【技术实现步骤摘要】
一种基于图像的云量、云状、天气现象反演装置及方法
[0001]本专利技术涉及天气预测
,具体为一种基于图像的云量、云状、天气现象反演装置及方法。
技术介绍
[0002]现有的技术主要是将天气的监测图像通过图像二值化处理、统计R通道与B通道的值去计算云量;手动提取一些图像特征来推理云类型;单独建立一个神经网络来推理天气现象;传统方法精度不高,太依赖颜色特征,不能够很好地利用云团纹理特征等信息,并且容易受其他亮度较大物体干扰(太阳、白色物体等),不能很好地识别乌云、朝霞晚霞等;而单独使用一个神经网络去做分类任务,无法充分利用不同任务的中间信息。
[0003]为提高识别精度,所以就需要一种基于图像的云量、云状、天气现象反演装置及方法。
技术实现思路
[0004]本专利技术的目的在于提供一种基于图像的云量、云状、天气现象反演装置及方法,
[0005]本专利技术是这样实现的:
[0006]一种基于图像的云量、云状、天气现象反演装置及方法,具体按以下步骤:
[0007]具体按以下步骤:
[0008]S1:基于地面设备,获取天空云图,制作数据集;
[0009]S2:标注数据,通过人工标注天空云图里的1
‑
100的数值,并且将数据集按照7:1.5:1.5的比例划分成训练集、验证集和测试集;由于训练集太多,按此比例进行划分避免验证集和测试集太少会导致模型过拟合或者欠拟合,该比例能够一定程度上监督模型,充分训练的同事又能防止模型过拟合;
[0 ...
【技术保护点】
【技术特征摘要】
1.一种基于图像的云量、云状、天气现象反演方法,其特征在于,包括以下步骤:获取实时天空云图;提取所述实时天空云图原始RGB通道中的R通道与B通道,利用所述R通道与所述B通道构建R/B通道,且基于所述R/B通道与所述实时天空云图的原始RGB通道进行拼接,得到拼接后的实时天空云图;将所述拼接后的实时天空云图输入预先构建的气象分析模型中,得出气象识别结果,所述气象识别结果中包括反映天空云量、云状、天气现象的气象信息。2.根据权利要求1所述的基于图像的云量、云状、天气现象反演方法,其特征在于,在所述将所述拼接后的实时天空云图输入预先构建的气象分析模型中之前,还包括:S1:获取预设数量的天空云图,且将获取的天空云图作为数据集;S2:标注数据:基于图像的像素值对所获取的每幅天空云图进行像素值标注,并且将数据集按照设定比例划分成训练集、验证集和测试集;S3:对训练集中的每幅训练图像进行预处理;其中,所述预处理包括图像采取随机缩放、随机旋转、随机翻转、随机裁剪、随机伽玛校正预处理操作中的一种或几种;S4:分别提取每幅训练图像原始RGB通道中的R通道与B通道,利用所述R通道与所述B通道构建R/B通道,且基于所述R/B通道与所述训练图像的原始RGB通道进行拼接,得到拼接后的训练图像;S5:用残差网络Resnet作为构建所述气象分析模型的主干网络,且在所述主干网络的卷积层中添加注意力模块;其中,所述主干网络设置有分别负责云量反演任务、云状分类任务,以及天气现象分类任务的三个分支;S6:使用Warm up学习率预热技术训练所述气象分析模型,利用MSE均方根误差作为损失函数,进而得到训练好的收敛模型。3.根据权利要求2所述的一种基于图像的云量、云状、天气现象反演方法,其特征在于,在步骤S3中:随机缩放的比例采取0.8
‑
1.2倍缩放,随机旋转是以图像中心为原点,
±
10
°
区间内旋转;随机翻转是以p=0.5概率随机进行左右翻转和上下翻转;随机裁剪是在图像中随机采取N(N<5)个方块,并填充随机像素值;随机伽玛校正是随机伽马值取0.5到1.5之间的数,对图像做伽马校正。4.根据权利要求2所述的一种基于图像的云量、云状、天气现象反演方法,其特征在于,所述利用MSE均方根误差作为损失函数,进而得到训练好的收敛模型的步骤包括:设定模型最大训练次数N,将拼接后的训练图像输入至构建的气象分析模型,得到对应的预测结果;根据所述预测结果与预先设定的标签值分别计算云量的MSE误差、云状的cros...
【专利技术属性】
技术研发人员:李强,郑昕,李华杰,
申请(专利权)人:象辑科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。