摘要
气传花粉是常见的过敏原之一，严重危害着特定敏感人群的身体健康，因此，花粉浓度播报业务已经越来越成为气象局不可或缺的业务之一。目前常见的花粉浓度检测方式为首先对空气中的花粉进行收集，制作成花粉涂片，然后在显微镜下寻找并统计花粉的数量，使用统计结果推算空气中花粉浓度。人工识别和统计花粉数量存在效率低，成本高等缺点。本文首先采集显微镜下的花粉图像并构建成数据集，然后基于计算机视觉技术中的数字图像处理技术和深度学习技术，构建花粉检测模型，最后开发并部署花粉检测系统。 本文的主要工作归纳如下： （1）基于显微镜的电子目镜等硬件设备，开发花粉图像采集与标记系统，通过该采集系统对气象局提供的2019年的花粉涂片进行采集。采集完成后对图像中的花粉的位置进行标记和保存，构建成花粉图像数据集。 （2）分析所采集的花粉图像的特征，分别基于数字图像处理技术和深度学习技术，构建两个花粉检测模型。前者主要用到的算法有霍夫圆检测，区域生长，径向展开特征提取等。后者使用的深度目标检测模型为优化的YOLOv3模型。通过两个模型的融合和优化，形成最终使用的花粉检测模型。 （3）以SpringBoot后台框架和Bootstrap前端框架为主体，以检测模型为核心，开发并部署B/S架构的花粉图像在线检测系统。系统通过Redis数据库缓存登录凭据，实现用户单点登录的功能，增强了系统的安全性；通过Nginx反向代理服务器，实现检测服务横向扩展的能力。检测系统通过校园网分配的IPv6公网地址提供检测服务。
NETL