基于卷积神经网络的监控图像水位识别

基于水尺的水位监测由于其廉价和便携的特点而得到广泛应用。然而,在复杂的实际水文场景中,如何从水尺图像中准确检测水位仍然是一个棘手的问题。本文提出了一种水位测量的复合方法。与传统方法不同,该方法可以从复杂多变的场景中检测出水位的位置和数量,然后从变化的水位中准确地分割出水位线,最终得到准确的水位值。该方法首先通过上下文调整模块改进了FCOS 模型,以满足边缘计算的要求,并保证了比较高的检测精度。其次,为了模块化语义关系,应用Deeplab-v3 的上下文校正模块来分割水尺图像的水面以上区域,被分割的区域可以用来计算水位线的位置。最后,结合所有的结果来计算水尺图像的水位值。实验证明：本文提出的复合方法,解决了复杂水文场景下的水尺水位计算问题,计算的水位误差已经精确到1 厘米,大大优于现有的方法。     

基于图像识别技术的水尺刻度提取方法研究

为从标准水尺中自动提取水位数据,针对水尺图像具有明显边缘的特点,利用Hough变换计算水尺偏移角度并据此进行倾斜校正,然后采用形态学处理、水平投影等图像处理方法定位水尺左右及上下边缘,进而提取水尺目标,最后通过垂直投影、逻辑运算等图像处理方法提取水尺刻度,根据此刻度计算出水位值。实例应用结果表明:该方法计算过程简单、有效且结果误差较小,能够准确地从水尺图像中提取刻度并获取水位数据。     

水尺智能识别技术在潮白河生态补水中的应用

随着科学技术水平的快速发展,人工智能技术已广泛应用在各行业.在2021年潮白河生态补水中,为了能够自动识别向阳闸闸前水位,部署了智能识别摄像机,此类设备采用了基于深度学习算法的水尺智能识别技术,实现水位数据的"所见即所得".通过数据对比与分析,水尺智能识别技术的水位测量精度完全满足水利部SL 61-2015《水文自动测报系统技术规范》相关要求,利用水尺智能识别技术让监测人员可以进行数据对比,减小人为观测造成的误差,同时可以保存连续性水文数据,提高运行管理能力,完全适用于水务业务领域,具有广阔的应用前景.     

基于图像处理和稀疏表示的水位识别研究

在水位智能识别系统中,采集到的水尺图像可能存在刻度模糊、局部缺失等情况,对水尺识别产生不利影响,针对这一问题提出了一种基于稀疏表示的水位识别方法。该方法利用多幅连续水尺图像对字典进行训练,通过重构残差的比较对样本水尺图像进行分类,根据分类结果计算出水位值。结果表明,该方法对光照变化和局部的遮挡、模糊等具有较强的鲁棒性,可以准确地对水尺兴趣目标图片分类并进行水位计算,计算出的水位与实际水位之间的误差不超过±1 cm。     

基于图像处理和BP神经网络的水位识别研究

为了能够自适应地识别水位,针对目前水尺图像类水位识别软件中需要人工设定水尺总量程参数的弊端,提出了一种无需在软件中预设水尺总量程的水位监测方法。该方法通过训练好的BP人工神经网络智能识别水尺总量程,通过图像处理技术提取水尺刻度,最后利用水尺总量程和水尺刻度之间的数学关系计算出水位值。实例应用结果表明:该方法能够有效地识别水尺总量程和水位值。     

遮挡情况下水尺图像特征加权学习识别算法

考虑实际应用中水尺图像受遮挡较多,自动识别水位困难的问题,提出了一种遮挡情况下的水尺图像特征加权学习识别算法。针对现有稀疏表示算法通常对图像整体进行操作如字典训练等,致使图像中的特征信息无法突出的情况,提出在稀疏表示过程中对回归系数设置不同权值并在迭代过程中对权值更新学习。首先通过对特征权值的迭代学习以增加有效信息的权重,排除遮挡信息的干扰;其次,通过对图像分类残余值进行不同模型下的回归表示,提出采用更能表现出残余值重尾分布实际情况的逻辑分布模型。实验过程采用实际水尺图像,先通过边缘检测等预处理方式得到当前水位的刻度图像,进一步对该图像附加遮挡进行分类识别以验证实验结果,所附加遮挡用以模拟水尺刻度被水面遮挡等情况。实验结果表明,与常用的稀疏回归表示算法相比,该算法在多遮挡情况下的性能较优。图10幅。     

基于DCGAN的水下结构物表面缺陷图像生成

为提升水下结构物表面缺陷图像数据集的质量和规模，促进深度学习相关方法在水下检测领域中的应用，开展数据增强方法研究，提出一种基于深度卷积生成对抗网络(DCGAN)的水下结构物表面缺陷图像生成方法。首先，设计了一种水下结构物表面缺陷图像采集装置，通过改变拍摄距离和补充光照强度，探究出一种保证水下图像质量的采集方式；其次，通过改进损失函数优化DCGAN,建立水下结构物表面裂缝图像生成模型，实现了水下结构物表面缺陷图像的生成；最后，利用YOLOv5检测网络验证生成图像的有效性。结果表明：生成的水下结构物表面裂缝图像平均峰值信噪比为25.142 6 dB,平均结构相似性为0.716 8,将生成图像和真实图像共同输入检测模型可有效提高检测精度。研究成果为大坝和引水隧洞等水工结构物的健康检测提供技术支撑。     

联合上下文注意力机制的水位检测算法分析

智能水位监测有助于及时的水资源管控和灾情防范。针对拍摄视角不同、恶劣天气和水面污染等问题,提出联合上下文注意力机制的水位检测算法,基于上下文注意力机制的UNet模型（CAM-UNet）和最小二乘多项式拟合函数,实现复杂背景下的水位信息远端智能获取。结果表明,在摄像头安装错位、镜头抖动及水面脏污等干扰造成水位定位困难的情况下,所提算法能够准确分割水位线,并在不依赖于水尺装置的情况下,将水位像素高度低偏差映射到实际高度,测定保证率和最大偏差符合《水位观测标准》。研究结果对解决复杂监控场景中的实时水位准确检测难题及洪涝预警具有重要应用价值。     

石头河水库坝前水位的观测与现状分析

本文对石头河水库坝前水位的观测情况进行了综合分析,指出了存在的问题主要是水尺不规范及坝前水位观测过分依赖自动水位计。解决的方案是建议修建水位井观测坝前水位,重视人工观测。     

稳定型坝坡式水尺的设计与应用

水尺是水利水文事业用于观测水位的基础设施,随着经济社会的不断发展,目前水尺的种类繁多,有旋臂式、自记式、可视式等等,通过分析对比,设计出了比较适合基层水位观测单位的稳定型坝坡式水尺。该水尺的基础平台采用退步错台结构浇筑,水尺焊接在平台侧面,与平台整体连接在一起,稳定性强,不易被冲失、发生歪斜或是淤积,投资较少,使用时间较长,且适用范围广,获得了一线水位观测人员的好评。