一种基于深度学习的槽线识别方法、装置、存储介质及终端制造方法及图纸

本发明专利技术公开了一种基于深度学习的槽线识别方法、装置、存储介质及终端，方法包括：获取待识别地区在待预测时刻的目标槽线识别标准天气图；根据预先训练的定位模型定位目标槽线识别标准天气图中槽线所在的框，生成目标槽线框；根据目标槽线框，并结合预先训练的槽线识别模型生成目标槽线图；遍历目标槽线图中预设像素值的像素点，并根据遍历的像素点生成最终槽线。由于本申请利用训练好的定位模型可定位出天气图中槽线所在的框，根据定位的框可结合预先训练的槽线识别模型自动生成目标槽线图，从而实现基于深度学习方式对天气图中槽线的自动识别，可快速对未来预测时刻的天气形势进行判断，进而降低了天气图中槽线识别工作量，提升了槽线识别效率。提升了槽线识别效率。提升了槽线识别效率。

【技术实现步骤摘要】
一种基于深度学习的槽线识别方法、装置、存储介质及终端


[0001]本专利技术涉及天气系统自动识别
，特别涉及一种基于深度学习的槽线识别方法、装置、存储介质及终端。

技术介绍

[0002]在气象领域中，槽线是预报中成云致雨的重要依据，槽线定义为低压槽区内等高线曲率最大点的连线，是气旋中心到低压槽内气压最低点的集合所组成的曲线。在天气分析中，槽线的分析有着非常重要的作用，它一定程度上可以反映出天气的变化趋势，可以为预报人员提供重要的参考，因此准确判断槽线是天气系统分析和天气图绘制的重要内容。
[0003]在现有技术中，气象预报中的槽线分析基本上采用人工分析的方法实现。人工分析槽线存在着明显的缺陷，一方面分析工作量较大，效率较低；另一方面对于槽线的分析，预报员主观上分析经验不同，客观上侧重依据差异，都对槽线的分析产生影响，不利于改进提高及应用推广。

技术实现思路

[0004]本申请实施例提供了一种基于深度学习的槽线识别方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的槽线识别方法，其特征在于，所述方法包括：获取待识别地区在待预测时刻的目标槽线识别标准天气图；根据预先训练的定位模型定位所述目标槽线识别标准天气图中槽线所在的框，生成目标槽线框；根据所述目标槽线框，并结合预先训练的槽线识别模型生成目标槽线图；遍历所述目标槽线图中预设像素值的像素点，并根据遍历的像素点生成最终槽线。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标槽线框，并结合预先训练的槽线识别模型生成目标槽线图，包括：将所述目标槽线框所在的区域从所述目标槽线识别标准天气图中进行抠取，生成目标槽线框区域图；将所述目标槽线框区域图输入预先训练的槽线识别模型中；输出所述目标槽线识别标准天气图对应的目标槽线图。3.根据权利要求1所述的方法，其特征在于，按照以下步骤生成预先训练的定位模型，包括：获取待识别地区在预设时间段中的历史格点数据；根据所述历史格点数据生成每个时刻的槽线识别标准天气图；在每个时刻的槽线识别标准天气图上确定风切变区域，并在所述风切变区域上采用标注框标注槽线的位置，生成定位模型训练样本；创建定位模型，并根据所述定位模型训练样本对所述定位模型进行模型训练，生成预先训练的定位模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述历史格点数据生成每个时刻的槽线识别标准天气图，包括：根据预设经度范围和预设维度范围构建电子地图；采用等值线绘制法，并结合预设高度参数和间距参数在所述电子地图上绘制多个不同高度的等值线，得到等值线地图；采用预设像素的箭头方向和箭头长度表示所述历史格点数据中每个时刻的历史格点数据的风场方向和风场强度，得到每个时刻的风场箭头标记；将每个时刻的风场箭头标记投影到所述等值线地图上，生成每个时刻的槽线识别标准天气图。5.根据权利要求3所述的方法，其特征在于，按照以下步骤生成预先训练的槽线识别模型，包括：将每个时刻的槽线识别标准天气图中标注的槽线框区域进行抠取，生成多个槽线框区域训练图；针对每个槽线框区域训练图进行槽线标注，得到槽线识别模型训练样本；采用...

【专利技术属性】
技术研发人员：安刚，赵宗玉，卓流艺，陆涛，孙明生，秦东明，
申请(专利权)人：中科三清科技有限公司，
类型：发明
国别省市：