[发明专利]一种天气现象信息智能处理方法及系统

说明书

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。本发明还提供一种天气现象信息智能处理系统，利用构建的天气现象识别模型进行图片判识，天气现象识别模型无需与GPU服务器连接就可快速进行迭代，每个站点可单独建立基于该站点图片数据与观测数据的判识模型，从而进一步提升判识准确率；使预报员能够更好地掌握天气实况，利于准确预报。

技术领域

本发明涉及天气现象观测技术领域，特别是涉及一种天气现象信息智能处理方法及系统。

背景技术

天气现象观测，通常包括地面气象观测、高空气象观测。地面气象观测主要是依靠气象观测站点对天气现象进行观测，而且依赖于人工对多种客观资料进行分析，根据预报员经验判识出现的天气现象，这种预报方法极大的依赖于预报员的经验，且工作量巨大。

发明内容

为了解决现有技术存在的不足，本发明的目的在于提供一种天气现象信息智能处理方法及系统，将采集的天气现象图片数据结合标注与标注的图片类型对识别模型进行自动深度学习迭代，提高对天气现象判识的准确率并降低网络的流量。

为实现上述目的，本发明提供的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。

进一步地，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。

进一步地，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。

进一步地，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。

更进一步地，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，进行所述天气现象识别模型训练迭代。

为实现上述目的，本发明还提供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；