我們很高興地宣布，一篇題為「使用地標物體擷取與人工神經網絡方法進行氣象能見度估算」的開創性會議論文將於2025年2月在《Sensors》上發表。論文由本院盧葦麟教授以第一作者身份與香港城市大學及香港教育大學合作完成：
- Wai-Lun Lo, Kwok-Wai Wong, Tai-Chiu Hsung, Shu-Hung Chung and Hong Fu, “Meteorological Visibility Estimation by Using Landmark Objects Extraction and ANN Method”, Sensors, 25(3), 951, 2025.
論文摘要
能見度可被定義為在明亮環境下能夠辨識或偵測物體的最大距離，並可作為天氣狀況與空氣污染的環境指標。傳統的能見度計算方法結合氣象學原理與數位影像的圖像特徵擷取，但其準確度常受限於影像品質與雜訊干擾。為提升估算準確性，過去已有研究提出結合人工智慧（AI）與數位影像技術進行能見度預測。此方法透過預先訓練的卷積神經網絡（CNN）擷取整張影像的特徵，並設計人工神經網絡（ANN）以建立影像特徵與能見度之間的關聯。相較於使用整張影像資訊，另有研究提出從影像中識別出有效子區域，並從中擷取特徵，再以廣義回歸神經網絡（GRNN）建立特徵與能見度之間的對應關係。研究結果顯示，此方法在準確性上優於傳統的手工特徵擷取技術。然而，有效子區域的選取仍仰賴專家人工判斷，尚未實現完全自動化。本文提出一種基於地標物體擷取技術的自動子區域選取方法，並從這些地標物體（LMO）子區域中擷取影像特徵，設計ANN以逼近LMO區域特徵值與能見度值之間的映射關係。實驗結果顯示，該方法能有效減少ANN訓練中的冗餘資訊，並在能見度估算方面優於整張影像處理方式。
研究團隊成員
香港珠海學院
- 盧葦麟教授 (資訊科學學系正教授，系主任)
- 黃國威 (資訊科學學系研究助理)
- 熊體超博士 (資訊科學學系副教授)
香港城市大學
- 鍾樹鴻教授 (電機工程系講座教授)
香港教育大學
- 傅弘博士 (數學與資訊科技系副教授)
部分論文照片
使用不同類型模型的預測結果
