CN117092723B - 一种气象智能识别设备 - Google Patents

一种气象智能识别设备 Download PDF

Info

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
Application number
CN202311061096.8A
Other languages
English (en)
Other versions
CN117092723A (zh
Inventor
曹宇
张琼
程旭
于红绯
魏海平
袁诗齐
程传昊
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.)
Liaoning Shihua University
Original Assignee
Liaoning Shihua 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 Liaoning Shihua University filed Critical Liaoning Shihua University
Priority to CN202311061096.8A priority Critical patent/CN117092723B/zh
Publication of CN117092723A publication Critical patent/CN117092723A/zh
Application granted granted Critical
Publication of CN117092723B publication Critical patent/CN117092723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (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

一种气象智能识别设备
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。
CN202311061096.8A 2023-08-23 2023-08-23 一种气象智能识别设备 Active CN117092723B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
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
CN112615984B (zh) 一种一体化野生动物图像自动采集装置及方法
CN114677617A (zh) 一种基于智能照明的路灯智能控制方法及装置
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
CN101378501A (zh) 红外全景联动监控装置及其控制方法
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
CN102572285A (zh) Ccd摄像机的日夜模式转换方法
CN103543638A (zh) 一种自动雨刷控制方法
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
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
CN118034150B (zh) 一种数字化远程机电智能控制系统
CN110174133A (zh) 一种自然雷击放电过程监测系统
CN116056288A (zh) 车辆灯光的控制方法、非易失性存储介质及车辆
CN117092723B (zh) 一种气象智能识别设备
CN113822249B (zh) 一种监测架空线路隐患位置的方法、设备
CN113992127A (zh) 一种光伏跟踪支架转动系统和控制器
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
CN114040555A (zh) 基于图像传感器的路灯系统与路灯控制方法
CN116017816B (zh) 基于视频分析的智慧路灯调节控制系统
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

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