气象+人工智能 室外摄像头“变身”气象观测设备

　　对于中国气象局公共气象服务中心系统开放实验室（以下简称系统室）大数据技术研发副总师匡秋明来说，能通过摄像头看到培育了半年多的树苗终于开花是一件开心的事。不过，更加令他开心的是，利用人工智能深度学习技术自动识别图像中雨、雪、道路结冰、低能见度等高影响天气现象取得的初步进展。基于该研究，未来普通摄像头可转化为天气现象观测设备，极大地提升天气现象的实时观测水平。

　　2017年至2018年的冬天，几场大雪让南方多个城市不仅感受到雪的温度，还感受到它“厚重”。大面积的积雪不仅对交通、农业等造成影响，也对百姓生命财产安全造成威胁。

　　借着人工智能领域中深度学习技术在图像场景分类领域吹起的“东风”，匡秋明和同事基于卫星图像识别积雪区域的技术，进一步将深度学习技术应用于自动识别卫星图片上的积雪区域。他们在京津冀区域开展的试验取得了良好效果，IOU评价指标（算法识别区域与人工标志区域的交集与其并集的比值）达到0.8，进一步优化算法后，IOU评价指标能达到0.9以上。

　　技术上的突破和试验取得的良好结果，极大地激励了匡秋明将深度学习运用于天气现象识别的想法。而与来自西藏自治区气象局访问学者德庆卓嘎的交流，则进一步让他坚信，人工智能可以让室外摄像头与气象观测达到“珠联璧合”的效果。“我们有一些高清交通摄像头拍的图像，如果能通过人工智能的手段自动识别高影响路面天气，对于提升公路交通安全性将有很大帮助。”德庆卓嘎说。

　　西藏自治区气象局有需求，公共气象服务中心有方法。双方一拍即合，开始对道路摄像头图像自动识别雨、雪、道路结冰、低能见度高影响天气现象的技术进行探索。

　　此前，天气现象的主流识别方式是结合雷达、卫星传回来的图像，再利用温、压、湿、风等气象要素加上模式预报中天气背景等综合判识的方法，进行人工识别。而人工智能则可以通过大数据驱动的方式来完成建模。

　　在分析方法上，深度学习方法提高了模型的准确性和建模的效率；人工智能公共数据集和预训练模型为克服数据量级困难，提高天气现象识别效果发挥了重要作用。

　　今年5月，在测试由西藏地区道路摄像头实际拍摄的1600余张白天雨、雪、道路结冰、低能见度、晴天等天气现象的图片时，天气现象自动识别准确率达到了98.14%。

　　从尝试由卫星图像中识别云、雾、雪天气现象，到从雷达图像中识别强对流天气，再到利用摄像头图像识别下雨、下雪、路面结冰和低能见度等天气现象，人工智能在气象领域的发展渐入佳境。

　　“目前，图像场景自动识别多被应用于交通和安防领域，若能在气象领域大范围推广，全球数十亿室外摄像头可以通过增加一些算法程序的方式为气象观测服务。”匡秋明表示，基于摄像头图像像素级识别和定位，天气现象监测将更加精细；利用卫星和雷达图像中自动识别和定位的天气现象，气象服务也将更精细化。（张宏伟）

　　（来源：《中国气象报》2018年6月14日3版 责任编辑：栾菲）