公开(公告)号：CN113469278B

公开(公告)日：2022-05-20

申请号：CN202110829014.4

申请日：2021-07-22

Applicant: 湖北省气象信息与技术保障中心

Inventor： 秦运龙 ,  张冰松 ,  许玮 ,  王迎迎 ,  陈良华 ,  吴涛

IPC: G06V10/774 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度卷积神经网络的强天气目标识别方法，包括以下步骤：数据集收集；数据集构建；模型构建；模型训练与验证；模型测试。本发明的一种基于深度卷积神经网络的强天气目标识别方法设计合理，能够有效检测出图像、视频中强天气个体目标(龙卷、冰雹、雷电)，并框选出目标位置和置信度，对于图像中发生强天气现象的检测准确率更是高达96％以上，漏检率为0，能够对实况图像中强天气现象做出及时有效的告警，为第一时间决策服务提供有力的实况警报信息，减少天气灾害的损失。

公开(公告)号：CN113469278A

公开(公告)日：2021-10-01

申请号：CN202110829014.4

申请日：2021-07-22

Applicant: 湖北省气象信息与技术保障中心

Inventor： 秦运龙 ,  张冰松 ,  许玮 ,  王迎迎 ,  陈良华 ,  吴涛

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度卷积神经网络的强天气目标识别方法，包括以下步骤：数据集收集；数据集构建；模型构建；模型训练与验证；模型测试。本发明的一种基于深度卷积神经网络的强天气目标识别方法设计合理，能够有效检测出图像、视频中强天气个体目标(龙卷、冰雹、雷电)，并框选出目标位置和置信度，对于图像中发生强天气现象的检测准确率更是高达96％以上，漏检率为0，能够对实况图像中强天气现象做出及时有效的告警，为第一时间决策服务提供有力的实况警报信息，减少天气灾害的损失。