结合深度卷积网络及光学图像的降雨强度识别
Journal of Fujian Agriculture and Forestry University(Natural Science Edition)(2020)
摘要
基于降雨图像数据,依据降雨量划分不同的降雨强度;结合深度神经网络理论建立降雨强度识别模型,对降雨强度进行实时监测与预警.首先,通过福州市8个气象站点获取降雨图像及其对应的降雨量数据;其次,依据降雨强度对降雨图像进行分类,共分为6个等级,并将数据分为白天图像和晚上图像2个数据集;最后,采用DenseNet深度卷积神经网络构建降雨强度识别模型.结果表明:(1)各气象站点降雨强度的识别精度均高于80%,识别精度不存在明显差异;(2)白天降雨图像的识别精度高于晚上;(3)白天和晚上图像存在特征差异,使其识别精度在不同网络层数上的变化趋势不一致;(4)数据量不均衡将会影响模型总体的识别精度.表明基于降雨图像的DenseNet降雨强度识别模型具有良好的数据适应性及准确的识别结果.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要