CN113822931A - 基于在线学习和离线学习相结合的前端水位检测*** - Google Patents

基于在线学习和离线学习相结合的前端水位检测*** Download PDF

Info

Publication number
CN113822931A
CN113822931A CN202010645816.5A CN202010645816A CN113822931A CN 113822931 A CN113822931 A CN 113822931A CN 202010645816 A CN202010645816 A CN 202010645816A CN 113822931 A CN113822931 A CN 113822931A
Authority
CN
China
Prior art keywords
learning
water level
unit
image
offline
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.)
Granted
Application number
CN202010645816.5A
Other languages
English (en)
Other versions
CN113822931B (zh
Inventor
张新强
张普
魏鑫鑫
周浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Eleno Technology Co ltd
Original Assignee
Hubei Eleno Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei Eleno Technology Co ltd filed Critical Hubei Eleno Technology Co ltd
Priority to CN202010645816.5A priority Critical patent/CN113822931B/zh
Publication of CN113822931A publication Critical patent/CN113822931A/zh
Application granted granted Critical
Publication of CN113822931B publication Critical patent/CN113822931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了基于在线学习和离线学习相结合的前端水位检测***，包括图像采集模块、图像传输模块和***计算模块，所述图像采集模块的输出端连接有图像传输模块，所述图像传输模块的输出端连接有***计算模块，所述***计算模块包括离线学习单元、在线学习单元和数据传输单元，所述离线学习单元与在线学习单元通过数据传输单元连接，所述图像采集模块还包括视频采集单元，用于水量增加过快进行图像传输。本发明检测流程简单便捷，结合在线学习与离线学习，提高环境泛化能力，当雨量变化较大时，自动降低视频帧间的分析间隔，并生成指定时间的视频片段，使得水面预警的实时性得以提高且还配有视频片段描述的关键时刻,适合进行推广使用。

Description

基于在线学习和离线学习相结合的前端水位检测***
技术领域
本发明涉及水域检测技术领域，尤其涉及基于在线学习和离线学习相结合的前端水位检测***。
背景技术
水位是指自由水面相对于某一基面的高程，水面离河底的距离称水深。计算水位所用基面是以某处特征海平面高程作为零点水准基面，称为绝对基面，常用的是黄海基面；也可以用特定点高程作为参证计算水位的零点，称测站基面。水位是反映水体水情最直观的因素，它的变化主要由于水体水量的增减变化引起的。为了预防或减少洪水的发生，就需要对水库、河流、湖泊、城市水域等各种地表水的水位进行监测，方便根据测得的水位对水库、河流、湖泊、城市水域等各种地表水水位进行调整或者采取防御措施。
水位检测一般分为在线学习监测和离线学习检测，在线传感器的优势在于不需要离线标注数据和离线训练，而且环境泛化能力较强，缺点是识别准确率较高线学习偏低，离线学习方案需要提前收集和标注大量数据，还需要离线学习,并且环境泛化能力较在线学习偏低。为了使得检测的结果更加准确我们提出了基于在线学习和离线学习相结合的前端水位检测***。
发明内容
基于背景技术存在的技术问题，本发明提出了基于在线学习和离线学习相结合的前端水位检测***。
本发明提出的基于在线学习和离线学习相结合的前端水位检测***，包括图像采集模块、图像传输模块和***计算模块，所述图像采集模块的输出端连接有图像传输模块，所述图像传输模块的输出端连接有***计算模块，所述***计算模块包括离线学习单元、在线学习单元和数据传输单元，所述离线学习单元与在线学习单元通过数据传输单元连接，所述图像采集模块还包括视频采集单元，且图像采集单元用于检测降水量变化，雨量变化较大，自动降低视频帧间分析间隔，并生成指定时间的视频片段且配有视频片段描述的关键时刻，将视频信息上传至图像传输模块。
优选地，所述图像采集模块包括摄像单元，且摄像单元的数量为多个，所述摄像单元用于对监测点进行检测，对监测点水尺场景图像进行标定，形成该监测点的配置文件，每一个摄像单元对应一个监测点，同时也对应一个配置文件，摄像单元拍摄图像传输至图像传输模块。
优选地，所述图像传输模块包括图像传感器，用于将图像采集模块接收的图像转换传输至***计算模块。
优选地，所述***计算模块用于接收图像传输模块传输的拍摄场景图像，并对图像进行配置，测试配置结果是否符合拍摄场景图像的水位高度测定。
优选地，所述水位高度测定的结果符合实际应用场景则采用离线学习单元进行水位检测学习，所述测定结果不符合实际应用场景则采用在线学习单元进行水位检测学习。
优选地，所述离线学习单元用于对接收的图像进行检索学习，得到一个初步值，并用于提取水位细节图片，通过数据传输单元传输至在线学习单元。
优选地，所述在线学习单元用于对接收的图像是被，自动根据配置的上传频率发送至***后端，***自动收集前端数据并对数据进行存储，用于为离线学习单元提供数据积累支持。
本发明通过设有图像采集模块、图像传输模块和***计算模块，将摄像单元采集的水位图像通过传感器进行传输，通过***计算模块对输入的图像进行配置，在利用在配置的时候，测试离线模型的效果是否适合该场景，决定是否用离线学习方式，测试方法很直观，离线学习的结果是对场景中:水、标尺和漂浮物进行语义分割；并用不同颜色突出表示，可以很直观检查算法效果，在测试完效果不理想的情况，选择用在线学习的方法，并在识别之后，自动根据配置的上传频率，发送到后端自动收集前端数据用于离线学习方室数据积累在测试效果满足要求的情况下，直接用离线学习方案进行水位测量，得到一个初步值，然后提取水位的细节图片，给在线学习得到更加精确的结果；其中在线学习单元主要是通过件已有模型与待检测模型进行特征点的提取，并对提取的结果识别前景点和背景点，并对前景点和背景点进行图像填充，前景点与背景点之间的分割线即为水位高度值；该发明检测流程简单便捷，将在线学习与离线学习相结合，分别利用两种学习的优点，提高环境泛化能力，当雨量变化较大时，自动降低视频帧间的分析间隔，并生成指定时间的视频片段，使得水面预警的实时性得以提高，还配有视频片段描述关键时刻,适合进行推广使用。
附图说明
图1为本发明提出的基于在线学习和离线学习相结合的前端水位检测***的原理框图；
图2为本发明提出的基于在线学习和离线学习相结合的前端水位检测***的部分结构框图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例
参照图1-2，基于在线学习和离线学习相结合的前端水位检测***，包括图像采集模块、图像传输模块和***计算模块，图像采集模块的输出端连接有图像传输模块，图像传输模块的输出端连接有***计算模块，***计算模块包括离线学习单元、在线学习单元和数据传输单元，离线学习单元与在线学习单元通过数据传输单元连接，图像采集模块还包括视频采集单元，且图像采集单元用于检测降水量变化，雨量变化较大，自动降低视频帧间分析间隔，并生成指定时间的视频片段且配有视频片段描述的关键时刻，将视频信息上传至图像传输模块。
本实施例中，图像采集模块包括摄像单元，且摄像单元的数量为多个，摄像单元用于对监测点进行检测，对监测点水尺场景图像进行标定，形成该监测点的配置文件，每一个摄像单元对应一个监测点，同时也对应一个配置文件，摄像单元拍摄图像传输至图像传输模块，图像传输模块包括图像传感器，用于将图像采集模块接收的图像转换传输至***计算模块，***计算模块用于接收图像传输模块传输的拍摄场景图像，并对图像进行配置，测试配置结果是否符合拍摄场景图像的水位高度测定，水位高度测定的结果符合实际应用场景则采用离线学习单元进行水位检测学习，测定结果不符合实际应用场景则采用在线学习单元进行水位检测学习，离线学习单元用于对接收的图像进行检索学习，得到一个初步值，并用于提取水位细节图片，通过数据传输单元传输至在线学习单元，在线学习单元用于对接收的图像是被，自动根据配置的上传频率发送至***后端，***自动收集前端数据并对数据进行存储，用于为离线学习单元提供数据积累支持。
本实施例中，通过设有图像采集模块、图像传输模块和***计算模块，将摄像单元采集的水位图像通过传感器进行传输，通过***计算模块对输入的图像进行配置，在利用在配置的时候，测试离线模型的效果是否适合该场景，决定是否用离线学习方式，测试方法很直观，离线学习的结果是对场景中:水、标尺和漂浮物进行语义分割；并用不同颜色突出表示，可以很直观检查算法效果，在测试完效果不理想的情况，选择用在线学习的方法，并在识别之后，自动根据配置的上传频率，发送到后端自动收集前端数据用于离线学习方室数据积累在测试效果满足要求的情况下，直接用离线学习方案进行水位测量，得到一个初步值，然后提取水位的细节图片，给在线学习得到更加精确的结果；其中在线学习单元主要是通过件已有模型与待检测模型进行特征点的提取，并对提取的结果识别前景点和背景点，并对前景点和背景点进行图像填充，前景点与背景点之间的分割线即为水位高度值；离线学习单元用于将多张不停时间点、不同天气环境、不同温度的图像进行存储，并将拍摄待检测的图片与之进行匹配，并识别出最接近特征一张，换算出拍摄检测图片中对应水位值。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.基于在线学习和离线学习相结合的前端水位检测***，包括图像采集模块、图像传输模块和***计算模块，其特征在于，所述图像采集模块的输出端连接有图像传输模块，所述图像传输模块的输出端连接有***计算模块，所述***计算模块包括离线学习单元、在线学习单元和数据传输单元，所述离线学习单元与在线学习单元通过数据传输单元连接。
2.根据权利要求1所述的基于在线学习和离线学习相结合的前端水位检测***，其特征在于，所述图像采集模块包括摄像单元，且摄像单元的数量为多个，所述摄像单元用于对监测点进行检测，对监测点水尺场景图像进行标定，形成该监测点的配置文件，每一个摄像单元对应一个监测点，同时也对应一个配置文件，摄像单元拍摄图像传输至图像传输模块，所述图像采集模块还包括视频采集单元，且图像采集单元用于检测降水量变化，雨量变化较大，自动降低视频帧间分析间隔，并生成指定时间的视频片段且配有视频片段描述的关键时刻，将视频信息上传至图像传输模块。
3.根据权利要求1所述的基于在线学习和离线学习相结合的前端水位检测***，其特征在于，所述图像传输模块包括图像传感器，用于将图像采集模块接收的图像转换传输至***计算模块。
4.根据权利要求1所述的基于在线学习和离线学习相结合的前端水位检测***，其特征在于，所述***计算模块用于接收图像传输模块传输的拍摄场景图像，并对图像进行配置，测试配置结果是否符合拍摄场景图像的水位高度测定。
5.根据权利要求4所述的基于在线学习和离线学习相结合的前端水位检测***，其特征在于，所述水位高度测定的结果符合实际应用场景则采用离线学习单元进行水位检测学习，所述测定结果不符合实际应用场景则采用在线学习单元进行水位检测学习。
6.根据权利要求1所述的基于在线学习和离线学习相结合的前端水位检测***，其特征在于，所述离线学习单元用于对接收的图像进行检索学习，得到一个初步值，并用于提取水位细节图片，通过数据传输单元传输至在线学习单元。
7.根据权利要求1所述的基于在线学习和离线学习相结合的前端水位检测***，其特征在于，所述在线学习单元用于对接收的图像是被，自动根据配置的上传频率发送至***后端，***自动收集前端数据并对数据进行存储，用于为离线学习单元提供数据积累支持。
CN202010645816.5A 2020-07-07 2020-07-07 基于在线学习和离线学习相结合的前端水位检测*** Active CN113822931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010645816.5A CN113822931B (zh) 2020-07-07 2020-07-07 基于在线学习和离线学习相结合的前端水位检测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010645816.5A CN113822931B (zh) 2020-07-07 2020-07-07 基于在线学习和离线学习相结合的前端水位检测***

Publications (2)

Publication Number Publication Date
CN113822931A true CN113822931A (zh) 2021-12-21
CN113822931B CN113822931B (zh) 2024-04-19

Family

ID=78912166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010645816.5A Active CN113822931B (zh) 2020-07-07 2020-07-07 基于在线学习和离线学习相结合的前端水位检测***

Country Status (1)

Country Link
CN (1) CN113822931B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113819973A (zh) * 2020-12-02 2021-12-21 湖北亿立能科技股份有限公司 基于雨量计、水位计和图像传感器的灵活水位监测***

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5218708A (en) * 1989-10-20 1993-06-08 Zaidanhouzin Kasenzyouho-Senta Videotext communication network with a receiving terminal that automatically preforms operations to network responsive to predetermined schedule
JPH0626093A (ja) * 1992-07-09 1994-02-01 Meidensha Corp 雨水ポンプ運転支援システム
JPH08100771A (ja) * 1994-10-03 1996-04-16 Hitachi Ltd 河川の排水機場ポンプ運転支援システム
JPH0995917A (ja) * 1995-10-03 1997-04-08 Mitsubishi Heavy Ind Ltd 河川水位予測装置
JP2000087433A (ja) * 1998-09-11 2000-03-28 Toshiba Corp 雨水貯留施設の運転制御システム
JP2000121411A (ja) * 1998-10-16 2000-04-28 Hitachi Ltd 水位計測方法、および、水位計測設備
JP2000180247A (ja) * 1998-12-16 2000-06-30 Hitachi Ltd 液位計測方法及び装置
CN105046445A (zh) * 2015-08-13 2015-11-11 上海市城市排水有限公司 一种防汛调度决策支持***
CN106845442A (zh) * 2017-02-15 2017-06-13 杭州当虹科技有限公司 一种基于深度学习的台标检测方法
WO2017128934A1 (zh) * 2016-01-29 2017-08-03 成都理想境界科技有限公司 一种实现增强现实的方法、服务器、终端及***
US20190226898A1 (en) * 2017-11-16 2019-07-25 James R. Gray, JR. Environmental sensor platform, system and method
CN110211142A (zh) * 2019-05-31 2019-09-06 南京深地智能建造技术研究院有限公司 一种基于视频图像处理的深基坑的坑外水位在线检测方法
WO2019176826A1 (ja) * 2018-03-14 2019-09-19 日本電気株式会社 領域判定装置、監視システム、領域判定方法、及び、記録媒体

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5218708A (en) * 1989-10-20 1993-06-08 Zaidanhouzin Kasenzyouho-Senta Videotext communication network with a receiving terminal that automatically preforms operations to network responsive to predetermined schedule
JPH0626093A (ja) * 1992-07-09 1994-02-01 Meidensha Corp 雨水ポンプ運転支援システム
JPH08100771A (ja) * 1994-10-03 1996-04-16 Hitachi Ltd 河川の排水機場ポンプ運転支援システム
JPH0995917A (ja) * 1995-10-03 1997-04-08 Mitsubishi Heavy Ind Ltd 河川水位予測装置
JP2000087433A (ja) * 1998-09-11 2000-03-28 Toshiba Corp 雨水貯留施設の運転制御システム
JP2000121411A (ja) * 1998-10-16 2000-04-28 Hitachi Ltd 水位計測方法、および、水位計測設備
JP2000180247A (ja) * 1998-12-16 2000-06-30 Hitachi Ltd 液位計測方法及び装置
CN105046445A (zh) * 2015-08-13 2015-11-11 上海市城市排水有限公司 一种防汛调度决策支持***
WO2017128934A1 (zh) * 2016-01-29 2017-08-03 成都理想境界科技有限公司 一种实现增强现实的方法、服务器、终端及***
CN107025662A (zh) * 2016-01-29 2017-08-08 成都理想境界科技有限公司 一种实现增强现实的方法、服务器、终端及***
CN106845442A (zh) * 2017-02-15 2017-06-13 杭州当虹科技有限公司 一种基于深度学习的台标检测方法
US20190226898A1 (en) * 2017-11-16 2019-07-25 James R. Gray, JR. Environmental sensor platform, system and method
WO2019176826A1 (ja) * 2018-03-14 2019-09-19 日本電気株式会社 領域判定装置、監視システム、領域判定方法、及び、記録媒体
CN110211142A (zh) * 2019-05-31 2019-09-06 南京深地智能建造技术研究院有限公司 一种基于视频图像处理的深基坑的坑外水位在线检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"亿立能水位、雨量、图像一体机遥测站点在防汛报汛中所发挥的作用", 中国防汛抗旱, no. 05 *
ALIREZA TARAVAT;MASIH RAJAEI;IRAJ EMADODIN;HAMIDREZA HASHEMINEJAD;RAHMAN MOU,: "Mou, "A Spaceborne Multisensory, Multitemporal Approach to Monitor Water Level and Storage Variations of Lakes"", 《SAVIAN WATER》, 1 October 2016 (2016-10-01) *
张振;周扬;李旭睿;陈红;刘林海: ""图像法测流***开发与应用"", 《水利信息化》, pages 2 - 3 *
张振;周扬;李旭睿;陈红;刘林海;: "图像法测流***开发与应用", 水利信息化, no. 03 *
沈建军;陶青川;肖卓;: "结合改进Deeplab v3+网络的水岸线检测算法", 中国图象图形学报, no. 12 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113819973A (zh) * 2020-12-02 2021-12-21 湖北亿立能科技股份有限公司 基于雨量计、水位计和图像传感器的灵活水位监测***
CN113819973B (zh) * 2020-12-02 2024-05-21 湖北亿立能科技股份有限公司 基于雨量计、水位计和图像传感器的灵活水位监测***的灵活水位监测方法

Also Published As

Publication number Publication date
CN113822931B (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
CN111652089B (zh) 一种基于图像处理的水位自动识别方法及***
CN112083437A (zh) 一种船用激光雷达与视频联合目标捕捉***及方法
CN107016353B (zh) 一种变分辨率目标探测与识别一体化的方法与***
CN111445522B (zh) 被动式夜视智能探雷***及智能探雷方法
CN103940344B (zh) 一种高精度远程位移传感器
CN111950812B (zh) 一种自动识别与预测雨量的方法及其装置
CN108921165A (zh) 基于水尺图像的水位识别方法
CN108827401A (zh) 一种新型的水土保持监测装置及方法
CN112927233A (zh) 一种船用激光雷达与视频联合目标捕捉方法
CN107421510A (zh) 一种水文监测设备及方法
CN113822931A (zh) 基于在线学习和离线学习相结合的前端水位检测***
CN106682579B (zh) 用于检测输电线路覆冰的无人机双目视觉图像处理***
CN114581817A (zh) 从近岸海浪监控视频智能检测浪高和风速的方法及***
KR20160019304A (ko) 경기운영 지원관리 시스템
CN114845260A (zh) 一种基于物联网的水文监测数据采集***
CN112926660A (zh) 一种端边协同的水位识别***及方法
CN110599471B (zh) 基于图像处理的雨量筒水平监测***及其检测方法
CN107238837A (zh) 一种船舶吃水检测方法
CN112729477A (zh) 一种基于深度学习的新型水位高度测量***
CN103940345B (zh) 一种远程位移测量***及方法
CN113074797A (zh) 一种无水尺测量水位装置及水位标定方法
CN112556795A (zh) 一种基于深度学习的水位高度测量***
CN107345810B (zh) 一种快速、低成本的输电线路测距装置及方法
CN111736140A (zh) 一种对象检测方法和摄像设备
CN110763297A (zh) 一种基于视频智能识别水尺水位***

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
GR01 Patent grant
GR01 Patent grant