典型文献
基于深度图像目标检测的智能台风涡旋识别技术
文献摘要：
基于2005—2020年的中国气象局台风最佳路径数据集以及葵花(Himawari)8和风云(FY)卫星云图数据,首先将卫星原始数据转换为FULLDISK灰度图像作为台风涡旋识别技术的图像来源,并制定新的VOC(Visual Object Classes)标注规范,构建了样本标注数据集.利用运行速度快、识别准确率高的人工智能领域经典目标检测SSD(Single Shot MultiBox Detector)模型作为台风涡旋识别的基础模型,并针对台风涡旋识别的独特性,特别是弱涡旋识别困难,提出一种迭代的SSD目标检测模型,明显提高了台风涡旋的识别精度.通过目标检测技术对卫星云图进行智能特征分析、抽取、识别和定位,实现了自动涡旋正确识别和定位,最终建立了智能台风涡旋识别技术.测试结果显示:该技术对强热带风暴级以下强度台风涡旋正确识别率为40％～80％,对强热带风暴级及以上强度台风涡旋正确识别率达90％以上,能够精准识别强台风级及以上强度涡旋,该技术为今后业务利用高时空分辨率卫星图像对台风进行实时精密监测提供了技术支撑.
文献关键词：
目标检测;卫星云图;台风涡旋;智能识别
中图分类号：
作者姓名：
吕心艳;钱奇峰;王登科;周冠博;徐雅静
作者机构：
国家气象中心,北京 100081;北京邮电大学,北京100876
文献出处：
引用格式：
[1]吕心艳;钱奇峰;王登科;周冠博;徐雅静-.基于深度图像目标检测的智能台风涡旋识别技术)[J].热带气象学报,2022(04):492-501
A类：
台风涡旋识别,FULLDISK
B类：
深度图像,图像目标检测,中国气象局,最佳路径,路径数,葵花,Himawari,风云,FY,卫星云图,图数据,原始数据,数据转换,灰度图像,图像来源,VOC,Visual,Object,Classes,标注规范,样本标注,运行速度,识别准确率,人工智能领域,SSD,Single,Shot,MultiBox,Detector,基础模型,目标检测模型,识别精度,过目,智能特征,识别和定位,强热带,热带风暴,识别率,精准识别,强台风,风级,高时空分辨率,卫星图像,智能识别
AB值：
0.334624
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
