1.一种基于Yolo的气象卫星云图目标检测方法,其特征在于,包括如下步骤:步骤一、从气象卫星采集的原始卫星云图数据中提取出多张红外云图和多张可见光云图;
其中,所述红外云图与所述可见光云图为一一对应关系;
步骤二、统计所述可见光云图中的无效信息,并且根据所述可见光云图中的无效信息占比将所述多张可见光云图划分为:第一可见光云图、第二可见光云图和第三可见光云图;
其中,所述第一可见光云图的无效信息占比ψ1满足ψ1<ψmin;
所述第二可见光云图的无效信息占比ψ2满足ψmin≤ψ2≤ψmax;
所述第三可见光云图的无效信息占比ψ3满足ψ3>ψmax;
式中,ψmin为无效信息阈值下限,ψmax为无效信息阈值上限;
步骤三、将所述第一可见光云图与其对应的所述红外云图进行融合,得到融合云图;以及
将与所述第一可见光云图相对应的红外云图、所述融合云图以及所述第三可见光云图组成待检测云图集;
步骤四、采用Yolo算法对所述检测云图集中的云图进行目标检测,识别出云图中的典型天气现象。
2.根据权利要求1所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,在所述步骤二中,使用开源opencv库统读取可见光云图的所有像素点,并判断所述可见光无用像素点的数量占总像素点的比重,得到所述可见光云图中的无效信息占比。
3.根据权利要求2所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,ψmin=
25%,ψmax=75%。
4.根据权利要求2或3所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,在所述步骤三中,所述第一可见光云图与其对应的所述红外云图进行融合,包括:步骤1、将待融合的所述第一可见光云图和所述红外云图缩放为相同尺寸;
步骤2、采用拉普拉斯金字塔分别对所述第一可见光云图和所述红外云图进行多尺度表达后,对所述第一可见光云图和所述红外云图进行分层融合;
其中,在每个层次进行融合时,根据位置信息将第一可将光云图中有用像素点所在的区域与红外云图中的其他区域融合,得到融合云图。
5.根据权利要求4所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,在所述步骤四之前还包括:根据卫星云图数据制作COCO数据集格式的训练数据集,对Yolo算法模型进行训练,并对训练模型进行速度和检测精度测试后,得到Yolo算法气象云图检测模型。
6.根据权利要求5所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,还包括对所述Yolo算法气象云图检测模型进行Web端部署,使用Flask框架作为前端框架,Vue框架作为后端框架;以实现在web端上传云图进行检测的功能,达到实时检测的效果。
7.根据权利要求6所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,在所述步骤四中,采用Yolov3或Yolov5算法对所述检测云图集中的云图进行目标检测。
8.根据权利要求7所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,在所述步骤四中,采用Yolov5算法对所述检测云图集中的云图进行目标检测。
9.根据权利要求8所述的基于Yolo的气象卫星云图目标检测方法,其特征在于,所述典型天气现象包括:冷锋、暖锋、台风、气旋、强对流和激流云系6种天气现象。