一种基于人工智能高精度识别水尺数据的方法及系统技术方案

本发明专利技术提供一种基于人工智能高精度识别水尺数据的方法及系统，该方法将水尺数据识别分为水尺上数字识别及残缺字符“E”识别，二者结果结合后即为水尺读数。水尺上数字识别采用人工智能技术，通过对大量标注含数字图片有监督的训练、学习，识别水尺上数字及数字位置信息；水尺上残缺字符“E”识别采用聚类分析、降噪、角度校正等技术处理图像，通过确定字符“E”最下端残缺部分像素坐标计算残缺字符“E”读数。本发明专利技术水尺数据识别理论上可达到无误差，实际应用中误差可控制在1cm以内，能够高精度实现无人值守、实时水尺读数识别，且可移植性高，具有重要的实用价值。具有重要的实用价值。具有重要的实用价值。

【技术实现步骤摘要】
一种基于人工智能高精度识别水尺数据的方法及系统


[0001]本专利技术属于人工智能、图像识别及环境保护领域，具体是一种基于人工智能高精度识别水尺数据的方法及系统，解决无人监管即可进行水尺水位数据识别的问题。

技术介绍

[0002]水位是反映水体、水流变化的重要标志，水位观测可直接用于水文情报预报，为防汛抗旱、航运及水利工程的建设、运用和管理等提供水情信息，连续的水位资料是水利水电、航道、水环境等建设规划的重要依据。
[0003]目前，自动水位观测设备包括自记水位计、水压水位计、超声波水位计、雷达水位计等，这些设备采购及维护成本高、精度受环境影响较大；传统水尺是最直接的水位观测设备，安装成本低、精度高且易验证，但需人工监测、难以实现长期连续监测；传统图像识别技术，主要基于灰度图像，提取特征点计算水尺读数，受环境及图像质量影响大。人工智能技术的应用，为水尺水位的识别提供了很好的解决方法。公开号为CN 109508630A的专利公布了一种人工智能水尺识别方法，该方法包括两个训练模型，水尺对象检测模型和水尺刻度识别模型，水尺图像输入到预训练的水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能高精度识别水尺数据的方法，其特征在于：包括如下步骤：第一步，水尺图像获取：通过高清摄像机，获取野外水尺图像，并传输至室内计算机；第二步，水尺数字及数字位置识别：通过卷积神经网络，有监督的训练、学习已标注数字的图像，获取数字特征权重，利用训练过的模型识别野外水尺图像，获取数字及数字位置信息，确定水尺最下端数字；第三步，水尺图像聚类分析：根据数字位置信息，截取水尺最下端数字及字符“E”图像，通过无监督的学习方式，进行图像聚类分析，对比字符“E”的颜色，将截取的图像二值化；第四步，水尺残缺“E”刻度识别：对二值化后的图像进行邻域降噪、校正，从图像底部读取图像数据，识别与字符“E”相同的RGB值，确定残缺字符“E”的像素坐标，计算水尺上残缺字符“E”的读数；第五步，水尺读数计算：根据第二步确定的水尺最下端数字与第四步确定的残缺“E”的读数，计算水尺读数。2.如权利要求1所述的一种基于人工智能高精度识别水尺数据的方法，其特征在于：所述的第一步包括以下步骤：在某水尺前方架设高清摄像机，间隔一定时间拍摄一张图像，并传输至计算机指定文件夹内。3.如权利要求2所述的一种基于人工智能高精度识别水尺数据的方法，其特征在于：所述的第二步包括以下步骤：步骤2.1，图像标注：收集水尺图像或含数字图像，进行数字标注，得到人工智能训练、验证及测试所需的数据集；步骤2.2，图像深度训练学习：利用卷积神经网络对标注的训练集、验证集及测试集进行有监督的深度训练、学习，得到卷积神经网络模型；步骤2.3，水尺数字信息识别：利用深度学习后的卷积神经网络模型，检测野外水尺图像，提取水尺数字及数字位置信息，所述数字位置信息包括数字中心坐标及数字图像宽、高像素信息，根据数字纵向像素坐标，确定水尺最下端数字。4.如权利要求3所述的一种基于人工智能高精度识...

【专利技术属性】
技术研发人员：赵科锋，靖争，曹慧群，林莉，唐见，罗平安，翟文亮，罗慧萍，李晓萌，李欢，张玉鹏，尹鹏笼，
申请(专利权)人：长江水利委员会长江科学院，
类型：发明
国别省市：