技术领域
[0001] 本发明涉及天气现象观测技术领域，尤其涉及一种天气现象的智能观测方法、装置、设备及存储介质。
相关背景技术
[0002] 在气象观测领域，传统的气象观测主要依赖于单一的物理传感器(如雨量计、风速仪、雷达等)以及人工观测。虽然这些方法可以提供较为准确的天气数据，但存在着信息片面、实时性不足和精度受限等问题。近年来，随着图像处理技术、机器学习和深度学习等人工智能技术的发展，多源数据融合的智能气象观测技术逐渐兴起，通过对图像、音频及多种传感器数据进行综合处理，能够实时、全面、准确地监测和预报天气现象。
[0003] 然而，现有的气象监测系统仍面临着以下问题：数据来源单一，大多数系统仅依赖气象雷达或单一传感器，难以获得全面的气象信息；融合精度低，在融合多个观测数据时，系统缺乏有效的融合算法，导致观测结果不准确；实时性不足，传统系统的数据处理效率低，难以实时响应天气变化，影响天气预测的及时性。
[0004] 综上所述，现有技术中存在的问题亟需得到解决。
具体实施方式
[0045] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0046] 为了解决现有技术中的问题，本发明提出一种天气现象的智能观测方法，以实现天气现象的智能观测。下面对该天气现象的智能观测方法进行描述，如图1所示，包括但不限于以下步骤：
[0047] 步骤110、通过若干个图像采集设备获取待观测图像，并通过天气雷达获取回波强度数据。
[0048] 步骤110中，首先，在观测区域内布设若干个图像采集设备，优选使用全彩鱼眼摄像头，这些摄像头安装在云台上，能够进行360度的全景观测。为了确保观测的广度和精准性，系统设置了预定的采集线路，控制云台在不同方位进行图像拍摄，确保能够获取包括整个天空的待观测图像。
[0049] 同时，结合天气雷达设备，实时获取对应区域的雷达回波强度数据。天气雷达用于捕捉云层的动态变化，通过分析回波强度，可以获取云层的高度和形态变化，从而为后续的云况识别提供重要依据。
[0050] 步骤120、将所述待观测图像和所述回波强度数据输入至云况识别模型中，得到云况观测数据，所述云况观测数据包括云高数据和云类别数据。
[0051] 步骤120中，将采集到的待观测图像与从天气雷达获取的回波强度数据输入至云况识别模型。该模型基于深度学习技术，经过大量云层图像及雷达数据的训练，能够自动识别并分析图像中的云况信息。具体而言，模型根据不同类型的云层特征，结合雷达回波强度数据，生成云高数据和云类别数据。
[0052] 云高数据表示观测到的云层距离地面的高度，云类别数据则包括如积云、层云、卷云等不同种类的云层信息。这些数据为天气预报和风暴预测提供了重要基础。
[0053] 步骤130、通过雨量传感器获取实时降水数据。
[0054] 在该步骤中，部署了多种雨量传感器来获取实时的降水数据。优选使用压电式雨量传感器、雨滴谱仪和光学雨量传感器。压电式雨量传感器能够通过对雨滴冲击力的感应，精准测量降水强度；雨滴谱仪则可以捕捉降水的粒径和分布情况；光学雨量传感器通过光线的折射和反射分析降水的类型和强度。这些传感器在获取到实时降水信息后，能够准确地提供当前区域的降水数据。
[0055] 步骤140、将所述待观测图像和所述实时降水数据输入至降水识别模型中，得到降水观测数据。
[0056] 将上述步骤获取的待观测图像和实时降水数据一并输入至降水识别模型。该模型通过对雨滴形态及密度的分析，结合图像中的降水特征，能够精确识别降水强度和降水类型(如小雨、阵雨、暴雨等)。降水识别模型经过大量雨景图像及气象数据的训练，能够实现高精度的降水观测。
[0057] 降水观测数据不仅包括降水的强度(如毫米/小时)，还涵盖了降水类型信息。通过结合不同类型的降水数据，系统能够为洪水预警、农作物灌溉等提供决策支持。
[0058] 步骤150、通过若干个录音采集设备获取待检测音频。
[0059] 接着，在观测区域内布设若干个录音采集设备，用于获取待检测的环境音频。雷电活动通常伴随有剧烈的声响，因此这些设备主要用于捕捉雷电期间的闪电声、雷鸣声等音频特征。通过对音频数据的分析，能够判断是否存在雷电活动及其强度。
[0060] 步骤160、将所述待观测图像和所述待检测音频输入至雷电识别模型中，得到雷电观测数据。
[0061] 将采集到的待观测图像与待检测音频输入至雷电识别模型中。该模型结合了图像中的闪电特征和音频中的雷声频谱，进行多模态融合分析，识别出雷电活动的频次、强度和位置。该模型通过对历史雷电图像和音频数据的大量训练，能够有效分析雷电的时间、位置及强度信息。
[0062] 步骤170、将所述云况观测数据、所述降水观测数据和所述雷电观测数据整合，得到天气观测结果。
[0063] 在完成云况、降水和雷电的单独识别之后，系统将这些观测数据整合在一起，采用加权融合或投票融合等算法，最终生成综合的天气观测结果。通过权重分配的方式，结合不同天气现象的权重对观测结果进行调整，确保最终的天气观测结果能够全面反映当前的气象状况。
[0064] 该观测结果可以包括云层的类别、高度、降水的类型和强度，以及雷电的发生时间、位置和强度。最终的天气观测结果可以用于天气预报、自然灾害预警以及航班调度等多个领域，极大提升了气象观测的精确性和响应速度。
[0065] 作为进一步可选的实施例，在所述将所述待观测图像和所述待检测音频输入至雷电识别模型中，得到雷电观测数据这一步骤之后，所述方法还包括：
[0066] 获取包含有固定目标物的待检测图像；
[0067] 根据所述待检测图像的清晰程度，得到能见度数据。
[0068] 本实施例中，在完成雷电观测数据获取后，系统会进一步获取包含固定目标物的待检测图像。这些图像通过设置在特定位置的图像采集设备采集。固定目标物可以是已知的地标建筑、塔台、树木等，该类物体在图像中具有明确的轮廓或标识，用于作为能见度分析的参照。
[0069] 为确保分析的准确性，图像采集设备优选使用高分辨率全彩摄像头，并根据预设的采集策略定时拍摄包含固定目标物的图像。系统会在一定的时间间隔内重复进行采集，以获取连续的图像数据流。
[0070] 接着，系统对获取到的包含固定目标物的图像进行清晰度分析。具体而言，系统通过图像处理技术，分析固定目标物的轮廓、边缘清晰度以及图像中的对比度、亮度等参数。通过计算固定目标物的图像模糊度，系统能够判断观测区域的能见度。
[0071] 能见度数据表示观测区域的空气透明度，通常以米或公里为单位。能见度的下降通常与天气现象如雾、霾、雨雪等有关，因此该数据对于预测交通安全、航班调度等具有重要参考意义。
[0072] 作为进一步可选的实施例，所述图像采集设备为全彩鱼眼摄像头，所述全彩鱼眼摄像头设置在云台上，所述通过若干个图像采集设备获取待观测图像这一步骤，具体包括：
[0073] 每间隔预设时间，控制所述云台按照预设采集线路，并控制所述全彩鱼眼摄像头在预设方位进行拍摄采集，得到所述待观测图像。
[0074] 在该实施例中，图像采集设备采用全彩鱼眼摄像头。鱼眼摄像头能够提供超广角的视野，通常可覆盖超过180度的观测范围，能够实现大范围内的天气现象捕捉。通过使用全彩模式，摄像头能够捕捉更加丰富的图像细节，包括颜色、光线强弱等信息，有助于提升云况、降水等天气现象的识别精度。
[0075] 为增强图像采集设备的灵活性和动态性，所述全彩鱼眼摄像头安装在云台上。云台通过电机驱动，可实现多角度、多方向的转动，使得摄像头能够根据需求在不同的方位进行拍摄，确保全方位的天气数据覆盖。
[0076] 在图像采集过程中，系统预设采集时间间隔和采集线路。例如，每间隔一定时间(如每隔5分钟)，控制云台根据设定好的路线旋转，并将全彩鱼眼摄像头指向预定的观测方位进行拍摄。这一过程能够确保观测区域的多角度覆盖，并避免遗漏重要的天气现象。
[0077] 通过采集多组观测图像，系统能够获取不同时间、不同方位的天气图像数据，这些数据为后续的云况识别、降水分析、雷电检测等模型提供了多样且充分的输入。同时，鱼眼摄像头所提供的广角视野和高清图像确保了天气现象的细节捕捉，有助于提高模型识别结果的精确性和稳定性。
[0078] 本实施例通过采用全彩鱼眼摄像头，并结合云台的动态调节功能，增强了天气观测系统的空间覆盖和图像采集效率。通过合理设计的采集时间间隔与采集线路，能够定期获取大范围内的高质量观测图像数据，为后续的天气现象分析提供丰富的输入，从而提升整体观测精度和时效性。
[0079] 作为进一步可选的实施例，所述雨量传感器包括压电式雨量传感器、雨滴谱仪和光学雨量传感器。
[0080] 在该实施例中，系统中的雨量传感器不仅仅局限于单一的传感设备，而是集成了压电式雨量传感器、雨滴谱仪和光学雨量传感器。这三种类型的传感器协同工作，可以全面、准确地监测不同类型的降水情况。
[0081] 作为进一步可选的实施例，所述待观测图像包括卫星云图和云况图像，所述将所述待观测图像和所述回波强度数据输入至云况识别模型中，得到云况观测数据这一步骤，具体为：
[0082] 将所述卫星云图、所述云状图像和所述回波强度数据输入至云况识别模型中，得到云况观测数据；
[0083] 所述卫星云图用于云类别和云高的判断，所述云状图像用于云高的判断。
[0084] 在该步骤中，系统结合了多种观测手段，将卫星云图、云况图像与雷达回波数据相结合，输入至云况识别模型中，进行云高和云类别的判断。具体如下：
[0085] 卫星云图：通过卫星遥感技术捕捉的云层影像，提供大尺度的云层分布信息。卫星云图主要用于云类别和云高的判断。其广域的覆盖范围有助于判断云层类型，如积雨云、高层云等，帮助识别不同气象现象的形成。
[0086] 云况图像：通过地面图像采集设备(如全彩鱼眼摄像头)获取的局部云层情况图像。云况图像能够提供细致的云层形态变化信息，特别是在云高的判断上能够提供精确的补充数据。
[0087] 回波强度数据：天气雷达提供的回波强度数据，反映了云层的密度和降水强度。该数据结合图像数据，有助于更准确地判断云层的高度和结构。
[0088] 通过将上述三类数据输入至云况识别模型，系统能够基于多维信息做出云况的判断，得到包括云高和云类别的观测数据，从而提升天气现象的观测精度。
[0089] 作为进一步可选的实施例，所述待观测图像包括降水图像，所述将所述待观测图像和所述实时降水数据输入至降水识别模型中，得到降水观测数据这一步骤，具体为：
[0090] 将所述降水图像和所述实时降水数据输入至降水识别模型中，得到降水观测数据；
[0091] 所述降水观测数据包括降水强度和降水类型。
[0092] 在该步骤中，降水识别模型利用多源数据，包括降水图像和通过雨量传感器获取的实时降水数据，具体如下：
[0093] 降水图像：通过图像采集设备获取的降水场景图像，用于识别降水的可视特征，如雨滴的密度、形态和分布。降水图像可提供视觉上的降水特征信息，帮助识别降水类型，如阵雨、毛毛雨、暴雨等。
[0094] 实时降水数据：由雨量传感器采集的实时数据，提供关于降水强度、降水速率的物理测量值。实时降水数据通过多种雨量传感器获取，例如：
[0095] 压电式雨量传感器：通过感应雨滴撞击产生的电信号来测量降水强度。
[0096] 雨滴谱仪：分析雨滴的尺寸分布和下落速度，从而提供精确的降水信息。
[0097] 光学雨量传感器：通过光线的折射和反射来检测降水粒子的数量和强度。
[0098] 通过将降水图像和实时降水数据输入至降水识别模型，模型能够结合视觉特征与物理测量值，从而得到更精确的降水观测数据。具体的降水观测数据包括：
[0099] 降水强度：表示降水的实际强度值，如每小时降雨量(mm/h)。
[0100] 降水类型：区分不同类型的降水，如小雨、大雨、暴雨、雪等。
[0101] 该实施方式通过多源数据的融合，有效提升了降水观测的精度和全面性，确保了天气观测结果的可靠性。
[0102] 作为进一步可选的实施例，所述将所述云况观测数据、所述降水观测数据和所述雷电观测数据整合，得到天气观测结果这一步骤，具体包括：
[0103] 对所述云况观测数据、所述降水观测数据和所述雷电观测数据进行权重分配；
[0104] 对所述云况观测数据、所述降水观测数据和所述雷电观测数据进行加权融合，得到天气观测结果。
[0105] 在该步骤中，根据各类数据对不同天气现象的影响程度，分别为云况观测数据、降水观测数据和雷电观测数据分配权重。不同权重反映了各类数据对最终天气现象识别结果的重要性。例如：
[0106] 云况观测数据可能在判断多云、晴朗等天气状况时权重较大。
[0107] 降水观测数据在雨天的判断中占据更重要的位置，因此在降雨时具有较高权重。
[0108] 雷电观测数据则在雷暴或强对流天气的识别中起关键作用，因此在雷电天气中有较高权重。
[0109] 具体权重的分配可以基于历史数据和天气模型的训练结果，动态调整以适应不同天气类型。
[0110] 加权融合过程通过将上述权重分配后的数据进行合并，最终生成天气观测结果。融合模型采用以下步骤：
[0111] 加权处理：根据分配的权重对云况、降水、雷电数据进行加权，放大重要数据的影响。
[0112] 数据融合：通过加权平均、规则融合或机器学习算法，将这些多维度数据进行整合，生成单一的天气观测结果。
[0113] 输出天气现象：经过加权融合后的结果可得出当前的综合天气现象，例如晴天、阴天、小雨、大雨、雷暴等。
[0114] 这种加权融合方法能够充分利用多源观测数据的优势，结合不同数据的特征和权重，得到精确的天气观测结果，提高了系统的可靠性和准确性。这一实施方式确保了在多种天气条件下系统能够做出合理的判断，并适用于多种环境。
[0115] 下面对本发明提供的天气现象的智能观测装置进行描述，如图x所示，下文描述的天气现象的智能观测装置与上文描述的天气现象的智能观测方法可相互对应参照。
[0116] 一种天气现象的智能观测装置，包括：
[0117] 第一数据获取模块210，用于通过若干个图像采集设备获取待观测图像，并通过天气雷达获取回波强度数据；
[0118] 云况识别模块220，用于将所述待观测图像和所述回波强度数据输入至云况识别模型中，得到云况观测数据，所述云况观测数据包括云高数据和云类别数据；
[0119] 第二数据获取模块230，用于通过雨量传感器获取实时降水数据；
[0120] 降水识别模块240，用于将所述待观测图像和所述实时降水数据输入至降水识别模型中，得到降水观测数据；
[0121] 第三数据获取模块250，用于通过若干个录音采集设备获取待检测音频；
[0122] 雷电识别模块260，用于将所述待观测图像和所述待检测音频输入至雷电识别模型中，得到雷电观测数据；
[0123] 数据整合模块270，用于将所述云况观测数据、所述降水观测数据和所述雷电观测数据整合，得到天气观测结果。
[0124] 图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Commun i cat i ons I nterface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行天气现象的智能观测方法，该方法包括：
[0125] 通过若干个图像采集设备获取待观测图像，并通过天气雷达获取回波强度数据；
[0126] 将所述待观测图像和所述回波强度数据输入至云况识别模型中，得到云况观测数据，所述云况观测数据包括云高数据和云类别数据；
[0127] 通过雨量传感器获取实时降水数据；
[0128] 将所述待观测图像和所述实时降水数据输入至降水识别模型中，得到降水观测数据；
[0129] 通过若干个录音采集设备获取待检测音频；
[0130] 将所述待观测图像和所述待检测音频输入至雷电识别模型中，得到雷电观测数据；
[0131] 将所述云况观测数据、所述降水观测数据和所述雷电观测数据整合，得到天气观测结果。
[0132] 此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read‑On l yMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0133] 另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的天气现象的智能观测方法，该方法包括：
[0134] 通过若干个图像采集设备获取待观测图像，并通过天气雷达获取回波强度数据；
[0135] 将所述待观测图像和所述回波强度数据输入至云况识别模型中，得到云况观测数据，所述云况观测数据包括云高数据和云类别数据；
[0136] 通过雨量传感器获取实时降水数据；
[0137] 将所述待观测图像和所述实时降水数据输入至降水识别模型中，得到降水观测数据；
[0138] 通过若干个录音采集设备获取待检测音频；
[0139] 将所述待观测图像和所述待检测音频输入至雷电识别模型中，得到雷电观测数据；
[0140] 将所述云况观测数据、所述降水观测数据和所述雷电观测数据整合，得到天气观测结果。
[0141] 又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的天气现象的智能观测方法，该方法包括：
[0142] 通过若干个图像采集设备获取待观测图像，并通过天气雷达获取回波强度数据；
[0143] 将所述待观测图像和所述回波强度数据输入至云况识别模型中，得到云况观测数据，所述云况观测数据包括云高数据和云类别数据；
[0144] 通过雨量传感器获取实时降水数据；
[0145] 将所述待观测图像和所述实时降水数据输入至降水识别模型中，得到降水观测数据；
[0146] 通过若干个录音采集设备获取待检测音频；
[0147] 将所述待观测图像和所述待检测音频输入至雷电识别模型中，得到雷电观测数据；
[0148] 将所述云况观测数据、所述降水观测数据和所述雷电观测数据整合，得到天气观测结果。
[0149] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0150] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0151] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
