基于卷积神经网络与特征融合的天气识别方法

• 全文链接
• 请求原文

作   者：

侯晓明;  邱亚峰; 

作者机构：

南京理工大学机械工程学院; 

关键词：

卷积神经网络;  特征融合;  随动系统;  天气识别; 

期刊名称：

应用光学

i s s n：

1002-2082

年卷期：

2023 年 44 卷 002 期

页   码：

323-329

摘   要：

在太阳能热水器及太阳能电池等太阳能发电领域,下雨、下雪、阴天等气候因素将严重影响发电效果,而太阳能随动系统工作也必须消耗能量,所以迅速判断当前的天气状况,并设计自适应的开关随动系统极其重要.当天气状况为阴雨或者雪天时,系统应当关闭从而减少能耗.鉴于传统的天气识别方法效率低、准确度差、计算量大的问题,在公开的天气图像基础上创建了一个具有多种类别的天气分类集,并提供了一种基于卷积神经网络与特征融合的天气图像识别技术.通过采用传统方式获取图像的颜色、纹理、形状3种特征作为整个模型的底层特征,在原本的VGG16(visual?geometry?group-16)模型基础上进行了改进,从而提取图像的深层特征,最后将底层特征与深层特征融合起来在Softmax上进行输出,总识别率达到94%.