在民航工作中,安全是永远的主题。在航空器飞行的各个阶段都会受到气象条件的影响,民航安全与气象条件有着密切的关系。而民航气象作为民航工作的重要组成部分之一,肩负着最大限度地减少天气对航空运行安全与效率造成影响的职责。随着我国民用航空运输事业的快速发展,航班数量的不断增加,气象工作也显得越来越重要。伴随着民航业几十年的发展,我国民航气象工作不断取得进步,气象装备也得到了极大的改善,大量先进设备投入到生产工作中,尤其是近几年来多普勒天气雷达的装备和投产,对提高雷雨天气下民航活动的安全和效率发挥了重要作用,如今天气雷达资料已经成为保障航空安全不可或缺的重要情报,而监视天气雷达,也成为了雷雨天气过程中民航气象工作人员的一项重要工作。本文研究了天气雷达探测的基本原理及其定量测量降水的传统方法,收集了民航云南空管分局气象台一撮云天气雷达站最近三年的雷达平面位置扫描图像数据和气象局地面自动站降水量测量资料。将数据进行筛选和预处理后,通过雷达回波特征与实际测量结果和人工预报结果对比,判断有可能生成降水和雷暴的区域,并制作数据集。在实验中利用这些数据对Faster R-CNN和SSD两种在图像识别中最为流行的卷积神经网络模型进行训练,尝试通过深度学习的方法,识别雷达图像中降水、雷暴天气生成的区域以及降水强度,对两种模型在天气雷达图像识别中的效果进行了比较,并在2019年7月20日昆明超强降水天气过程中,通过所探测的数据验证了利用卷积神经网络识别天气雷达图像产品的适用性和可行性,并对该方法在民航气象工作中的应用做了展望。