-
公开(公告)号：CN116010812A
公开(公告)日：2023-04-25
申请号：CN202211594085.1
申请日：2022-12-13
Applicant: 南京信息工程大学
IPC: G06F18/214 , G06N20/00
Abstract: 本发明公开了一种基于传统方法与深度学习的北极气旋识别方法、存储介质及装置，所述方法包括以下步骤：(1)下载平均海平面气压数据，进行投影转换，转换为极地投影；(2)通过传统方法识别出候选点；(3)构建数据集；(4)将步骤(3)中构建好的数据集输入到SSD深度学习模型中进行训练；(5)对模型的精度进行评价；(6)将步骤(1)中处理好的图像放入训练好的模型中进行北极气旋的识别；本发明采用SSD深度学习模型进行北极气旋的识别，通过利用大量的样本数据作为数据集对SSD模型进行训练，将深度学习的方法引入到北极气旋的自动识别中，提高了识别的精度，同时也避免了半径较小的气旋未被识别出的现象，提高了识别的效率。
-
公开(公告)号：CN116778354A
公开(公告)日：2023-09-19
申请号：CN202310989544.4
申请日：2023-08-08
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/44
Abstract: 本发明公开了一种基于深度学习的可见光合成云图海上强对流云团识别方法，步骤如下：收集FY‑4B静止气象卫星数据进行预处理操作；采用红外水汽通道差法并进行人工目视判译标记强对流云团，统计强对流云团在不同通道差异，构建强对流云团数据集；训练深度神经网络；将原始静止卫星反射通道云图传入深度神经网络，得到强对流云团识别结果。本发明能够降低卷云误判为对流云的像元，能够从反射通道合成图像快速监测海上强对流云团，为强对流天气短临预报提供更精准的监测方法，对进一步提高海上强对流云团监测识别具有十分重要的意义。
-
-
Search Results
4
records
(took 0.014 seconds)
