本成果是利用经质量核查技术检验的771套能见度仪，实现对高速公路3000路道路视频图像进行自动、定量标注，构建了大雾图像识别样本库。提取昼夜场景下大雾图像识别的差异化量化特征参数，采用机器学习方法建立基于视频图像的能见度等级智能识别模型，实现低能见度智能识别、预警。

经检验，该技术对大雾平均识别率为89.03%，其中夜间达84.5%。在识别系统的支撑下，能够实现样本自动累积，模型滚动学习、修正。该技术已经应用于交通气象业务，实现了能见度监测密度从原15公里提升至1-2公里，有效提高了局地团雾监测能力，维护成本显著下降。

提高局地性浓雾监测能力，同时降低成本。目前基于相关技术开发业务系统已经在安徽省交通管理部门应用，将雾的监测能力由10km提高到2km左右。

创新点:基于高速公路视频摄像头数据，融合图像识别、机器学习等多项人工智能技术，建立大雾识别模型，智能的识别出道路大雾等级，开发了一种能见度监测技术。相关成果申请专利1项，软件著作权3项，撰写技术论文3篇。