CN109632042A - 一种高精度的水位检测系统 - Google Patents

Abstract

一种高精度的水位检测系统，包括图像采集模块、数据传输模块、水位检测终端和报警模块，所述图像采集模块用于获得水上标尺图像和水上标尺图像的位置信息，将获得的水上标尺图像和所述位置信息通过数据传输模块传输至水位检测终端，所述水位检测终端用于对水上标尺图像进行图像处理，以获得当前的水位值，并对所述水位值和水位的位置信息进行实时显示，所述报警模块用于当获得的水位值达到预设的警戒值时进行报警。本发明有益效果为：将图像处理技术和水位检测相结合，克服了传统方法中需要人为查看标杆上的刻度、操作不便以及误差较大的问题，实现了对水位的实时、自动检测，从而提高了水位检测的安全性。

Description

一种高精度的水位检测系统

技术领域

本发明创造涉及水情监控领域，具体涉及一种高精度的水位检测系统。

背景技术

我国是水资源匮乏但又洪涝灾害频繁发生的国家，水情监控问题一直是我国水利和农业部门关注的重点，传统水位监测多采用人工监测水位的方法，该方法不但存在监测人员的人身安全问题，而且数据的准确性不能保证，并且这种方法不能实现对水位的实时监测。数字图像处理技术作为自动化、信息化、智能化的重要手段，已被广泛应用于工农业测量及生产过程中。将数字图像处理技术应用到水位监测中，因其具有信息丰富、直观和非接触式等优点，受到了人们的重视，并逐渐出现了一些基于图像或视频的水位自动监测系统。

发明内容

针对上述问题，本发明旨在提供一种高精度的水位检测系统。

本发明创造的目的通过以下技术方案实现：

一种高精度的水位检测系统，包括图像采集模块、数据传输模块、水位检测终端和报警模块，所述图像采集模块包括水位测量标尺、摄像机和定位单元，所述水位测量标尺竖直放置于水中，所述摄像机用于对所述水位测量标尺在水位上的部分进行拍摄，以获得水上标尺图像，所述定位单元用于提供获得的水上标尺图像的位置信息，将获得的水上标尺图像和所述位置信息通过数据传输模块传输至水位检测终端，所述水位检测终端用于对水上标尺图像进行图像处理，以获得当前的水位值，并对所述水位值和水位值的位置信息进行实时显示，所述报警模块用于当获得的水位值达到预设的警戒值时进行报警。

本发明创造的有益效果：提供一种基于图像处理技术的水位检测系统，将图像处理技术和水位检测相结合，克服了传统方法中需要人为查看标杆上的刻度、操作不便以及误差较大的问题，实现了对水位的实时、自动检测，从而提高了水位检测的安全性。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

附图标记：

图像采集模块1；数据传输模块2；水位检测终端模块3；报警模块4；图像处理模块31；水位计算模块32；水位显示模块33。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种高精度的水位检测系统，包括图像采集模块1、数据传输模块2、水位检测终端3和报警模块4，所述图像采集模块1包括水位测量标尺、摄像机和定位单元，所述水位测量标尺竖直放置于水中，所述摄像机用于对所述水位测量标尺在水位上的部分进行拍摄，以获得水上标尺图像，所述定位单元用于提供获得的水上标尺图像的位置信息，将获得的水上标尺图像和所述位置信息通过数据传输模块2传输至水位检测终端3，所述水位检测终端3用于对水上标尺图像进行图像处理，以获得当前的水位值，并对获得的水位值和水位值的位置信息进行实时显示，所述报警模块4用于当获得的水位值达到预设的警戒值时进行报警。

本优选实施例提供一种基于图像处理技术的水位检测系统，将图像处理技术和水位检测相结合，克服了传统方法中需要人为查看标杆上的刻度、操作不便以及误差较大的问题，实现了对水位的实时、自动检测，从而提高了水位检测的安全性。

优选地，所述水位检测终端3包括图像处理模块31、水位计算模块32和水位显示模块33，所述图像处理模块31用于对接收到的水上标尺图像进行图像去噪、图像分割和图像灰度化转换，所述水位计算模块32用于根据处理后的图像进行水位计算，以获得当前的水位值，所述水位显示模块33用于实时显示当前计算所得的水位值和水位值的位置信息。

优选地，所述图像处理模块31采用Otsu算法对去噪后的水上标尺图像进行图像分割。

优选地，所述图像处理模块31采用改进的布谷鸟算法寻找Otsu算法中的最优阈值，在改进的布谷鸟算法中，如果一些鸟蛋被鸟巢主人发现，则必须寻找其他的可用鸟巢来隐藏它们的新蛋，该情况的发现概率为p_i，对于给定的鸟巢数量，新解的计算方式如下：

x_i(t+1)＝x_i(t)+r(x_p(t)-x_q(t))+δ(x_*(t)-x_k(t))

式中，x_i(t+1)为第i个新解，x_i(t)为第i个当前解，r表示区间[0,1]之间的随机数，δ表示权重系数，x_p(t)、x_q(t)和x_k(t)为第t次迭代时的三个随机选择的不同解，p≠q≠k，r为[0,1]之间的随机数，γ表示黄金分割比例系数，γ＝0.618，rand()表示区间[-1,1]之间的随机数

本优选实施例在新解的计算公式中引入了当前鸟窝中的最优位置，并在最优位置项中的权重中引入了黄金分割比例系数，黄金分割比例系数的引入使得围绕最优位置生成的新解符合生物进化的规律，从而使得算法能够充分地发掘和利用更多的局部区域信息，提高了算法的收敛能力。

优选地，所述发现概率p_i根据当前群体的适应度值的变化情况进行自适应变化，具体为：

式中，p_i为当前的发现概率，h_max表示当前的最大适应度值，表示当前的平均适应度值，p_min表示最小发现概率，p_max表示最大发现概率，β为调节参数，且

优选地，图像处理模块31采用改进的布谷鸟算法寻找Otsu算法中的最优阈值，在所述布谷鸟搜索算法中，采用动态变化的步长因子，具体为：

式中，α_i表示当前的步长因子，α_min表示最小步长因子，α_max表示最大步长因子，h_max表示当前的最大适应度值，表示当前的平均适应度值，μ为调节参数，且μ＝3。

本优选实施例利用当前布谷鸟群体的适应度值的变化情况衡量算法的搜索程度，从而对步长因子和发现概率进行相应的调整，相较于根据迭代次数对步长因子和发现概率进行调整的计算方式，适应度值的变化情况可以更加准确的反应当前布谷鸟位置和全局最优解之间的分布情况，使得步长因子和发现概率的数值调整更加的准确，此外，发现概率和步长因子随适应度值的调整采用不同的调节参数，使得发现概率和步长因子的调整幅度更加的符合算法的现实情况，从而提高了算法的精度，并且平衡了算法的全局搜索能力和局部搜索能力。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种高精度的水位检测系统，其特征是，包括图像采集模块、数据传输模块、水位检测终端和报警模块，所述图像采集模块包括水位测量标尺、摄像机和定位单元，所述水位测量标尺竖直放置于水中，所述摄像机用于对所述水位测量标尺在水位上的部分进行拍摄，以获得水上标尺图像，所述定位单元用于提供获得的水上标尺图像的位置信息，将获得的水上标尺图像和所述位置信息通过数据传输模块传输至水位检测终端，所述水位检测终端用于对水上标尺图像进行图像处理，以获得当前的水位值，并对所述水位值和水位值的位置信息进行实时显示，所述报警模块用于当获得的水位值达到预设的警戒值时进行报警。

2.根据权利要求1所述的一种高精度的水位检测系统，其特征是，所述水位检测终端包括图像处理模块、水位计算模块和水位显示模块，所述图像处理模块用于对接收到的水上标尺图像进行图像去噪、图像分割和图像灰度化转换，所述水位计算模块用于根据处理后的图像进行水位计算，以获得当前的水位值，所述水位显示模块用于实时显示当前计算所得的水位值和水位的位置信息。

3.根据权利要求2所述的一种高精度的水位检测系统，其特征是，所述图像处理模块采用Otsu算法对去噪后的水上标尺图像进行图像分割。

4.根据权利要求3所述的一种高精度的水位检测系统，其特征是，所述图像处理模块采用改进的布谷鸟算法寻找Otsu算法中的最优阈值，在改进的布谷鸟算法中，如果一些鸟蛋被鸟巢主人发现，则必须寻找其他的可用鸟巢来隐藏它们的新蛋，该情况的发现概率为pi，对于给定的鸟巢数量，新解的计算方式如下：

x_i(t+1)＝x_i(t)+r(x_p(t)-x_q(t))+δ(x_*(t)-x_k(t))

式中，x_i(t+1)为第i个新解，x_i(t)为第i个当前解，r表示区间[0,1]之间的随机数，δ表示权重系数，x_p(t)、x_q(t)和x_k(t)为第t次迭代时的三个随机选择的不同解，p≠q≠k，r为[0,1]之间的随机数，γ表示黄金分割比例系数，γ＝0.618，rand()表示区间[-1,1]之间的随机数。

5.根据权利要求4所述的一种高精度的水位检测系统，其特征是，所述发现概率p_i根据当前群体的适应度值的变化情况进行自适应变化，具体为：

式中，p_i为当前的发现概率，h_max表示当前的最大适应度值，表示当前的平均适应度值，p_min表示最小发现概率，p_max表示最大发现概率，β为调节参数，且

6.根据权利要求5所述的一种高精度的水位检测系统，其特征是，图像处理模块采用改进的布谷鸟算法寻找Otsu算法中的最优阈值，在所述布谷鸟搜索算法中，采用动态变化的步长因子，具体为：

式中，α_i表示当前的步长因子，α_min表示最小步长因子，α_max表示最大步长因子，h_max表示当前的最大适应度值，表示当前的平均适应度值，μ为调节参数，且μ＝3。