[发明专利]基于人工智能算法的雪深监测系统

权利要求书

1.一种基于人工智能算法的雪深监测系统，其特征在于，包括：控制器、雪深传感器、摄像机和处理器，所述控制器分别与雪深传感器、摄像机和处理器电路连接；

所述雪深传感器，用于按照设定的时间间隔采集监测场景中的雪深数据值，将采集的雪深数据值传输给控制器；

所述控制器，用于接收雪深传感器传输过来的雪深数据值，判断雪深数据值是否大于设定的降雪阈值，如果是，则控制器给摄像机发送采集信号，将摄像机返回的现场外景图像转发给处理器；否则，控制器不给摄像机发送采集信号；

所述摄像机，用于接收到控制器发送过来的采集信号后，采集监测场景的现场外景图像，将采集的现场外景图像传输给控制器；

所述处理器，用于接收到控制器传输过来的现场外景图像后，运用人工智能雪深监测模型对现场外景图像进行运算，得到监测场景的雪深值，根据雪深值判断监测场景是否下雪。

2.根据权利要求1所述的基于人工智能算法的雪深监测系统，其特征在于，所述处理器，具体用于如果根据雪深值判断监测场景是降雪，则记录当前的雪深值；如果判断监测场景不是降雪，则不用进行记录，更新雪深的初始值。

3.根据权利要求1所述的基于人工智能算法的雪深监测系统，其特征在于，所述处理器，具体用于采用深度学习VGG16网络进行人工智能雪深监测模型的训练，训练过程包括以下的处理步骤：

(1)收集若干张监测场景中的现场外景图像，对现场外景图像进行判断和标注，将现场外景图像划分为雪景图片和无雪景图片；

(2)将雪景图片进行边缘裁剪、水平翻转预处理操作；

(3)对深度学习VGG16网络的结构进行设计，按照需要区分的雪景图片和非雪景图片类别，微调全连接层输出，定义交叉熵损失函数和Adam优化器等；

(4)将所采集的现场外景图像，随机进行分配，按照训练集：测试集为8：2的比例划分图片，使用训练集调整合适的迭代次数对深度学习VGG16网络进行训练，使用测试集图片初步查看分类结果；

(5)调整学习率，根据得到的有无降雪的图片分类的准确性，重新训练并测试人工智能雪深监测模型；

(6)绘制有无降雪的图片分类的训练过程中的准确率、损失函数、ROC曲线和PR曲线指标，对人工智能雪深监测模型的性能进行进一步评估。