1.一种基于传统方法与深度学习的北极气旋识别方法，其特征在于，包括以下步骤：(1)下载平均海平面气压数据，选取0时，6时，12时和18时四时次的数据，将数据投影至极地投影；

(2)通过中心气压法识别出候选点，作为建立数据集的依据；

(3)根据步骤(2)中得到的点，进行数据集的构建；

(4)将步骤(3)中构建好的数据集输入到SSD深度学习模型中进行训练，得到训练好的模型；

(5)对模型的精度进行评价；

(6)将步骤(1)中处理好的图像放入训练好的模型中进行北极气旋的识别，得到识别结果及得分情况。

2.根据权利要求1所述的一种基于传统方法与深度学习的北极气旋识别方法，其特征在于，所述步骤(1)选取的平均海平面气压数据的时间为2010‑2015年，空间分辨率为

0.25°，范围为60°N到90°N。

3.根据权利要求1所述的一种基于传统方法与深度学习的北极气旋识别方法，其特征在于，所述步骤(2)为：将步骤(1)中的转换投影之后的结果进行降尺度，降为空间分辨率为

100km×100km，利用3×3的网格进行循环遍历，将区域最小值作为候选点，比较候选点与网格平均值的大小，舍去大于平均值的候选点，比较剩下点的距离，将距离小于北极气旋的半径的点舍去，剩下的点作为构建数据集的依据。

4.根据权利要求1所述的一种基于传统方法与深度学习的北极气旋识别方法，其特征在于，所述步骤(3)为：根据步骤(2)中的结果，采用labelImg方法进行标签的制作，构建训练数据集。

5.根据权利要求1所述的一种基于传统方法与深度学习的北极气旋识别方法，其特征在于，所述步骤(4)为：将训练数据集放入SSD深度学习模型中进行训练，设置合适的参数；

其中，参数为：模型的预训练权重设置为VOC数据集预训练权重，输入的图片尺寸为300×

300，先验框的大小为(30，60，111，162，213，264，315)，训练的世代数为200，学习率的下降方式为cos。

6.根据权利要求1所述的一种基于传统方法与深度学习的北极气旋识别方法，其特征在于，所述步骤(5)为：对训练好的模型进行精度检验，采用精确率、平均精度、F1分数进行模型精度检验。其中，精确率的公式为：其中，Precision为模型的精确率，TP为正样本，预测结果为正；FP为正样本，预测结果为负。

平均精度的计算公式为：

F1分数的计算公式为：

其中，FN为负样本，预测结果为正，recall为召回率。

7.一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如权利要求1‑6中任一所述方法。

8.一种装置，包括存储器和处理器，其中，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如权利要求1‑6中任一所述方法。