李晓勇，刘宽宗，周祥华，李红玉，谭贵蓉，熊胤帆

（1泸州市气象局 四川 泸州 646599）

（2成都润联科技开发有限公司 四川 成都 610000）

1 引言

现代道路交通中，城市交通会因为恶劣天气条件而产生诸多影响，例如大雪、大雾天气或其他极端气候条件会导致驾驶人员视物能力变差、道路湿滑和交通堵塞。如果情况严重，还有引发交通事故的风险，通过与交通监控系统相配合，实时监测当地天气，可最大程度上降低因恶劣气候对正常交通系统运转的影响，减少恶劣气候下出行流量，提高交通安全性，由此可以表明，实时天气预测对社会各方面有着重要意义[1-2]。而传统气象检测方式大多通过气象卫星和地面观测站建立气象模型实现天气预测，虽然在大范围的天气趋势监测方面准确率较高，但对小区域的实时天气预报的准确率也不是很理想，而通过在城市内大规模进行视觉图像采集，并应用轻量级卷积神经网络识别技术进行精准识别，可有效提升天气监测的准确度，相对于传统方法而言，可合理缩减实验步骤，节省技术时间[3-4]。

2 对象与方法

图像移动、大小和DenseNet对DenseNet分类识别没有影响。seNet在自然图像识别任务中表现出色，尤其是在复杂环境中特异性较高。实现过程如下。

DenseNet CVPR会议于2017年召开，是一种新型的轻量级卷积神经网络模型，该网络结构为密集连接型。在网络中，任意两层之间都可以形成直接连接，每一层网络的输入都可以像以前一样使用所有的输出层，并通过学习图的特征来设定该层，将会同时作为后续所有层的输入。……