CN110579821A - 基于机器视觉的小范围天气预报系统、方法及存储介质 - Google Patents

基于机器视觉的小范围天气预报系统、方法及存储介质 Download PDF

Info

Publication number
CN110579821A
CN110579821A CN201910712231.8A CN201910712231A CN110579821A CN 110579821 A CN110579821 A CN 110579821A CN 201910712231 A CN201910712231 A CN 201910712231A CN 110579821 A CN110579821 A CN 110579821A
Authority
CN
China
Prior art keywords
cloud
sky
information
weather
image information
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.)
Pending
Application number
CN201910712231.8A
Other languages
English (en)
Inventor
叶永俊
屈莉莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN201910712231.8A priority Critical patent/CN110579821A/zh
Publication of CN110579821A publication Critical patent/CN110579821A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及基于机器视觉的小范围天气预报系统、方法及存储介质，包括以下：步骤1、每隔第一阈值时间T获取当前天气监测基站拍摄的天空图像信息以及风速风向传感器信息，每隔第二阈值时间t获取冲击力传感器信息；步骤2、根据天空图像信息得到当前区域的天空的云朵数量信息，根据云朵数量信息判断天空的多云程度情况；步骤3、结合多个连续拍摄的天空图像信息获得乌云的速度矢量信息，根据乌云的速度矢量信息结合风速风向传感器信息得到乌云的最终速度矢量，根据乌云的最终速度矢量对临近区域进行降雨预测；步骤4、根据雨滴的冲击力函数图进行雨势变化情况的预测。本发明能够在较小区域进行天气智能预测，便于人们对出行做出提早安排。

Description

基于机器视觉的小范围天气预报系统、方法及存储介质
技术领域
本发明涉及天气预测领域，尤其涉及基于机器视觉的小范围天气预报系统、方法及存储介质。
背景技术
天气是人们非常关心的一个热点问题，对天气的预测能够解决许许多多的问题，自古以来也流传下来了很多有关天气的预测经验，但是随着人民生活水平的不断提高，科技的不断发展，仅仅依靠经验来对天气进行预测往往是不能满足人们需求的，人们需要更为准确的、智能的对天气预测的方法。
如今的天气预测一般是通过气象局根据卫星云图对天气进行预测，然后通过天气预报的形式将预测的天气告知人们。但是因为气象局要兼顾的东西很多，也不能够根据人们的需求去调整预测的范围以及在人们需要的时间对天气进行快速预测。这样一来就会导致人们生活的小范围区域的天气仍然无法被智能化的、较为准确的预测。
当今市场急需一种小区域天气预测方法，能够利用在一定范围定点特定分布的摄像头对天空进行拍摄分析，同时结合风速传感器等仪器辅助对天气进行智能化预测，能够使人们享受到来自人工智能的便利。
发明内容
本发明的目的是解决现有技术的不足，提供基于机器视觉的小范围天气预报系统、方法及存储介质。
为了实现上述目的，本发明采用以下的技术方案：
提出基于机器视觉的小范围天气预报系统，包括：
多个天气监测基站，每个所述天气预测基站监管一个区域并对应预测该区域的天气；
所述天气监测基站包括：
摄像模块，所述摄像模块的摄像头竖直朝向天空设置，所述摄像模块用于获取天空图像信息；
参照杆，所述参照杆设置于所述摄像模块的上端，所述参照杆用于在摄像模块获取天空图像信息时在所述图像信息中提供参考点；
风速风向传感器，所述风速风向传感器用于获取当前区域的第二矢量；
控制中心，所述控制中心包括：
多云程度预测单元，所述天空多云程度预测单元用于根据天空图形信息进行处理得到天空的云朵数量信息，并根据云朵数量信息判断天空多云程度情况；
乌云的速度矢量计算单元，所述乌云的速度矢量计算单元用于结合多个连续拍摄的天空图像信息计算乌云的最终速度矢量；
雨势变化预测单元，所述雨势变化预测单元用于结合冲击力大小以及测定冲击力大小对应的时刻得到冲击力F变化函数图，根据冲击力函数图进行雨势变化情况的预测；
GPRS通信单元，所述GPRS通信单元用于将上述预测信息推送至用户的移动设备。
进一步，所述天气监测基站按照每个天气监测基站监控8×8公里范围的规则进行设置。
还提出基于机器视觉的小区域天气预测方法，应用于上述基于机器视觉的小范围天气预报系统，包括以下：
步骤1、每隔第一阈值时间T获取当前天气监测基站拍摄的天空图像信息以及风速风向传感器信息，每隔第二阈值时间t获取冲击力传感器信息；
步骤2、根据天空图像信息得到当前区域的天空的云朵数量信息，根据云朵数量信息判断天空的多云程度情况；
步骤3、结合多个连续拍摄的天空图像信息获得乌云的速度矢量信息，根据乌云的速度矢量信息结合风速风向传感器信息得到乌云的最终速度矢量，根据乌云的最终速度矢量对临近区域进行降雨预测；
步骤4、根据冲击力传感器信息得到雨滴落向地面的冲击力大小，并结合冲击力大小以及测定冲击力大小对应的时刻得到冲击力F变化函数图，根据冲击力函数图进行雨势变化情况的预测。
步骤5、将上述天空多云程度情况、降雨预测情况以及雨势变化情况推送至用户的移动设备。
进一步，上述的根据天空图像信息得到当前区域云朵数量信息的具体方式包括以下：
通过OpenCV进行天空图像信息的轮廓提取；
将提取得到的轮廓数量n减去图像的外轮廓数以及参照杆图像的轮廓数得到图像的最终轮廓数量n-2，所述最终轮廓数量n-2即为云朵数量n-2。
进一步，上述天空的多云程度情况的判断具体包括以下：
若云朵数量不高于第一阈值，则预测天气的多云程度为低多云程度；
若云朵数量高于第一阈值且低于第二阈值，则预测天气的多云程度为中多云程度；
若云朵数量不低于第二阈值，则预测天气的多云程度为高多云程度。
进一步，上述步骤3中获取乌云的方式具体包括以下：
将天空图像信息进行8进制灰度化得到灰度化的天空图像信息；
提取灰度化的天空图像信息中的云朵图像信息；
计算云朵图像信息中灰度值大于4的面积与云朵图像的总面积的比值L，若L大于50％则定义所述云朵图像信息对应的云朵为乌云。
进一步，上述步骤3中乌云的最终速度矢量的具体获取方式包括以下：
将当前区域的天空图像信息形成电子框，所述电子框面积与天气监测基站实际监控区域的面积的比值为y，以参照杆为所述电子框的原点，将连续测得的m个天空图像信息中的同一个乌云作为变化点带入电子框得到乌云移动的路径图；
对乌云移动的路径图进行拟合，对拟合后的路径图所对应的函数关系式求导得到乌云在路径图中的最终位置的速度方向矢量；
计算乌云在电子框中最终位置与在最终位置前一位置的距离s，以作为乌云在最终位置的速度大小，结合乌云在最终位置的速度方向矢量以及速度大小得到第一矢量V1；
根据风速风向传感器信息得到第二矢量V2，则V1+V2即为乌云的最终速度矢量。
进一步，上述步骤4中雨势变化情况的预测的具体方式包括以下：
在matlab中结合冲击力大小以及测定冲击力大小对应的时刻形成冲击力函数图，
若在所述冲击力函数图中每隔4t时间F一直增大且增大量大于则预测当前区域雨势在变大；
若在所述冲击力函数图中每隔4t时间F一直减小且减小量大于则预测当前区域雨势在减小；
其他情况则表示当前区域雨势无明显变化。
还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求3-8任一项所述方法的步骤。
本发明的有益效果为：
本发明通过建立天气监测基站，在一定范围定点特定分布的摄像头对天空进行拍摄分析，同时结合风速传感器等仪器辅助对天气进行智能化预测，能够在较小区域进行天气智能预测，帮助人们提前知道附近区域的天气信息，便于人们对出行做出提早安排，使人们享受到来自人工智能的便利。
附图说明
图1所示为基于机器视觉的小区域天气预测方法流程图；
图2所示为乌云移动的路径图的原理图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
结合图1，本发明提出基于机器视觉的小范围天气预报系统，包括：
多个天气监测基站，每个所述天气预测基站监管一个区域并对应预测该区域的天气；
所述天气监测基站包括：
摄像模块，所述摄像模块的摄像头竖直朝向天空设置，所述摄像模块用于获取天空图像信息；
参照杆，所述参照杆设置于所述摄像模块的上端，所述参照杆用于在摄像模块获取天空图像信息时在所述图像信息中提供参考点；
风速风向传感器，所述风速风向传感器用于获取当前区域的第二矢量；
控制中心，所述控制中心包括：
多云程度预测单元，所述天空多云程度预测单元用于根据天空图形信息进行处理得到天空的云朵数量信息，并根据云朵数量信息判断天空多云程度情况；
乌云的速度矢量计算单元，所述乌云的速度矢量计算单元用于结合多个连续拍摄的天空图像信息计算乌云的最终速度矢量；
雨势变化预测单元，所述雨势变化预测单元用于结合冲击力大小以及测定冲击力大小对应的时刻得到冲击力F变化函数图，根据冲击力函数图进行雨势变化情况的预测；
GPRS通信单元，所述GPRS通信单元用于将上述预测信息推送至用户的移动设备。
作为本方案的优选实施方式，所述天气监测基站按照每个天气监测基站监控8×8公里范围的规则进行设置。考虑到8公里的范围较为适宜，所以本方案将每个天气监测基站监控8×8公里范围，当然也可以根据实际需要选择摄像模块的镜头范围从而对天气监测基站的监控范围进行调整。
本发明还提出基于机器视觉的小区域天气预测方法，应用于上述基于机器视觉的小范围天气预报系统，包括以下：
步骤1、每隔第一阈值时间T获取当前天气监测基站拍摄的天空图像信息以及风速风向传感器信息，每隔第二阈值时间t获取冲击力传感器信息；其中的第一阈值时间T代表的是对天气监测的频率，通常根据当地的天气变化情况来定，本方案采用一个一般值将T定为8分钟，而第二阈值时间t则代表对冲击力测定的时间间隔，因为需要作出冲击力与时间的函数关系图，所以为了保证误差相对较小t的值应该相对较低，本方案取5s，也可以根据实际情况进行修改。
步骤2、根据天空图像信息得到当前区域的天空的云朵数量信息，根据云朵数量信息判断天空的多云程度情况；
步骤3、结合多个连续拍摄的天空图像信息获得乌云的速度矢量信息，根据乌云的速度矢量信息结合风速风向传感器信息得到乌云的最终速度矢量，根据乌云的最终速度矢量对临近区域进行降雨预测；
步骤4、根据冲击力传感器信息得到雨滴落向地面的冲击力大小，并结合冲击力大小以及测定冲击力大小对应的时刻得到冲击力F变化函数图，根据冲击力函数图进行雨势变化情况的预测。
步骤5、将上述天空多云程度情况、降雨预测情况以及雨势变化情况推送至用户的移动设备。
作为本方案的优选实施方式，上述的根据天空图像信息得到当前区域云朵数量信息的具体方式包括以下：
通过OpenCV进行天空图像信息的轮廓提取；
将提取得到的轮廓数量n减去图像的外轮廓数以及参照杆图像的轮廓数得到图像的最终轮廓数量n-2，所述最终轮廓数量n-2即为云朵数量n-2。
作为本方案的优选实施方式，上述天空的多云程度情况的判断具体包括以下：
若云朵数量不高于第一阈值，则预测天气的多云程度为低多云程度；
若云朵数量高于第一阈值且低于第二阈值，则预测天气的多云程度为中多云程度；
若云朵数量不低于第二阈值，则预测天气的多云程度为高多云程度。
其中第一阈值经过对多种多云天气图像的分析定位9个，第二阈值定为16个，当然也可以根据实际情况进行具体分析，再对第一阈值以及第二阈值进行调整也是可以的。
作为本方案的优选实施方式，上述步骤中获取乌云的方式具体包括以下：
将天空图像信息进行8进制灰度化得到灰度化的天空图像信息；
提取灰度化的天空图像信息中的云朵图像信息；
计算云朵图像信息中灰度值大于4的面积与云朵图像的总面积的比值L，若L大于50％则定义所述云朵图像信息对应的云朵为乌云。
作为本方案的优选实施方式，上述步骤3中乌云的最终速度矢量的具体获取方式包括以下：
将当前区域的天空图像信息形成电子框，所述电子框面积与天气监测基站实际监控区域的面积的比值为y，以参照杆为所述电子框的原点，将连续测得的m个天空图像信息中的同一个乌云作为变化点带入电子框得到乌云移动的路径图；
对乌云移动的路径图进行拟合，对拟合后的路径图所对应的函数关系式求导得到乌云在路径图中的最终位置的速度方向矢量；
计算乌云在电子框中最终位置与在最终位置前一位置的距离s，以作为乌云在最终位置的速度大小，结合乌云在最终位置的速度方向矢量以及速度大小得到第一矢量V1；
根据风速风向传感器信息得到第二矢量V2，则V1+V2即为乌云的最终速度矢量。本方案在得到了乌云的最终速度矢量之后，可以通过乌云的最终速度矢量与时间G的乘积来计算乌云在G时间后会出现在哪个天气监测基站所监测的区域，进而对下雨情况进行预测。
结合图2，图2中的圆形为参照杆，三角形为乌云，通过参照杆和乌云的位置关系可以拟合出乌云的路径图，如果实际中出现了异常点即一个横坐标对应两个纵坐标的点则进行舍弃。
作为本方案的优选实施方式，上述步骤4中雨势变化情况的预测的具体方式包括以下：
在matlab中结合冲击力大小以及测定冲击力大小对应的时刻形成冲击力函数图，
若在所述冲击力函数图中每隔4t时间F一直增大且增大量大于则预测当前区域雨势在变大；
若在所述冲击力函数图中每隔4t时间F一直减小且减小量大于则预测当前区域雨势在减小；
其他情况则表示当前区域雨势无明显变化。
还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求3-8任一项所述方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，
Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (9)

1.基于机器视觉的小范围天气预报系统，其特征在于，包括：
多个天气监测基站，每个所述天气预测基站监管一个区域并对应预测该区域的天气；
所述天气监测基站包括：
摄像模块，所述摄像模块的摄像头竖直朝向天空设置，所述摄像模块用于获取天空图像信息；
参照杆，所述参照杆设置于所述摄像模块的上端，所述参照杆用于在摄像模块获取天空图像信息时在所述图像信息中提供参考点；
风速风向传感器，所述风速风向传感器用于获取当前区域的第二矢量；
控制中心，所述控制中心包括：
多云程度预测单元，所述天空多云程度预测单元用于根据天空图形信息进行处理得到天空的云朵数量信息，并根据云朵数量信息判断天空多云程度情况；
乌云的速度矢量计算单元，所述乌云的速度矢量计算单元用于结合多个连续拍摄的天空图像信息计算乌云的最终速度矢量；
雨势变化预测单元，所述雨势变化预测单元用于结合冲击力大小以及测定冲击力大小对应的时刻得到冲击力F变化函数图，根据冲击力函数图进行雨势变化情况的预测；
GPRS通信单元，所述GPRS通信单元用于将上述预测信息推送至用户的移动设备。
2.根据权利要求1所述的基于机器视觉的小范围天气预报系统，其特征在于，所述天气监测基站按照每个天气监测基站监控8×8公里范围的规则进行设置。
3.基于机器视觉的小区域天气预测方法，其特征在于，应用于上述基于机器视觉的小范围天气预报系统，包括以下：
步骤1、每隔第一阈值时间T获取当前天气监测基站拍摄的天空图像信息以及风速风向传感器信息，每隔第二阈值时间t获取冲击力传感器信息；
步骤2、根据天空图像信息得到当前区域的天空的云朵数量信息，根据云朵数量信息判断天空的多云程度情况；
步骤3、结合多个连续拍摄的天空图像信息获得乌云的速度矢量信息，根据乌云的速度矢量信息结合风速风向传感器信息得到乌云的最终速度矢量，根据乌云的最终速度矢量对临近区域进行降雨预测；
步骤4、根据冲击力传感器信息得到雨滴落向地面的冲击力大小，并结合冲击力大小以及测定冲击力大小对应的时刻得到冲击力F变化函数图，根据冲击力函数图进行雨势变化情况的预测。
步骤5、将上述天空多云程度情况、降雨预测情况以及雨势变化情况推送至用户的移动设备。
4.根据权利要求3所述的基于机器视觉的小区域天气预测方法，其特征在于，上述的根据天空图像信息得到当前区域云朵数量信息的具体方式包括以下：
通过OpenCV进行天空图像信息的轮廓提取；
将提取得到的轮廓数量n减去图像的外轮廓数以及参照杆图像的轮廓数得到图像的最终轮廓数量n-2，所述最终轮廓数量n-2即为云朵数量n-2。
5.根据权利要求4所述的基于机器视觉的小区域天气预测方法，其特征在于，上述天空的多云程度情况的判断具体包括以下：
若云朵数量不高于第一阈值，则预测天气的多云程度为低多云程度；
若云朵数量高于第一阈值且低于第二阈值，则预测天气的多云程度为中多云程度；
若云朵数量不低于第二阈值，则预测天气的多云程度为高多云程度。
6.根据权利要求5所述的基于机器视觉的小区域天气预测方法，其特征在于，上述步骤3中获取乌云的方式具体包括以下：
将天空图像信息进行8进制灰度化得到灰度化的天空图像信息；
提取灰度化的天空图像信息中的云朵图像信息；
计算云朵图像信息中灰度值大于4的面积与云朵图像的总面积的比值L，若L大于50％则定义所述云朵图像信息对应的云朵为乌云。
7.根据权利要求6所述的基于机器视觉的小区域天气预测方法，其特征在于，上述步骤3中乌云的最终速度矢量的具体获取方式包括以下：
将当前区域的天空图像信息形成电子框，所述电子框面积与天气监测基站实际监控区域的面积的比值为y，以参照杆为所述电子框的原点，将连续测得的m个天空图像信息中的同一个乌云作为变化点带入电子框得到乌云移动的路径图；
对乌云移动的路径图进行拟合，对拟合后的路径图所对应的函数关系式求导得到乌云在路径图中的最终位置的速度方向矢量；
计算乌云在电子框中最终位置与在最终位置前一位置的距离s，以作为乌云在最终位置的速度大小，结合乌云在最终位置的速度方向矢量以及速度大小得到第一矢量V1；
根据风速风向传感器信息得到第二矢量V2，则V1+V2即为乌云的最终速度矢量。
8.根据权利要求3所述的基于机器视觉的小区域天气预测方法，其特征在于，上述步骤4中雨势变化情况的预测的具体方式包括以下：
在matlab中结合冲击力大小以及测定冲击力大小对应的时刻形成冲击力函数图，
若在所述冲击力函数图中每隔4t时间F一直增大且增大量大于则预测当前区域雨势在变大；
若在所述冲击力函数图中每隔4t时间F一直减小且减小量大于则预测当前区域雨势在减小；
其他情况则表示当前区域雨势无明显变化。
9.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求3-8中任一项所述方法的步骤。
CN201910712231.8A 2019-08-02 2019-08-02 基于机器视觉的小范围天气预报系统、方法及存储介质 Pending CN110579821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910712231.8A CN110579821A (zh) 2019-08-02 2019-08-02 基于机器视觉的小范围天气预报系统、方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910712231.8A CN110579821A (zh) 2019-08-02 2019-08-02 基于机器视觉的小范围天气预报系统、方法及存储介质

Publications (1)

Publication Number Publication Date
CN110579821A true CN110579821A (zh) 2019-12-17

Family

ID=68810456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910712231.8A Pending CN110579821A (zh) 2019-08-02 2019-08-02 基于机器视觉的小范围天气预报系统、方法及存储介质

Country Status (1)

Country Link
CN (1) CN110579821A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076784A (zh) * 2020-01-05 2021-07-06 祝爱莲 基于云朵检测的雨情预报平台
CN113593046A (zh) * 2021-06-22 2021-11-02 北京百度网讯科技有限公司 全景切换方法、装置、电子设备和存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100309330A1 (en) * 2009-06-08 2010-12-09 Adensis Gmbh Method and apparatus for forecasting shadowing for a photovoltaic system
CN102393540A (zh) * 2011-09-05 2012-03-28 河海大学 一种磁悬浮式雨量雨强计
CN102564450A (zh) * 2011-12-23 2012-07-11 奇瑞汽车股份有限公司 一种距离和速度测量方法及装置
CN102809767A (zh) * 2012-08-10 2012-12-05 杭州九树网络科技有限公司 利用雨感设备实时天气预报系统及预报方法
CN103323889A (zh) * 2013-07-08 2013-09-25 昆明理工大学 一种基于图像灰度统计的天气状况识别方法
CN103472501A (zh) * 2013-09-06 2013-12-25 中国气象科学研究院 云检测及全天空总云量检测方法和系统
CN103513295A (zh) * 2013-09-25 2014-01-15 青海中控太阳能发电有限公司 一种基于多相机实时拍摄与图像处理的天气监测系统与方法
EP2818803A1 (de) * 2013-06-28 2014-12-31 Uwe Weiher Verfahren zur Regelung des Klimas in einem Gebäude mittels zumindest einer Haus- oder Verfahrenstechnischen Anlage
CN204241712U (zh) * 2014-12-09 2015-04-01 武汉大学 一种实时雨量计
CN105474041A (zh) * 2013-07-11 2016-04-06 古野电气株式会社 气象信息处理装置、气象雷达系统及气象信息处理方法
CN105783861A (zh) * 2014-12-22 2016-07-20 国家电网公司 基于双地基云图的云团高度测量方法
CN105894129A (zh) * 2016-04-25 2016-08-24 中国联合网络通信集团有限公司 一种预测下雨的方法和系统
CN107621664A (zh) * 2017-09-13 2018-01-23 首航节能光热技术股份有限公司 一种用于太阳能采集区域的云遮预判装置与方法
CN108833662A (zh) * 2018-04-23 2018-11-16 Oppo广东移动通信有限公司 天气提醒方法、装置、存储介质和终端
CN109239808A (zh) * 2018-08-01 2019-01-18 平安科技（深圳）有限公司 天气预报方法、装置、计算机设备及存储介质
CN110031915A (zh) * 2019-05-08 2019-07-19 中国气象科学研究院 一种三维云场诊断方法及装置
US10795056B2 (en) * 2017-06-23 2020-10-06 Tianjin Kantian Technology Co., Ltd. Local weather forecast

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100309330A1 (en) * 2009-06-08 2010-12-09 Adensis Gmbh Method and apparatus for forecasting shadowing for a photovoltaic system
CN102393540A (zh) * 2011-09-05 2012-03-28 河海大学 一种磁悬浮式雨量雨强计
CN102564450A (zh) * 2011-12-23 2012-07-11 奇瑞汽车股份有限公司 一种距离和速度测量方法及装置
CN102809767A (zh) * 2012-08-10 2012-12-05 杭州九树网络科技有限公司 利用雨感设备实时天气预报系统及预报方法
EP2818803A1 (de) * 2013-06-28 2014-12-31 Uwe Weiher Verfahren zur Regelung des Klimas in einem Gebäude mittels zumindest einer Haus- oder Verfahrenstechnischen Anlage
CN103323889A (zh) * 2013-07-08 2013-09-25 昆明理工大学 一种基于图像灰度统计的天气状况识别方法
CN105474041A (zh) * 2013-07-11 2016-04-06 古野电气株式会社 气象信息处理装置、气象雷达系统及气象信息处理方法
CN103472501A (zh) * 2013-09-06 2013-12-25 中国气象科学研究院 云检测及全天空总云量检测方法和系统
CN103513295A (zh) * 2013-09-25 2014-01-15 青海中控太阳能发电有限公司 一种基于多相机实时拍摄与图像处理的天气监测系统与方法
CN204241712U (zh) * 2014-12-09 2015-04-01 武汉大学 一种实时雨量计
CN105783861A (zh) * 2014-12-22 2016-07-20 国家电网公司 基于双地基云图的云团高度测量方法
CN105894129A (zh) * 2016-04-25 2016-08-24 中国联合网络通信集团有限公司 一种预测下雨的方法和系统
US10795056B2 (en) * 2017-06-23 2020-10-06 Tianjin Kantian Technology Co., Ltd. Local weather forecast
CN107621664A (zh) * 2017-09-13 2018-01-23 首航节能光热技术股份有限公司 一种用于太阳能采集区域的云遮预判装置与方法
CN108833662A (zh) * 2018-04-23 2018-11-16 Oppo广东移动通信有限公司 天气提醒方法、装置、存储介质和终端
CN109239808A (zh) * 2018-08-01 2019-01-18 平安科技（深圳）有限公司 天气预报方法、装置、计算机设备及存储介质
CN110031915A (zh) * 2019-05-08 2019-07-19 中国气象科学研究院 一种三维云场诊断方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MELISSA FREE 等: "Comparison between Total Cloud Cover in Four Reanalysis Products and Cloud Measured by Visual Observations at U.S. Weather Stations", 《JOURNAL OF CLIMATE》 *
杜钧 等: "集合预报方法在暴雨研究和预报中的应用", 《气象科技进展》 *
王琦 等: "气象预报中阴雨雾图像优化识别仿真", 《计算机仿真》 *
谭政华 等: "气象谚语"八月十五云遮月、正月十五雪打灯"在长期天气预报中的检验应用", 《第35届中国气象学会年会 S7 东亚气候、极端气候事件变异机理及气候预测中国气象学会会议论文集》 *
陆忠艳 等: "辽宁乡镇天气预报中风和相对湿度及云量的空间插值方法", 《气象与环境学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076784A (zh) * 2020-01-05 2021-07-06 祝爱莲 基于云朵检测的雨情预报平台
CN113076784B (zh) * 2020-01-05 2022-11-25 泰州无印广告传媒有限公司 基于云朵检测的雨情预报平台
CN113593046A (zh) * 2021-06-22 2021-11-02 北京百度网讯科技有限公司 全景切换方法、装置、电子设备和存储介质
CN113593046B (zh) * 2021-06-22 2024-03-01 北京百度网讯科技有限公司 全景切换方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN112417953B (zh) 道路状况检测和地图数据更新方法、装置、系统及设备
US9070023B2 (en) System and method of alerting a driver that visual perception of pedestrian may be difficult
CN101556142B (zh) 架空线路覆冰厚度的视觉检测方法
CN107507226B (zh) 一种图像匹配的方法及装置
CN110488391B (zh) 针对小区域的天气预测系统、方法及存储介质
CN101286239A (zh) 航拍交通视频车辆快速检测方法
CN110728650A (zh) 一种基于智能终端的井盖凹陷检测方法及相关设备
CN111047874B (zh) 智能交通违章管理方法及相关产品
CN111753612B (zh) 一种抛洒物检测方法、装置及存储介质
CN110579821A (zh) 基于机器视觉的小范围天气预报系统、方法及存储介质
CN105095869A (zh) 行人检测方法及装置
CN108871290B (zh) 一种基于光流法检测与贝叶斯预测的可见光动态定位方法
CN101561932A (zh) 一种动态复杂背景下的实时运动目标检测方法和装置
US11748664B1 (en) Systems for creating training data for determining vehicle following distance
CN109359593A (zh) 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法
CN110795998B (zh) 人流量的检测方法、装置、电子设备及可读存储介质
CN114549440A (zh) 接触网动态几何参数检测方法、装置及电子设备
CN116258940A (zh) 一种多尺度特征及自适应权重的小目标检测方法
CN111368596B (zh) 人脸识别逆光补偿方法、装置、可读存储介质及设备
CN109711313B (zh) 一种识别向河道内倾倒污水的实时视频监控方法
CN111009136A (zh) 一种高速公路行驶速度异常车辆检测方法、装置及系统
Khan et al. Speed estimation of vehicle in intelligent traffic surveillance system using video image processing
CN112422895A (zh) 基于无人机的图像分析跟踪、定位系统及方法
CN109166081B (zh) 一种视频能见度检测过程中目标亮度调节方法
CN107194923B (zh) 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法

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