[发明专利]一种云类别自动识别方法及系统

说明书

本发明公开了数字图像识别和深度学习技术领域的一种云类别自动识别方法及系统，包括数据采集模块、云图识别模块、云图结果展示模块和模型构建模块，所述云图结果展示模块分别信号连接数据采集模块、云图识别模块和模型构建模块，通过在密集连接卷积网络(Dense Net)的基础上，提出一种改进的Dense Net，结合手机APP开发和摄像头监测视频处理等技术，解决了由于云的种类繁多，部分提取的特征针对性较强，难以从海量的云图数据中提取有效的特征，不能充分挖掘不同云图之间的内在联系的问题，结构简单，效率提高。

技术领域

本发明涉及数字图像识别和深度学习技术领域，具体为一种云类别自动识别方法及系统。

背景技术

地球上空约1/2的区域被云覆盖，一定的天气气象总是和云的某种形态有所联系，云通过地球-大气辐射系统影响全球的能量交换，进而影响能量所驱动的气候因素。从古至今，人类一直通过观测云的形态预测当地的天气，因此对云种类的识别对于天气预报、气候监测等有重要的意义。目前云类别的识别方法主要有人工识别、基于数字图像处理和模式识别的方法等，人工识别方法需要识别人员具有一定的专业知识，主观性较强；基于数字图像处理和模式识别的方法关键在于云图的有效特征提取，但是，由于云的种类繁多，部分提取的特征针对性较强，难以从海量的云图数据中提取有效的特征，不能充分挖掘不同云图之间的内在联系，基于此，本发明设计了一种云类别自动识别方法及系统，以解决上述问题。

发明内容

本发明的目的在于一种云类别自动识别方法及系统，以解决上述背景技术中提出的上述云种类识别方法存在主观性强及难以提取有效特征的问题。

为实现上述目的，本发明提供如下技术方案：一种云类别自动识别方法，包括如下步骤：

步骤一、收集大量的、覆盖各种情况的不同云种类的相关图片，对图片进行大小调整、翻转及色彩调整等操作，得到训练图片，表示为x₁、x₂、…、x_n，n表示图片总数；

步骤二、对云图进行云种类标记，得到数据的标签，表示为y₁、y₂、…、y_k，k表示云的类别数，根据标签建立文件夹，将对应的云图片放在文件夹中；

步骤三、利用训练集中的图片x_i经过改进的DenseNet进行一系列卷积、归一化、池化、残差连接等得到图片类别，结合图片已知类别标签构建误差代价函数，并通过随机梯度下降法进行网络参数更新，直至收敛；

进一步地，所述改进的DenseNet网络模型主要包括初始卷积层CONV1，3个由卷积层组成的密集卷积块B₁、B₂、B₃，2个过渡层T₁、T₂，最后的pooling层及全连接层组成；

所述初始卷积层CONV1为一个步长为2，大小1×1的卷积核，提取图片的初始特征；

所述密集卷积块B_i，包含K_i层子结构，每层子结构为一个1×1的bottleneck层与3×3的卷积层，与传统的卷积过程不同，在密集卷积块中，将0，1，…，l-1层的输出做concatenation作为l层的输入，得到的l层为：

x_l＝H_l([x₀,x₁,...,x_l-1])

密集卷积块B₁、B₂和B₃中间包含过渡层T₁与T₂，过渡层主要包括1×1卷积层以及池化层；