【摘 要】
：
降水现象观测是气象观测的重要内容之一,实现降水的自动观测,可以提供更好的气象服务,而提高降水自动观测的准确性,是其研究的重要内容之一。本研究基于航天科工23所航天新气象科技有限公司的农业气象自动化观测站项目,利用贵州省近百个台站在2017年至2018年的降水数据进行分析,发现目前的降水现象仪还存在某些方面的误差,主要体现在:出现雨夹雪时容易误报为雨和雪,对毛毛雨和冰雹的识别准确率较低,以及面对某些
论文部分内容阅读
降水现象观测是气象观测的重要内容之一,实现降水的自动观测,可以提供更好的气象服务,而提高降水自动观测的准确性,是其研究的重要内容之一。本研究基于航天科工23所航天新气象科技有限公司的农业气象自动化观测站项目,利用贵州省近百个台站在2017年至2018年的降水数据进行分析,发现目前的降水现象仪还存在某些方面的误差,主要体现在:出现雨夹雪时容易误报为雨和雪,对毛毛雨和冰雹的识别准确率较低,以及面对某些未知现象时,会产生误报。针对以上问题,设计提出了基于雨滴谱图的方法,针对自然天气条件下的降水现象进行自动识别。主要研究如下:1.根据降水相态分布,设计了分钟雨滴谱图,将原始的降水数据转化为分钟雨滴谱图像数据,并在雨滴谱图的基础上进行了改进,提出了32×32的雨滴谱图设计方法,对改进后的G-K曲线进行拟合,使得改进后的雨滴谱图对于不同降水的特性描述更加突出。2.利用32×32的雨滴谱图,提出使用两种方法来对降水现象进行识别,一是用传统的特征提取算法HOG和SURF结合两种分类器SVM和随机森林进行降水现象的识别,根据不同的HOG描述子,交叉设计了8种实验模型来综合对比分析。二是改进了VGGNet-16的网络结构,采用11层的卷积神经网络RCNet,在减少模型参数、加快网络收敛速度的同时,有效避免了VGGNet-16训练时出现的过拟合情况,使得模型更加稳定,具有更好的鲁棒性。3.通过32×32的雨滴谱图设计方法,得到16500张雨滴谱图。对得到的雨滴谱图使用上述方法进行识别分类,采用了总准确率、类精准率以及类召回率三种评价指标对模型进行评估,实验表明,设计的卷积神经网路RCNet在降水类型识别上的总准确率达到了91.05%,类最高精准率及召回率分别达到了97.69%和98.09%,相较于传统的降水现象仪总准确率提升了11.87%,实现了降水现象的识别分类,具有一定的工程应用价值。
其他文献
多人姿态估计任务可以概括为两个阶段,第一阶段将输入图像中人体检测出来（人体检测）,第二阶段基于第一阶段检测出来的各个人体,进一步将其骨骼关键点位置定位出来（单人姿态估计）。多人姿态估计在人机交互、电影制作和安全监控等领域有巨大的应用背景。在技术方面,轻量化是深度学习多人姿态估计中近年来的研究热点之一。本文对深度学习多人姿态估计的轻量化方法进行了探索和研究,主要研究工作包括:针对单人姿态估计中目前最
随着我国汽车保有量的逐年攀升,私家车通勤在日常出行中的所占比重越来越大。上路车辆的增多带来了许多交通问题,而通勤时段的拥堵问题尤其突出。目前推行的尾号限行、拥堵收费的方式未能充分考虑通勤者的临时出行需求。合乘出行正是缓解通勤时段交通压力和有效利用资源的良策,也是许多出行者倾向的选择。网约拼车近年来得到快速发展,但现有互联网打车平台未能摆脱以盈利为目标的营运性质,利益驱动下的上路汽车只会增多。本文结
目前,随着“海洋牧场”的快速建设和海洋资源的深入探索,水下机器人（Unmanned Underwater Vehicle,UUV）正广泛运用于海洋矿产、渔业等资源的开发。针对水下机器人小型化、大众化过程中出现的操作难、易受干扰、易损坏等问题,本文以自主设计的“Aquaman V3”小型水下机器人为基础,通过优化硬件和控制算法,提高小型水下机器人的稳定性与控制精度,使之能够对抗海流、碰撞等外界扰动,
我国海洋资源丰富,但并未得到充分的开发,相较于河流、湖泊等水域,海洋的水下环境更加复杂和危险,人工进行探索和开发的危险系数过高。水下机器人成为了人类对海洋探索的重要工具,而视觉图像在水下机器人探索与感知周围环境时扮演着重要的角色。由于水体的吸收和散射,水下图像具有对比度低、图像模糊、色偏等问题,影响水下机器人后续的视觉任务。因此,获取高质量的水下图像对人类探索开发海洋有着十分重要的意义。本文根据水
近年来,由于多智能体系统包含控制在航空、工业、运输等领域的广泛应用,引起许多专家学者的关注。多智能体系统包含控制可以看作一致性和编队问题的特殊情形,是指通过设计包含控制算法,驱使一组跟随者在多个领导者的引领下,最终进入并保持在由领导者所形成的凸包中运动。与传统多智能体系统问题相比,包含控制更能突出分布式协同控制的优势。针对系统收敛速度、智能体状态不可知以及信息传递过程中出现时滞、外界扰动、Do S
气候变化带来的影响是方方面面的,并且人们常采取手段对负面的影响进行干预。近年来,人们对于降雨的预测需求越来越多,传统的降雨预测手段需要收集大量的物理信息,增加了复杂度,并且过于规律的预测手段会导致预测不精准。随着深度学习的发展,图像处理在许多任务上取得成效。本文提出利用图像序列预测任务的方法来处理降雨预测任务,取得了令人满意的效果。图像序列预测即给定若干张连续图片,预测后续一张或若干张连续图片的时
六轴工业机器人在现代制造业中有着广泛的应用,是工业机器人的典型代表。为解决六轴工业机器人示教耗时费力和无法适应变化的作业场景等问题,使机器人能够在复杂的环境中实现自主规划,本文以IRB 120机器人为对象,研究了六轴工业机器人的运动规划问题,包括机器人运动学、轨迹规划、碰撞检测和避障路径规划,主要内容如下:首先,对机器人的运动学进行了求解。利用D-H法对机器人进行运动学建模,通过齐次变换得到了机器
行人重识别是计算机视觉中的一项重要任务,其目的是为了检索存在于图像或者视频中的特定行人。近年来,随着深度学习的发展,行人重识别研究也取得了许多突破,并且在安防和刑侦等多个领域取得了广泛的应用。目前,传统的行人重识别方法大多致力于提取丰富的图像特征。但是,当面对实际场景下常见的遮挡问题时,它们的识别精度都会出现大幅下降。根据遮挡情况的严重程度,本文将遮挡式行人重识别分为局部遮挡和部分遮挡两种。本文基
运动物体的目标检测和跟踪是当下计算机视觉领域中的重要研究课题之一,它在视频监控、自动驾驶、人机交互、防空预警等领域具有广泛的应用。目前,尽管目标跟踪已经取得了很多研究成果,但在一些复杂多变的场景中,由于目标受到部分遮挡、几何变形、快速运动、尺度变换等因素的影响,现有的算法跟踪目标的精度和鲁棒性不佳,因此,目标跟踪仍然是一个非常具有挑战性的任务。近年来,随着深度学习在计算机视觉的火热发展,深度学习在
当前的点云分割方法主要分为基于多视角的方法、基于体素的方法和基于点特征的方法,以Point Net为代表的基于点特征的点云分割方法准确度通常高于多视角和体素方法。因此,本文考虑点云的点特征信息,为点云结构建模。现有的基于点特征的方法大多是通过多个多层感知机将点云映射为高维特征,并使用池化操作捕获特征,其捕获的点云特征学习过程是孤立的,通常未考虑点云间的邻域关系,损失大量的空间几何信息。不仅如此,由