基于机器学习的全天空相机数据云识别
天体物理仪器与方法
2020-03-26 v1
摘要
大多数地基天文台配备广角全天空相机以监测夜空状况。此类相机系统可用于对可能通过降水危及望远镜设备的来袭云层提供早期预警，以及用于天空质量监测。我们研究了使用不同机器学习方法将全天空相机数据中主要不透明云层的识别自动化作为云预警系统。在深度学习方法里，我们在预标注的相机图像上训练残差神经网络（ResNet）。我们的第二种方法从相机图像中提取相关且局部化的图像特征，并用这些数据训练基于梯度提升树的模型（lightGBM）。我们在洛厄尔天文台 Discovery Channel Telescope 的全天空相机拍摄的大约 2,000 张图像上训练两种模型方法，其中云的存在已手动标注。ResNet 方法在检测图像给定区域中的云时达到 85% 的准确率，但需要大量计算资源。我们的 lightGBM 方法在约 1,000 张图像的训练样本下以相当 modest 的计算资源达到 95% 的准确率。基于不同性能指标，我们推荐后一种基于特征的方法用于自动云检测。为本工作构建的代码可在线获取。
引用
@article{arxiv.2003.11109,
title = {Cloud Identification from All-sky Camera Data with Machine Learning},
author = {Michael Mommert},
journal= {arXiv preprint arXiv:2003.11109},
year = {2020}
}
备注
accepted by AJ, code available at https://github.com/mommermi/cloudynight