共查询到19条相似文献，搜索用时 125 毫秒
1.
采用基于Xception卷积神经网络算法构建了一个海雾能见度识别的框架,通过对海雾能见度探测设备同位置摄像头监控图像的采集,将图像样本结合能见度数据进行标签分类,利用迁移学习结合Xception网络进行训练,提取图像能见度特征,构建能见度等级估测模型,实现能见度等级的估测。通过对浙江省宁波市北仑区三山大闸摄像头监控进行图像的采集,抽取万余有效样本进行训练,进行能见度等级识别结果分析,结果显示模型识别精度可达99.36%,验证集准确率可达99.20%。基于Xception算法的海雾能见度等级估测方法如果在数据集健康准确的情况下,能够满足海雾能见度实时性和识别准确率的要求,可以作为未安装能见度探测设备地区的能见度等级辅助监测方法。 相似文献
2.
基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。 相似文献
3.
为了实现近实时公里级的高速公路能见度监测,提出了一种基于多尺度融合网络的能见度估计方法。首先,从道路监控视频中提取道路场景图像,并对图像进行质量控制;分别采用引导滤波、光谱滤波、景深估计模型从路面场景图像中提取细节结构特征、光谱特征与场景深度特征;然后,构建多尺度融合网络自适应融合结构特征、光谱特征与场景深度特征,并从中提取能见度特征;最后在网络末端输出图像场景所对应的能见度等级。此外,为了训练与测试模型,构建了真实道路场景图像数据集,共包含18 000张标注图像。实验结果表明,多尺度融合网络可显著提升高速公路能见度估计的准确性,能见度等级分类准确率可达81.76%。 相似文献
4.
基于采集的近20000张茶园图像,分别筛选出1000张茶园结霜和1000张未结霜图像作为训练样本,利用百度AI开放平台的EasyDL经典版图像识别功能,应用卷积神经网络算法,建立茶园结霜识别模型,进行茶树结霜图像智能判别。茶树结霜智能识别模型的准确率、F1评分、精确率、召回率分别为99.2%、99.2%、99.3%、99.1%。模型检验结果为:样本地20张结霜图像的平均识别置信度为95.51%,20张非结霜图像的平均识别置信度为99.99%;非样本地(江南茶区)80张结霜图像的平均识别置信度为97.53%,80张非结霜图像的平均识别置信度为95.11%。 相似文献
5.
低能见度是对道路通行影响最为严重的气象要素之一。随着数字摄像技术和图像识别技术的发展以及气象和交通部门间信息共享工作的开展,利用高速公路沿线摄像头视频数据快速识别能见度成为提高能见度时空监测精度的重要手段。本文提出了一种基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法。首先根据霍夫变换直线检测方法提取道路兴趣域,然后根据亮度对比度方法检测人眼可分辨最远像素点,将其作为目标点,最后基于暗原色先验原理求取目标点的透射率,并根据能见度与消光系数的关系公式求取图像能见度值。利用安徽省京台高速吴玗北段和宁绩高速宁国互通段视频图像资料和邻近交通气象站能见度监测资料,采用绝对误差和能见度等级误差对能见度检测效果进行检验。结果表明,本方法对能见度的变化较为敏感,能见度等级的检测效果较好,准确度可达95%,对开展公路交通视频图像能见度识别工作具有较好借鉴应用意义。 相似文献
6.
随着深度学习技术的不断发展，扫描图像识别技术在提高准确率方面取得了显著进展。本文着重介绍了卷积神经网络和循环神经网络，并比较了它们在图像识别和文字识别任务中的表现。基于卷积神经网络的方法通过构建多层神经网络模型，可以自动学习图像的特征和规律，从而提高识别的准确率，显示出卓越的性能。而循环神经网络在文字识别领域展现了其独特的优势，实验结果表明，循环神经网络能够处理序列数据，并自动学习序列之间的关系。本文的研究结果表明，深度学习算法在扫描图像识别技术中具有广阔的应用前景，卷积神经网络在图像识别任务中表现出色，而循环神经网络在文字识别任务中具有良好的性能。 相似文献
7.
针对视频序列中人体动作识别存在信息冗余大、准确率低的问题,提出基于关键帧的双流卷积网络的人体动作识别方法.该方法构建了由特征提取、关键帧提取和时空特征融合3个模块构成的网络框架.首先将空间域视频的单帧RGB图像和时间域多帧叠加后的光流图像作为输入,送入VGG16网络模型,提取视频的深度特征;其次提取视频的关键帧,通过不断预测每个视频帧的重要性,选取有足够信息的有用帧并汇聚起来送入神经网络进行训练,选出关键帧并丢弃冗余帧;最后将两个模型的Softmax输出加权融合作为输出结果,得到一个多模型融合的人体动作识别器,实现了对视频的关键帧处理和对动作的时空信息的充分利用.在UCF-101公开数据集上的实验结果表明,与当前人体动作识别的主流方法相比,该方法具有较高的识别率,并且相对降低了网络的复杂度. 相似文献
8.
为了探究深度学习用于飑线识别的可行性,基于2008—2020年河南省郑州和驻马店雷达数据,采用卷积神经网络（convolutional neural network,CNN）算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响。结果表明:建模所用的样本组成比例对飑线识别有一定影响,通过改变采样方式和优化网络结构均能够改善样本比例不平衡的问题,提高飑线识别效果,且后者提升的幅度更大,而两种方法的结合无明显提升。测试结果表明:该模型临界成功指数为0.66,公平风险评分为0.58,命中率为0.86,误判率为0.24。研究揭示了卷积神经网络能够提取并学习飑线和非飑线回波的图像特征,对飑线有一定识别能力。 相似文献
9.
阵风锋作为强对流的冷性出流特征,是重要的边界层辐合系统,对其自动监测识别一直是日常气象业务中的难点,该文基于深度卷积神经网络设计了阵风锋的自动识别算法。通过对输入和输出端的重新设计,在Faster RCNN算法和Inception V2网络模型的基础上实现了通过雷达回波数据对阵风锋窄带回波实现端到端自动识别。利用雷达数据绕雷达中心旋转不变性特点,增加了数据样本,降低了需提取特征的复杂度。利用2007—2011年南京雷达数据,对该模型进行了20万步的训练,总损失函数值收敛到0.003。对识别效果的分析表明,在训练样本中识别率100%,漏识率0%,准确率87%。通过对合肥雷达2009年6月5日阵风锋天气过程的32个体扫进行模型泛化能力评估,得到识别率91.7%,漏识率8.3%,正确率73.3%。 相似文献
10.
为增强地基可见光全天空云图中云与天空的特征和区别,提高云检测率,基于图像复原和图像增强技术提出一种改善云图质量的方法。该方法采用暗通道去雾算法进行图像复原;采用亮度直方图均衡增强图像纹理细节;综合两种方法,先图像复原,再图像增强。按低能见度薄云、低能见度厚云、高能见度薄云、高能见度厚云4种情况分别进行讨论,结果表明:除高能见度薄云采用单一的图像复原使云检测效果降低外,图像复原和图像增强都能使云检测和云量识别准确率提高;综合二者,云检测和云量识别准确率进一步提高;该方法对薄云和低能见度云图的改善最为显著。 相似文献
11.
12.
2006年12月南京连续4天浓雾的微物理结构及演变特征 总被引：16，自引：2，他引：14
2006年12月24-27日南京地区出现了连续4天的浓雾天气,其中能见度小于50 m的强浓雾持续了40多个小时.利用FM-100型雾滴谱仪,连续观测了雾滴谱、数密度和含水量等微物理参量.结合自动气象站及能见度仪观测资料,分析了这次浓雾过程的微物理特征,并与1996年观测结果进行对比:雾滴的平均含水量和平均直径与1996年观测结果相当,含水量最大值比1996年观测结果大4倍,数密度比10年前小.认为前2个子过程的雾滴数密度、含水量很高,造成了南京奉次大雾能见度长时间低于50 m的恶劣天气.结合边界层探空资料,认为形成这种强浓雾的主要原因足近地层持续存在强盛的水汽平流,具有平流雾的特征.根据雾微物理参量的起伏变化,将浓雾过程分成4个子过稃,分析并比较了4个子过程的雾滴谱分布,总过程的谱分布及4个子过程的谱分布都服从Dcirmendjian分布,谱型都基本呈指数下降,雾滴主要集中存小滴段.最后,对第一个子过程微物理参量的变化特征进行了细致分析.发现这次浓雾是在夜间晴空辐射降温后形成的,午夜最强,日出后随着气温的升高逐渐减弱,反映了辐射雾的口变化特征.另外,还发现雾形成以后,开始变化不大,但随着进一步辐射降温,地面雾团不断产牛,雾爆发性发展. 相似文献
13.
能见度作为重要的气象观测因素之一,影响高速公路行车安全.基于视频资料的能见度计算方法类似于人眼的感知方式,具备对恶劣天气条件和复杂场地的适应性.基于安徽省2016年10月17日、12月1日和7日的3次大雾天气过程,选取跨省分布的3个高速公路站点,使用对应时次下视频图像灰度值均方差与能见度观测值建立计算模型.结果表明：1）随着大雾天气过程变化,模型计算结果较好体现了能见度的变化规律,对高速公路行车具有指导意义;2）基于视频图像的能见度计算方法类似于人眼观测,能见度越高,人眼分辨地物清晰度越高,图像均方差越大;3）由于监测原理和环境差异,能见度测量值与模型计算结果之间存在误差,理论上大雾空间分布越均匀,能见度仪和监控摄像头距离越近,计算误差越低. 相似文献
14.
一次深厚浓雾过程的边界层特征和生消物理机制 总被引：6，自引：2，他引：4
2007年12月13-14日,南京出现一次厚度达600 m、持续近14 h的浓雾过程,其中强浓雾阶段维持4 h.通过系留气球边界层探测系统、涡动协方差测量系统、雾滴尺度分布和自动气象站等外场试验资料分析了此次深厚浓雾过程的边界层结构特征和生消物理机制.结果表明,此次雾过程首先由地面辐射冷却形成贴地雾层,而后因低空平流冷却形成低云.在发展阶段,伴随低云不断下伸,贴地雾层不断抬升.在贴地雾层受到地面弱冷空气平流降温影响下,雾中微物理过程迅速发展,雾滴数密度、含水量、平均直径、最大直径等微物理参数在15 min内跃增,雾体爆发性升高,最终导致地面雾和低云上下贯通形成深厚雾层,地面能见度骤降至15 m以下.雾体爆发性增强时,地面垂直动量通量和向下长波辐射通量密度增大,净辐射趋于零.整个雾过程中,由于贴地层持续弱冷平流降温和上层雾阻碍了下层雾的辐射降温,二者的共同作用使贴地强逆温结构始终维持. 相似文献
15.
江苏一次冬季强浓雾天气持续和消散诊断分析 总被引：3，自引：3，他引：0
本文利用常规气象观测资料、NCEP再分析资料及加密自动气象站资料对2006年12月24—27日江苏省持续了4 d的大雾天气进行分析,重点对强浓雾天气的持续和消散特征进行了诊断研究。结果表明:此次雾在辐射降温条件下形成,在暖平流作用下辐射雾转为平流雾并且增强;暖湿平流为雾的发展提供了有利的水汽和热力条件;中高层辐合下沉增温和低层弱上升运动,使得逆温层稳定维持,是浓雾持续不消有利的动力条件;雾消散阶段,低层正涡度平流南下,使大气层结出现位势不稳定,伴随着冷空气入侵,辐散下沉,垂直运动相应增大,逆温层彻底被破坏,动力和热力条件相配合最终导致雾消散。 相似文献
16.
华北平原3次持续性大雾过程的特征及成因分析 总被引：7，自引：5，他引：2
应用常规气象观测资料、区域自动站资料、NCEP/NCAR(1°×1°)再分析资料和L波段加密探空资料,对近年华北平原3次持续10 d以上的大雾天气过程的高空及地面气象要素条件、大尺度环流背景、边界层特征、温湿场特征以及形成原因和维持机理进行了天气学诊断分析。结果表明：3次大雾过程都发生在纬向环流背景下,其平均高度场、湿度场、温度场和海平面气压场极其相似,其高空和地面气象要素如相对湿度、风速、温度露点差、逆温层厚度等的统计值也比较近似;高空纬向环流长时间维持导致的冷空气活动偏弱,加上太行山、燕山对冷空气的阻挡和消弱造成的华北平原长期静稳天气形势,是华北平原大雾长时间维持的根本原因;纬向环流背景下多个“干性短波槽”活动、大尺度下沉运动、太行山地形造成的地形辐合线及偏西气流越过太行山下沉增温导致的层结更加稳定也是华北平原大雾加强和维持的重要原因。 相似文献
17.
2021年夏季首次利用激光雾滴谱仪开展长白山主峰雾的观测研究。结合地面自动气象站、探空、葵花8号高分辨率卫星资料和ERA5再分析资料, 对2021年7月31日—8月1日长白山主峰出现的持续时间达19 h、最低能见度小于100 m的雾过程的宏微观特征分析表明:此次雾过程具有持续时间长、环境风速大、能见度低、有短暂消散, 且数浓度低、有效直径和液态水含量小等特征。雾滴有效直径平均值为5.7 μm, 数浓度平均值为246.4 cm-3, 液态水含量平均值为0.05 g·cm-3, 其微物理特征与海雾特征接近。雾过程开始为爬坡雾, 这是长白山主峰夏季典型的地形云雾, 随后由高空云层平流至长白山主峰而接地产生。在强浓雾的形成、发展和减弱阶段, 雾滴数浓度、液态水含量和有效直径的变化具有较好对应关系;在成熟阶段, 雾滴数浓度、液态水含量和有效直径变化的对应关系不明显。 相似文献
18.
江苏连续三次区域性浓雾形成过程的机理分析 总被引：2，自引：1，他引：1
本文利用常规观气象测资料、NCEP/NCAR再分析资料及风廓线雷达资料和能见度自动观测资料等对2013年12月上旬江苏省连续三次区域性浓雾的特征和发生发展机理进行了详细分析,重点对锋面冷却雾的形成过程进行了研究。结果表明:三次浓雾过程都发生在有利的环流形势下,但成因却显著不同。辐射雾主要由夜间地面辐射冷却配合高湿静风形成,边界层低空急流有利于逆温的形成,为浓雾发展、维持提供条件;平流雾是由海上暖湿平流流经江苏冷的下垫面而形成,东南气流输送充足的水汽、加上稳定的逆温层是平流雾形成的必要条件;锋面雾由冷锋前部的冷平流冷却效应而形成,浓雾主要发生在锋前,但冷锋入侵后,前期充分的水汽积累和动力辐合使锋后能见度依然较低,浓雾继续存在。 相似文献
19.
为探明高速公路大雾天气的成因和演变规律,揭示雾影响交通能见度的机理,本文根据布设于我国沪宁高速公路沿线的环境气象自动监测系统(AWMS)实测资料和覆盖公路周边地区的常规气象台站观测资料,筛选出2009年11月7日发生在沪宁高速公路上的一次典型复杂性大雾天气过程.在分析天气实况的基础上,应用高时空分辨率的非静力中尺度数值预报模式WRF3.1,结合NCEP 0.5°×0.5°气象再分析资料,对该过程进行了数值模拟;利用实测资料对模拟结果进行了验证,并剖析了此次复杂性大雾过程形成的动力、水汽和热力条件.研究表明:(1)本次大雾前后的天气形势相对稳定,江苏地区主要受入海反气旋西南侧东南气流影响,整个大雾过程中地面风力始终微弱,为大雾形成提供了有利的动力条件;(2)模式模拟的由大气液态含水量条件判别的成雾区分布与实测雾区范围基本吻合;(3)模式模拟的能见度与AWMS实测能见度十分接近;(4)本次大雾过程最初是团雾雏形,在夜间辐射冷却作用下,转为辐射雾,之后,来自东南海上的暖湿空气平流进入江苏陆地后,所产生的平流雾雾体与原有辐射雾雾体结合发展为范围更大的辐射平流混合雾;(5)日出后短波辐射增温是此次复杂性大雾雾体得以快速消散的主要原因. 相似文献