【技术实现步骤摘要】
一种基于线阵摄像的降雨粒子实时监测系统及方法
[0001]本专利技术涉及气象观测领域,更具体地,涉及一种基于线阵摄像的降雨粒子实时监测系统及方法
。
技术介绍
[0002]降雨参数的获取和分析在气象学领域中具有重要地位,通常通过设备如雨量桶
、
激光雨滴谱仪
、
微雨雷达等采集
。
然而,每种设备都有其局限性
。
雨量桶只能获取降雨量,无法获取对理解降雨过程
、
气候模型以及水文循环至关重要的雨滴尺寸及下落速度等参数
。
激光雨滴谱仪通过发射激光束并测量雨滴阻挡激光束的时间来获取雨滴的大小和下落速度,但其测量可能会受到多个雨滴同时通过或其他粒子散射和吸收激光束的干扰,导致测量误差
。
微雨雷达利用向上发射微波或毫米波的雷达波束,然后通过分析回波信号以及应用多普勒原理来测量粒子下落速度,通过反射回来的波束强度估计粒子尺寸分布
。
然而,其测量可能会受到通信设备或其他雷达设备等其他源的微波信号干扰
。
技术实现思路
[0003]本专利技术针对现有技术中存在的技术问题,提供一种基于线阵摄像的降雨粒子实时监测系统及方法
。
[0004]根据本专利技术的第一方面,提供了一种基于线阵摄像的降雨粒子实时监测系统,包括光源
、
线阵相机和数据接收及处理单元;
[0005]所述光源向雨滴测量区域持续发射可见光,发射的光线为平行光,均匀照亮 ...
【技术保护点】
【技术特征摘要】
1.
一种基于线阵摄像的降雨粒子实时监测系统,其特征在于,包括光源
、
线阵相机和数据接收及处理单元;所述光源向雨滴测量区域持续发射可见光,发射的光线为平行光,均匀照亮雨滴测量区域;所述线阵相机,用于持续对雨滴测量区域拍摄图像,实时捕捉雨滴图像以及记录拍摄雨滴图像的时间;所述数据接收及处理单元,用于对所述雨滴图像进行分析处理,识别降水类型
、
计算雨滴的尺寸
、
下落速度
、
降雨率和雨滴大小分布
。2.
根据权利要求1所述的降雨粒子实时监测系统,其特征在于,所述系统还包括菲涅尔镜,所述光源持续发射的可见光经过所述菲涅尔镜转化为平行光,并通过所述狭缝均匀照亮雨滴测量区域
。3.
一种基于权利要求1所述的降雨粒子实时监测系统的降雨粒子实时监测方法,其特征在于,包括:通过光源向雨滴测量区域持续发射可见光,发射的光线为平行光,均匀照亮雨滴测量区域;基于线阵相机持续对雨滴测量区域拍摄图像,实时捕捉雨滴图像以及记录拍摄雨滴图像的时间;对所述雨滴图像进行分析处理,识别降水类型以及计算雨滴的尺寸
、
下落速度
、
降雨率和雨滴大小分布
。4.
根据权利要求3所述的降雨粒子实时监测方法,其特征在于,对所述雨滴图像进行分析处理,识别降水类型,包括:利用线阵相机收集不同类型降水的雨滴图像,并对每张雨滴图像的降水类型进行标注,构成样本数据集;将所述样本数据集分为训练数据集和测试数据集;基于所述训练数据集对卷积神经网络模型进行训练,并通过调整模型参数,得到优化后的降水类型识别模型;使用所述测试数据集评估所述降水类型识别模型的性能;将待识别雨滴图像输入测试后的降水类型识别模型,获取待识别雨滴的降水类型
。5.
根据权利要求3所述的降雨粒子实时监测方法,其特征在于,所述计算雨滴的尺寸,包括:从线阵相机获取的雨滴图像中提取雨滴宽度;利用两个正交且垂直距离相距设定距离值的线阵相机持续拍摄雨滴图像,得到大量雨滴宽度数据和雨滴高度数据;基于雨滴宽度数据和雨滴高度数据训练机器学习模型,所述机器学习模型建立了雨滴宽度和雨滴高度之间的对应关系;将从线阵相机获取的雨滴图像中提取的雨滴宽度输入所述机器学习模型中,获取雨滴高度
。6.
根据权利要求5所述的降雨粒子实时监测方法,其特征在于,计算雨滴的下落速度,包括:
得到一副完整的雨滴图像时,相机扫描了
a
行,且相机扫描时间间隔为
t=1/f
秒,
f
为线阵相机扫描频率,计算得到雨滴下落的时间;根据雨滴高度
h
,计算雨滴下落速度
v
的计算公式为:
。7.
根据权利要求6所述的降雨粒子实时监测方法,其特征在于,计算降雨率包括:将整个雨滴看作为由无数小圆柱组成的,第
i
个小圆柱的底边即为实测的雨滴宽度
w
i<...
【专利技术属性】
技术研发人员:牟筱璇,任诗奇,毕登辉,贾盛洁,
申请(专利权)人:北京中科技达科技有限公司,
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。