[发明专利]一种天气现象信息智能处理方法及系统

权利要求书

1.一种天气现象信息智能处理方法，包括以下步骤：

根据标注过的历史天气现象图片，构建天气现象识别模型；

利于所述天气现象识别模型，对实时采集的天气现象图片进行识别生成判识结果；

根据所述判识结果与测量数据对采集的图片进行标注，进行所述天气现象识别模型的训练迭代；

将判识结果与站点信息进行展示。

2.根据权利要求1所述的天气现象信息智能处理方法，其特征在于，所述根据标注过的历史天气现象图片，构建天气现象识别模型的步骤，进一步包括：在TENSORFLOW框架下搭建CNN卷积神经网络，对标注过的天气现象历史图片数据，构建天气现象识别模型。

3.根据权利要求1所述的天气现象信息智能处理方法，其特征在于，所述天气现象识别模型，对实时采集的天气现象图片进行识别生成判识结果的步骤，进一步包括：所述天气现象识别模型对天空观测摄像机采集的图像进行云量、云状的判识；对地面观测摄像机采集的图像进行天气现象判识；生成判识结果。

4.根据权利要求3所述的天气现象信息智能处理方法，其特征在于，

所述天气现象识别模型对天空观测摄像机采集的图像进行特征量的智能提取并且与已有判识库的云状特征量进行智能比对，找出最接近的云状，结合PM2.5、PM10、温度、湿度等测量数据，对轻雾、雾、霾、浮尘、扬沙、沙尘暴、雨、雪的天气现象进行分类判识，生成判识结果；

所述天气现象识别模型对地面观测摄像机采集的图像进行处理，并进行凝结类天气现象和降水类天气现象的判识，生成判识结果；所述凝结类天气现象包括：积雪、雪深、结露、结冰、结霜、雨凇、雾凇、电线积冰；所述降水类天气现象包括：毛毛雨、雨、雨夹雪、雪冰雹、无降水。

5.根据权利要求1所述的天气现象信息智能处理方法，其特征在于，所述根据所述判识结果与测量数据对采集的图片进行标注，并进行天气现象识别模型的训练迭代的步骤，是根据所述判识结果与测量数据，对采集的图片进行自动标注或/和人工标注图片类型，并进行所述天气现象识别模型的训练迭代。

6.一种天气现象信息智能处理系统，包括，GPU服务器、气象观测站子系统、图片数据服务器，以及终端展示设备，其中，

所述GPU服务器，其根据标注过的天气现象历史图片数据构建天气现象识别模型，并将所述天气现象识别模型分别部署到各个气象观测站子系统；将判识结果及站点信息发送给终端展示设备进行展示；

所述气象观测站子系统，其对气象观测站站点的天气现象进行判识，并将判识结果发送给所述图片数据服务器；

所述图片数据服务器，其接收所述气象观测站子系统发送的判识结果，并进行图文展示；接收所述终端展示设备的请求，将所述判识结果以及站点信息发送给所述终端展示设备进行图文展示。

7.根据权利要求6所述的天气现象信息智能处理系统，其特征在于，所述GPU服务器，其对标注过的天气现象历史图片数据在TENSORFLOW框架下搭建CNN卷积神经网络，对天气现象历史图片进行天气现象识别模型的构建。

8.根据权利要求6所述的天气现象信息智能处理系统，其特征在于，所述气象观测站子系统，进一步包括，前端主机、天空观测摄像机、地面观测摄像机，以及气象参数观测站，其中，

所述前端主机，其通过搭建的天气现象识别模型结合所述气象参数观测站采集的气象参数测量数据对实时采集的图片进行判识并生成不同类别的判识结果；

所述天空观测摄像机，其用于云量、云状图片的采集，并将采集的图像发送给所述前端主机；

所述地面观测摄像机，其用于地面、结冰架、冰槽、雪深尺图片的采集，并将采集的图像发送给所述前端主机；

所述气象参数观测站，其用于气象参数测量数据的采集，包括温度、湿度、压力、风向、风速、雨量、PM2.5、PM10、照度及雪深。