一种阶梯形水尺水位识别方法技术

本发明专利技术公开了一种阶梯形水尺水位识别方法，包括：搭建阶梯形水尺环境，并对水尺阶数和水尺量程进行配置；通过摄像头实时获取水尺图像；并将水尺图像输入至训练好的水尺目标检测模型中，获得水尺图像目标区域；对水尺图像目标区域进行分析，获得水尺图像目标区域中的总水尺个数、水位线以及水位线处的水尺像素信息；基于水位线处的水尺像素信息，结合水尺像素基准点和对应的水尺刻度之间的拟合参数，计算出水位线处的水尺刻度；根据水尺阶数、水尺量程、总水尺个数以及水位线处的水尺刻度，计算出水尺图像中的实际水位深度；通过该方法能够解决传统水位识别算法因环境等因素影响造成的水位识别不稳定的问题。成的水位识别不稳定的问题。成的水位识别不稳定的问题。

【技术实现步骤摘要】
一种阶梯形水尺水位识别方法


[0001]本专利技术属于机器视觉和深度学习
，特别是一种阶梯形水尺水位识别方法。

技术介绍

[0002]我国目前采用的水位测量方法主要有人工读取水位标尺法和利用传感器自动采集水位法。人工读取水位标尺法无法获取实时水位数据，需要耗费大量的人力，而且无法避免存在人为误差。而目前市面上用于测量水位的传感器普遍存在产品使用寿命短、测量不精准、性能不稳定等问题，并且它们的工作方式复杂，测量精度容易受到环境因素的影响，无法进行全天候监测。除此之外，有些引用视频监控查看水位的监测站点，大多数只是用到了实时播放和回放功能，仍需通过人工进行实时查看和记录，存在局限性。
[0003]21世纪以来，人工智能、计算机视觉技术研究取得了重大突破，并在一些领域广泛应用。从人脸识别到智能交通，许多应用都已经成熟，提高了生活生产效率，加快了行业的数字化进程。然而这些技术在水位监测领域的应用还处于起步的研究阶段。
[0004]因此，如何将机器视觉技术应用于水位测量工作中，提高测量精度，实现水尺水位测量的智能化，成为当前研究的关键问题。

技术实现思路

[0005]鉴于上述问题，本专利技术提供一种至少解决上述部分技术问题的一种阶梯形水尺水位识别方法，该方法利用YoloV5目标检测算法，识别图片中水尺及水位线区域，根据图片像素和水位的映射关系，推算出水位深度；解决了传统水位识别算法因环境等因素影响造成的水位识别不稳定的问题。
[0006]本专利技术实施例提供了一种阶梯形水尺水位识别方法，包括：
[0007]S1、搭建阶梯形水尺环境，并对水尺阶数和水尺量程进行配置；
[0008]S2、通过摄像头实时获取水尺图像；并将所述水尺图像输入至训练好的水尺目标检测模型中，获得水尺图像目标区域；
[0009]S3、对所述水尺图像目标区域进行分析，获得所述水尺图像目标区域中的总水尺个数、水位线以及所述水位线处的水尺像素信息；
[0010]S4、基于所述水位线处的水尺像素信息，结合水尺像素基准点和对应的水尺刻度之间的拟合参数，计算出水位线处的水尺刻度；
[0011]S5、根据所述S1获得的水尺阶数和水尺量程、所述S3获得的总水尺个数以及所述S4获得的水位线处的水尺刻度，计算出所述水尺图像中的实际水位深度。
[0012]进一步地，所述S1中，所述搭建阶梯形水尺环境，具体包括：
[0013]在渠道的预设位置处安装水尺和摄像头；
[0014]所述水尺呈分段阶梯式分布；
[0015]所述摄像头能够完整、清晰地拍摄到每一个所述水尺。
[0016]进一步地，所述S2中，水尺目标检测模型通过如下方法训练而成：
[0017]搭建阶梯形水尺环境；基于所述阶梯形水尺环境，通过摄像头获取大量不同时间段内，不同环境光照条件下的水尺图像数据集；将所述水尺图像数据集按照预设比例划分为图像训练集、图像验证集和图像测试集；
[0018]使用LabelImg标注工具分别对所述图像训练集、图像验证集和图像测试集中每张水尺图像的不同水尺区域进行标注，生成对应的训练标签文件、验证标签文件和测试标签文件；
[0019]将所述图像训练集、图像验证集、所述训练标签文件和验证标签文件导入YoloV5模型中进行训练，得到水尺目标检测模型；
[0020]将所述图像测试集作为输入加载到所述水尺目标检测模型中，将所述水尺目标检测模型的输出与所述验证标签文件进行对比，用于测试所述水尺目标检测模型的识别准确率。
[0021]进一步地，所述S4中，选取水尺量程内的多个点作为水尺在图像中的水尺像素基准点。
[0022]进一步地，所述S4中，所述水尺像素基准点和对应的水尺刻度之间的拟合参数的计算方法包括：
[0023]采用多项式拟合算法计算水尺像素基准点与水尺刻度之间的映射关系，即将水尺像素基准点和对应的水尺刻度分别作为多项式拟合算法的输入和输出，通过计算得到水尺像素基准点和对应的水尺刻度之间的拟合参数。
[0024]进一步地，所述S5具体包括：
[0025]根据所述S1获得的水尺阶数和水尺量程，以及所述S3获得的总水尺个数，计算出被完全淹没的水尺个数；
[0026]基于所述被完全淹没的水尺个数，结合所述S4获得的水位线处的水尺刻度，计算出所述水尺图像中的实际水位深度。
[0027]与现有技术相比，本专利技术记载的一种阶梯形水尺水位识别方法，具有如下有益效果：
[0028]1、传统水位识别算法只适用于识别单一水尺环境，而本专利技术所记载的方法可用于识别因安装环境、水尺量程等因素导致水尺呈分段式阶梯形安装的环境，增加了可识别场景的多样性。
[0029]2、本专利技术通过设置像素基准点推算水尺刻度，可消除因水面漂浮物、光线、水尺脏污、周边物体遮挡等干扰因素导致的水尺刻度识别错误问题，提高了识别稳定性和识别准确率。
[0030]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0031]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0032]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实
施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0033]图1为本专利技术实施例提供的阶梯形水尺水位识别方法流程示意图。
具体实施方式
[0034]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0035]参见图1所示，本专利技术实施例提供了一种阶梯形水尺水位识别方法，具体包括如下步骤：
[0036]S1、搭建阶梯形水尺环境，并对水尺阶数和水尺量程进行配置；
[0037]S2、通过摄像头实时获取水尺图像；并将所述水尺图像输入至训练好的水尺目标检测模型中，获得水尺图像目标区域；
[0038]S3、对所述水尺图像目标区域进行分析，获得所述水尺图像目标区域中的总水尺个数、水位线以及所述水位线处的水尺像素信息；
[0039]S4、基于所述水位线处的水尺像素信息，结合水尺像素基准点和对应的水尺刻度之间的拟合参数，计算出水位线处的水尺刻度；
[0040]S5、根据所述S1获得的水尺阶数和水尺量程、所述S3获得的总水尺个数以及所述S4获得的水位线处的水尺刻度，计算出所述水尺图像中的实际水位深度。
[0041]下面分别对上述各个步骤进行详细的说明。
[0042]在上述步骤S1中，搭建阶梯形水尺环境，具体包括：在渠道的预设位置处安本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种阶梯形水尺水位识别方法，其特征在于，包括：S1、搭建阶梯形水尺环境，并对水尺阶数和水尺量程进行配置；S2、通过摄像头实时获取水尺图像；并将所述水尺图像输入至训练好的水尺目标检测模型中，获得水尺图像目标区域；S3、对所述水尺图像目标区域进行分析，获得所述水尺图像目标区域中的总水尺个数、水位线以及所述水位线处的水尺像素信息；S4、基于所述水位线处的水尺像素信息，结合水尺像素基准点和对应的水尺刻度之间的拟合参数，计算出水位线处的水尺刻度；S5、根据所述S1获得的水尺阶数和水尺量程、所述S3获得的总水尺个数以及所述S4获得的水位线处的水尺刻度，计算出所述水尺图像中的实际水位深度。2.如权利要求1所述的一种阶梯形水尺水位识别方法，其特征在于，所述S1中，所述搭建阶梯形水尺环境，具体包括：在渠道的预设位置处安装水尺和摄像头；所述水尺呈分段阶梯式分布；所述摄像头能够完整、清晰地拍摄到每一个所述水尺。3.如权利要求1所述的一种阶梯形水尺水位识别方法，其特征在于，所述S2中，水尺目标检测模型通过如下方法训练而成：搭建阶梯形水尺环境；基于所述阶梯形水尺环境，通过摄像头获取大量不同时间段内，不同环境光照条件下的水尺图像数据集；将所述水尺图像数据集按照预设比例划分为图像训练集、图像验证集和图像测试集；分别对所述图像训练集、图像验证集和图像测试集中每张水尺图像的不同水尺区域进行标注，生成对应的训练标签文件、验证标签文件...

【专利技术属性】
技术研发人员：黄睿军，
申请(专利权)人：青海中水数易信息科技有限责任公司，
类型：发明
国别省市：