基于机器视觉和标准雨量筒的人工观测降雨强度自动化识别系统.docxVIP

PAGE2

基于机器视觉和标准雨量筒的人工观测降雨强度自动化识别系统

摘要

地面气象观测中，降雨强度的人工观测长期依赖观测员目视判断雨量筒内水面波动与刻度，存在主观性强、劳动强度大、难以实现分钟级连续记录等痛点。随着气象现代化对观测数据时空分辨率要求的不断提高，传统人工观测方式已成为制约降雨观测精细化的瓶颈之一。

本课题设计并实现了一套基于机器视觉和标准雨量筒的人工观测降雨强度自动化识别系统。系统以标准雨量筒为集雨容器，利用工业摄像头定点拍摄筒内水面波动视频，通过深度学习语义分割算法提取液面轮廓，并依据雨量筒内壁刻度标记实现液面高度的自动读取，最终将传统的目视估读转化为数字化的降雨强度记录。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进思路展开。在需求分析阶段，明确了系统需实现对降雨强度的人工观测全流程自动化，达到分钟级采样频率和0.1毫米测量精度；在总体设计阶段，确立了视频采集、图像预处理、液面分割、刻度读取、数据记录五层架构；在详细设计阶段，重点阐述了基于U-Net的液面轮廓分割算法和基于形态学分析的刻度线定位算法；系统实现阶段完成了原型系统搭建与核心功能编码；测试阶段通过模拟降雨实验验证了系统在不同降雨强度下的测量精度与稳定性。

本设计的核心创新在于将机器视觉技术引入人工观测自动化改造领域，通过深度学习分割液面轮廓替代人眼目视估读，实现了不改变传统观测