S V Ranganayakulu

?ledzenie komorek konwekcyjnych poprzez komputerow? wizj? opart? na gl?bokim uczeniu si? S V Ranganayakulu

W niniejszym opracowaniu opracowano autonomiczny algorytm identyfikacji i ?ledzenia komórek konwekcyjnych (CITRA) z wykorzystaniem obrazów odblaskowych DWR. Algorytm CITRA jest zaimplementowany w Pythonie przy u?yciu techniki Deep learning sieci neuronowych. Optical Character Recognition jest u?ywany w niniejszym badaniu poprzez "Tesseract", który jest bez nadzoru modulem sieci neuronowych opartych na LSTM, który analizuje wej?ciow? macierz wymiarow? pikseli/obraz i wyprowadza ci?gi wysokiego poziomu. Algorytm przechodzi przez warto?ci pikseli obrazu odbitego DWR i rozpoznaje intensywno?c pikseli (>=30 dB) oraz segreguje komórki konwekcyjne wraz z innymi szacowanymi wla?ciwo?ciami komórek, takimi jak centroid burzy, obszar pokryty, odleglo?c i kierunek od centrum radaru. Dzialanie algorytmu CITRA zostalo przetestowane na ró?nych burzach konwekcyjnych i moglo z powodzeniem zidentyfikowac i ?ledzic je wraz z innymi wla?ciwo?ciami fizycznymi komórek konwekcyjnych. Ponadto wykazano potencjalne zastosowanie algorytmu CITRA na ewolucj? komórek konwekcyjnych wykrywanych w zasi?gu radaru. Obecnie algorytm CITRA przyjmuje tylko obrazy odbiciowe jako pojedynczy parametr wej?ciowy.