[發明專利]一種基于卷積神經網絡的降雨強度檢測方法

有效

• 申請號: 202110223872.4
• 申請日: 2021-03-01
• 公開（公告）號: CN112883969B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 張振;王杰;沈淏旸;黃啟略;魏饒;陳林;劉志杰;莫岱輝;蔣蕓
• 申請（專利權）人: 河海大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/28;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06N5/04;G01W1/14
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 成立珍

本發明公開了一種基于卷積神經網絡的降雨強度檢測方法，屬于計算機視覺技術領域，本發明利用不同降雨條件下水面雨生表面波紋理特征的差異性，通過對連續兩幀圖像進行殘差處理提取波紋紋理特征，進而使用全卷積神經網絡進行有監督的深度學習，實現無雨、小雨、中雨、大雨四個等級的瞬時降雨強度定性檢測。本發明選取不同天氣、光照和水流條件下實際水面的監控圖像構建神經網絡訓練數據集，對復雜光照條件具有較強的魯棒性，可實現全天候實時在線監測。本發明在保障準確獲取降雨強度信息的同時有效地減少了布設傳統降雨強度檢測儀器所需的成本。

技術領域

本發明屬于計算機視覺技術領域，具體涉及一種基于卷積神經網絡的降雨強度檢測方法。

背景技術

降雨是指氣體遇冷結成水汽并以各種方式降落到陸地、海洋的一種天氣現象。降雨的時空分布異常現象是誘發各種自然災害的重要因素，因此對降雨強度的實時監測對防范洪水、泥石流等重大災害具有重要的指導意義。同時降雨也是農業生產等經濟活動中不可獲取的一部分，因此對降雨強度的實時監測也具有重要的經濟意義。

傳統的降雨強度監測設備如雨量計、翻斗雨量筒等等具有實時性弱、自動化程度較低、可靠性不足等等缺點。自上世紀六十年代開始，國外就已經開展了降雨強度監測的自動化研究。現在已經發展出了多種基于光學的半自動化降雨強度監測儀器，如紅外雨滴譜儀、天氣現象儀等。

國內主流的降雨強度監測方式仍然是傳統的雨量計式，近年來，我國也出現了一些基于光學原理的半自動化降雨監測儀器，如脈沖照明光學雨量測量方法與雨量計(公開號：CN102436015B)，通過光照脈沖和定時攝像方式計算降雨粒子像素移動距離從而計算降雨粒子末速度。然而該方法存在量程范圍較小，對光照不均勻導致的降雨粒子不清晰等問題魯棒性較差。此外，也有如一種可視化雨量監測裝置及方法(公開號：CN110196458A)這樣的設備，但只是簡單的將傳統的雨量計設備和攝像頭組網連接，自動化水平較低且設備可靠性不高。

近年來，基于計算機視覺技術的圖像處理技術取得了較大的進步。在傳統的決策樹、支持向量機、專家系統等等之后，卷積神經網絡技術(CNN)的提出將計算機視覺技術推向了新的高度。卷積神經網絡技術具有很強的可拓展性，在近幾年中對卷積神經網絡模型的不斷優化改進中涌現了多種多樣深度、卷積函數、網絡結構、優化方法等等方面不同且性能各有優劣的網絡模型，并在實際應用中取得了優于傳統方法的較好結果。而基于計算機視覺技術的對降雨強度的預測技術盡管在理論上是完全可行的，但在應用過程中也出現了一系列的難題。

已有的基于空間降雨圖像的降雨強度識別方式面臨著對光照條件較為敏感的問題，降雨粒子在空間中的分布速度、粒子大小、光照條件等種種條件的變化使得攝像設備難以準確、全面地捕捉降雨粒子信息。

不同于常規圖像處理只能提取淺層次的視覺特征，卷積神經網絡可以提取更高層次的視覺特征，在提取圖像特征并且進行分類的任務中取得極具優勢的效果，并顯現出高效的學習性能和良好的應用效果。研究基于卷積神經網絡的降雨強度檢測方法，有望克服野外復雜環境下降雨粒子圖像信息獲取的難點，解決觀測實時性、準確性等問題。

發明內容

發明目的：本發明旨在提供一種基于卷積神經網絡的降雨強度檢測方法，保障準確獲取降雨強度信息。

技術方案：為了實現上述目的，本發明是通過如下的技術方案來實現：

一種基于卷積神經網絡的降雨強度檢測方法，包括如下步驟：

S1：系統設置；

S2：采集圖像對；

S3：對S2中所獲取的圖像對進行殘差二值化處理；

S4：網絡模型構建：包括數據集構建、網絡模型設計和網絡模型訓練；

S5：降雨強度預測。