CN107506798B - 一种基于图像识别的水位监测方法 - Google Patents
一种基于图像识别的水位监测方法 Download PDFInfo
- Publication number
- CN107506798B CN107506798B CN201710775228.1A CN201710775228A CN107506798B CN 107506798 B CN107506798 B CN 107506798B CN 201710775228 A CN201710775228 A CN 201710775228A CN 107506798 B CN107506798 B CN 107506798B
- Authority
- CN
- China
- Prior art keywords
- picture
- water gauge
- water level
- water
- gauge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 270
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 37
- 238000005286 illumination Methods 0.000 claims description 20
- 230000000877 morphologic effect Effects 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 2
- 238000012986 modification Methods 0.000 abstract description 2
- 230000004048 modification Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/04—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by dip members, e.g. dip-sticks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Fluid Mechanics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明涉及一种基于图像识别的水位监测方法,通过设置于待检测水位区域的摄像装置,采集用于标注待检测水位区域水位的水尺的水尺图片,并上传至服务器;服务器对该水尺图片的大小进行归一化处理,并对水尺量程以及水尺关键刻度进行标定;根据水尺图片的类型,服务器采用机器学习SVM模型进行训练分类;通过摄像装置获取当前待识别水尺图片,上传至服务器,并通过机器学习SVM模型选择最优算法计算该当前待识别水尺图片中当前待识别水位的Y坐标;将该Y坐标转换为当前水位值。本发明所提出的一种基于图像识别的水位监测方法,采用非接触式水位测算方法,可高精度直接识别当前水位高度。具有改造工程量小、稳定性强、适用范围广等特点。
Description
技术领域
本发明涉及计算机图像识别技术领域,特别是一种基于图像识别的水位监测方法。
背景技术
现有的水位监控***安装复杂,应用场景不灵活,配置繁琐,有的难以适应特大洪水过程,且建设成本高。而且现有的水位监测方法中大多采用本身准确度依赖对识别结果影响极大的参照物,如照物以及知道参照物高度、坡面角度、摄像头水平距离和高度,导致不能准确对水位进行监测。同时,现有的水位监测方法中没有考虑以及解决倒影、折射和水尺脏污对水位的影响,进一步造成了监测方法适用性不强等问题。
发明内容
本发明的目的在于提供一种基于图像识别的水位监测方法,以克服现有技术中存在的缺陷。
为实现上述目的,本发明的技术方案是:一种基于图像识别的水位监测方法,按照如下步骤实现:
步骤S1:通过设置于待检测水位区域的摄像装置,采集用于标注待检测水位区域水位的水尺图片,并上传至一服务器;
步骤S2:所述服务器对该水尺图片的大小进行归一化处理,并对水尺量程以及水尺关键刻度进行标定;
步骤S3:根据水尺图片的特征,所述服务器采用机器学习SVM模型进行训练分类;
步骤S4:通过所述摄像装置获取一当前待识别水尺图片,上传至所述服务器,并通过所述机器学习SVM模型选择最优算法计算该当前待识别水尺图片中当前待识别水位的Y坐标;
步骤S5:将该Y坐标转换为当前水位值。
在本发明一实施例中,在所述步骤S1中,所述摄像装置采用一网络摄像机,通过该网络摄像机对水尺图片在预定时刻进行采集,并传到所述服务器。
在本发明一实施例中,在所述水尺关键刻度进行标定采用在水尺每1/3的位置进行标定。
在本发明一实施例中,在所述步骤S3中,将所述水尺图片按HSV颜色空间分割成3个通道,分别计算平均亮度值、均方差,并作为图片特征,采用支持向量机SVM算法进行机器学习以及训练;把处理后的图片根据预设标准判别条件进行分类,不同类型的图片采用对应的识别算法计算出水位在图片中的Y坐标。
在本发明一实施例中,所述根据预设标准判别条件进行分类包括:
步骤S31:根据所述水尺图片光照亮度,判断是否达到一预设光照阈值;若达到,则转至步骤S32,否则,转至步骤S35;
步骤S32:通过图片比对,判断当前待检测水位区域水质是否达到预设水质,若是,则转至步骤S33,否则,转至步骤S34;
步骤S33:所述摄像装置采集水尺旁边区域且与所述水尺图片尺寸大小一致的图像,作为第一图片,并将所述水尺图片作为第二图片;将所述第一图片以及所述第二图片分别进行伽马校正;计算所述第一图片与所述第二图片的图片矩阵的差的绝对值,并获取经HSV颜色空间分割后的亮度V通道的图片,作为第三图片;将所述第三图片进行局部自适应阈值化处理、形态学闭运算以及膨胀运算,并通过轮廓查找运算获取所述水尺图片中水尺区域,并计算出水位的Y坐标;
步骤S34:计算所述水尺图片光照的平均亮度,若平均亮度大于90,则转至所述步骤S33进行处理;否则,对所述水尺图片进行HSV颜色分割,取亮度V通道的图片,对该图片进行中值模糊、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算以及膨胀运算,并通过轮廓查找方法获取所述水尺图片中水尺区域,并计算出水位的Y坐标;
步骤S35:判断所述水尺图像中的水尺是否设置有反光膜,且所述摄像装置具备红外补光,若是,则对所述水尺图片进行HSV颜色分割,取亮度V通道图片,对该图片进行局部自适应阈值化处理、形态学闭运算处理、腐蚀运算处理以及膨胀运算处理,并通过轮廓查找运算获取所述水尺图片中水尺区域,并计算出水位的Y坐标;否则,对所述水尺图片进行HSV颜色分割,取亮度V通道图片,对该图片进行中值模糊处理、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算处理、开运算处理以及膨胀运算处理,并通过轮廓查找方法获取所述水尺图片中水尺区域,并计算出水位的Y坐标。
在本发明一实施例中,在所述步骤S4中,分别提取所述当前待识别水尺图片的HSV颜色空间3个通道的平均亮度值、均方差作为图片特征,通过所述机器学习SVM模型选择最优算法运算,获取水位在所述当前待识别水尺图片中当前待识别水位的Y坐标。
在本发明一实施例中,在所述步骤S5中,记所述水尺量程为L;所述当前待识别水位坐标为Y;水尺标定0、L/3、 2L/3、3L/3的Y坐标分别为P1、P2、P3、P4,且通过水尺标定,沿水尺从下至上形成三段水位;
若所述当前待识别水位Y坐标位于第一段水位,则第一段水位值:V1 = (P1-Y)*(L/3)/(P1-P2);
若所述当前待识别水位Y坐标位于第二段水位,则第二段水位值:V2 = L/3 +(P2-Y)*(L/3)/(P2-P3);
若所述当前待识别水位Y坐标位于第三段水位,则第三段水位值:V3 = L*2/3 +(P3-Y)*(L/3)/(P3-P4)。
相较于现有技术,本发明具有以下有益效果:本发明所提出的一种基于图像识别的水位监测方法,采用非接触式水位测算方法,使用的设备是摄像头,利用已建设的摄像头及水尺,可高精度直接识别当前水位高度。所采用的算法稳定可以较好解决倒影、折射和水尺脏污对水位的影响,不需要依赖本身准确度对识别结果影响度极大的参照物以及预知参照物高度、坡面角度、摄像头水平距离和高度。具有改造工程量小、稳定性强、适用范围广等特点。可适用于水利工程、河道、城市水位、海洋水文监测等业务。
附图说明
图1为本发明中一种基于图像识别的水位监测方法的流程图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供一种基于图像识别的水位监测方法,如图1所示,按照如下步骤实现:
步骤S1:通过设置于待检测水位区域的摄像装置,采集用于标注待检测水位区域水位的水尺图片,并上传至一服务器;
步骤S2:服务器对该水尺图片的大小进行归一化处理,并对水尺量程以及水尺关键刻度进行标定;
步骤S3:根据水尺图片的特征,将所采集水尺图片作为学习训练样本,服务器采用机器学习SVM模型进行训练分类;
步骤S4:通过摄像装置获取一当前待识别水尺图片,上传至服务器,并通过机器学习SVM模型选择最优算法计算该当前待识别水尺图片中当前待识别水位的Y坐标;
步骤S5:将该Y坐标转换为当前水位值。
进一步的,在本实施例中,在步骤S1中,摄像装置采用一网络摄像机,通过该网络摄像机对水尺图片在预定时刻进行采集,并传到服务器。
进一步的,在本实施例中,在水尺关键刻度进行标定采用在水尺每1/3的位置进行标定。在本实施例中,对于量程为3米的水尺,将水尺关键刻度标定为3米、2米、1米、0米的位置,以便最后图像处理后的水位坐标换算成实际的水尺刻度值。
进一步的,在本实施例中,在步骤S3中,将水尺图片按HSV颜色空间分割成3个通道,分别计算平均亮度值、均方差,并作为图片特征,采用支持向量机SVM算法进行机器学习以及训练;把处理后的图片根据预设标准判别条件进行分类,不同类型的图片采用对应的识别算法计算出水位在图片中的Y坐标。
进一步的,在本实施例中,根据预设标准判别条件进行分类包括:
步骤S31:根据水尺图片光照亮度,判断是否达到一预设光照阈值;若达到,则转至步骤S32,否则,转至步骤S35;
步骤S32:通过图片比对,判断当前待检测水位区域水质是否达到预设水质,若是,则转至步骤S33,否则,转至步骤S34;
步骤S33:摄像装置采集水尺旁边区域且与水尺图片尺寸大小一致的图像,作为第一图片,并将水尺图片作为第二图片;将第一图片以及第二图片分别进行伽马校正;计算第一图片与第二图片的图片矩阵的差的绝对值,并获取经HSV颜色空间分割后的亮度V通道的图片,作为第三图片;将第三图片进行局部自适应阈值化处理、形态学闭运算以及膨胀运算,并通过轮廓查找运算获取水尺图片中水尺区域,并计算出水位的Y坐标;
步骤S34:计算水尺图片光照的平均亮度,若平均亮度大于90,则转至步骤S33进行处理;否则,对水尺图片进行HSV颜色分割,取亮度V通道的图片,对该图片进行中值模糊、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算以及膨胀运算,并通过轮廓查找方法获取水尺图片中水尺区域,并计算出水位的Y坐标;
步骤S35:判断水尺图像中的水尺是否设置有反光膜,且摄像装置具备红外补光,若是,则对水尺图片进行HSV颜色分割,取亮度V通道图片,对该图片进行局部自适应阈值化处理、形态学闭运算处理、腐蚀运算处理以及膨胀运算处理,并通过轮廓查找运算获取水尺图片中水尺区域,并计算出水位的Y坐标;否则,对水尺图片进行HSV颜色分割,取亮度V通道图片,对该图片进行中值模糊处理、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算处理、开运算处理以及膨胀运算处理,并通过轮廓查找方法获取水尺图片中水尺区域,并计算出水位的Y坐标。
在本实施例中,将用于学习训练的水尺图片把图片进行分类,不同的分类采用不同的识别算法计算出水位在图片中的y坐标。识别算法分别适用于光照亮度较强的白天以及光照亮度较弱的晚上,通过与一预设的光照亮度阈值进行比对确定水尺图片的光照亮度。
光照亮度较强的白天采用识别算法1以及2进行识别。
识别算法1:通过与一预设水质阈值比对,进一步判断在达到该标准的水质相对干净的情况下采用该种算法,这种算法较好解决了水尺在水面倒影和折射的问题,包括如下步骤:
a、取水尺旁边同样大小区域的为图片1,水尺图片为图片2 ;
b、图片1、图片2分别进行伽马校正;
c、计算两个图片矩阵的差的绝对值,并返回经HSV颜色空间分割后的亮度v通道的图片3;
d、图片3进行局部自适应阈值化操作,形态学闭运算以及膨胀运算,通过轮廓查找方法找出水尺图片中水尺区域,并计算出水位的y坐标。
识别算法2:进一步判断在未达到上述水质标准的水质情况下采用该种算法,如水尺、水质脏污情况,包括如下步骤:
a、判断图片光照的亮度情况,如果平均亮度大于90的情况按算法1进行处理;
b、当亮度偏暗的情况下(即平均亮度小于90),对水尺区域图片进行HSV颜色分割,取亮度V通道图片;
c、进行中值模糊、直方图均衡化处理局部自适应阈值化操作,形态学闭运算以及膨胀运算,通过轮廓查找方法找出水尺图片中水尺区域,计算出水位的y坐标。
光照亮度较弱的晚上采用识别算法3以及4进行识别。
3、若晚上水尺有反光膜,且摄像头有红外补光:
a、对水尺区域图片进行HSV颜色分割,取亮度V通道图片;
b、接着对图片进行预处理:局部自适应阈值化操作,形态学闭运算、腐蚀运算、膨胀运算;
c、通过轮廓查找方法找出水尺区域计算出水位的y坐标。
4、若在晚上水尺没有反光膜,光照微弱的情况下:
a、对水尺区域图片进行HSV颜色分割,取亮度V通道图片;
b、进行中值模糊、直方图均衡化处理局部自适应阈值化操作,形态学闭运算、开运算以及膨胀运算,通过轮廓查找方法找出水尺区域计算出水位的y坐标。
进一步的,在本实施例中,在步骤S4中,分别提取当前待识别水尺图片的HSV颜色空间3个通道的平均亮度值、均方差作 为图片特征,通过机器学习SVM模型选择对应的识别算法进行运算,获取水位在当前待识别水尺图片中当前待识别水位的Y坐标。
进一步的,在本实施例中,在步骤S5中,记水尺量程为L;当前待识别水位坐标为Y;水尺标定0、L/3、 2L/3、3L/3的Y坐标分别为P1、P2、P3、P4,且通过水尺标定,沿水尺从下至上形成三段水位;
若当前待识别水位Y坐标位于第一段水位,则第一段水位值:V1 = (P1-Y)*(L/3)/(P1-P2);
若当前待识别水位Y坐标位于第二段水位,则第二段水位值:V2 = L/3 + (P2-Y)*(L/3)/(P2-P3);
若当前待识别水位Y坐标位于第三段水位,则第三段水位值:V3 = L*2/3 + (P3-Y)*(L/3)/(P3-P4)。
进一步的,若量程为3米,水尺标定0、1/3、 2/3、3/3米的位置分别为P1、P2、P3、P4;
第一段水位值:V1 = (P1-Y)/(P1-P2);
第二段水位值:V2 = 1 + (P2-Y)/(P2-P3);
第三段水位值:V3 = 2 + (P3-Y)/(P3-P4)。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (5)
1.一种基于图像识别的水位监测方法,其特征在于,按照如下步骤实现:
步骤S1:通过设置于待检测水位区域的摄像装置,采集用于标注待检测水位区域水位的水尺图片,并上传至一服务器;
步骤S2:所述服务器对该水尺图片的大小进行归一化处理,并对水尺量程以及水尺关键刻度进行标定;
步骤S3:根据水尺图片的特征,所述服务器采用机器学习SVM模型进行训练分类;
步骤S4:通过所述摄像装置获取一当前待识别水尺图片,上传至所述服务器,并通过所述机器学习SVM模型选择最优算法计算该当前待识别水尺图片中当前待识别水位的Y坐标;
步骤S5:将该Y坐标转换为当前水位值;
在所述步骤S3中,将所述水尺图片按HSV颜色空间分割成3个通道,分别计算平均亮度值、均方差,并作为图片特征,采用支持向量机SVM算法进行机器学习以及训练;把处理后的图片根据预设标准判别条件进行分类,不同类型的图片采用对应的识别算法计算出水位在图片中的Y坐标;
所述根据预设标准判别条件进行分类包括:
步骤S31:根据所述水尺图片光照亮度,判断是否达到一预设光照阈值;若达到,则转至步骤S32,否则,转至步骤S35;
步骤S32:通过图片比对,判断当前待检测水位区域水质是否达到预设水质,若是,则转至步骤S33,否则,转至步骤S34;
步骤S33:所述摄像装置采集水尺旁边区域且与所述水尺图片尺寸大小一致的图像,作为第一图片,并将所述水尺图片作为第二图片;将所述第一图片以及所述第二图片分别进行伽马校正;计算所述第一图片与所述第二图片的图片矩阵的差的绝对值,并获取经HSV颜色空间分割后的亮度V通道的图片,作为第三图片;将所述第三图片进行局部自适应阈值化处理、形态学闭运算以及膨胀运算,并通过轮廓查找运算获取所述水尺图片中水尺区域,并计算出水位的Y坐标;
步骤S34:计算所述水尺图片光照的平均亮度,若平均亮度大于90,则转至所述步骤S33进行处理;否则,对所述水尺图片进行HSV颜色分割,取亮度V通道的图片,对该图片进行中值模糊、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算以及膨胀运算,并通过轮廓查找方法获取所述水尺图片中水尺区域,并计算出水位的Y坐标;
步骤S35:判断所述水尺图像中的水尺是否设置有反光膜,且所述摄像装置具备红外补光,若是,则对所述水尺图片进行HSV颜色分割,取亮度V通道图片,对该图片进行局部自适应阈值化处理、形态学闭运算处理、腐蚀运算处理以及膨胀运算处理,并通过轮廓查找运算获取所述水尺图片中水尺区域,并计算出水位的Y坐标;否则,对所述水尺图片进行HSV颜色分割,取亮度V通道图片,对该图片进行中值模糊处理、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算处理、开运算处理以及膨胀运算处理,并通过轮廓查找方法获取所述水尺图片中水尺区域,并计算出水位的Y坐标。
2.根据权利要求1所述的一种基于图像识别的水位监测方法,其特征在于,在所述步骤S1中,所述摄像装置采用一网络摄像机,通过该网络摄像机对水尺图片在预定时刻进行采集,并传到所述服务器。
3.根据权利要求1所述的一种基于图像识别的水位监测方法,其特征在于,在所述水尺关键刻度进行标定采用在水尺每1/3的位置进行标定。
4.根据权利要求1所述的一种基于图像识别的水位监测方法,其特征在于,在所述步骤S4中,分别提取所述当前待识别水尺图片的HSV颜色空间3个通道的平均亮度值、均方差作为图片特征,通过所述机器学习SVM模型选择最优算法运算,获取水位在所述当前待识别水尺图片中当前待识别水位的Y坐标。
5.根据权利要求1所述的一种基于图像识别的水位监测方法,其特征在于,在所述步骤S5中,记所述水尺量程为L;所述当前待识别水位坐标为Y;水尺标定0、L/3、 2L/3、3L/3的Y坐标分别为P1、P2、P3、P4,且通过水尺标定,沿水尺从下至上形成三段水位;
若所述当前待识别水位Y坐标位于第一段水位,则第一段水位值:V1 = (P1-Y)*(L/3)/(P1-P2);
若所述当前待识别水位Y坐标位于第二段水位,则第二段水位值:V2 = L/3 + (P2-Y)*(L/3)/(P2-P3);
若所述当前待识别水位Y坐标位于第三段水位,则第三段水位值:V3 = L*2/3 + (P3-Y)*(L/3)/(P3-P4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710775228.1A CN107506798B (zh) | 2017-08-31 | 2017-08-31 | 一种基于图像识别的水位监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710775228.1A CN107506798B (zh) | 2017-08-31 | 2017-08-31 | 一种基于图像识别的水位监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107506798A CN107506798A (zh) | 2017-12-22 |
CN107506798B true CN107506798B (zh) | 2020-07-10 |
Family
ID=60694607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710775228.1A Active CN107506798B (zh) | 2017-08-31 | 2017-08-31 | 一种基于图像识别的水位监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107506798B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108180850A (zh) * | 2017-12-29 | 2018-06-19 | 河海大学 | 一种牛顿环条纹半径测量装置及测量方法 |
CN108470338B (zh) * | 2018-02-12 | 2019-09-20 | 南京邮电大学 | 一种水位监测方法 |
CN108509980B (zh) * | 2018-03-08 | 2022-07-01 | 南京邮电大学 | 一种基于字典学习的水位监测方法 |
CN108596221B (zh) * | 2018-04-10 | 2020-12-01 | 江河瑞通(北京)技术有限公司 | 标尺读数的图像识别方法及设备 |
CN108844594B (zh) * | 2018-04-17 | 2021-03-12 | 广州博通信息技术有限公司 | 空调压缩机液位识别的报警方法与*** |
CN108759973B (zh) * | 2018-04-28 | 2020-03-31 | 南京昊控软件技术有限公司 | 一种水位测量方法 |
CN108961305B (zh) * | 2018-07-05 | 2021-04-27 | 四创科技有限公司 | 一种基于图像识别的海浪爬坡监测方法 |
CN109508630B (zh) * | 2018-09-27 | 2021-12-03 | 杭州朗澈科技有限公司 | 一种基于人工智能识别水尺水位的方法 |
CN109443476B (zh) * | 2018-10-17 | 2021-07-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水位波动过程非接触量测装置及方法 |
CN109404270A (zh) * | 2018-12-29 | 2019-03-01 | 湖南主导科技发展有限公司 | 一种远程水泵控制***及方法 |
CN109781207A (zh) * | 2019-01-15 | 2019-05-21 | 江苏东方赛光电有限公司 | 一种基于ipc技术的液位监测*** |
CN109878656A (zh) * | 2019-04-08 | 2019-06-14 | 力鸿智信(北京)科技有限公司 | 一种便携式水尺视频观测及采集装置 |
CN110248160A (zh) * | 2019-06-17 | 2019-09-17 | 国网福建省电力有限公司 | 基于机器视觉及4g通信技术的精益调度水情远程监测*** |
CN110443243B (zh) * | 2019-08-07 | 2022-06-07 | 浙江大华技术股份有限公司 | 水位监测方法、存储介质、网络设备和水位监测*** |
CN112444302B (zh) * | 2019-08-30 | 2024-07-05 | 杭州海康威视***技术有限公司 | 一种图像采集设备、水位检测设备、方法及存储介质 |
CN110849444A (zh) * | 2019-11-20 | 2020-02-28 | 武汉世纪水元科技股份有限公司 | 一种基于机器视觉的视频水位测量方法 |
CN111024181A (zh) * | 2019-11-20 | 2020-04-17 | 武汉世纪水元科技股份有限公司 | 针对复杂环境的视觉传感水位测量*** |
CN113819971A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于水、标尺和漂浮物语义分割的人工智能水位监测*** |
CN113822105B (zh) * | 2020-07-07 | 2024-04-19 | 湖北亿立能科技股份有限公司 | 基于svm水标尺在线二分类器的人工智能水位监测*** |
CN112149648B (zh) * | 2020-11-24 | 2021-02-12 | 武汉光谷信息技术股份有限公司 | 一种基于灰度可变阈值的水位线识别与估计方法及装置 |
CN112884039B (zh) * | 2021-02-05 | 2022-10-21 | 慧目(重庆)科技有限公司 | 一种基于计算机视觉的水体污染识别方法 |
CN113141469A (zh) * | 2021-04-21 | 2021-07-20 | 东莞市水利勘测设计院有限公司 | 夜间观测水尺的防反光方法、***、装置及可读存储介质 |
CN113744325B (zh) * | 2021-09-06 | 2024-04-26 | 中国地质科学院勘探技术研究所 | 一种基于图像识别技术的液位检测装置及方法 |
CN114229641B (zh) * | 2021-12-20 | 2024-02-23 | 苏州汇川控制技术有限公司 | 电梯井道的水位判定方法、装置、设备和可读存储介质 |
CN114639064B (zh) * | 2022-05-18 | 2022-09-02 | 智洋创新科技股份有限公司 | 一种水位识别方法及装置 |
CN115909298A (zh) * | 2022-09-26 | 2023-04-04 | 杭州数聚链科技有限公司 | 一种基于机器视觉的货船水尺标度读取方法 |
CN116883808A (zh) * | 2023-06-27 | 2023-10-13 | 浪潮智慧科技有限公司 | 一种提升水尺水位识别响应速度的方法、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测***及方法 |
CN103499374A (zh) * | 2013-09-05 | 2014-01-08 | 江苏大学 | 一种基于神经网络的超声波动态液位检测方法和*** |
CN103886612A (zh) * | 2014-04-08 | 2014-06-25 | 马鸿旭 | 一种基于水库监控摄像头的水位自动提取方法及*** |
JP6125137B1 (ja) * | 2016-11-17 | 2017-05-10 | 三菱電機株式会社 | 水位計測装置及び水位計測方法 |
-
2017
- 2017-08-31 CN CN201710775228.1A patent/CN107506798B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测***及方法 |
CN103499374A (zh) * | 2013-09-05 | 2014-01-08 | 江苏大学 | 一种基于神经网络的超声波动态液位检测方法和*** |
CN103886612A (zh) * | 2014-04-08 | 2014-06-25 | 马鸿旭 | 一种基于水库监控摄像头的水位自动提取方法及*** |
JP6125137B1 (ja) * | 2016-11-17 | 2017-05-10 | 三菱電機株式会社 | 水位計測装置及び水位計測方法 |
Non-Patent Citations (2)
Title |
---|
城市雨污水排放***中水位与流量检测的研究;滕翠凤;《中国优秀硕士学位论文全文数据库信息科技辑》;20100815(第08期);第7页、第13-16页、第23-25页、第51-52页 * |
数字识别在双色水位计智能遥视中的研究与应用;李论;《中国优秀硕士学位论文全文数据库信息科技辑》;20150115(第01期);第10-12页、第18页、第45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107506798A (zh) | 2017-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107506798B (zh) | 一种基于图像识别的水位监测方法 | |
CN112766274B (zh) | 一种基于Mask RCNN算法的水尺图像水位自动读数方法及*** | |
CN108759973B (zh) | 一种水位测量方法 | |
CN109460753B (zh) | 一种检测水上漂浮物的方法 | |
CN101586956B (zh) | 基于单目摄像机的河流水位监测方法 | |
CN110223341B (zh) | 一种基于图像识别的智能水位监测方法 | |
CN104112269B (zh) | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及*** | |
CN109472261B (zh) | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 | |
CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
CN109186706B (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN112215125A (zh) | 一种基于YOLOv3的水位识别方法 | |
CN105938554B (zh) | 基于图像自动判读的尖轨伸缩位移监测方法及*** | |
CN107016353B (zh) | 一种变分辨率目标探测与识别一体化的方法与*** | |
CN113065578A (zh) | 一种基于双路区域注意力编解码的图像视觉语义分割方法 | |
CN102393902A (zh) | 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法 | |
CN115841449B (zh) | 排水管道结构性缺陷纵向定位的单目测距方法及存储介质 | |
CN114639064B (zh) | 一种水位识别方法及装置 | |
CN106709952A (zh) | 一种显示屏幕的自动标定方法 | |
CN114049320A (zh) | 一种基于图片相似度的器件缺失ai质检方法与装置 | |
CN117152617A (zh) | 一种城市洪涝识别方法及*** | |
CN104268536B (zh) | 一种图像人脸检测方法 | |
CN115984360A (zh) | 一种基于图像处理的计算干滩长度的方法及*** | |
CN106960437B (zh) | 一种电力巡检机器人的油浸电力变压器液位检测方法 | |
CN111583341B (zh) | 云台像机移位检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 350001 unit 6, 4 building, 245 Xiu Shan Road, Xin Dian Town, Jinan District, Fuzhou, Fujian, 608 Applicant after: Four creation technology limited company Address before: 350108, 10 tower, Chuang Chuang, hi tech Zone, 8 east science and technology road, Minhou street, Minhou, Fuzhou. Applicant before: Fujian Strong Software Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |