[发明专利]基于人工智能算法的雪深监测系统

说明书

本发明提供了一种基于人工智能算法的雪深监测系统。包括：雪深传感器采集监测场景中的雪深数据值；控制器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；摄像机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；处理器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。本发明采用深度学习人工智能算法对是否下雪进行判断，降低干扰因素对雪深监测的影响，可以有效地进行雪深的监测，有效地监控分吹雪灾害。

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种基于人工智能算法的雪深监测系统。

背景技术

在降雪之后或在降雪的过程中，当风速较大时，气流携带雪粒一起运动，从而形成空气与雪粒的二相流，称为风雪流，风对雪的搬运和沉积的过程，称为风吹雪。风吹雪灾害会对公路等交通基础设施的造成很严重的影响，如其发生时通常伴有强风，气流携带雪粒子在空中运动，降低路面能见度或掩埋路面，严重影响行车安全。后期积雪融化会渗透至路基中，诱发翻浆，冻胀等现象，降低道路的使用寿命，给当地交通运输行业带来极大的不便。

有效地对风吹雪现象进行监控显得尤为关键，在风吹雪的监测中，雪深作为一个重要的监测参数，需要准确的进行测量。目前，现有技术的监测雪深的方法中，通常采用基于超声波测距或者激光测距的传感器进行检测，这些方法通常只能监测单点的降雪深度，监测的过程中，会受到多种因素的干扰，导致监测结果不准确。比如，沙尘的影响、杂物的影响等，都会被误判为降雪并计算雪深。

发明内容

本发明的实施例提供了一种基于人工智能算法的雪深监测系统，以克服现有技术的问题。

为了实现上述目的，本发明采取了如下技术方案。

一种基于人工智能算法的雪深监测系统，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。

优选地，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。

优选地，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；