CN109782372A - 一种结霜现象自动识别方法及系统 - Google Patents
一种结霜现象自动识别方法及系统 Download PDFInfo
- Publication number
- CN109782372A CN109782372A CN201910082431.XA CN201910082431A CN109782372A CN 109782372 A CN109782372 A CN 109782372A CN 201910082431 A CN201910082431 A CN 201910082431A CN 109782372 A CN109782372 A CN 109782372A
- Authority
- CN
- China
- Prior art keywords
- temperature
- frosting
- frost
- image information
- phenomenon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种结霜现象自动识别方法及系统,其中,方法包括以下步骤:获取目标区域内的现象结成时间以及对应现象结成时间的结成要素值;筛选出振幅最小、且能够表现出凝结吸热使温度降低特征的结成要素值作为结霜指示参数值;根据预设阈值与结霜指示参数值初步判断是否形成结霜现象;采集目标区域的图像信息;根据图像信息计算归一化亮度差值;根据预设判别阈值与归一化亮度差值判别初判结果是否正确。在本发明的技术方案中,相较于单独利用草温数据和草温‑露点温度差数据,或者单独利用图像处理技术对是否发生结霜现象进行判别,其准确率更高,结霜信息获取率高,实现了地面气象观测中结霜现象的自动化观测。
Description
技术领域
本发明涉及图像处理和气象观测交叉技术领域,尤其涉及一种结霜现象自动识别方法和一种结霜现象自动识别系统。
背景技术
天气现象观测中的地面凝结现象观测包括霜和露的观测,对露的正确观测也是对霜自动化观测的必要条件,只有正确识别霜才能正确识别露,反之亦然。
霜的观测是地面气象观测的一项重要内容。在《地面气象观测规范》(标准编号QX/T46-2007)中,对结霜这一现象的定义是:霜是水汽在地面和近地面物体上凝华而成的白色松脆的冰晶;或由露冻结而成的冰珠。
结霜需要在一定的风速、湿度、温度条件下才能形成。风速过大,不利于水蒸气的聚集凝华;温度过高,湿度过大将会先形成大量的露,而露的凝结过程必将伴随着凝结潜热的释放,将部分补偿了因辐射而损失的热量,不利于霜的形成。霜一般容易在晴朗小风且寒冷的夜间生成。
由于霜形成的天气条件比较复杂,所以目前霜的观测和记录主要通过有经验的观测员人工完成。因此结霜的自动检测对提高检测准确率,减少观测员工作量具有重要意义。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的一个目的在于提供一种结霜现象自动识别方法,其能够利用自动气象站检测的草温以及草温-露点温度差初步判识结霜现象,然后再结合图像数据进行最终判识,从而有效提高正确率,提高观测效率。
本发明的另一个目的在于提供一种结霜现象自动识别系统,其能够利用自动气象站检测的草温以及草温-露点温度差初步判识结霜现象,然后再结合图像数据进行最终判识,从而有效提高正确率,提高观测效率。
为实现上述目的,本发明第一方面的技术方案提供了一种结霜现象自动识别方法,包括以下步骤:获取目标区域内的现象结成时间以及对应现象结成时间的结成要素值;筛选出振幅最小、且能够表现出凝结吸热使温度降低特征的结成要素值作为结霜指示参数值;根据预设阈值与结霜指示参数值初步判断是否形成结霜现象,并生成初判结果;采集目标区域的图像信息;根据图像信息计算归一化亮度差值;根据预设判别阈值与归一化亮度差值判别初判结果是否正确,并生成最终结果;其中,结霜指示参数值包括草温和草温-露点温度差,预设阈值为草温<-6.0℃,草温-露点温度差值<2.0℃。
在该技术方案中,通过结合草温、草温-露点温度差和图像数据,从而综合判断出是否发生结霜现象,相较于单独利用草温数据和草温-露点温度差数据,或者单独利用图像处理技术对是否发生结霜现象进行判别,其准确率更高,结霜信息获取率高,实现了地面气象观测中结霜现象的自动化观测。
在上述技术方案中,优选地,现象结成时间包括现象初结成时间和现象明显结成时间;和/或结成要素值包括气温-露点温度差、草温、草温-露点温度差、地温和地温-露点温度差。
在上述任一技术方案中,优选地,采集目标区域的图像信息,包括以下步骤:设置至少一块玻璃,且玻璃朝向目标区域的至少部分面为磨砂面,与磨砂面相对设置的面为透明面;利用CCD摄像头采集玻璃的图像;利用处理器对图像进行处理,得到图像信息。
在上述任一技术方案中,优选地,归一化亮度差值的表达式为:
其中,R1为磨砂面的亮度值,R2为透明面的亮度值。
在上述任一技术方案中,优选地,图像信息包括多帧图像信息单元,预设判别阈值包括:连续3帧图像信息单元的归一化亮度差值降低,且相邻两帧图像信息单元的归一化亮度差值降低大于或等于10;或连续2帧图像信息单元的归一化亮度差值降低大于或等于20。
本发明第二方面的技术方案提供了一种结霜现象自动识别系统,包括:获取模块,被设置为用于获取目标区域内的现象结成时间以及对应现象结成时间的结成要素值;筛选模块,被设置为用于筛选出振幅最小、且能够表现出凝结吸热使温度降低特征的结成要素值作为结霜指示参数值;初判模块,被设置为用于根据预设阈值与结霜指示参数值初步判断是否形成结霜现象,并生成初判结果;采集模块,被设置为用于采集目标区域的图像信息;计算模块,被设置为用于根据图像信息计算归一化亮度差值;最终判别模块,被设置为用于根据预设判别阈值与归一化亮度差值判别初判结果是否正确,并生成最终结果;其中,结霜指示参数值包括草温和草温-露点温度差,预设阈值为草温<-6.0℃,草温-露点温度差值<2.0℃。
在该技术方案中,通过结合草温、草温-露点温度差和图像数据,从而综合判断出是否发生结霜现象,相较于单独利用草温数据和草温-露点温度差数据,或者单独利用图像处理技术对是否发生结霜现象进行判别,其准确率更高,结霜信息获取率高,实现了地面气象观测中结霜现象的自动化观测。
在上述技术方案中,优选地,现象结成时间包括现象初结成时间和现象明显结成时间;和/或结成要素值包括气温-露点温度差、草温、草温-露点温度差、地温和地温-露点温度差。
在上述任一技术方案中,优选地,采集模块包括:至少一块玻璃,且玻璃朝向目标区域的至少部分面为磨砂面,与磨砂面相对设置的面为透明面;CCD摄像头,被设置为用于采集玻璃的图像;处理器,被设置为用于对图像进行处理,得到图像信息。
在上述任一技术方案中,优选地,归一化亮度差值的表达式为:
其中,R1为磨砂面的亮度值,R2为透明面的亮度值。
在上述任一技术方案中,优选地,图像信息包括多帧图像信息单元,预设判别阈值包括:连续3帧图像信息单元的归一化亮度差值降低,且相邻两帧图像信息单元的归一化亮度差值降低大于或等于10;或连续2帧图像信息单元的归一化亮度差值降低大于或等于20。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了本发明一个实施例所涉及的结霜现象自动识别方法的流程框图;
图2示出了本发明另一个实施例所涉及的结霜现象自动识别方法的流程框图;
图3示出了本发明再一个实施例所涉及的结霜现象自动识别系统的结构框图;
图4示出了本发明一个实施例所涉及的结霜现象自动识别系统的结构框图;
图5示出了本发明实施例所涉及的现象初结成时间的结成要素值变化图;
图6示出了本发明实施例所涉及的现象明显结成时间的结成要素值变化图;
图7示出了本发明实施例所涉及的现象明显结成时间的净辐射值变化图;
图8示出了本发明实施例所涉及的人工观测时的部分结成要素值变化图;
图9示出了本发明实施例所涉及的人工观测与自动观测的一致性;
图10示出了本发明实施例所涉及的现象明显结成时间的草温-露点温度差与当日最小草温-露点温度差的比较图;
图11示出了本发明实施例所涉及的自动观测霜现象累积时间变化图;
图12示出了本发明实施例所涉及的霜现象发生时草温-露点温度差随时间变化图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不限于下面公开的具体实施例的限制。
下面参照图1至图12描述根据本发明一些实施例的结霜现象自动识别方法和系统。
如图1所示,按照本发明一个实施例的结霜现象自动识别方法,包括以下步骤:
S100,获取目标区域内的现象结成时间以及对应现象结成时间的结成要素值;
S200,筛选出振幅最小、且能够表现出凝结吸热使温度降低特征的结成要素值作为结霜指示参数值;
S300,根据预设阈值与结霜指示参数值初步判断是否形成结霜现象,并生成初判结果;
S400,采集目标区域的图像信息;
S500,根据图像信息计算归一化亮度差值;
S600,根据预设判别阈值与归一化亮度差值判别初判结果是否正确,并生成最终结果;
其中,结霜指示参数值包括草温和草温-露点温度差,预设阈值为草温<-6.0℃,草温-露点温度差值<2.0℃。
在该实施例中,通过结合草温、草温-露点温度差和图像数据,从而综合判断出是否发生结霜现象,相较于单独利用草温数据和草温-露点温度差数据,或者单独利用图像处理技术对是否发生结霜现象进行判别,其准确率更高,结霜信息获取率高,实现了地面气象观测中结霜现象的自动化观测。
如图2所示,按照本发明另一个实施例的结霜现象自动识别方法,S400,采集目标区域的图像信息,包括以下步骤:
S402,设置至少一块玻璃,且玻璃朝向目标区域的至少部分面为磨砂面,与磨砂面相对设置的面为透明面;
S404,利用CCD摄像头采集玻璃的图像;
S406,利用处理器对图像进行处理,得到图像信息。
在该实施例中,自动化结霜观测装置由CCD图像传感器、露采集模块和处理器构成。露采集模块由三层带有磨砂区域的玻璃组成,三层玻璃是通过特定的支架进行固定的,离地表的高度分别是5cm、3cm和1cm,每一个玻璃由透明面和磨砂面组成,磨砂面需朝下,在没有发生结霜现象的情况下,三个玻璃的透明面和磨砂面在图上界限分明,亮度有着明显的不同;一旦发生结霜现象时,透明面和磨砂面界限模糊,图像的亮度也发生了很大的变化。
当相对湿度增大到一定程度时,会发生结霜现象,玻璃亮度随之发生明显变化,表明玻璃有效获取了结霜信息,结霜的信息获取率就是指一定时间内之中结霜现象被玻璃有效表现的百分率。CCD图像传感器获取玻璃的图像传送给处理器,处理器分别计算三块玻璃中透明面和磨砂面亮度的差值及变化信息,识别结霜是否发生。结霜识别正确率是指在结霜的前提下,玻璃亮度发生了明显变化,结霜信息被有效提取的百分率。
如图3所示,按照本发明再一个实施例的结霜现象自动识别系统1000,包括:
获取模块100,被设置为用于获取目标区域内的现象结成时间以及对应现象结成时间的结成要素值;
筛选模块200,被设置为用于筛选出振幅最小、且能够表现出凝结吸热使温度降低特征的结成要素值作为结霜指示参数值;
初判模块300,被设置为用于根据预设阈值与结霜指示参数值初步判断是否形成结霜现象,并生成初判结果;
采集模块400,被设置为用于采集目标区域的图像信息;
计算模块500,被设置为用于根据图像信息计算归一化亮度差值;
最终判别模块600,被设置为用于根据预设判别阈值与归一化亮度差值判别初判结果是否正确,并生成最终结果;
其中,结霜指示参数值包括草温和草温-露点温度差,预设阈值为草温<-6.0℃,草温-露点温度差值<2.0℃。
如图4所示,按照本发明第四个实施例的结霜现象自动识别系统,采集模块400包括:
至少一块玻璃402,且玻璃朝向目标区域的至少部分面为磨砂面,与磨砂面相对设置的面为透明面;
CCD摄像头404,被设置为用于采集玻璃的图像;
处理器406,被设置为用于对图像进行处理,得到图像信息。
在该实施例中,采集模块400由CCD摄像头、至少一块玻璃402和处理器构成。露采集器由三层带有磨砂区域的玻璃片组成,三层玻片是通过特定的支架进行固定的,离地表的高度分别是5cm、3cm和1cm,每一个玻片由透明面和磨砂面组成,磨砂面需朝下,在没有发生结霜现象的情况下,三个玻片的透明面和磨砂面在图上界限分明,亮度有着明显的不同;一旦发生结霜现象时,透明面和磨砂面界限模糊,图像的亮度也发生了很大的变化。
自动观测霜现象(共22日):(以北京时0时为日界,与人工观测比较时转为20时气象日界,例自动观测20111201与人工观测比较时日期为1202日)
表1自动观测系统霜现象识别
影响因子排序:
通过结霜现象的定义可以初选出结成要素值,将气温-露点差、草温、草温-露点差、地温、地温-露点差等作为结成要素值,确定影响因子排序。选取结成明显时净辐射辐照度表示云天状况。
在上述任一实施例中,优选地,现象结成时间包括现象初结成时间和现象明显结成时间。
在该实施例中,将结霜现象的结成时间分为现象初结成时间及现象明显结成时间两个阶段,分别看在这两个阶段各因子变化情况,重点参考结成明显时要素情况(以下无说明时均为结成明显时要素值)。
在上述任一实施例中,优选地,结成要素值包括气温-露点温度差、草温、草温-露点温度差、地温和地温-露点温度差。
在该实施例中,在霜现象初结成至现象明显时,相同结成要素的趋势相同(如图5和图6所示)。在选取的五种结成要素中,地温-露点温度差与草温-露点温度差相近,在霜现象的结成要素值排序中,该两种结成要素值相差不大。但考虑到自动站观测时降雪时地温被置于雪下,有连续积雪时,用该种结成要素值对霜现象的判别将出现很大的误差,将草温-露点温度差作为最佳结霜指示参数值,草温第二,其他三项因子仅作参考。从数值上看,草温<-0.8℃有霜结成,90.9%出现低于-4.4℃。草温-露点温度差范围-6.9~1.2℃。
在上述任一技术方案中,优选地,归一化亮度差值的表达式为:
其中,R1为磨砂面的亮度值,R2为透明面的亮度值,图像信息包括多帧图像信息单元,预设判别阈值包括:
连续3帧图像信息单元的归一化亮度差值降低,且相邻两帧图像信息单元的归一化亮度差值降低大于或等于10;或
连续2帧图像信息单元的归一化亮度差值降低大于或等于20。
当相对湿度增大到一定程度时,会发生结霜现象,玻片亮度随之发生明显变化,表明玻片有效获取了结霜信息,结霜的信息获取率就是指一定时间内之中结霜现象被玻片有效表现的百分率。CCD图像传感器获取玻片的图像传送给处理器,处理器分别计算三块玻片中磨砂区域与未磨砂区域亮度的差值及变化信息,识别结霜是否发生。结霜识别正确率是指在结霜的前提下,玻片亮度发生了明显变化,结霜信息被有效提取的百分率。
净辐射是表示大气能量收支的要素,其值由地表反射的全辐射与大气中吸收的全辐射的差确定。夜间时,地表辐射的长波辐射越多,其值越小,甚至为负,表示大气正在失热。夜间净辐射与云高与云天状况有一定的正相关,净辐射辐照度越小,中低云越少,天气越晴朗。通过净辐射值的范围可以看出霜现象结成与云天状况的关系。
由图7可见,在结霜现象形成时,净辐射全为负值,其反映出了大气在散失热量。从数值上看,86.4%的霜现象发生时净辐射辐照度<-40,对照本站云天状况与净辐射值之间的关系,霜现象发生时天空少云或晴朗,无低云,中云也较少。
以上是自动观测系统识别霜现象情况。下面分析人工观测结霜现象发生时的数据情况,分析时段内人工共观测到发生结霜现象的天数为60天,对同日有霜现象发生的记为结霜日。
考虑到人工观测结霜现象不记起止时间的因素,选该日的最小气温-露点温度差、最低草温、最小草温-露点温度差、最低地温、最小地温-露点温度差作为结成要素值,进行比较。图8中只比较3种最小温度-露点温度差值分布,最低草温与最低地温未在图中给出。
从图中可以看出,对人工观测霜现象,三种差值变化趋势相同,选取最低草温、最小草温-露点温度差作为结霜指示参数值。
从数据看,霜现象95%的日数最低草温<-6.0℃,最小草温-露点温度差值范围-10.7℃~12.0℃之间,95%出现在<2.0℃。
一致性分析:
对时段内两种观测方式识别的霜现象以现象发生日为单位进行比较,看两种观测方式是否具有一致性。
从图9上可以清晰看出自动观测和人工观测的一致性均较差。另一方面,由图可见,自动观测识别出霜现象日时,人工几乎都观测到,这与自动观测识别区域代表性差有较大关系。若仅以图像识别的小区域代表霜现象是否发生,仅靠小区域的图像是无法提高识别准确性的。
从结霜现象发生时相关要素特点及范围看,两种观测方式在要素表现上具有高度相关性。由图10可见,自动观测霜现象结成明显时其草温-露点温度与日最小值间有一定有差值,但吻合度较高。表明通过确定人工观测霜现象发生时结霜指示参数值的阈值,将之加入到自动观测系统的算法中,有助于自动观测系统正确识别霜现象。
回算201112-201206共7个月213日数据,先用最低草温初选,再用最小草温-露点温度差复算,对有降水的天数删除。
回算霜现象:初选日数109天,其中57天为人工观测现象发生日,占人工观测现象总数95%;复算有78天被选出,有3天人工观测现象发生日被剔除;删除1日降水天气,通过上述步骤,误识别现象日数23日,漏现象日数6天,共计29日,占样本总数的13.6%,现象发生时的准确率为90%。在计算中发现,霜现象的第2指标草温-露点温度差与现象发生不呈线性相关,将该指标再分段,分段如下:
表5草温-露点温度差霜现象分段阈值
段数 | 第一段 | 第二段 | 第三段 |
阈值 | 0℃<Δt<2.0℃ | -2.5℃<Δt≤-0.1℃ | Δt≤-2.6℃ |
误判率 | 75% | 42.9% | 17.3% |
第一段共有12天,误识别现象发生9天,第二段共有14天,误识别现象发生6天,第三段共有52天,误识别现象发生9天。对这3段指标需要计算相关的正确率权重。
用上述结成要素值及相应阈值所做的自动观测结果表明,最低草温与最小草温-露点温度差对霜现象有更好的指示意义,大幅优于目前的图像识别技术自动观测的识别结果。
上述结果仅为单站短时期内运算结果,不具更广泛的代表性,需要更多站点及更长时间记录反演,做进一步的检验和修正,才能具有广泛适用性。
自动算法所用最低草温与最小草温-露点温度差均为日数据,表明用这种方法识别霜现象将不具有及时性,现象识别会推后一日,不具实时性。
自动算法简单地将降水天气的露识别剔除,对雨后出现的露将完全取消,其长时间观测结果的积累会对气候统计有何影响需要论证。
霜现象累积时间分析:
人工分析自动观测系统识别图片,将现象发生分两个阶段:初生成和形成明显。计算两个阶段的时间差,这个时间差可以视为现象发生所需的必要累积时间。
由图11可知,65%的霜现象累积时间在60分钟内,87%累积时间在120分钟内。可以认为60分钟是霜现象必要的累积时间。
以霜现象初形成前40分钟开始,以20分钟为间隔,观察草温-露点温度随时间的变化情况。
从图12可以看出,霜现象发生前40分钟到初结成,再到结成明显草温-露点温度差变幅较大,梯度分布较均匀;从图上看不出现象初结成前多长时间是其必要的累积时间。
在本发明中,术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的描述中,需要理解的是,术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作,因此,不能理解为对本发明的限制。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种结霜现象自动识别方法,其特征在于,包括以下步骤:
获取目标区域内的现象结成时间以及对应所述现象结成时间的结成要素值;
筛选出振幅最小、且能够表现出凝结吸热使温度降低特征的所述结成要素值作为结霜指示参数值;
根据预设阈值与所述结霜指示参数值初步判断是否形成所述结霜现象,并生成初判结果;
采集所述目标区域的图像信息;
根据所述图像信息计算归一化亮度差值;
根据预设判别阈值与所述归一化亮度差值判别所述初判结果是否正确,并生成最终结果;
其中,所述结霜指示参数值包括草温和草温-露点温度差,所述预设阈值为草温<-6.0℃,草温-露点温度差值<2.0℃。
2.根据权利要求1所述的结霜现象自动识别方法,其特征在于:
所述现象结成时间包括现象初结成时间和现象明显结成时间;和/或
所述结成要素值包括气温-露点温度差、草温、草温-露点温度差、地温和地温-露点温度差。
3.根据权利要求1或2所述的结霜现象自动识别方法,其特征在于,采集所述目标区域的图像信息,包括以下步骤:
设置至少一块玻璃,且所述玻璃朝向所述目标区域的至少部分面为磨砂面,与所述磨砂面相对设置的面为透明面;
利用CCD摄像头采集所述玻璃的图像;
利用处理器对所述图像进行处理,得到所述图像信息。
4.根据权利要求3所述的结霜现象自动识别方法,其特征在于:所述归一化亮度差值的表达式为:
其中,R1为磨砂面的亮度值,R2为透明面的亮度值。
5.根据权利要求1或2所述的结霜现象自动识别方法,其特征在于:所述图像信息包括多帧图像信息单元,所述预设判别阈值包括:
连续3帧所述图像信息单元的所述归一化亮度差值降低,且相邻两帧所述图像信息单元的所述归一化亮度差值降低大于或等于10;或
连续2帧所述图像信息单元的所述归一化亮度差值降低大于或等于20。
6.一种结霜现象自动识别系统,其特征在于,包括:
获取模块,被设置为用于获取目标区域内的现象结成时间以及对应所述现象结成时间的结成要素值;
筛选模块,被设置为用于筛选出振幅最小、且能够表现出凝结吸热使温度降低特征的所述结成要素值作为结霜指示参数值;
初判模块,被设置为用于根据预设阈值与所述结霜指示参数值初步判断是否形成所述结霜现象,并生成初判结果;
采集模块,被设置为用于采集所述目标区域的图像信息;
计算模块,被设置为用于根据所述图像信息计算归一化亮度差值;
最终判别模块,被设置为用于根据预设判别阈值与所述归一化亮度差值判别所述初判结果是否正确,并生成最终结果;
其中,所述结霜指示参数值包括草温和草温-露点温度差,所述预设阈值为草温<6.0℃,草温-露点温度差值<2.0℃。
7.根据权利要求6所述的结霜现象自动识别系统,其特征在于:
所述现象结成时间包括现象初结成时间和现象明显结成时间;和/或
所述结成要素值包括气温-露点温度差、草温、草温-露点温度差、地温和地温-露点温度差。
8.根据权利要求6或7所述的结霜现象自动识别系统,其特征在于,采集模块包括:
至少一块玻璃,且所述玻璃朝向所述目标区域的至少部分面为磨砂面,与所述磨砂面相对设置的面为透明面;
CCD摄像头,被设置为用于采集所述玻璃的图像;
处理器,被设置为用于对所述图像进行处理,得到所述图像信息。
9.根据权利要求8所述的结霜现象自动识别系统,其特征在于:所述归一化亮度差值的表达式为:
其中,R1为磨砂面的亮度值,R2为透明面的亮度值。
10.根据权利要求6或7所述的结霜现象自动识别系统,其特征在于:所述图像信息包括多帧图像信息单元,所述预设判别阈值包括:
连续3帧所述图像信息单元的所述归一化亮度差值降低,且相邻两帧所述图像信息单元的所述归一化亮度差值降低大于或等于10;或
连续2帧所述图像信息单元的所述归一化亮度差值降低大于或等于20。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910082431.XA CN109782372B (zh) | 2019-01-28 | 2019-01-28 | 一种结霜现象自动识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910082431.XA CN109782372B (zh) | 2019-01-28 | 2019-01-28 | 一种结霜现象自动识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782372A true CN109782372A (zh) | 2019-05-21 |
CN109782372B CN109782372B (zh) | 2020-11-24 |
Family
ID=66502804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910082431.XA Active CN109782372B (zh) | 2019-01-28 | 2019-01-28 | 一种结霜现象自动识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782372B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111736237A (zh) * | 2020-07-31 | 2020-10-02 | 上海眼控科技股份有限公司 | 辐射雾检测方法、装置、计算机设备和可读存储介质 |
CN111800582A (zh) * | 2020-07-31 | 2020-10-20 | 上海眼控科技股份有限公司 | 锋面雾检测方法、装置、计算机设备和可读存储介质 |
CN111899309A (zh) * | 2020-07-31 | 2020-11-06 | 上海眼控科技股份有限公司 | 上坡雾检测方法、装置、计算机设备和可读存储介质 |
CN116878590A (zh) * | 2023-09-06 | 2023-10-13 | 山东远联信息科技有限公司 | 一种数智化服务协同运营管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054180A (zh) * | 2010-12-17 | 2011-05-11 | 华中科技大学 | 一种自动检测结霜的方法 |
CN202066981U (zh) * | 2011-05-06 | 2011-12-07 | 广东省台山市气象局 | 一种结露测量仪 |
US20140043613A1 (en) * | 2012-08-09 | 2014-02-13 | Jeffrey Scott Adler | Reflective material sensor |
-
2019
- 2019-01-28 CN CN201910082431.XA patent/CN109782372B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054180A (zh) * | 2010-12-17 | 2011-05-11 | 华中科技大学 | 一种自动检测结霜的方法 |
CN202066981U (zh) * | 2011-05-06 | 2011-12-07 | 广东省台山市气象局 | 一种结露测量仪 |
US20140043613A1 (en) * | 2012-08-09 | 2014-02-13 | Jeffrey Scott Adler | Reflective material sensor |
Non-Patent Citations (3)
Title |
---|
华连生 等: "基于Bayes判别法的霜生自动化观测模型探讨", 《气象》 * |
李肖霞 等: "结露自动化观测装置及实验研究", 《气象》 * |
茆佳佳 等: "基于近地面温湿度观测的露霜综合判别技术", 《气象科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111736237A (zh) * | 2020-07-31 | 2020-10-02 | 上海眼控科技股份有限公司 | 辐射雾检测方法、装置、计算机设备和可读存储介质 |
CN111800582A (zh) * | 2020-07-31 | 2020-10-20 | 上海眼控科技股份有限公司 | 锋面雾检测方法、装置、计算机设备和可读存储介质 |
CN111899309A (zh) * | 2020-07-31 | 2020-11-06 | 上海眼控科技股份有限公司 | 上坡雾检测方法、装置、计算机设备和可读存储介质 |
CN111800582B (zh) * | 2020-07-31 | 2021-12-07 | 上海眼控科技股份有限公司 | 锋面雾检测方法、装置、计算机设备和可读存储介质 |
CN116878590A (zh) * | 2023-09-06 | 2023-10-13 | 山东远联信息科技有限公司 | 一种数智化服务协同运营管理系统 |
CN116878590B (zh) * | 2023-09-06 | 2023-11-21 | 山东远联信息科技有限公司 | 一种数智化服务协同运营管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109782372B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109782372A (zh) | 一种结霜现象自动识别方法及系统 | |
CN101424741B (zh) | 卫星遥感海雾特征量的实时提取方法 | |
CN103954542B (zh) | 基于无参考图像清晰度评价的pm2.5浓度检测仪 | |
CN109544576A (zh) | 一种基于机器视觉的飞机模型冰形轮廓提取方法 | |
Mecikalski et al. | Cloud-top properties of growing cumulus prior to convective initiation as measured by Meteosat Second Generation. Part II: Use of visible reflectance | |
KR20150066315A (ko) | 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법 | |
CN110514298A (zh) | 一种基于地基云图的太阳辐照强度计算方法 | |
CN109612027A (zh) | 一种基于显微摄像分析空气源热泵结霜的方法及控制系统 | |
Hu et al. | A method for measuring ice thickness of wind turbine blades based on edge detection | |
Lee et al. | Classification of precipitation types using fall velocity-diameter relationships from 2D-video distrometer measurements | |
Werkmeister et al. | Comparing satellite-to ground-based automated and manual cloud coverage observations–a case study | |
Senf et al. | Satellite-based characterization of convective growth and glaciation and its relationship to precipitation formation over central Europe | |
CN104182972B (zh) | 一种野外用复杂光照下的实弹射击自动报靶系统及方法 | |
Guilloteau et al. | Beyond the pixel: Using patterns and multiscale spatial information to improve the retrieval of precipitation from spaceborne passive microwave imagers | |
CN106568388B (zh) | 一种基于高清图像的输电线路覆冰厚度计算方法及系统 | |
CN112883969B (zh) | 一种基于卷积神经网络的降雨强度检测方法 | |
Stoelinga et al. | The occurrence of “irregular” ice particles in stratiform clouds | |
CN103913750B (zh) | 一种基于卫星云参数产品确定灰霾分布的方法 | |
CN109740574A (zh) | 一种结露现象自动识别方法及系统 | |
CN111914933A (zh) | 降雪检测方法、装置、计算机设备和可读存储介质 | |
CN109033984B (zh) | 一种夜间雾快速自动检测方法 | |
CN113807132A (zh) | 植物生长区域的灌水状态的识别方法、装置和存储介质 | |
CN110674453B (zh) | 一种获取棉花叶片丛聚指数的数字图像方法及系统 | |
Le et al. | Case Study of GIS Application in Analysing Urban Heating Island Phenomena in Tropical Climate Country | |
Wei et al. | Water body extraction based on the LBV transformation analysis for China GF-1 multi-spectral images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |