【技术实现步骤摘要】
本专利技术涉及机器视觉水位检测，具体为一种基于深度学习的无水尺河道水位检测方法。
技术介绍
1、为了满足不同河道内水位检测的需求，避免人工读取水位方法、水位计检测方法存在设备安装复杂、维护成本高、存在安全隐患等问题，随着机器视觉的不断发展，现如今可以利用水尺配合视频监控的方法实现水位检测。
2、目前常用的技术是使用目标检测算法定位水尺位置并使用图像分割算法分割水尺和水体，通过读取水尺获取水位高度,对于简单场景该方法表现良好,然而在水位落差较大的地方会出现水尺搁浅的现象，设置不同层级的水尺会造成资源浪费；并且在野外水尺周围会生长杂草遮挡水尺，从而导致水尺读数不准确的问题；人工清除杂草工作量大、安全系数低；水尺安放过程繁琐。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习的无水尺河道水位检测方法，具备无需检测精度高、安装方便和使用便捷的优点，解决了目前常用技术会出现水尺搁浅的现象，设置不同层级的水尺会造成资源浪费，并且在野外水尺周围会生长杂草遮挡水尺，导致水尺读数不准确的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于深度学习的无水尺河道水位检测方法，包括以下步骤：
3、步骤一：在水位检测点设定标定物并从摄像头中获取包含标定物的图像，通过标定得到像素坐标系和世界坐标系的映射关系；
4、步骤二：利用sam模型对目标水域的水体区域和非水体区域进行分割，并获取二值图像；
5、步骤三：在二值图像上裁剪出水位
6、步骤四：将拉流获取的单帧图像二值化，获取水位所在附近的感兴趣区域，将感兴趣区域划分为多个子感兴趣区域，计算laplace值；
7、步骤五：对比子感兴趣区域，确定laplace值突变的区域，该区域拟为水位线区域；
8、步骤六：通过对比步骤三和步骤五，确定水位线位置，通过映射关系计算得到水位高度；
9、步骤七：在预警水位处设置报警设备；
10、步骤八：将报警设备的输出信号与远程终端连接。
11、优选的，所述步骤一中，以标定物在世界坐标系中的顶点对应检测图像中标定物顶点的像素坐标，世界坐标系中的底点对应像素坐标系中的底点，同时需要测量标定物与水面法线方向的夹角和水面的初始高度，通过非线性求解，可以得到像素坐标和世界坐标系的映射关系。
12、优选的，所述步骤二中，利用sam分割模型对该图像进行分割，通过提供提示点和检测框实现对水体和非水体的精确分割，输出二值的掩模图像，利用形态学闭运算，除去分割图像时产生的小孔。
13、优选的，所述步骤三中，然后计算得到水位检测点的坐标位置，将取出的一帧图像去噪之后二值化处理，通过标定时所取的坐标，裁剪出包含水体在内的感兴趣区域，将感兴趣区域划分成若干个等面积的小区域，并计算出每一个小区域的拉普拉斯值，最后得到拉普拉斯值突变的区域。
14、优选的，所述步骤七中，将多个水位报警设备分别设置于河道的不同位置，相邻两个水位报警设备之间的距离为10-20m，每个水位报警设备旁边设置一个备用报警设备，且两种报警设备的报警传递信号不同。
15、优选的，所述步骤八中，将报警设备通过无线信号收发模块连接远程终端，将远程终端设置于工作室内部，报警设备通过太阳能电池板供电，将太阳能电池板设置于水位报警设备的上方，通过防水电线连接。
16、优选的，所述步骤六中，查看水位检测点坐标是否在突变区域内，如果不在则表示该水位检测点可能属于倒影区域，检测有误，如果在突变区域内，则通过像素坐标和世界坐标系的映射关系，计算得到水位的高度。
17、优选的，所述水位报警设备和备用报警设备均为为水位报警器，具体型号分别为zsb127-z和bz1201。
18、与现有技术相比，本专利技术的有益效果如下：
19、本专利技术的具有以下优点：
20、1、可以解决水尺搁浅的问题，能够继续检测水位的同时避免了资源的浪费；
21、2、不存在杂草生长遮挡水尺的问题，减少人员的维护成本以及水尺安装的成本；
22、3、由于在标定时需要测量水尺和水面法线的夹角，因此检测水位的位置不仅限于垂直的船闸室、桥墩、池塘等，还可用于有倾斜角度的大坝、水库、河道岸线等；
23、4、该方法只需对摄像头标定即可，生产简单经济，安装方便，使用便捷；
24、5、利用远程水位检测报警，在水位到达指定高度后能够及时发出警报，并且远程提醒工作人员，方便进行处理，无需人工实地勘测，节省了人力。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的无水尺河道水位检测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤一中，以标定物在世界坐标系中的顶点对应检测图像中标定物顶点的像素坐标，世界坐标系中的底点对应像素坐标系中的底点，同时需要测量标定物与水面法线方向的夹角和水面的初始高度，通过非线性求解，可以得到像素坐标和世界坐标系的映射关系。
3.根据权利要求1所述的基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤二中，利用SAM分割模型对该图像进行分割，通过提供提示点和检测框实现对水体和非水体的精确分割，输出二值的掩模图像，利用形态学闭运算，除去分割图像时产生的小孔。
4.根据权利要求1所述的基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤三中，然后计算得到水位检测点的坐标位置，将取出的一帧图像去噪之后二值化处理，通过标定时所取的坐标，裁剪出包含水体在内的感兴趣区域，将感兴趣区域划分成若干个等面积的小区域，并计算出每一个小区域的拉普拉斯值，最后得到拉普拉斯值突变的区域。
5.根
6.根据权利要求1所述的一种基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤八中，将报警设备通过无线信号收发模块连接远程终端，将远程终端设置于工作室内部，报警设备通过太阳能电池板供电，将太阳能电池板设置于水位报警设备的上方，通过防水电线连接。
7.根据权利要求1所述的一种基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤六中，查看水位检测点坐标是否在突变区域内，如果不在则表示该水位检测点可能属于倒影区域，检测有误，如果在突变区域内，则通过像素坐标和世界坐标系的映射关系，计算得到水位的高度。
8.根据权利要求5所述的一种基于深度学习的无水尺河道水位检测方法，其特征在于：所述水位报警设备和备用报警设备均为为水位报警器，具体型号分别为ZSB127-Z和BZ1201。
...【技术特征摘要】
1.一种基于深度学习的无水尺河道水位检测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤一中，以标定物在世界坐标系中的顶点对应检测图像中标定物顶点的像素坐标，世界坐标系中的底点对应像素坐标系中的底点，同时需要测量标定物与水面法线方向的夹角和水面的初始高度，通过非线性求解，可以得到像素坐标和世界坐标系的映射关系。
3.根据权利要求1所述的基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤二中，利用sam分割模型对该图像进行分割，通过提供提示点和检测框实现对水体和非水体的精确分割，输出二值的掩模图像，利用形态学闭运算，除去分割图像时产生的小孔。
4.根据权利要求1所述的基于深度学习的无水尺河道水位检测方法，其特征在于：所述步骤三中，然后计算得到水位检测点的坐标位置，将取出的一帧图像去噪之后二值化处理，通过标定时所取的坐标，裁剪出包含水体在内的感兴趣区域，将感兴趣区域划分成若干个等面积的小区域，并计算出每一个小区域的拉普拉斯值，最后得到拉普拉斯值突变的区域。
【专利技术属性】
技术研发人员：胡戎豪，罗斌，范治瑜，杨磊，曹汉，邓祥，
申请(专利权)人：重庆知行数联智能科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。