Le suivi des cellules convectives grâce à la vision par ordinateur basée sur l'apprentissage profond

La présente étude a développé un algorithme autonome pour l'identification et le suivi des cellules convectives (CITRA) en utilisant des images de réflectivité de la RMN. L'algorithme CITRA est implémenté en Python en utilisant la technique d'apprentissage profond des réseaux de neurones. La reconnaissance optique de caractères est utilisée dans la présente étude par le biais de "Tesseract", un module de réseau neuronal non supervisé basé sur LSTM qui analyse le réseau de pixels dimensionnels d'entrée/image et produit des chaînes de haut niveau. L'algorithme passe en revue les valeurs des pixels de l'image par réflectivité DWR et reconnaît les intensités des pixels (>=30 dB) et sépare les cellules convectives ainsi que d'autres propriétés estimées des cellules telles que le centroïde de la tempête, la zone couverte, la distance et la direction du centre du radar. Les performances de l'algorithme CITRA ont été testées sur différentes tempêtes convectives et il a permis de les identifier et de les suivre avec succès, ainsi que d'autres propriétés physiques des cellules convectives. De plus, nous avons démontré l'application potentielle de l'algorithme CITRA sur l'évolution des cellules convectives détectées dans la portée du radar. Actuellement, l'algorithme CITRA ne prend que des images de réflectivité comme seul paramètre d'entrée.

Autorentext

Actualmente trabajo como Decano (I+D), en el Campus Técnico de las Instituciones Guru Nanak (Autónoma) y tengo un M.Sc (Física) en Electrónica como especialización, un M.Phil (Física) en el área de Pantallas de Cristales Líquidos (LCD) de la Universidad de Andhra y un doctorado en el área de Ultrasonido Aplicado de la Universidad de Osmania, Hyderabad.

Klappentext

La présente étude a développé un algorithme autonome pour l'identification et le suivi des cellules convectives (CITRA) en utilisant des images de réflectivité de la RMN. L'algorithme CITRA est implémenté en Python en utilisant la technique d'apprentissage profond des réseaux de neurones. La reconnaissance optique de caractères est utilisée dans la présente étude par le biais de "Tesseract", un module de réseau neuronal non supervisé basé sur LSTM qui analyse le réseau de pixels dimensionnels d'entrée/image et produit des chaînes de haut niveau. L'algorithme passe en revue les valeurs des pixels de l'image par réflectivité DWR et reconnaît les intensités des pixels (>=30 dB) et sépare les cellules convectives ainsi que d'autres propriétés estimées des cellules telles que le centroïde de la tempête, la zone couverte, la distance et la direction du centre du radar. Les performances de l'algorithme CITRA ont été testées sur différentes tempêtes convectives et il a permis de les identifier et de les suivre avec succès, ainsi que d'autres propriétés physiques des cellules convectives. De plus, nous avons démontré l'application potentielle de l'algorithme CITRA sur l'évolution des cellules convectives détectées dans la portée du radar. Actuellement, l'algorithme CITRA ne prend que des images de réflectivité comme seul paramètre d'entrée.