CN117092723B - 一种气象智能识别设备 - Google Patents
一种气象智能识别设备 Download PDFInfo
- Publication number
- CN117092723B CN117092723B CN202311061096.8A CN202311061096A CN117092723B CN 117092723 B CN117092723 B CN 117092723B CN 202311061096 A CN202311061096 A CN 202311061096A CN 117092723 B CN117092723 B CN 117092723B
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- main control
- module
- control board
- 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.)
- Active
Links
- 238000005286 illumination Methods 0.000 claims abstract description 53
- 230000001502 supplementing effect Effects 0.000 claims abstract description 42
- 238000010438 heat treatment Methods 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000011176 pooling Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B15/00—Special procedures for taking photographs; Apparatus therefor
- G03B15/02—Illuminating scene
- G03B15/03—Combinations of cameras with lighting apparatus; Flash units
- G03B15/05—Combinations of cameras with electronic flash apparatus; Electronic flash units
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B17/00—Details of cameras or camera bodies; Accessories therefor
- G03B17/55—Details of cameras or camera bodies; Accessories therefor with provision for heating or cooling, e.g. in aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biophysics (AREA)
- Atmospheric Sciences (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Biomedical Technology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及气象识别技术领域，提供一种气象智能识别设备，包括：壳体、主控板、摄像头和采集板；所述摄像头的机芯和采集板分别与主控板信号连接；所述采集板上外接有壳内温度传感器、壳外温度传感器、光照强度传感器、红外补光灯、白光补光灯和加热片中的一种或多种；所述采集板，采集外部环境信息，所述外部环境信息包括壳内温度、壳外温度和光照强度；所述摄像头，采集气象图像信息，在判断周期内连续抓拍多幅气象图像；所述主控板，根据气象图像信息识别气象分类结果；并根据外部环境信息，输出红外补光灯、白光补光灯和加热片的控制指令。本发明能够智能识别出当前气象，同时智能识别出是否需要开启补光灯、加热片。
Description
技术领域
本发明涉及气象识别技术领域，尤其涉及一种气象智能识别设备。
背景技术
目前各级气象观测站依赖集成物理传感器的外辅仪器对雨、雪、冰雹、大雾、雨夹雪等气象类型进行判别，常用的设备有雨量观测仪、能见度观测仪、风速风向仪器、雪深探测仪等。随着气象观测技术不断更新，可观测的天气要素不断增多，观测精度不断提高，稳定性不断提升。
但是基于物理传感技术的观测模式也存在一定不足之处：1)多类观测仪器的集成系统体积较大；2)多类观测仪器的耗能较高，对于以太阳板为主的气象站电源系统要求就高；3)不同厂家的观测仪器通讯标准不同容易造成数据存储系统的不稳定；4)多类观测仪造成各级气象站的建设成本较高。
发明内容
本发明主要解决现有技术的气象识别设备体积较大、耗能较高、数据存储不稳定以及建设成本较高的技术问题，提出一种气象智能识别设备，以智能识别出当前气象，同时智能识别出是否需要开启补光灯、加热片，并降低传输功耗和流量费用。
本发明提供了一种气象智能识别设备，包括：壳体、主控板、摄像头和采集板；
所述摄像头的机芯和采集板分别与主控板信号连接；
所述采集板上外接有壳内温度传感器、壳外温度传感器、光照强度传感器、红外补光灯、白光补光灯和加热片中的一种或多种；其中，所述壳内温度传感器安装在采集板上；所述壳外温度传感器安装在壳体外侧，用于采集环境温度；所述光照强度传感器安装在摄像头窗口的玻璃板内侧，用于采集摄像头窗口的光照强度；所述红外补光灯安装在补光灯窗口的第二排；所述白光补光灯安装在补光灯窗口的第一排；所述加热片安装在摄像头的视窗上；
所述主控板，存储有往日光照强度与时间的对应关系数据；
所述采集板，采集外部环境信息，所述外部环境信息包括壳内温度、壳外温度和光照强度；
所述摄像头，采集气象图像信息，在判断周期内连续抓拍多幅气象图像；
所述主控板，根据气象图像信息识别气象分类结果；并根据外部环境信息，输出红外补光灯、白光补光灯和加热片的控制指令。
优选的，所述采集板，包括：MCU模块、AD模块、DO模块、电源模块和RS232接口模块；
所述AD模块、DO模块、电源模块、RS232接口模块分别与MCU模块信号连接。
优选的，所述主控板上设置存储模块、wifi模块、4G通信模块和GPS定位模块；
所述存储模块、4G通信模块和GPS定位模块分别与MCU模块信号连接。
优选的，所述主控板，根据图像信息识别气象分类结果，包括：
主控板根据气象分类结果和采集板采集到的外部环境信息，若气象分类结果为未知气象，则首先查看当前温度，如果当前温度在温度阈值以下，并且对比往日光照强度与时间的对应关系，当前光照强度低于第一光照强度阈值，认为当前的摄像头视窗被雪或霜遮挡，并命令采集板开启视窗的加热片；若当温度在温度阈值以上，并且对比往日光照强度与时间的对应关系，当前光照强度低于第二光照强度阈值，认为当前的摄像头视窗被雨遮挡，命令采集板开启视窗的加热片。
优选的，所述主控板，根据当前时间判断是否为夜间时间，若为夜间则命令采集板开启补光灯；若为白天，则判断图像的亮度和当前的光照强度，与往日同一时刻的图像亮度和光照强度对比，若图像亮度低于图像亮度阈值，并且光照强度低于第一光照强度阈值，则命令采集板在摄像头抓拍图像前开启补光灯，在抓拍完成后关闭补光灯。
优选的，所述主控板，控制摄像头的焦距和快门时间，完成气象图像的采集，识别出气象分类结果，并将气象分类结果通过4G通信模块进行数据上传；当4G网络意外断开时，将气象分类结果和气象图像信息存储于本地存储模块内，待4G网络恢复后，补传断开后的信息。
优选的，所述主控板，通过RJ45接口与摄像头的机芯连接，通过TCP/IP协议访问摄像头，控制摄像头的焦距和快门时间，设置摄像头的抓拍周期，摄像头抓拍气象图像后通过TCP/IP协议传输给主控板。
优选的，所述补光灯，包括一排白光LED灯和一排红外灯；
所述加热片采用蛇形环绕的电阻线。
优选的，所述主控板包括智能算法模块；
所述智能算法模块，根据图像信息识别气象分类结果，过程如下：
步骤1，图像预处理：将图像大小调整为网络输入的固定尺寸，并进行归一化处理，还要将图像像素值缩放到特定的范围；并将当前图像与上一张图像做差分处理，得到两张图像的差异特征值。
输入的图像需要进行预处理以适应MobileNet-v3的要求，即将图像大小调整为网络输入的固定尺寸，并进行归一化处理，还要将图像像素值缩放到特定的范围，即0到1之间。
此外，为了更好的识别出雨雪天气，采用了图像差分和叠加的预处理方法：图像差分就是将当前图像与上一张图像做差分，得到两张图像的差异特征值，当上一张图像为未下雨图像，当前图像为下雨图像时，即可以识别出雨特征值，再进行特征提取就更加容易；而图像的叠加预处理方法，则是为了识别小雨的情况所使用的处理方法，即当一张图片的雨滴数量很少，不太容易识别出雨的特征值时，将多张有少数雨滴的图像叠加，那么合成后的一张图像里雨滴的数量就会增多，进而方便特征值的提取，使识别结果更加精准。
步骤2，特征提取：预处理后的图像通过MobileNet-v3的卷积层进行特征提取。
MobileNet-v3中的卷积层采用深度可分离卷积操作，以减少参数量和计算复杂度。这些操作在不同的网络结构单元中进行。
步骤3，特征映射：在特征提取阶段之后，图像经过卷积层后得到的特征图被送入全局平均池化层，将特征图的每个通道进行平均池化。
全局平均池化层将特征图的每个通道进行平均池化，将空间维度缩减为一个固定的向量。这个向量代表了图像在不同特征通道上的特征表示。
步骤4，分类预测：经过全局平均池化后，得到的特征向量会被送入一个全连接层，将特征向量映射到不同类别的概率分布上，通过使用适当的激活函数Softmax进行分类预测。
全连接层将特征向量映射到不同类别的概率分布上，通过使用适当的激活函数Softmax进行分类预测。最终，模型会输出一个概率向量，表示图像属于每个类别的可能性，那么可能性最大的那个分类就是识别的最终结果。
优选的，所述主控板，根据采集的图像信息，识别图像效果，给出告警信息，其中，所述告警信息，包括：摄像镜头有污渍、摄像头被遮挡、通信接口故障、电池电量低或安装架损坏掉落。
本发明提供的一种气象智能识别设备，为一体设备，可简化安装步骤，准确识别气象情况，具有边缘计算能力、存储功能、4G远程功能、低功耗特点。本发明通过摄像头抓拍气象图像，智能识别出当前气象，同时智能识别出是否需要开启补光灯、加热片等操作，给出电池电量低、摄像头异常等告警信息，并通过GPS定位功能获取当前位置，通过4G网络远程至远端服务器，带有本地存储功能，可存储30天的识别结果和图像，由于采用边缘设备的图像识别技术，图片采集的功耗远远低于视频采集的功耗，并且仅上传识别结果，数据量远小于上传过程数据，大大降低了传输功耗和流量费用。
附图说明
图1是本发明提供的气象智能识别设备的结构框图；
图2是本发明提供的采集板的结构框图；
图3是智能识别结果的辅助判断流程图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
如图1所示，本发明实施例提供的气象智能识别设备，包括：壳体、主控板、摄像头和采集板；
所述摄像头的机芯和采集板分别与主控板信号连接；
所述主控板上设置存储模块、wifi模块、4G通信模块和GPS定位模块；所述存储模块、4G通信模块和GPS定位模块分别与MCU模块信号连接。
主控板通过串口查看采集板的采集信息和控制采集板的输出，智能控制补光灯和加热片的开关。主控板通过RS232接口模块与采集板连接，通过自定义的串口协议交互数据，数据内容包括状态获取信息和命令执行信息。其中状态信息包括温度、光照强度、加热片状态、闪光灯状态、电池电量等信息；命令执行信息包括开关闪光灯和开关加热片命令。主控板周期获取采集板状态信息，并通过4G网络上传给远端服务器，当电池电量低于告警门限时，向远端服务器发送电池电量低的告警信息。除此之外，主控板还会根据光照强度信息和当前的时间，综合判断是否需要开启补光灯，如果需要开启补光灯，则向采集板发送开启补光灯指令；当主控板判断视窗有雨、雪或霜遮挡时，还会向采集板发送开启加热片指令。
主控板的4G通信模块是与远端服务器同步的唯一接口，通过4G通信模块，远端可实时查询气象智能识别设备的当前状态，获取当前的拍摄效果，手动调节摄像头的焦距和快门时间，使天气图像的抓拍效果达到最优；此外，还可以远程配置抓拍周期、采集板状态读取周期等参数。
所述采集板上外接有壳内温度传感器、壳外温度传感器、光照强度传感器、红外补光灯、白光补光灯和加热片中的一种或多种；其中，所述壳内温度传感器安装在采集板上；所述壳外温度传感器安装在壳体外侧，用于采集环境温度；所述光照强度传感器安装在摄像头窗口的玻璃板内侧，用于采集摄像头窗口的光照强度；所述红外补光灯安装在补光灯窗口的第二排；所述白光补光灯安装在补光灯窗口的第一排；所述加热片安装在摄像头的视窗上。采集板采集的信息包括电池电量、壳内温度、壳外温度和光照强度，采集板的输出包括摄像头视窗除雪加热片的开关、红外补光灯的开关和白光补光灯的开关。
所述补光灯，包括一排白光LED灯和一排红外灯；两排灯可分别开启，也可同时开启，应用于不同光照环境。
所述加热片采用蛇形环绕的电阻线，开启后，产生热量，进而融化雪和霜，烘干雨水。为了防止加热片持续加热，节省电量，采集板每次开启加热片的时间最长为10分钟，持续加热10分钟后自动关闭加热片，主控板的关闭指令可提前关闭加热片。当选用太阳能电池供电系统时，加热片也可贴于太阳能板背面，当太阳能板背雪覆盖时，可使用加热片加热功能为太阳能板除雪，及时恢复太阳能板的储能功能。
采集板作为主控板的辅助部分，负责采集温度、光照强度和电池电量等信息，执行开/关补光灯和加热片的命令，是气象智能识别设备不可获取的部分。如图2所示，所述采集板，包括：MCU模块、AD模块、DO模块、电源模块和RS232接口模块；所述AD模块、DO模块、电源模块、RS232接口模块分别与MCU模块信号连接。其中，串口通信模块完成与主控板之间的数据交互功能；AD采集模块(模数转换模块)完成温度、光照强度和电池电量的采集功能；DO输出模块(16通道24VDC数字量输出模块)完成主控板命令的执行功能，包括补光灯的开启和关闭、加热片的开启和关闭；电源模块提供对的电源输入口，并为采集板、主控板和摄像头提供12V电源输出。采集板采集电池电量的功能，应用于使用电池供电的系统，当选择太阳能供电系统为气象智能识别设备供电时，需实时监测电池电量情况，确保供电正常。采集板通过采集电池的供电电压，根据如下表格计算出电池的剩余电量。
所述主控板，存储有往日光照强度与时间的对应关系数据；
所述采集板，采集外部环境信息，所述外部环境信息包括壳内温度、壳外温度和光照强度；
所述摄像头，采集气象图像信息，在判断周期内连续抓拍多幅气象图像；
所述主控板，根据气象图像信息识别气象分类结果；并根据外部环境信息，输出红外补光灯、白光补光灯和加热片的控制指令。
所述主控板，根据当前时间判断是否为夜间时间，若为夜间则命令采集板开启补光灯；若为白天，则判断图像的亮度和当前的光照强度，与往日同一时刻的图像亮度和光照强度对比，若图像亮度低于图像亮度阈值(图像亮度阈值例如为往日图像亮度的50％)，并且光照强度低于第一光照强度阈值(第一光照强度阈值例如为往日同一时刻光照强度的50％)，则命令采集板在摄像头抓拍图像前开启补光灯，在抓拍完成后关闭补光灯。
主控板为气象智能识别设备的核心部分，所述主控板，控制摄像头的焦距和快门时间，完成气象图像的采集，识别出气象分类结果，并将气象分类结果通过4G通信模块进行数据上传；当4G网络意外断开时，将气象分类结果和气象图像信息存储于本地存储模块(TF卡)内，待4G网络恢复后，补传断开后的信息。此外，主控板还负责采集板状态的读取和控制，以及本地配置等功能。
所述主控板，通过RJ45接口与摄像头的机芯连接，通过TCP/IP协议访问摄像头，控制摄像头的焦距和快门时间，设置摄像头的抓拍周期，摄像头抓拍气象图像后通过TCP/IP协议传输给主控板。
所述主控板，根据采集的图像信息，识别图像效果，给出告警信息，其中，所述告警信息，包括：摄像镜头有污渍、摄像头被遮挡、通信接口故障、电池电量低或安装架损坏掉落。
主控板通过RJ45接口获取摄像头机芯的气象图像信息，在判断周期内连续抓拍多幅图像，依次输入到图片分类模型mobileNet-v3中，每幅图像得出一个分类结果标签，统计出分类结果一致的标签数，将标签数最多结果作为最终的识别结果，并随机取一张该标签图像，储存于本地，存储于本地。
具体的，所述主控板包括智能算法模块；所述主控板基于安卓系统开发智能算法模块和相应的程序。主控板将气象图像信息传递到智能算法模块，返回气象分类结果。智能算法模块使用MobileNet-v3模型，将气象图像信息识别为雾、雨、雪、雨夹雪等气象分类结果。所述智能算法模块，根据图像信息识别气象分类结果，过程如下：
步骤1，图像预处理：将图像大小调整为网络输入的固定尺寸，并进行归一化处理，还要将图像像素值缩放到特定的范围；并将当前图像与上一张图像做差分处理，得到两张图像的差异特征值。
输入的图像需要进行预处理以适应MobileNet-v3的要求，即将图像大小调整为网络输入的固定尺寸，并进行归一化处理，还要将图像像素值缩放到特定的范围，即0到1之间。
此外，为了更好的识别出雨雪天气，采用了图像差分和叠加的预处理方法：图像差分就是将当前图像与上一张图像做差分，得到两张图像的差异特征值，当上一张图像为未下雨图像，当前图像为下雨图像时，即可以识别出雨特征值，再进行特征提取就更加容易；而图像的叠加预处理方法，则是为了识别小雨的情况所使用的处理方法，即当一张图片的雨滴数量很少，不太容易识别出雨的特征值时，将多张有少数雨滴的图像叠加，那么合成后的一张图像里雨滴的数量就会增多，进而方便特征值的提取，使识别结果更加精准。
步骤2，特征提取：预处理后的图像通过MobileNet-v3的卷积层进行特征提取。
MobileNet-v3中的卷积层采用深度可分离卷积操作，以减少参数量和计算复杂度。这些操作在不同的网络结构单元中进行。
步骤3，特征映射：在特征提取阶段之后，图像经过卷积层后得到的特征图被送入全局平均池化层，将特征图的每个通道进行平均池化。
全局平均池化层将特征图的每个通道进行平均池化，将空间维度缩减为一个固定的向量。这个向量代表了图像在不同特征通道上的特征表示。
步骤4，分类预测：经过全局平均池化后，得到的特征向量会被送入一个全连接层，将特征向量映射到不同类别的概率分布上，通过使用适当的激活函数Softmax进行分类预测。
全连接层将特征向量映射到不同类别的概率分布上，通过使用适当的激活函数Softmax进行分类预测。最终，模型会输出一个概率向量，表示图像属于每个类别的可能性，那么可能性最大的那个分类就是识别的最终结果。
经过以上四个步骤，智能算法模块便会返回识别的气象分类结果。
当气象识别成功时，将识别结果、当前时间和当前位置信息封装成报文，通过4G网络，上传到远端服务器。
主控板除了识别雨、雪、雾、雨夹雪这四类外，还有一类其他，即不属于雨、雪、雾、雨夹雪这四类气象的未知气象情况，当返回的识别结果为其他时，即为气象识别失败。
当气象识别失败时，主控板查看当前温度。
所述主控板，根据图像信息识别气象分类结果，包括：主控板根据气象分类结果和采集板采集到的外部环境信息，若气象分类结果为未知气象，则首先查看当前温度，如果当前温度在温度阈值(温度阈值例如为4度)以下，并且对比往日光照强度与时间的对应关系，当前光照强度低于第一光照强度阈值(第一光照强度阈值例如为往日同一时刻光照强度的50％)，认为当前的摄像头视窗被雪或霜遮挡，并命令采集板开启视窗的加热片；若当温度在温度阈值以上，并且对比往日光照强度与时间的对应关系，当前光照强度低于第二光照强度阈值(第二光照强度阈值例如为往日同一时刻光照强度的30％)，认为当前的摄像头视窗被雨遮挡，命令采集板开启视窗的加热片。加热一段时间后，使遮挡消除，再尝试识别天气。
若不是遮挡导致的失败，则向摄像头发送手动抓拍指令，指定连续抓拍动作，将多幅图像传递到智能识别算法模块中，若此处返回的识别结果为已知的气象情况，则认为此前的识别失败是否为偶发事件，并上传本次识别结果；若此次识别仍然失败，则向远端服务器发送异常告警信息，通知摄像头异常。该过程的流程图如图3所示。
主控板的识别结果和图像依据均存储于本地TF卡内，便于统计分析，可持续保存30天的气象识别信息，采用循环覆盖的方式进行存储。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种气象智能识别设备，其特征在于，包括：壳体、主控板、摄像头和采集板；
所述摄像头的机芯和采集板分别与主控板信号连接；
所述采集板上外接有壳内温度传感器、壳外温度传感器、光照强度传感器、红外补光灯、白光补光灯和加热片中的一种或多种；其中，所述壳内温度传感器安装在采集板上；所述壳外温度传感器安装在壳体外侧，用于采集环境温度；所述光照强度传感器安装在摄像头窗口的玻璃板内侧，用于采集摄像头窗口的光照强度；所述红外补光灯安装在补光灯窗口的第二排；所述白光补光灯安装在补光灯窗口的第一排；所述加热片安装在摄像头的视窗上；
所述主控板，存储有往日光照强度与时间的对应关系数据；
所述采集板，采集外部环境信息，所述外部环境信息包括壳内温度、壳外温度和光照强度；
所述摄像头，采集气象图像信息，在判断周期内连续抓拍多幅气象图像；
所述主控板，根据气象图像信息识别气象分类结果；并根据外部环境信息，输出红外补光灯、白光补光灯和加热片的控制指令；
所述主控板，根据图像信息识别气象分类结果，包括：
主控板根据气象分类结果和采集板采集到的外部环境信息，若气象分类结果为未知气象，则首先查看当前温度，如果当前温度在温度阈值以下，并且对比往日光照强度与时间的对应关系，当前光照强度低于第一光照强度阈值，认为当前的摄像头视窗被雪或霜遮挡，并命令采集板开启视窗的加热片；若当温度在温度阈值以上，并且对比往日光照强度与时间的对应关系，当前光照强度低于第二光照强度阈值，认为当前的摄像头视窗被雨遮挡，命令采集板开启视窗的加热片；
所述主控板，根据当前时间判断是否为夜间时间，若为夜间则命令采集板开启补光灯；若为白天，则判断图像的亮度和当前的光照强度，与往日同一时刻的图像亮度和光照强度对比，若图像亮度低于图像亮度阈值，并且光照强度低于第一光照强度阈值，则命令采集板在摄像头抓拍图像前开启补光灯，在抓拍完成后关闭补光灯；
所述主控板包括智能算法模块；
所述智能算法模块，根据图像信息识别气象分类结果，过程如下：
步骤1，图像预处理：将图像大小调整为网络输入的固定尺寸，并进行归一化处理，还要将图像像素值缩放到特定的范围；并将当前图像与上一张图像做差分处理，得到两张图像的差异特征值；
步骤2，特征提取：预处理后的图像通过MobileNet-v3的卷积层进行特征提取；
步骤3，特征映射：在特征提取阶段之后，图像经过卷积层后得到的特征图被送入全局平均池化层，将特征图的每个通道进行平均池化；
步骤4，分类预测：经过全局平均池化后，得到的特征向量会被送入一个全连接层，将特征向量映射到不同类别的概率分布上，通过使用适当的激活函数Softmax进行分类预测。
2.根据权利要求1所述的气象智能识别设备，其特征在于，所述采集板，包括：MCU模块、AD模块、DO模块、电源模块和RS232接口模块；
所述AD模块、DO模块、电源模块、RS232接口模块分别与MCU模块信号连接。
3.根据权利要求2所述的气象智能识别设备，其特征在于，所述主控板上设置存储模块、wifi模块、4G通信模块和GPS定位模块；
所述存储模块、4G通信模块和GPS定位模块分别与MCU模块信号连接。
4.根据权利要求3所述的气象智能识别设备，其特征在于，所述主控板，控制摄像头的焦距和快门时间，完成气象图像的采集，识别出气象分类结果，并将气象分类结果通过4G通信模块进行数据上传；当4G网络意外断开时，将气象分类结果和气象图像信息存储于本地存储模块内，待4G网络恢复后，补传断开后的信息。
5.根据权利要求1所述的气象智能识别设备，其特征在于，所述主控板，通过RJ45接口与摄像头的机芯连接，通过TCP/IP协议访问摄像头，控制摄像头的焦距和快门时间，设置摄像头的抓拍周期，摄像头抓拍气象图像后通过TCP/IP协议传输给主控板。
6.根据权利要求1所述的气象智能识别设备，其特征在于，所述补光灯，包括一排白光LED灯和一排红外灯；
所述加热片采用蛇形环绕的电阻线。
7.根据权利要求1所述的气象智能识别设备，其特征在于，所述主控板，根据采集的图像信息，识别图像效果，给出告警信息，其中，所述告警信息，包括：摄像镜头有污渍、摄像头被遮挡、通信接口故障、电池电量低或安装架损坏掉落。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311061096.8A CN117092723B (zh) | 2023-08-23 | 2023-08-23 | 一种气象智能识别设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311061096.8A CN117092723B (zh) | 2023-08-23 | 2023-08-23 | 一种气象智能识别设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117092723A CN117092723A (zh) | 2023-11-21 |
| CN117092723B true CN117092723B (zh) | 2024-04-12 |
Family
ID=88772915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311061096.8A Active CN117092723B (zh) | 2023-08-23 | 2023-08-23 | 一种气象智能识别设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117092723B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207020325U (zh) * | 2017-07-26 | 2018-02-16 | 深圳市格云宏邦环保科技有限公司 | 一种具有摄像功能的空气质量检测车系统 |
| CN108537122A (zh) * | 2018-03-07 | 2018-09-14 | 中国科学院西安光学精密机械研究所 | 包含气象参数的图像融合采集系统及图像存储方法 |
| CN110703356A (zh) * | 2019-11-01 | 2020-01-17 | 华云升达(北京)气象科技有限责任公司 | 气象观测装置及系统 |
| CN110929603A (zh) * | 2019-11-09 | 2020-03-27 | 北京工业大学 | 一种基于轻量级卷积神经网络的天气图像识别方法 |
| CN211979235U (zh) * | 2020-05-22 | 2020-11-20 | 林会云 | 天气现象观测仪 |
| CN112261305A (zh) * | 2020-09-24 | 2021-01-22 | 许继电源有限公司 | 一种巡检机器人智能辅助系统及其控制方法 |
| CN212647033U (zh) * | 2020-07-31 | 2021-03-02 | 南京信息工程大学 | 一种高铁可视化自动气象站系统 |
| US20230143145A1 (en) * | 2021-11-10 | 2023-05-11 | ClimateAI, Inc. | Increasing Accuracy and Resolution of Weather Forecasts Using Deep Generative Models |
| CN116630743A (zh) * | 2023-05-15 | 2023-08-22 | 武汉轻工大学 | 基于深度学习的天气图像识别方法、装置、设备及介质 |
-
2023
- 2023-08-23 CN CN202311061096.8A patent/CN117092723B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207020325U (zh) * | 2017-07-26 | 2018-02-16 | 深圳市格云宏邦环保科技有限公司 | 一种具有摄像功能的空气质量检测车系统 |
| CN108537122A (zh) * | 2018-03-07 | 2018-09-14 | 中国科学院西安光学精密机械研究所 | 包含气象参数的图像融合采集系统及图像存储方法 |
| CN110703356A (zh) * | 2019-11-01 | 2020-01-17 | 华云升达(北京)气象科技有限责任公司 | 气象观测装置及系统 |
| CN110929603A (zh) * | 2019-11-09 | 2020-03-27 | 北京工业大学 | 一种基于轻量级卷积神经网络的天气图像识别方法 |
| CN211979235U (zh) * | 2020-05-22 | 2020-11-20 | 林会云 | 天气现象观测仪 |
| CN212647033U (zh) * | 2020-07-31 | 2021-03-02 | 南京信息工程大学 | 一种高铁可视化自动气象站系统 |
| CN112261305A (zh) * | 2020-09-24 | 2021-01-22 | 许继电源有限公司 | 一种巡检机器人智能辅助系统及其控制方法 |
| US20230143145A1 (en) * | 2021-11-10 | 2023-05-11 | ClimateAI, Inc. | Increasing Accuracy and Resolution of Weather Forecasts Using Deep Generative Models |
| CN116630743A (zh) * | 2023-05-15 | 2023-08-22 | 武汉轻工大学 | 基于深度学习的天气图像识别方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117092723A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
| JP6350549B2 (ja) | 映像解析システム | |
| CN110852274B (zh) | 一种基于图像识别的智能雨量感知方法及装置 | |
| US9402061B2 (en) | Smart optical sensor for adaptive, predictive, and on-demand control of public lighting | |
| CN112615984B (zh) | 一种一体化野生动物图像自动采集装置及方法 | |
| CN101378501A (zh) | 红外全景联动监控装置及其控制方法 | |
| CN102572285A (zh) | Ccd摄像机的日夜模式转换方法 | |
| CN111770621A (zh) | 一种基于物联网的集成化智慧路灯控制管理系统及其方法 | |
| CN104134352A (zh) | 基于长短曝光结合的视频车辆特征检测系统及其检测方法 | |
| US11270128B2 (en) | Adaptive visual intelligence outdoor motion/occupancy and luminance detection system | |
| CN107135588A (zh) | 路灯节能控制装置、系统及其控制方法 | |
| CN111766643B (zh) | 一种基于天气监测的激光雷达自动开关机装置及操作方法 | |
| CN110174133A (zh) | 一种自然雷击放电过程监测系统 | |
| CN117092723B (zh) | 一种气象智能识别设备 | |
| CN213152184U (zh) | 基于卷积神经网络的动物识别型野外监控系统 | |
| CN110031041A (zh) | 一种自然雷击放电声、光、电、磁多物理过程监测系统 | |
| CN111757055B (zh) | 基于低功耗监控装置的抓拍方法和系统 | |
| CN116778414A (zh) | 一种基于大数据管理的智慧路灯自动识别方法和系统 | |
| CN205484866U (zh) | 一种输电线微气象监测系统 | |
| US20230170842A1 (en) | Rotation System and Controller for Photovoltaic Tracker | |
| CN116017816A (zh) | 基于视频分析的智慧路灯调节控制系统 | |
| CN114040555A (zh) | 基于图像传感器的路灯系统与路灯控制方法 | |
| CN110782432B (zh) | 图像监拍装置自动除雾的方法 | |
| CN113705442A (zh) | 一种户外大牌广告画面监控识别系统及方法 | |
| CN112261305A (zh) | 一种巡检机器人智能辅助系统及其控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |