摘要：伴随着我国工业化进程的不断推进，我国的大气污染情况也逐渐严重。由此使得雾霾天气愈加严重。这也给交通安全带来了极大的考验。为了降低由于能见度问题带来的高速公路的安全问题，基于视觉传感器的能见度检测技术的应用渐渐成为了热门研究方向，本课题所研究开发的基于可见光-红外视觉传感器的能见度检测系统就是顺应这种研究趋势来进行的，并且在实验测试中获得了非常良好的效果。本文所设计的系统省去了工作人员实地进行考察道路能见度的环节,从而降低了其工作的危险系数。基于视觉传感器的能见度检测系统主要是使用安装于高速公路上的视觉传感器来获取图像数据并传输回系统中进行检测，再将检测的结果反馈给使用者。整个系统主要由图像数据采集、能见度检测以及反馈能见度信息三个部分组成。

本系统包括三个功能模块，分别是图像数据的获取，能见度的检测以及能见度检测结果的反馈。系统首先通过安置在高速公路上的可见光-红外摄像头获取实时的视频，然后将其逐帧输出为图片数据，之后输入Inceptionv3神经网络中训练的模型中，将识别的结果中置信度最高的输出在计算机操作用户界面上并以此反馈给用户，方便用户的出行。

系统的硬件部分是由计算机和安装在高速公路上的可见光-红外摄像头组成。本系统是由计算机语言Python来进行程序设计以及完整的模型训练的。通过此系统可以实现对于高速公路的天气能见度的远程检测与识别。系统经过预设在高速公路上的可见光-红外摄像头获取实时的高速公路的图像数据，经过预处理后输入到已经训练好Inceptionv3模型中，之后将模型检测的结果输出，至此整个能见度检测系统便实现完成。

关键词：高速公路能见度检测；Inceptionv3；深度学习

目  录

摘  要

ABSTRACT

第一章 绪  论-1

1.1 课题背景和意义-1

1.1.1 课题研究背景-1

1.1.2 课题研究意义-2

1.2 国内外研究现状-2

1.2.1 能见度的相关定义-2

1.2.2 国内外研究现状-3

1.3 本文的章节安排-4

第二章 深度学习的基本理论-5

2.1 深度学习的基本概念-5

2.2 软件系统的组成-5

2.4 本章小结-9

第三章 深度学习的基础理论-10

3.1 面向可见光图像的Inceptionv3能见度检测模型-10

3.1.1 可见光图像样本采集与预处理-10

3.1.2 可见光图像Inceptionv3神经网络的训练过程-10

3.1.3 实验结果与分析-12

3.2 面向红外图像的Inceptionv3能见度检测模型-12

3.2.1 红外图像样本采集与预处理-13

3.2.2 可见光图像的Inceptionv3神经网络的训练过程-13

3.2.3 实验结果与分析-15

3.3 面向多模态图像的Inceptionv3能见度检测模型-15

3.3.1 多模态图像样本采集与预处理-15

3.3.2 多模态图像Inceptionv3神经网络的训练过程-16

3.3.3 实验结果与分析-18

3.4 本章小结-18

第四章 系统的实现与实验结果的分析-19

4.1 系统开发环境与开发语言-19

4.1.1 Python的历史-19

4.1.2 Python的设计思想-19

4.1.3 Python的优点-20

4.2 演示系统GUI的组成-20

4.3 运行结果与分析-21

4.4 本章小结-22

第五章 总结与展望-23

5.1 总结-23

5.2 研究展望-23

参考文献-25

致  谢-27