接结构生成预设遥感云检测模型；
21、云检测单元，用于将所述目标云图像输入所述预设遥感云检测模型中进行云检测，得到检测标记云。
22、优选地，所述模型生成单元，具体用于：
23、在yolov3框架中配置轻量化残差模块、空间金字塔池化模块、结构重参数化模块和跨越连接结构，构建初始遥感云检测模型；
24、采用adam优化器和学习率线性衰减策略根据预置遥感云训练数据集对所述初始遥感云检测模型进行检测优化训练，得到预设遥感云检测模型。
25、优选地，所述云检测单元，包括：
26、初始卷积子单元，用于通过所述预设遥感云检测模型的输入层对所述目标云图像进行初始卷积处理，得到初始卷积特征图；
27、残差分析子单元，用于采用所述轻量化残差模块对所述初始卷积特征图进行特征提取分析，得到残差特征图，所述轻量化残差模块包括深度可分离卷积和se注意力单元；
28、多尺度提取子单元，用于通过所述空间金字塔池化模块在所述残差特征图中提取不同尺度的特征信息，生成多尺度特征图；
29、卷积融合子单元，用于依据所述结构重参数化模块对所述多尺度特征图进行卷积融合处理，生成融合特征图；
30、采样检测子单元，用于基于所述跨越连接结构对所述融合特征图进行多次基于上采样的检测分析，输出检测标记云。
31、优选地，所述多尺度提取子单元，具体用于：
32、通过所述空间金字塔池化模块中的1×1卷积层和多个空洞率不同的预设空洞卷积层分别对所述残差特征图进行不同尺度的特征信息提取，得到多种尺度子特征图；
33、将所述多种尺度子特征图进行拼接融合操作后，采用1×1卷积层进行通道压缩调整，并输出多尺度特征图。
34、本技术第三方面还提供了面向边缘部署的轻量化遥感云检测设备，所述设备包括处理器以及存储器；
35、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
36、所述处理器用于根据所述程序代码中的指令执行第一方面所述的面向边缘部署的轻量化遥感云检测方法。
37、本技术第四方面还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的面向边缘部署的轻量化遥感云检测方法。
38、从以上技术方案可以看出，本技术实施例具有以下优点：
39、本技术中，提供了面向边缘部署的轻量化遥感云检测方法，包括：通过遥感技术获取云层图像，得到目标云图像；基于yolov3框架，依据轻量化残差模块、空间金字塔池化模块、结构重参数化模块和跨越连接结构生成预设遥感云检测模型；将目标云图像输入预设遥感云检测模型中进行云检测，得到检测标记云。
40、本技术提供的面向边缘部署的轻量化遥感云检测方法，在预设遥感云检测模型中增加了轻量化残差模块，可以降低模型参数和计算复杂度，提高运算效率，而结构重参数化模块也是用于提高网络运算速度的配置；此外，引入空间金字塔池化模块可以提取不同尺度的特征，包括跨越连接结构，也是为了丰富多尺度特征信息，从而确保检测结果的准确性。此过程在保证运算效率的同时还能确保检测准确性，能够适应更多的应用场景，其中包括边缘设备。因此，本技术能够解决现有技术难以准确检测背景复杂的遥感云，且算法复杂难以投入边缘设备应用的技术问题。
1.面向边缘部署的轻量化遥感云检测方法，其特征在于，包括：
2.根据权利要求1所述的面向边缘部署的轻量化遥感云检测方法，其特征在于，所述基于yolov3框架，依据轻量化残差模块、空间金字塔池化模块、结构重参数化模块和跨越连接结构生成预设遥感云检测模型，包括：
3.根据权利要求1所述的面向边缘部署的轻量化遥感云检测方法，其特征在于，所述将所述目标云图像输入所述预设遥感云检测模型中进行云检测，得到检测标记云，包括：
4.根据权利要求3所述的面向边缘部署的轻量化遥感云检测方法，其特征在于，所述通过所述空间金字塔池化模块在所述残差特征图中提取不同尺度的特征信息，生成多尺度特征图，包括：
5.面向边缘部署的轻量化遥感云检测装置，其特征在于，包括：
6.根据权利要求5所述的面向边缘部署的轻量化遥感云检测装置，其特征在于，所述模型生成单元，具体用于：
7.根据权利要求5所述的面向边缘部署的轻量化遥感云检测装置，其特征在于，所述云检测单元，包括：
8.根据权利要求7所述的面向边缘部署的轻量化遥感云检测装置，其特征在于，所述多尺度提取子单元，具体用于：
9.面向边缘部署的轻量化遥感云检测设备，其特征在于，所述设备包括处理器以及存储器；
10.一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用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的面向边缘部署的轻量化遥感云检测方法。
