计算机工程   0 年

传统的海洋锋识别依赖于梯度阈值，将梯度值大于设定阈值的海域认为存在海洋锋，但是梯度阈值法存在两个主要问题：一是阈值依赖人为设定且标准不统一，二是复杂多样的海洋锋无法用单一阈值准确识别。融合深度学习的自适应梯度阈值判别方法，首先对海温梯度图进行标注，通过Mask R-CNN训练得到了可以对海洋锋进行像素级识别的模型，然后统计每一类锋特有的梯度值分布作为该类锋的基准梯度阈值，并基于该阈值对像素级的锋面识别结果进行精细化调整，基准梯度阈值的计算和锋面优化调整都是自适应的自动化过程。通过将锋面识别结果精度进行量化的方法，锋面识别效果评价有了准确可评估的标准，因此可以完善自适应锋面调整过程的可靠性，最后获得了具有良好的独立性、完整性的海洋锋面识别结果。将这种方法应用于中国近海海域的逐日温度梯度场数据，实验结果表明该方法有效。