一项关于DAM-EfficientNet基于FY-4A_AGRI的快速识别算法的研究
Renfeng Liu1, Haonan Dai1, YingYing Chen2
1School of Mathematics and Computer Science, Wuhan Polytechnic University, Wuhan, 430023, China.
Scientific reports
|February 12, 2024
概括
一个新的深度学习模型,双重注意模块EfficientNet (DAM-EfficientNet),使用卫星图像准确地检测冰天气. 这种先进的冰探测系统可以改善预报和公共安全,防止恶劣天气事件.
科学领域:
- 气象学和大气科学 气象学和大气科学
- 人工智能和机器学习
- 遥感技术 遥感技术 遥感技术
背景情况:
- 冰对人类生命和财产构成重大威胁,需要先进的检测和预测方法.
- 目前用于冰识别和预测的方法在准确性和及时性方面存在局限性.
- 有效的冰预报对于灾难准备和减缓战略至关重要.
研究的目的:
- 开发和评估一种新的深度学习算法,用于准确检测冰天气.
- 通过先进的人工智能增强现有的冰预报系统的能力.
- 为实时识别冰事件提供强大的工具.
主要方法:
- 基于EfficientNet架构构建的双重注意力模块EfficientNet (DAM-EfficientNet) 深度学习算法的实施.
- 使用FY-4A卫星图像和经过验证的历史冰落记录对DAM-EfficientNet的评估.
- 与现有的深度学习模型对冰探测性能进行比较分析.
主要成果:
- 在冰探测中,DAM-EfficientNet实现了98.53%的高精度.
- 该模型显示检测概率 (POD) 为97.92%和错误报警率 (FAR) 为2.08%.
- 实现了95.92%的关键成功指数 (CSI),优于其他使用更少参数和计算资源的深度学习模型.
结论:
- 在冰天气检测和预报方面,DAM-EfficientNet被证明是非常有效和优越的.
- 该模型的性能验证了其在改善天气灾害预警和公共安全方面的潜力.
- 未来的应用可能涉及与更多数据源和气象参数进行集成,以提高精度.


