基于残差网络的地基云图识别方法研究

来源：电子测量技术杂志2024年第2期北京时间：

作者：宋文强，徐伟，冯琳

单位：1.南京信息工程大学气象灾害预报预警与评估协同创新中心 南京 210044; 2.南京信息工程大学江苏省气象探测与信息处理重点实验室 南京 210044

摘要：地基云的精细化识别对气候预测和气象研究具有重要的意义。针对目前地基云识别准确率低、泛化性差、不利于边缘化部署的问题，提出了基于残差网络的地基云图识别模型，命名为GBcNet。设计的模型由1个卷积层、2个池化层、5个残差块以及1个全连接层构成，利用第1个卷积层和第1个池化层初步提取特征信息并降低特征图大小，通过残差块提取更多的特征信息，同时抑制网络的过拟合和梯度消失，最后利用另1个池化层降低特征图的大小，并通过全连接层输出识别结果。利用数据集对模型进行训练和测试，实验结果表明，GBcNet模型对数据集的综合平均准确率达到了9602%，11种类别地基云的识别精确率均在93%~99%，且具有更好的泛化性，单个类别和整体识别性能均优于其他模型。进一步采用SWIMCAT数据集对模型进行实验，综合识别准确率达997%，证明模型对地基云图识别具有普适性。模型结构简单，相较于其他模型，更有利于边缘化部署。

关键词：地基云图;残差网络;CCSN数据集;边缘化部署

基金资助：国家重点研发计划政府间/港澳台重点专项(2021YFE0105500)、国家自然科学基金(41605121)项目资助