如需要完整文档点击下方 "点击下载文档" 按钮

摘要:为了利用大量视频监控设备提高能见度数据采集密度，提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块，提取各分块的梯度、饱和度和亮度信息组成新的图像，基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练，建立识别模型，并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验，白天准确率为87.99%，夜间准确率为81.32%，优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头，可有效弥补气象站点能见度仪数据不足的问题，在气象业务上有一定的应用价值。

如需要完整文档点击下方 "点击下载文档" 按钮

《一种基于实景图像的低能见度识别算法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：178262

点击下载文档