一种基于雷达回波图的天气辨识方法、系统、设备及介质与流程

本发明涉及图像识别及天气预警，特别是涉及一种基于图像识别技术和雷达回波图的天气辨识方法、系统、电子设备及存储介质。

背景技术：

1、图像识别技术是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别技术是立体视觉、运动分析、数据融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等领域有重要的应用价值。

2、雷达回波图是各气象台站制作强对流天气、暴雨和一般降水短时预报的有力工具，它由当地的地图和不规则的颜色块组成，颜色从蓝色到绿色、黄色、橙色、红色到紫色。在雷达图上，颜色表示气象雷达的回波强度，从蓝色到紫色的渐进变化，代表回波强度由小到大，降雨强度逐渐提升；dbz叫反射率因子单位，数值越高，代表降水强度越大。通常，雷达回波图上颜色越亮的区域越可能会发生强对流天气，尤其是雷达回波图中黄色区域，橙色区域，红色区域，更容易发生强雷暴；而基本反射率呈现的形状可以对雷暴的严重程度进行分类。目前基于雷达回波图智能识别雷暴程度和异常天气等功能效果，仍然比较弱。

技术实现思路

1、本发明的目的是提供一种基于雷达回波图的天气辨识方法、系统、设备及介质，能够智能识别雷暴程度和异常天气。

2、为实现上述目的，本发明提供了如下方案：

3、第一方面，本发明提供了一种基于雷达回波图的天气辨识方法，包括：

4、获取目标区域雷达回波图；

5、对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域；

6、采用目标检测算法对每个感兴趣区域进行异常目标检测，得到一个或者多个异常目标以及每个异常目标的位置；异常目标为雷暴、飑线、弓形回波、钩状回波和雹暴；

7、采用长短时记忆网络模型算法，预测每个异常目标所在位置区域内未来时段的天气变化。

8、可选地，所述对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域，具体包括：

9、采用基于特征增强的分割方法对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域。

10、可选地，所述采用基于特征增强的分割方法对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域，具体包括：

11、将所述目标区域雷达回波图输入至图像分割卷积神经网络模型中，得到多个感兴趣区域；

12、所述图像分割卷积神经网络模型的训练过程为：

13、构建卷积神经网络；

14、构建样本数据；所述样本数据包括多张样本区域雷达回波图以及每张所述样本区域雷达回波图对应的多个感兴趣区域；所述样本区域雷达回波图对应的多个感兴趣区域是通过slic算法对样本区域雷达回波图进行超像素分割后得到的；

15、将所述样本区域雷达回波图输入至卷积神经网络中，得到预测结果图，使用交叉熵损失函数计算预测结果图和真实结果图之间的误差，并将误差进行回传以便更新卷积神经网络模型参数，进而得到图像分割卷积神经网络模型；

16、所述预测结果图为所述样本区域雷达回波图输入至卷积神经网络后得到的多个感兴趣区域；所述真实结果图为通过slic算法对样本区域雷达回波图进行超像素分割后得到的多个感兴趣区域。

17、可选地，所述采用目标检测算法对感兴趣区域进行异常目标检测，得到一个或者多个异常目标以及每个异常目标的位置区域，具体包括：

18、采用ape-yolo网络模型算法对感兴趣区域进行异常目标检测，得到一个或者多个异常目标以及每个异常目标的位置区域；

19、所述ape-yolo网络模型算法为先采用猿人行走边缘计算模型算法对yolonano网络进行结构深度缩减后得到ape-yolo骨干网络，然后在ape-yolo骨干网络中添加密集连接块后得到的模型算法。

20、可选地，所述采用长短时记忆网络模型算法，预测每个异常目标所在位置区域内未来时段的天气变化，具体包括：

21、采用长短时记忆网络模型算法，预测未来时段每个异常目标所在位置区域内雷达回波图和雷达反射率；

22、根据未来时段的雷达回波图和雷达反射率，预测每个异常目标所在位置区域内未来时段的天气变化。

23、第二方面，本发明提供了一种基于雷达回波图的天气辨识系统，包括：

24、雷达回波图获取模块，用于获取目标区域雷达回波图；

25、感兴趣区域确定模块，用于对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域；

26、异常目标位置计算模块，用于采用目标检测算法对每个感兴趣区域进行异常目标检测，得到一个或者多个异常目标以及每个异常目标的位置；异常目标为雷暴、飑线、弓形回波、钩状回波和雹暴；

27、目标区域天气变化预测模块，用于采用长短时记忆网络模型算法，预测每个异常目标所在位置区域内未来时段的天气变化。

28、第三方面，本发明提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的基于雷达回波图的天气辨识方法。

29、第四方面，本发明提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的基于雷达回波图的天气辨识方法。

30、根据本发明提供的具体实施例，本发明公开了以下技术效果：

31、本发明提供了一种基于雷达回波图的天气辨识方法、系统、电子设备及存储介质，本发明通过读取雷达回波图进行图像预处理、图像分割、特征提取和判断匹配，实现智能识别雷暴程度和异常天气等功能。

技术特征：

1.一种基于雷达回波图的天气辨识方法，其特征在于，包括：

2.根据权利要求1所述的一种基于雷达回波图的天气辨识方法，其特征在于，所述对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域，具体包括：

3.根据权利要求2所述的一种基于雷达回波图的天气辨识方法，其特征在于，所述采用基于特征增强的分割方法对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域，具体包括：

4.根据权利要求1所述的一种基于雷达回波图的天气辨识方法，其特征在于，所述采用目标检测算法对感兴趣区域进行异常目标检测，得到一个或者多个异常目标以及每个异常目标的位置区域，具体包括：

5.根据权利要求1所述的一种基于雷达回波图的天气辨识方法，其特征在于，所述采用长短时记忆网络模型算法，预测每个异常目标所在位置区域内未来时段的天气变化，具体包括：

6.一种基于雷达回波图的天气辨识系统，其特征在于，包括：

7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的一种基于雷达回波图的天气辨识方法。

8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的一种基于雷达回波图的天气辨识方法。

技术总结
本发明公开了一种基于雷达回波图的天气辨识方法、系统、设备及介质，涉及图像识别及天气预警技术领域，包括获取目标区域雷达回波图；对所述目标区域雷达回波图进行图像分割，得到多个感兴趣区域；采用目标检测算法对每个感兴趣区域进行异常目标检测，得到一个或者多个异常目标以及每个异常目标的位置；异常目标为雷暴、飑线、弓形回波、钩状回波和雹暴；采用长短时记忆网络模型算法，预测每个异常目标所在位置区域内未来时段的天气变化。本发明能够智能识别雷暴程度和异常天气。

技术研发人员：廖镜森,王亮,杨嘉盛
受保护的技术使用者：广东方柚科技有限公司
技术研发日：
技术公布日：2024/1/11