CN113155860A - 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** - Google Patents
一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** Download PDFInfo
- Publication number
- CN113155860A CN113155860A CN202011503647.8A CN202011503647A CN113155860A CN 113155860 A CN113155860 A CN 113155860A CN 202011503647 A CN202011503647 A CN 202011503647A CN 113155860 A CN113155860 A CN 113155860A
- Authority
- CN
- China
- Prior art keywords
- water
- flow state
- image
- database
- flow
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 192
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 238000010191 image analysis Methods 0.000 claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000001681 protective effect Effects 0.000 claims description 12
- 238000003745 diagnosis Methods 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000000889 atomisation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000009991 scouring Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Analytical Chemistry (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Processing (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及一种基于流态视频监测的过水建筑物结构损伤诊断方法及***,该***包括高清透雾摄像机、基座、专用工作站和电脑显示器;高清透雾摄像机安装在基座上;基座内设有空腔;高清透雾摄像机的网络接口、电源接口安装在空腔内;高清透雾摄像机上安装有智能雨刮模块;电源接口、电脑显示器、专用工作站分别通过一根电源线与电源相连;网络接口通过数据传输线与专用工作站相连;专用工作站包括图像分析模块、后台数据库和报警模块。本发明创新了采用视频监测泄流流态和水面线诊断过水建筑物结构是否发生损伤的方法,能够及时发现泄流过程中的异常流态,及时采取措施止损,可在泄流设施安全监测、教研等领域广泛应用。
Description
技术领域
本发明属于水利水电工程和视频监测技术领域,具体涉及一种基 于流态视频监测的过水建筑物结构损伤诊断方法及***。
背景技术
过水建筑物承担着泄洪、过流的重要任务,尤其汛期洪水流量较 大时,过水建筑物处于长时间泄流状态,且大型水电工程的过水建筑 物水流流速往往高达40~50m/s。受高速水流长期冲刷作用,过水建 筑物发生破坏的几率很高,据不完全统计,有1/3过水建筑物发生了 不同程度的破坏,有的相当严重。过水建筑物在泄流时若发生破坏, 由于人员巡视不及时、受雾化影响无法临近清晰观察、水流受到结构 物遮挡等各种原因导致不能及时发现、及时采取措施而造成损失。随 着高清摄像技术的发展,远距离、透雾、高清摄像技术可替代人工实 现泄流过程的实时监测,配置高速、高可靠性的图像处理分析技术, 能够及时发现泄流流态和水面线的异常状况,进而实现过水建筑物结 构损伤诊断的功能。因此,研究基于流态视频监测的过水建筑物结构 损伤诊断方法,对于实现过水建筑物运行状态实时监测,确保结构安 全,降低经济损失和人工成本,提高监测水平具有重要的理论意义与 实用价值。
目前过水建筑物结构损伤诊断方法基本采用传感器技术,主要有 以下不足:(1)传感器的布设一般需要在过水建筑物结构体上进行施 工,准备工作多,流程复杂,协调方多,耗时长,且施工质量缺陷会 成为过水建筑物破坏的新增诱因;(2)传感器设备长期接触高速水流, 耐久性较差,失效率较高;(3)传感器监测都是“点”的观测,难以 真实、全面地反映泄流结构整体的工作性态变化。因此如何克服现有 技术的不足是目前本技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种基于流态视 频监测的过水建筑物结构损伤诊断方法及***。
为实现上述目的,本发明采用的技术方案如下:
一种基于流态视频监测的过水建筑物结构损伤诊断***,包括高 清透雾摄像机、基座、专用工作站和电脑显示器;
高清透雾摄像机安装在基座上;基座内设有空腔;高清透雾摄像 机的网络接口、电源接口安装在空腔内;
高清透雾摄像机上安装有智能雨刮模块;智能雨刮模块用于及时 清理高清透雾摄像机镜头上的水滴,保持镜头干净;
电源接口、电脑显示器、专用工作站分别通过一根电源线与电源 相连;
网络接口通过数据传输线与专用工作站相连;
专用工作站包括图像分析模块、后台数据库和报警模块;
图像分析模块分别与后台数据库、报警模块、电脑显示器相连;
图像分析模块用于处理高清透雾摄像机拍摄到的图像,分析水面 线轮廓,然后将得到的水面线轮廓的特征点坐标与后台数据库中对应 正常工况的图像特征点坐标进行对比,若对比结果为异常,则发送指 令至报警模块进行报警;
后台数据库还用于存储图像分析模块处理前的图像及处理得到 的数据;
电脑显示器用于显示图像分析模块处理前的图像及处理得到的 数据。
进一步,优选的是,还包括保护罩;保护罩设于基座及高清透雾 摄像机外,用于保护基座及高清透雾摄像机。
进一步,优选的是,后台数据库中还包括正常流态数据库和异常 流态数据库;当图像分析模块对比高清透雾摄像机拍摄到的图像水面 线轮廓与后台数据库中正常流态数据,对比结果为异常时,将图像分 析模块处理前的图像及处理得到的数据存储于异常流态数据库;反 之,则存储在正常流态数据库。
水面线轮廓分析的具体步骤如下:
a、逐行逐列扫描图像,获取各像素点的RGB颜色值,分别保存 为Ri,j、Gi,j、Bi,j,其中i为像素行编号,j为像素的列编号;
b、设定每一行相邻像素点RGB相似阈值a0,设定不连续对比数 阈值n0,设定连续对比数阈值m0;
c、从左向右计算相邻像素点相似值:
若ai,j≥a0,边墙区域不连续对比数n边=0;若ai,j<a0,则n边=n 边+1;当n边=n0时,记录第i行左边墙清晰边界的像素坐标值xi,左墙;
d、从xi,左墙继续向右对比,若ai,j≥a0,水面区域连续对比数m水 =m水+1;若ai,j<a0,则m水=0;当m水=m0时,记录第i行水面左清 晰边界的像素坐标值xi,左水,取xi,左墙和xi,左水的均值作为水面线左边 界坐标xi,左;
e、从xi,左水继续向右对比,若ai,j≥a0,水面区域不连续对比数n 水=0;若ai,j<a0,则n水=n水+1;当n水=n0时,记录第i行水面右清 晰边界的像素坐标值xi,右水;
f、从xi,右水继续向右对比,若ai,j≥a0,边墙区域连续对比数m边 =m边+1;若ai,j<a0,则m边=0;当m边=m0时,记录第i行水面右边 墙清晰边界的像素坐标值xi,右墙,取xi,右水和xi,右墙的均值作为水面线 左边界坐标xi,右;
g、按步骤c至步骤f逐行计算,分别连接xi,左和xi,右作为水面线 左轮廓与右轮廓。
进一步,优选的是,a0为0.85~0.95;n0为1~5;m0为2~5。
进一步,优选的是,将水面线轮廓特征点坐标Hi(X,Y)与后台 数据库中对应正常工况的图像特征点坐标H′i(X,Y)对比,当∣Hi (X,Y)-H′i(X,Y)∣/H′i(X,Y)>10%时视为异常流态,启动报警 并将数据存储于异常流态数据库;当∣Hi(X,Y)-H′i(X,Y)∣/H′i (X,Y)<10%时视为正常流态,存储于正常流态数据库。
本发明同时提供基于流态视频监测的过水建筑物结构损伤诊断 方法,使用上述基于流态视频监测的过水建筑物结构损伤诊断***, 包括如下步骤:
步骤(1),针对泄流流态特征,在现场布设数个特征点,使其尽 可能覆盖整个拍摄范围,在特征点处放置抗冲刷、易识别的标识,并 测量其坐标,输入后台数据库;
步骤(2),将正常工况下,过水建筑物的泄流流态、水面线及特 征点数据,以及现场实时获得的原型观测数据存储到正常流态数据 库;将异常工况下过水建筑物泄流流态、水面线及特征点数据,以及 现场实际发生的异常原观数据,存储到异常流态数据库;
步骤(3),开启高清透雾摄像机,对准过水建筑物泄流流态,调 整拍摄高度至所摄图像覆盖整个水面、过水建筑物两侧边墙;启动智 能雨刮模块,调节光圈、焦距、曝光参数及快门速度,确保拍摄图像 清晰;
步骤(4),获得分辨率满足要求的图像后正式拍摄,每隔10分 钟拍摄一张高清图像,并进行图像处理分析,确定水面线轮廓;
步骤(5),将图像计算得到的水面线轮廓特征点坐标Hi(X,Y) 与后台数据库中对应正常工况的图像特征点坐标H′i(X,Y)对比,当 ∣Hi(X,Y)-H′i(X,Y)∣/H′i(X,Y)>10%时视为异常流态,启动报 警并将数据存储于异常流态数据库;当∣Hi(X,Y)-H′i(X,Y)∣/H′i (X,Y)≤10%时视为正常流态,存储于正常流态数据库;
步骤(6),泄流结束后,关闭高清透雾摄像机,将所有图像存储 于后台数据库。
本发明***在使用时,水面线轮廓与人工观测的情况对比,若符 合情况不佳,可以修改a0、n0、m0,重复步骤c至步骤f,直至满足 分析精度要求。
本发明中,特征点选择原则是,尽可能均匀覆盖整个水面线轮廓, 且包含一定数量的已知坐标的固定点。
本发明中,异常流态数据库主要是为以后分析损伤特性与泄流流 态之间的相关关系积累数据,同时数据量多时也可用于复核对比频繁 出现的异常工况的数据。
本发明所诊断的结构损伤是指结构发生的破坏程度包括冲蚀坑、 磨蚀坑、气蚀坑等对水流流态已造成的影响超出了容忍范围即10%。
本发明中,高清透雾摄像机具有防雨、透雾、抗振功能,采用较 高的快门速度,满足40~50m/s高速动态水流的拍摄效果,实现在高 速水流雾化区的清晰拍摄功能。
基座应根据图像尺寸、镜头焦距、目标物尺寸及现场实际条件确 定安装位置。基座具有稳定性和防冲刷特性,基座内布设网络接口和 电源接口,通过电源接口可为高清透雾摄像机充电,将拍摄的图像实 时传输到专用工作站。
专用工作站具有强大的图像处理能力、大容量、高速度、高可靠 性。
本发明中,所述特征点是指为提高图像配准精度而提取图像中目 标清晰、易于识别、位置不发生变动的特征点。经图像分析后水面线 差异大于规定阈值后启动报警功能。
后台数据库中存储有原型观测、数值模拟、物理模型试验等方法 获得的、经验证测量精度满足要求的过水建筑物泄流流态图片、水面 线数据及特征点数据,包括过水建筑物正常工作状态数据库和异常工 作状态数据库。
高清透雾摄像机和基座应配备保护罩,用于防止野外工作时出现 恶劣天气条件或人为损坏情况。
图像分析模块的图像处理包括水面线分析、特征点提取、特征点 异常判断;所述后台数据库存储过水建筑物各种工况下的流态图、水 面线及特征点数据。
本发明***的安装操作为:在垂直于过水建筑物水流流向一侧, 根据图像尺寸、镜头焦距、目标物尺寸及现场实际条件确定拍摄位置; 在拍摄位置安装基座;高清透雾摄像机置于基座上固定好,连接好电 源接口和网络接口;根据传输距离要求和现场网络情况,在相应位置 安装专用工作站,与高清透雾摄像机网络接口连接,用于实时接收高 清透雾摄像机传输的图像数据。
本发明高清透雾摄像机的高清要求分辨率不低于2560*1440。
本发明与现有技术相比,其有益效果为:
(1)实现过水建筑物结构健康状态的无损非接触式观测。本发 明采用远距离、透雾、高清摄像技术对泄流流态进行拍摄,利用结构 损伤对水流流态会造成一定影响的因果关系进行结构健康诊断,不需 对过水建筑物结构本身进行有损施工,避免了在结构上因安装传感器 而形成新的缺陷诱因的弊端。
(2)可全面、真实反映泄流结构整体的健康状态。本发明不对 某些“点”进行观测,而是观测整体的泄流流态,因为任何点的缺陷、 具有一定威胁的缺陷必然会导致泄流流态的改变,因此通过观测泄流 流态可判断出结构本身是否发生了破坏。
(3)经济、方便、快捷。本发明不需协调各方进行审批和调度 等,准备工作量小,流程简单,所需人员少,设备可循环使用,人工 成本和设备成本低。
(4)可靠性高,耐久性强。本发明不直接接触高速水流,避免 了传感器受高速水流冲刷而造成的失效等问题,高清透雾摄像机在拍 摄时开启,不使用时予以保护,可靠性高,耐久性强。
综上所述,本发明提供的基于流态视频监测的过水建筑物结构损 伤诊断方法具有经济、简便、快捷、可靠性高,耐久性强,可全面、 真实反映泄流结构健康状态,能对过水建筑物结构健康状态进行无损 非接触式实时观测的优点,在水电工程及其他行业过水建筑物安全监 测、高速水流流态监测、科研、教育等领域广泛应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面 将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而 易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域 普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这 些附图获得其他的附图。
图1是本发明基于流态视频监测的过水建筑物结构损伤诊断系 统的结构示意图;
图2是本发明软硬件***架构图;
图3是基于流态视频监测的过水建筑物结构损伤识别诊断流程 示意图;
图4是水面线轮廓分析流程示意图;
图5是过水建筑物泄流流态现场实拍图;
图6是水面线轮廓分析处理结果图;
图7为水面及其轮廓线图。
图中,1-高清透雾摄像机;2-智能雨刮模块;3-基座;4-网络接 口;5-电源接口;6-电源线;7-数据传输线;8-电脑显示器;9-专用 工作站;10-保护罩;11-电源;12-图像分析模块;13-后台数据库; 14-报警模块。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不 应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照 本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用 材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数 形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理 解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整 数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或 多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应 该理解,当我们称元件被“连接”到另一元件时,它可以直接连接到其 他元件,或者也可以存在中间元件。此外,这里使用的“连接”可以包 括无线连接。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个 以上。术语“内”、“上”、“下”等指示的方位或状态关系为基于附图所 示的方位或状态关系,仅是为了便于描述本发明和简化描述,而不是 指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构 造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定, 术语“安装”、“连接”、“设有”应做广义理解,例如,可以是固定连接, 也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电 连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域 的普通技术人员而言,根据具体情况理解上述术语在本发明中的具体 含义。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有 术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技 术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定 义的那些术语应该被理解为具有与现有技术的上下文中的意义一致 的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义 来解释。
如图1所示,一种基于流态视频监测的过水建筑物结构损伤诊断 ***,包括高清透雾摄像机1、基座3、专用工作站9和电脑显示器 8;
高清透雾摄像机1安装在基座3上;基座3内设有空腔;高清透 雾摄像机1的网络接口4、电源接口5安装在空腔内;
高清透雾摄像机1上安装有智能雨刮模块2;智能雨刮模块2用 于及时清理高清透雾摄像机1镜头上的水滴,保持镜头干净;
电源接口5、电脑显示器8、专用工作站9分别通过一根电源线 6与电源11相连;
网络接口4通过数据传输线7与专用工作站9相连;
专用工作站9包括图像分析模块12、后台数据库13和报警模块 14;
图像分析模块12分别与后台数据库13、报警模块14、电脑显示 器8相连;
图像分析模块12用于处理高清透雾摄像机1拍摄到的图像,分 析水面线轮廓,然后将得到的水面线轮廓的特征点坐标与后台数据库13中对应正常工况的图像特征点坐标进行对比,若对比结果为异常, 则发送指令至报警模块14进行报警;
后台数据库13还用于存储图像分析模块12处理前的图像及处理 得到的数据;
电脑显示器8用于显示图像分析模块12处理前的图像及处理得 到的数据。
优先,还包括保护罩10;保护罩10设于基座3及高清透雾摄像 机1外,用于保护基座3及高清透雾摄像机1。
优先,后台数据库13中还包括正常流态数据库和异常流态数据 库;当图像分析模块12对比高清透雾摄像机1拍摄到的图像水面线 轮廓与后台数据库中正常流态数据,对比结果为异常时,将图像分析 模块12处理前的图像及处理得到的数据存储于异常流态数据库;反 之,则存储在正常流态数据库。
水面线轮廓分析的具体步骤如下:
a、逐行逐列扫描图像,获取各像素点的RGB颜色值,分别保存 为Ri,j、Gi,j、Bi,j,其中i为像素行编号,j为像素的列编号;
b、设定每一行相邻像素点RGB相似阈值a0,设定不连续对比数 阈值n0,设定连续对比数阈值m0;
c、从左向右计算相邻像素点相似值:
若ai,j≥a0,边墙区域不连续对比数n边=0;若ai,j<a0,则n边=n 边+1;当n边=n0时,记录第i行左边墙清晰边界的像素坐标值xi,左墙;
d、从xi,左墙继续向右对比,若ai,j≥a0,水面区域连续对比数m水 =m水+1;若ai,j<a0,则m水=0;当m水=m0时,记录第i行水面左清 晰边界的像素坐标值xi,左水,取xi,左墙和xi,左水的均值作为水面线左边 界坐标xi,左;
e、从xi,左水继续向右对比,若ai,j≥a0,水面区域不连续对比数n 水=0;若ai,j<a0,则n水=n水+1;当n水=n0时,记录第i行水面右清 晰边界的像素坐标值xi,右水;
f、从xi,右水继续向右对比,若ai,j≥a0,边墙区域连续对比数m边 =m边+1;若ai,j<a0,则m边=0;当m边=m0时,记录第i行水面右边 墙清晰边界的像素坐标值xi,右墙,取xi,右水和xi,右墙的均值作为水面线 左边界坐标xi,右;
g、按步骤c至步骤f逐行计算,分别连接xi,左和xi,右作为水面线 左轮廓与右轮廓。
优先,a0为0.85~0.95;n0为1~5;m0为2~5。
优先,将水面线轮廓特征点坐标Hi(X,Y)与后台数据库13中 对应正常工况的图像特征点坐标H′i(X,Y)对比,当∣Hi(X,Y)-H′i (X,Y)∣/H′i(X,Y)>10%时视为异常流态,启动报警并将数据存储 于异常流态数据库;当∣Hi(X,Y)-H′i(X,Y)∣/H′i(X,Y)<10% 时视为正常流态,存储于正常流态数据库。
基于流态视频监测的过水建筑物结构损伤诊断方法,使用上述基 于流态视频监测的过水建筑物结构损伤诊断***,包括如下步骤:
步骤(1),针对泄流流态特征,在现场布设数个特征点,使其尽 可能覆盖整个拍摄范围,在特征点处放置抗冲刷、易识别的标识,并 测量其坐标,输入后台数据库;
步骤(2),将正常工况下,过水建筑物的泄流流态、水面线及特 征点数据,以及现场实时获得的原型观测数据存储到正常流态数据 库;将异常工况下过水建筑物泄流流态、水面线及特征点数据,以及 现场实际发生的异常原观数据,存储到异常流态数据库;
步骤(3),开启高清透雾摄像机,对准过水建筑物泄流流态,调 整拍摄高度至所摄图像覆盖整个水面、过水建筑物两侧边墙;启动智 能雨刮模块,调节光圈、焦距、曝光参数及快门速度,确保拍摄图像 清晰;
步骤(4),获得分辨率满足要求的图像后正式拍摄,每隔10分 钟拍摄一张高清图像,并进行图像处理分析,确定水面线轮廓;
步骤(5),将图像计算得到的水面线轮廓特征点坐标Hi(X,Y) 与后台数据库中对应正常工况的图像特征点坐标H′i(X,Y)对比,当 ∣Hi(X,Y)-H′i(X,Y)∣/H′i(X,Y)>10%时视为异常流态,启动报 警并将数据存储于异常流态数据库;当∣Hi(X,Y)-H′i(X,Y)∣/H′i (X,Y)≤10%时视为正常流态,存储于正常流态数据库;
步骤(6),泄流结束后,关闭高清透雾摄像机,将所有图像存储 于后台数据库。
应用实例1
如图1所示,基于流态视频监测的过水建筑物结构损伤诊断装置 包括嵌入有智能雨刮模块2的高清透雾摄像机1,安装高清透雾摄像 机1的基座3,安装在基座3空腔内的网络接口4和电源接口5,连 接高清透雾摄像机1和专用工作站9的数据传输线7,连接高清透雾 摄像机1和电源11的电源线6,安装有图像分析软件12的专用工作 站9,连接专用工作站9用于显示分析结果的电脑显示器8,用于罩 住高清透雾摄像机1和基座3的保护罩10。
安装操作为:将智能雨刮模块2嵌入到高清透雾摄像机1,在垂 直于过水建筑物水流流向一侧,根据图像尺寸、镜头焦距、目标物尺 寸及现场实际条件确定高清透雾摄像机1的安装位置;在拍摄位置安 装基座3,基座3下面设置为空腔,空腔内设置有网络接口4和电源 接口5;高清透雾摄像机1置于基座3上固定好,连接好电源接口5 和网络接口4;根据传输距离要求和现场网络情况,在相应位置安装 专用工作站9,与高清透雾摄像机1的网络接口4连接,用于实时接 收高清透雾摄像机1传输的图像数据;专用工作站9上安装图像分析处理软件***12,用于进行水面线分析、特征点提取、特征点异常 判断;在专用工作站9上构建后台数据库13,用于存储过水建筑物 各种工况下的流态图、水面线及特征点数据;泄流结束后,将高清透 雾摄像机1拆下放置于专用箱后,将保护罩10盖于基座3上。
拍摄过程不罩保护罩10,拍摄结束后如长期不用摄像机,要将 摄像机拆下放在专用箱,如果拍摄只是暂时中断比如等待工况调整 等,要将保护罩罩在基座3和高清透雾摄像机1上。
一种基于流态视频监测的过水建筑物结构损伤识别诊断方法,使 用上述装置,其步骤如下:
(1)接通电源线6和数据传输线7,开启高清透雾摄像机1,对 准过水建筑物泄流流态,调整拍摄高度、拍摄角度,试拍数张图像, 拍摄图像应覆盖整个水面、过水建筑物两侧边墙;
(2)启动智能雨刮模块2,调节光圈、焦距、曝光参数及快门 速度,试拍数张照片,确保拍摄图像清晰;
(3)按照调整好的拍摄高度、角度及拍摄参数,每隔10分钟拍 摄一张高清图像,传输至专用工作站9,运行图像处理分析软件12 进行图像处理分析;
(4)在电脑显示器8上实时观察图像处理分析软件12的分析结 果,及时处理预警异常信息;
(5)图像拍摄完成后,关闭智能雨刮模块2、高清透雾摄像机1, 将高清透雾摄像机1拆下放置于专用箱;将保护罩10盖于基座3上;
(6)确定水面线轮廓分析参数,其步骤如下,过水建筑物泄流 流态现场实拍如图5所示,以此照片为例进行水面线分析。
a、逐行逐列扫描图像,获取各像素点的RGB颜色值,分别保存 为Ri,j、Gi,j、Bi,j,其中i为像素行编号(i=1~2101),j为像素的列 编号(j=1~1931);
b、实施例对象图5水面线为上下型,故需逐列对比图像像素值, 设定每一列相邻像素点RGB相似阈值a0=0.95,设定不连续对比数阈 值n0=1,设定连续对比数阈值m0=3;
c、从上向下计算相邻像素点相似值,以第1列第1行和第2行 的像素点对比为例,R1,1=88、G1,1=116、B1,1=156,R2,1=86、G2,1=114、 B2,1=154,则a1,1≥a0,边 墙区域不连续对比数n边=0,继续向下对比,当j=713时, a713,1=0.94<a0,此时n边=1=n0,记录第1列上边界清晰边界的像素坐 标值x上边界,1=713;
d、从i=x1,上边界继续向下对比,a714,1=0.91<a0,则水面区域连续 对比数m水=0,a715,1=0.86<a0,则m水=0,a716,1=0.93<a0,则m水=0, a717,1=0.98≥a0,则m水=1,a718,1=0.99≥a0,则m水=2,a719,1=0.99≥ a0,此时m水=3=m0,记录第1列水面上清晰边界的像素坐标值x上水,1=719,取x上边界,1和x上水,1的均值x上,1=716作为水面线上端坐标;
e、从i=x上水,1继续向下对比,一直到j=1019时,a1019,1=0.94<a0, 此时n水=1=n0时,记录第1列水面下清晰边界的像素坐标值x下水,1=1019;
f、从i=x下水,1继续向下对比,a1020,1=0.94<a0,则水面区域连续 对比数m水=0,a1021,1=0.95≥a0,则m水=1,a1022,1=0.96≥a0,则m水 =2,a1023,1=0.98≥a0,则m水=3,此时m水=m0,记录第1列下清晰边 界的像素坐标值x下边界,1=1023,取x下边界,1和x下水,1的均值x下,1=1021 作为水面线下端坐标;
g、按步骤c至步骤f逐列计算,连接x上,j(j=1~1931)作为水 面线上轮廓,连接x下,j(j=1~1931)作为水面线下轮廓,如图6上 下两条黑线所示,通过人工观测对比发现,识别出的水面线轮廓较好 包络了图中白色高掺气水体,识别精度满足分析要求。
(7)以图6所示的水面线上轮廓线为例提取特征点,沿x方向 选取10个特征点,均匀覆盖整条轮廓线,提取到的特征点坐标依次 为(1,716)、(211,622)、(421,549)、(631,556)、(841,557)、 (1051,588)、(1261,647)、(1471,740)、(1681,811)、(1891, 951)。
(8)将提取到的特征点坐标与后台数据库中正常状态下的坐标 进行对比,对比时选择X坐标一致,结果如表1所示,可看出提取 到的特征点Y坐标与后台数据库中正常状态下坐标Y’相差均在10% 以内,故此时属于正常状态,不启动报警,将坐标数据存储于正常流 态数据库。
表1
应用实例2
应用实例2与应用实例1的区别在于最后两步不同,其余皆相同。
(7)以图7所示的水面线右轮廓线为例提取特征点,沿y方向 选取10个特征点,均匀覆盖整条轮廓线,提取到的特征点坐标依次 为(207,5)、(209,45)、(210,85)、(212,125)、(221,165)、 (260,205)、(314,245)、(294,285)、(299,325)、(366,365)、 (392,405)。
(8)将提取到的特征点坐标与后台数据库中正常状态下的坐标 进行对比,对比时选择Y坐标一致,结果如表2所示,可看出从Y=205 开始,提取到的特征点X坐标与后台数据库中正常状态下坐标X’相 差超过10%,甚至达到了20~44%,说明此时结构发生了较严重破坏, 启动报警并将数据存储于异常流态数据库。
表2
现有方法基本是靠肉眼识别,肉眼识别存在不及时、不准确的缺 点,现场巡视人员观察会受雾化影响、结构物遮挡等各种原因无法临 近清晰观察,且受身体耐受性影响不能24小时不间断观察,往往是 泄流结束后再去现场观察,导致不能及时发现异常现象。而本发明的 高清透雾摄像机,配置智能雨刮模块,可解决雾化水滴对清晰度的影 响,并可安置在不受结构物遮挡的位置,获得最佳观测视野,且可 24小时不间断观测。
以上显示和描述了本发明的基本原理、主要特征和本发明的优 点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上 述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明 精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改 进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权 利要求书及其等效物界定。
Claims (7)
1.一种基于流态视频监测的过水建筑物结构损伤诊断***,其特征在于,包括高清透雾摄像机(1)、基座(3)、专用工作站(9)和电脑显示器(8);
高清透雾摄像机(1)安装在基座(3)上;基座(3)内设有空腔;高清透雾摄像机(1)的网络接口(4)、电源接口(5)安装在空腔内;
高清透雾摄像机(1)上安装有智能雨刮模块(2);智能雨刮模块(2)用于及时清理高清透雾摄像机(1)镜头上的水滴,保持镜头干净;
电源接口(5)、电脑显示器(8)、专用工作站(9)分别通过一根电源线(6)与电源(11)相连;
网络接口(4)通过数据传输线(7)与专用工作站(9)相连;
专用工作站(9)包括图像分析模块(12)、后台数据库(13)和报警模块(14);
图像分析模块(12)分别与后台数据库(13)、报警模块(14)、电脑显示器(8)相连;
图像分析模块(12)用于处理高清透雾摄像机(1)拍摄到的图像,分析水面线轮廓,然后将得到的水面线轮廓的特征点坐标与后台数据库(13)中对应正常工况的图像特征点坐标进行对比,若对比结果为异常,则发送指令至报警模块(14)进行报警;
后台数据库(13)还用于存储图像分析模块(12)处理前的图像及处理得到的数据;
电脑显示器(8)用于显示图像分析模块(12)处理前的图像及处理得到的数据。
2.根据权利要求1所述的基于流态视频监测的过水建筑物结构损伤诊断***,其特征在于,还包括保护罩(10);保护罩(10)设于基座(3)及高清透雾摄像机(1)外,用于保护基座(3)及高清透雾摄像机(1)。
3.根据权利要求1所述的基于流态视频监测的过水建筑物结构损伤诊断***,其特征在于,后台数据库(13)中还包括正常流态数据库和异常流态数据库;当图像分析模块(12)对比高清透雾摄像机(1)拍摄到的图像水面线轮廓与后台数据库中正常流态数据,对比结果为异常时,将图像分析模块(12)处理前的图像及处理得到的数据存储于异常流态数据库;反之,则存储在正常流态数据库。
4.根据权利要求1所述的基于流态视频监测的过水建筑物结构损伤诊断***,其特征在于,水面线轮廓分析的具体步骤如下:
a、逐行逐列扫描图像,获取各像素点的RGB颜色值,分别保存为Ri,j、Gi,j、Bi,j,其中i为像素行编号,j为像素的列编号;
b、设定每一行相邻像素点RGB相似阈值a0,设定不连续对比数阈值n0,设定连续对比数阈值m0;
c、从左向右计算相邻像素点相似值:
若ai,j≥a0,边墙区域不连续对比数n边=0;若ai,j<a0,则n边=n边+1;当n边=n0时,记录第i行左边墙清晰边界的像素坐标值xi,左墙;
d、从xi,左墙继续向右对比,若ai,j≥a0,水面区域连续对比数m水=m水+1;若ai,j<a0,则m水=0;当m水=m0时,记录第i行水面左清晰边界的像素坐标值xi,左水,取xi,左墙和xi,左水的均值作为水面线左边界坐标xi,左;
e、从xi,左水继续向右对比,若ai,j≥a0,水面区域不连续对比数n水=0;若ai,j<a0,则n水=n水+1;当n水=n0时,记录第i行水面右清晰边界的像素坐标值xi,右水;
f、从xi,右水继续向右对比,若ai,j≥a0,边墙区域连续对比数m边=m边+1;若ai,j<a0,则m边=0;当m边=m0时,记录第i行水面右边墙清晰边界的像素坐标值xi,右墙,取xi,右水和xi,右墙的均值作为水面线左边界坐标xi,右;
g、按步骤c至步骤f逐行计算,分别连接xi,左和xi,右作为水面线左轮廓与右轮廓。
5.根据权利要求4所述的基于流态视频监测的过水建筑物结构损伤诊断***,其特征在于,a0为0.85~0.95;n0为1~5;m0为2~5。
6.根据权利要求1所述的基于流态视频监测的过水建筑物结构损伤诊断***,其特征在于,将水面线轮廓特征点坐标Hi(X,Y)与后台数据库(13)中对应正常工况的图像特征点坐标H′i(X,Y)对比,当∣Hi(X,Y)-H′i(X,Y)∣/H′i(X,Y)>10%时视为异常流态,启动报警并将数据存储于异常流态数据库;当∣Hi(X,Y)-H′i(X,Y)∣/H′i(X,Y)<10%时视为正常流态,存储于正常流态数据库。
7.基于流态视频监测的过水建筑物结构损伤诊断方法,使用权利要求1至6中任意一项所述的基于流态视频监测的过水建筑物结构损伤诊断***,其特征在于,包括如下步骤:
步骤(1),针对泄流流态特征,在现场布设数个特征点,使其尽可能覆盖整个拍摄范围,在特征点处放置抗冲刷、易识别的标识,并测量其坐标,输入后台数据库;
步骤(2),将正常工况下,过水建筑物的泄流流态、水面线及特征点数据,以及现场实时获得的原型观测数据存储到正常流态数据库;将异常工况下过水建筑物泄流流态、水面线及特征点数据,以及现场实际发生的异常原观数据,存储到异常流态数据库;
步骤(3),开启高清透雾摄像机,对准过水建筑物泄流流态,调整拍摄高度至所摄图像覆盖整个水面、过水建筑物两侧边墙;启动智能雨刮模块,调节光圈、焦距、曝光参数及快门速度,确保拍摄图像清晰;
步骤(4),获得分辨率满足要求的图像后正式拍摄,每隔10分钟拍摄一张高清图像,并进行图像处理分析,确定水面线轮廓;
步骤(5),将图像计算得到的水面线轮廓特征点坐标Hi(X,Y)与后台数据库中对应正常工况的图像特征点坐标H′i(X,Y)对比,当∣Hi(X,Y)-H′i(X,Y)∣/H′i(X,Y)>10%时视为异常流态,启动报警并将数据存储于异常流态数据库;当∣Hi(X,Y)-H′i(X,Y)∣/H′i(X,Y)≤10%时视为正常流态,存储于正常流态数据库;
步骤(6),泄流结束后,关闭高清透雾摄像机,将所有图像存储于后台数据库。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503647.8A CN113155860A (zh) | 2020-12-17 | 2020-12-17 | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** |
NO20230279A NO20230279A1 (en) | 2020-12-17 | 2021-12-09 | Method and system for diagnosing structural damage of overwater building on basis of flow-state video monitoring |
PCT/CN2021/136749 WO2022127683A1 (zh) | 2020-12-17 | 2021-12-09 | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503647.8A CN113155860A (zh) | 2020-12-17 | 2020-12-17 | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113155860A true CN113155860A (zh) | 2021-07-23 |
Family
ID=76882691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011503647.8A Pending CN113155860A (zh) | 2020-12-17 | 2020-12-17 | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN113155860A (zh) |
NO (1) | NO20230279A1 (zh) |
WO (1) | WO2022127683A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202894A (zh) * | 2021-11-04 | 2022-03-18 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种用于桥墩的多目标联合监测预警装置及其方法、桩基 |
WO2022127683A1 (zh) * | 2020-12-17 | 2022-06-23 | 华能澜沧江水电股份有限公司 | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879084A (zh) * | 2023-02-28 | 2023-03-31 | 天津辰航安全技术服务有限公司 | 基于图像分析的安全隐患模拟咨询平台 |
CN116528036B (zh) * | 2023-07-04 | 2023-09-08 | 李丽 | 一种基于智慧文旅的景区安全实时监控***及方法 |
CN117057778A (zh) * | 2023-08-15 | 2023-11-14 | 上海韦地科技集团有限公司 | 基于核工业物联网的多功能摄像机数据监管***及方法 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1043688A2 (en) * | 1999-04-07 | 2000-10-11 | Matsushita Electric Industrial Co., Ltd. | Image recognition method and apparatus utilizing edge detection based on magnitudes of color vectors expressing color attributes of respective pixels of color image |
EP1881451A2 (en) * | 2006-07-21 | 2008-01-23 | Sony Corporation | Edge-driven image interpolation |
CN102419196A (zh) * | 2011-09-02 | 2012-04-18 | 广西远长公路桥梁工程有限公司 | 利用多个水位遥控检测装置自动绘制河流水面线的方法 |
KR20120112315A (ko) * | 2012-08-30 | 2012-10-11 | 이우성 | 물의 위치에너지를 이용한 수해조절장치 시스템 |
CN102758416A (zh) * | 2012-07-25 | 2012-10-31 | 长江水利委员会长江科学院 | 一种研究泄洪雾化雾源分布规律的装置 |
CN103325216A (zh) * | 2012-03-23 | 2013-09-25 | 罗普特(厦门)科技集团有限公司 | 基于视频监控的水利防汛监控预警方法与*** |
KR101426378B1 (ko) * | 2013-03-19 | 2014-08-07 | 권순각 | 깊이 정보를 이용한 프레젠테이션 이벤트 처리 장치 및 방법 |
KR101500267B1 (ko) * | 2014-04-04 | 2015-03-06 | 경성대학교 산학협력단 | 시공간 영상의 화소 강도의 시간적 변화 특성 분석 결과를 이용한 하천 수표면 검출 방법 |
CN205421200U (zh) * | 2016-03-21 | 2016-08-03 | 中国电建集团成都勘测设计研究院有限公司 | 泄水建筑物出口挑流消能结构 |
JP2017139637A (ja) * | 2016-02-04 | 2017-08-10 | 三井不動産株式会社 | 監視システム及び監視方法 |
CN107622113A (zh) * | 2017-09-18 | 2018-01-23 | 广西宏智科技有限公司 | 水库安全智能化管理*** |
US20180165616A1 (en) * | 2016-12-13 | 2018-06-14 | John Sun | System and Method for Producing and Distributing Information Relevant to Water Events |
CN108535269A (zh) * | 2018-04-24 | 2018-09-14 | 中国水利水电科学研究院 | 基于薄层水流水动力特性的溢洪道安全检测***和方法 |
CN109359533A (zh) * | 2018-09-12 | 2019-02-19 | 浙江海洋大学 | 一种基于多波段遥感影像的海岸线提取方法 |
CN109443476A (zh) * | 2018-10-17 | 2019-03-08 | 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 |
WO2019205290A1 (zh) * | 2018-04-28 | 2019-10-31 | 平安科技(深圳)有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
CN110414333A (zh) * | 2019-06-20 | 2019-11-05 | 平安科技(深圳)有限公司 | 一种图像边界的检测方法及装置 |
CN110503807A (zh) * | 2019-08-25 | 2019-11-26 | 武汉和时利自动化***工程有限公司 | 一种洪水水灾后水体变化监控***及其方法 |
CN210104664U (zh) * | 2019-04-04 | 2020-02-21 | 天津大学 | 一种测定低气压环境模型水舌外缘挑距空中移位量的装置 |
CN111896950A (zh) * | 2020-08-06 | 2020-11-06 | 华能澜沧江水电股份有限公司 | 一种基于地基雷达的滑坡灾害应急监测方法 |
CN112040223A (zh) * | 2020-08-25 | 2020-12-04 | RealMe重庆移动通信有限公司 | 一种图像处理方法、终端设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201993108U (zh) * | 2010-12-24 | 2011-09-28 | 成都飞辉虹科技有限责任公司 | 尾矿库在线智能监测*** |
CN106123785B (zh) * | 2016-07-25 | 2019-06-21 | 海南省水利水电勘测设计研究院 | 一种用于水利水电工程的拱坝监控*** |
CN109302692A (zh) * | 2018-10-26 | 2019-02-01 | 广州益牛科技有限公司 | 大型拦水坝结构损伤智能实时监控*** |
CN109612527B (zh) * | 2018-12-20 | 2021-01-29 | 联誉信息股份有限公司 | 水电站生态泄流监控*** |
CN110646434A (zh) * | 2019-08-21 | 2020-01-03 | 南京理工大学 | 视频自动实时监控水坝破损变形的装置和方法 |
CN113155860A (zh) * | 2020-12-17 | 2021-07-23 | 华能澜沧江水电股份有限公司 | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** |
-
2020
- 2020-12-17 CN CN202011503647.8A patent/CN113155860A/zh active Pending
-
2021
- 2021-12-09 WO PCT/CN2021/136749 patent/WO2022127683A1/zh active Application Filing
- 2021-12-09 NO NO20230279A patent/NO20230279A1/en unknown
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1043688A2 (en) * | 1999-04-07 | 2000-10-11 | Matsushita Electric Industrial Co., Ltd. | Image recognition method and apparatus utilizing edge detection based on magnitudes of color vectors expressing color attributes of respective pixels of color image |
EP1881451A2 (en) * | 2006-07-21 | 2008-01-23 | Sony Corporation | Edge-driven image interpolation |
CN102419196A (zh) * | 2011-09-02 | 2012-04-18 | 广西远长公路桥梁工程有限公司 | 利用多个水位遥控检测装置自动绘制河流水面线的方法 |
CN103325216A (zh) * | 2012-03-23 | 2013-09-25 | 罗普特(厦门)科技集团有限公司 | 基于视频监控的水利防汛监控预警方法与*** |
CN102758416A (zh) * | 2012-07-25 | 2012-10-31 | 长江水利委员会长江科学院 | 一种研究泄洪雾化雾源分布规律的装置 |
KR20120112315A (ko) * | 2012-08-30 | 2012-10-11 | 이우성 | 물의 위치에너지를 이용한 수해조절장치 시스템 |
KR101426378B1 (ko) * | 2013-03-19 | 2014-08-07 | 권순각 | 깊이 정보를 이용한 프레젠테이션 이벤트 처리 장치 및 방법 |
KR101500267B1 (ko) * | 2014-04-04 | 2015-03-06 | 경성대학교 산학협력단 | 시공간 영상의 화소 강도의 시간적 변화 특성 분석 결과를 이용한 하천 수표면 검출 방법 |
JP2017139637A (ja) * | 2016-02-04 | 2017-08-10 | 三井不動産株式会社 | 監視システム及び監視方法 |
CN205421200U (zh) * | 2016-03-21 | 2016-08-03 | 中国电建集团成都勘测设计研究院有限公司 | 泄水建筑物出口挑流消能结构 |
US20180165616A1 (en) * | 2016-12-13 | 2018-06-14 | John Sun | System and Method for Producing and Distributing Information Relevant to Water Events |
CN107622113A (zh) * | 2017-09-18 | 2018-01-23 | 广西宏智科技有限公司 | 水库安全智能化管理*** |
CN108535269A (zh) * | 2018-04-24 | 2018-09-14 | 中国水利水电科学研究院 | 基于薄层水流水动力特性的溢洪道安全检测***和方法 |
WO2019205290A1 (zh) * | 2018-04-28 | 2019-10-31 | 平安科技(深圳)有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
CN109359533A (zh) * | 2018-09-12 | 2019-02-19 | 浙江海洋大学 | 一种基于多波段遥感影像的海岸线提取方法 |
CN109443476A (zh) * | 2018-10-17 | 2019-03-08 | 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 |
CN210104664U (zh) * | 2019-04-04 | 2020-02-21 | 天津大学 | 一种测定低气压环境模型水舌外缘挑距空中移位量的装置 |
CN110414333A (zh) * | 2019-06-20 | 2019-11-05 | 平安科技(深圳)有限公司 | 一种图像边界的检测方法及装置 |
CN110503807A (zh) * | 2019-08-25 | 2019-11-26 | 武汉和时利自动化***工程有限公司 | 一种洪水水灾后水体变化监控***及其方法 |
CN111896950A (zh) * | 2020-08-06 | 2020-11-06 | 华能澜沧江水电股份有限公司 | 一种基于地基雷达的滑坡灾害应急监测方法 |
CN112040223A (zh) * | 2020-08-25 | 2020-12-04 | RealMe重庆移动通信有限公司 | 一种图像处理方法、终端设备及存储介质 |
Non-Patent Citations (8)
Title |
---|
ARANTES E J, ET AL.: "Lower nappe aeration in smooth channels: experimental data and numerical simulation", ANAIS DA ACADEMIA BRASILEIRA DE CIENCIAS, vol. 82, no. 2, 1 June 2010 (2010-06-01), pages 521 - 537 * |
ZHANG S R, PANG B H, ET AL.: "A new formula based on computational fluid dynamics for estimating maximum depth of scour by jets from overflow dams", JOURNAL OF HYDROINFORMATICS, vol. 16, no. 5, 25 February 2015 (2015-02-25), pages 1210 - 1226 * |
冯新生等: "水力学观测在寺坪水电站溢洪道泄洪中的运用", 科技成果, 1 November 2008 (2008-11-01), pages 1 - 4 * |
庞博慧等: "高坝泄洪消能若干关键技术问题研究", 国际碾压混凝土坝技术新进展与水库大坝高质量建设管理——中国大坝工程学会2019学术年会, 11 November 2019 (2019-11-11), pages 481 - 486 * |
张华等: "基于SPH方法挑流水舌的数值模拟研究", 《水利水电技术》, vol. 48, no. 4, 20 April 2017 (2017-04-20), pages 82 - 85 * |
李彦军,郭秀兰等: "《大坝安全监测技术》", 31 October 2000, 西安地图出版社, pages: 154 - 158 * |
汪世鹏等: "三峡工程明渠汛期通航水力学安全监测", 《中国三峡建设》, no. 7, 30 July 2001 (2001-07-30), pages 31 - 33 * |
潘家铮,何璟: "《中国大坝50年》", 30 September 2000, 中国水利水电出版社, pages: 754 - 756 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022127683A1 (zh) * | 2020-12-17 | 2022-06-23 | 华能澜沧江水电股份有限公司 | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** |
CN114202894A (zh) * | 2021-11-04 | 2022-03-18 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种用于桥墩的多目标联合监测预警装置及其方法、桩基 |
CN114202894B (zh) * | 2021-11-04 | 2024-01-30 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种用于桥墩的多目标联合监测预警装置及其方法、桩基 |
Also Published As
Publication number | Publication date |
---|---|
WO2022127683A1 (zh) | 2022-06-23 |
NO20230279A1 (en) | 2023-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113155860A (zh) | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及*** | |
DE112017007778T5 (de) | Verfahren und Vorrichtung zum Detektieren einer Rohrleitung und Speichermedium | |
CN106991668B (zh) | 一种天网摄像头拍摄画面的评价方法 | |
CN111127399A (zh) | 一种基于深度学习与声呐成像的水下桥墩病害识别方法 | |
JP5591165B2 (ja) | コンクリート表面の変状領域の検出方法 | |
CN110145692B (zh) | 污水管道cctv检测***及方法 | |
CN103632369B (zh) | 块平均清晰度组合无参考水下图像通用性质量检测方法 | |
JP2023139099A (ja) | 学習用データ収集装置、学習用データ収集方法、及びプログラム | |
CN110493574B (zh) | 基于流媒体和ai技术的安监可视化*** | |
WO2022206161A1 (zh) | 一种基于特征点识别的块体运动实时检测方法 | |
CN106686347B (zh) | 一种基于视频的判定地铁摄像机移位的方法 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别*** | |
CN112927233A (zh) | 一种船用激光雷达与视频联合目标捕捉方法 | |
Dong et al. | Corrosion detection and evaluation for steel wires based on a multi-vision scanning system | |
CN112418253B (zh) | 基于深度学习的撒砂管松脱故障图像识别方法及*** | |
CN117593499A (zh) | 一种基于分布式巡检策略的水电站机电设备故障识别方法 | |
CN115760720A (zh) | 基于移动设备与超分重建分割网络的裂缝在线检测方法及*** | |
CN115439763A (zh) | 一种基于YOLOv5模型的水工程表面裂缝检测方法 | |
CN114723691A (zh) | 基于人工智能的液压***漏油故障程度检测方法 | |
JP4675501B2 (ja) | メーター監視システム、メーター監視方法 | |
CN101943575A (zh) | 一种移动平台用测试方法和测试*** | |
CN102141470A (zh) | 风挡雨刷刮净能力的测试方法及其装置 | |
CN113358046B (zh) | 盾尾间隙的视觉测量方法及其*** | |
CN105825492B (zh) | 一种摄像设备的检测方法、装置及*** | |
CN113847970B (zh) | 一种水位检测方法、装置及*** |
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 |