CN112504141A - 全场景冰厚智能监测方法及系统 - Google Patents

Abstract

本发明提供了全场景冰厚智能监测方法及系统，基于冰面积雪厚度、冰上表面雷达测距数据、环境温度以及利用视频图像结合残差网络获取到的风速场和雪雾浓度场，利用轻量化递归神经网络Bi‑LSTM确定冰上表面高程；基于冰下表面超声测距数据、水温以及利用水下超声图像结合残差网络获取到的冰下水流速场和悬浮泥沙浓度场，利用轻量化递归神经网络Bi‑LSTM确定冰下表面高程；基于冰上表面高程和冰下表面高程确定冰厚。本发明充分考虑冰面有无积雪、温度变化以及风雪雾干扰等条件，计算的冰厚数值更精确，通过提供的全场景冰厚监测系统有效提高了各类环境下的测量精度、维护维修的方便性和设备设施的正常使用寿命，具有自适应、自修正和自率定等智能特点，具有广阔的应用推广价值。

Description

全场景冰厚智能监测方法及系统

技术领域

本发明涉及全场景冰厚智能监测方法及系统，属于水库河道防凌减灾技术领域。

背景技术

冰厚度是计算冰压力荷载以及建筑物结构冻害的重要参数,也是水库河道防凌减灾的重要依据,目前冰厚监测方法包括地质雷达方法和人工钻冰法,前者不仅测量结果不直观、易受干扰获得的冰厚数据不准确，而且造价高，不能实现长期在线监测；后者效率低、危险性大，为此开发一种新型全场景冰厚智能监测系统和监测方法势在必行。

发明内容

本发明旨在针对现有冰厚监测方法效率低、危险大且监测数据不准确的技术问题，提供测控通信装置、全场景冰厚智能监测系统和冰厚监测方法。

本发明采用以下技术方案。

一方面，为解决现有技术没有考虑冰面覆雪以及水下噪声数据的影响，且目前技术没有结合测量冰下测距数据确定冰厚，而导致冰厚监测结果不准确的技术问题，本发明提供了全场景冰厚智能监测方法，包括：获取环境温度、风速场数据、雪雾浓度场数据、冰面积雪厚度、冰上表面雷达测距数据、冰下水流速场数据、悬浮泥沙浓度场数据、冰下表面超声测距数据以及水温；

基于获取到的风速场数据、雪雾浓度场数据、冰面积雪厚度、冰上表面雷达测距数据以及环境温度，利用轻量化递归神经网络Bi-LSTM确定冰上表面高程；基于获取到的冰下水流速场数据、悬浮泥沙浓度场数据、冰下表面超声测距数据以及水温，利用轻量化递归神经网络Bi-LSTM确定冰下表面高程；基于冰上表面高程和冰下表面高程确定冰厚；

其中获得风速场数据和雪雾浓度场数据的方法为：基于采集的冰上表面特定距离处的视频图像结合残差网络进行视频图像处理，实现风速和雪雾浓度的定量化分析；获得冰下水流速场数据和悬浮泥沙浓度场数据的方法为：基于采集的冰下表面特定距离处图像利用残差网络对该图像进行处理，获得冰下水流速场数据和悬浮泥沙浓度场数据。

进一步地，所述残差网络采用Residual SqueezeNet模型。

第二方面，本发明在第一方面提供的技术方案的基础上，为了提供适用于长期在线冰厚监测、方便操作和维护的全场景冰厚智能监测系统，本发明提供了全场景冰厚智能监测系统，包括：安装支架、测控通信装置、固定支架、电机、限角转轴、铰链、滑轮和转动支架；所述测控通信装置内置控制单元，所述控制单元用于实现如第一方面任意一种可能的实施例提供的所述方法的步骤；

所述测控通讯装置固定设置于水面上方距水面第一设定距离处；所述安装支架固定设置于水面上方距水面第二设定距离处，所述安装支架的下表面能够固定安装用于采集冰上表面雷达测距数据的雷达测距仪；

所述固定支架固定设置于水面下方距水面第二设定距离处，所述固定支架与所述转动支架通过限角转轴连接，所述铰链连接所述电机输出轴并且所述铰链连接滑轮，通过铰链带动所述转动支架沿所述限角转轴转动；所述转动支架的上表面能够固定安装用于测量冰下表面超声测距数据的超声波高程测量仪；

所述控制单元还用于输出控制信号到电机驱动端驱动电机按照设定指令转动。

进一步地，所述系统还包括用于支撑所述固定支架的刚性支撑架，所述刚性支撑架设置于所述固定支架下端且与固定支架之间具备设定角度。

再进一步地，所述系统还包括立柱，所述测控通讯装置固定设置于所述立柱的一端，所述安装支架、所述固定支架和所述刚性支撑架均固定设置于立柱上，所述立柱上还设置用于固定于墙面的安装背板，所述安装背板上设置背板安装孔。

再进一步地，所述立柱为中空结构，所述中空结构能够用于容置设备的线路，所述设备包括所述测控通讯装置、超声波高程测量仪或雷达测距仪。

进一步地，所述安装支架的顶面为向下斜面，底面为水平面，截面呈三角形。

进一步地，所述转动支架上远离限角转轴的一端设置安装槽，所述安装槽用于安装固定传感器。

进一步地，所述系统还包括高清防雾摄像机，所述高清防雾摄像机用于在冰上表面特定距离处采集冰上表面视频图像。进一步地，所述系统还包括超声波流场仪，所述超声波流场仪用于在冰下表面特定距离处采集水下超声图像。

本发明所取得的有益技术效果：本发明充分考虑冰面有无积雪、温度变化以及风雪雾干扰等条件，利用轻量化递归神经网络 Bi-LSTM模型确定冰上表面高程和冰下表面高程，并确定冰厚，从而有效提高了各类环境下的测量精度，具有远程遥测、能适应恶劣环境的特点，具有广阔的应用推广价值；通过深度融合视频、冰上冰下测距、气温雾气修正、视频图识别等技术，进一步地提高了冰厚监测数据的准确性；

本发明采用残差网络处理并上表面视频图像，实现降雪和雾气浓度的定量化分级，并将结果结合气温等数据用于修正雷达测距数据，从而保证冰面高程测量精度；通过在冰下表面特定距离处采集水下超声图像，基于采集的图像利用残差网络处理，获得冰下水流速场数据和悬浮泥沙浓度场数据，结合距离并上表面测距数据以及水温修正超声数据，保证冰下表面高程的精度。

本发明提供的全场景冰厚智能监测系统通过设置固定支架与转动支架通过限角转轴连接，通过与滑轮相连接的铰链带动转动支架转动，方便固定安装超声波高程测量仪和雷达测距仪；配合刚性支撑架确保转动支架位置固定，减少复位误差。本装置减少水下安装维护作业，在冰期前安装超声波高程测量仪和雷达测距仪，冰期后水面外进行检验率定保养，同时具有边缘计算、无线组网和防雾和冰面雪厚修正功能，确保冰厚测量精度，安装方便，具有远程遥测、能适应恶劣环境的特点。

本发明通过结合嵌入式系统和机电一体化结构，维护维修的方便性和设备设施的正常使用寿命，具有自适应、自修正和自率定等智能特点，确保冰厚测量精度，安装方便。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的方法流程示意图；

图2为本发明实施例提供的方法中轻量化递归神经网络执行流程示意图；

图3为本发明实施例提供的方法中模型训练过程示意图；

图4为本实用西宁体用的全场景冰厚智能监测的侧面结构示意图；

图5为本发明具体实施例中加入高清防雾摄像机后结构示意图；

图6为本实用西宁体用的全场景冰厚智能监测的立柱安装背板结构示意图；图中标记：1-立柱；2-安装支架；3-刚性支撑架；4-限角转轴；5-固定支架；6-转动支架；7-高程测量仪；8-测控通讯装置；9-雷达测距仪；10-冰上表面最高可能高程；11-冰下表面可能最低高程；12-上安装背板；13-下安装背板；14-背板安装孔；15-安装定位卡槽；16-高清防雾摄像机。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例一、全场景冰厚智能监测方法，包括：获取环境温度、风速场数据、雪雾浓度场数据、冰面积雪厚度、冰上表面雷达测距数据、冰下水流速场数据、悬浮泥沙浓度场数据、冰下表面超声测距数据以及水温；

基于获取到的风速场数据、雪雾浓度场数据、冰面积雪厚度、冰上表面雷达测距数据以及环境温度，利用轻量化递归神经网络Bi-LSTM确定冰上表面高程；基于获取到的冰下水流速场数据、悬浮泥沙浓度场数据、冰下表面超声测距数据以及水温，利用轻量化递归神经网络Bi-LSTM确定冰下表面高程；基于冰上表面高程和冰下表面高程确定冰厚。

如图2所示，在水上冰面高程和水下冰面建模均采用轻量化递归神经网络模型Bi-LSTM，输入为雪雾（或泥沙）浓度、气温（水温）、前一周每天实测雷达（超声）数据。

实施例二、获得雪雾浓度场数据可以采用现有的方法比如测试仪器获得，为了使结果更优本实施例中在实施例一的基础上，获得雪雾浓度场数据的方法为：在冰上表面特定距离处采集冰上表面视频图像（可选地利用高清防雾摄像机采集视频图像），基于采集的视频图像利用残差网络处理该视频图像，实现风速和雪雾浓度（也就是降雪和雾气浓度）的定量化分析。

可选地，具体实施例中悬浮泥沙浓度场数据（或水下泥沙含量）由河流或水库现场定期实测资料建立时空回归模型获得。在具体实施例中也可以利用超声波流场仪对悬浮泥沙场进行超声图像获取，然后采用残差网络获取悬浮泥沙场浓度。具体实施例中利用超声波流场仪采集水下超声图像，基于采集的图像利用残差网络处理，获得冰下水流速场数据和悬浮泥沙浓度场数据。需要说明的是利用残差网络对视频图像进行处理获得风速和雪雾浓度的方法为现有视频图像处理技术，不是本发明的发明点，因此不再赘述；同样利用残差网络对图像进行处理获得水流速场数据和悬浮泥沙浓度场数据的方法为现有视频图像处理技术，不是本发明的发明点，因此不再赘述，

实施例三、进一步地，为适合现场数据分析，具体实施例中残差网络采用ResidualSqueezeNet模型，将雪雾（泥沙）浓度在雷达（超声）照（发）射方向上和浓度上分成10×10矩阵，从而实现浓度场的精细刻画和描述，整体流程图如图1所示。

具体实施例中可利用超声波高程测量仪获得冰下表面超声测距数据，利用雷达测距仪（或双频雷达测距仪）获得冰上表面雷达测距数据，利用温度采集模块采集温度采集环境温度，利用雪厚监测仪获得冰面积雪厚度。本发明中采用的超声波高程测量仪、雷达测距仪、超声波流场仪、高清防雾摄像机、雪厚监测仪以及温度采集模块都为现有技术，在此不再赘述。

本发明提供的全场景冰厚智能监测方法充分考虑冰面有无积雪、温度变化以及风雪雾干扰等条件，计算的冰厚数值更精确。

本实施例提供的全场景冰厚智能监测方法中模型训练过程示意图如图3所示，模型指轻量化递归神经网络Bi-LSTM或残差网络，具体训练方法可以采用现有技术实现，此内容不是本发明的发明点，本发明对其不做详细说明。

实施例四、在以上实施例的基础上，本实施例提供了全场景冰厚智能监测系统，可参考图4，包括：安装支架2、测控通信装置8、固定支架5、电机（图4未示出）、限角转轴4、铰链（图中未示出）、滑轮（图中未示出）和转动支架6；所述测控通信装置8内置控制单元，所述控制单元用于实现如实施例一~实施例三任意一个实施例所提供的方法的步骤；

所述测控通讯装置8固定设置于水面上方距水面第一设定距离处；所述安装支架2固定设置于水面上方距水面第二设定距离处，所述安装支架2的下表面能够固定安装用于采集冰上表面最高可能高程10（即冰上表面高程）的雷达测距仪9；

所述固定支架5固定设置于水面下方距水面第二设定距离处，所述固定支架5与所述转动支架6通过限角转轴4连接，所述铰链连接所述电机输出轴并连接滑轮，通过铰链带动所述转动支架6沿限角转轴4旋转；所述转动支架6的上表面能够固定安装用于测量冰下表面可能最低高程11（即冰下表面高程）的超声波高程测量仪7；所述控制单元还用于输出控制信号到电机驱动端驱动电机按照设定指令转动。

图4中示出了将固定支架5和安装支架2安装在立柱1上。本实施例中采用了将固定支架5和安装支架2安装在水库边墙或堤防边墙。

本实施例中所述安装支架2的下表面固定安装用于采集冰上表面最高可能高程10（即冰上表面高程）的雷达测距仪9；所述转动支架6的上表面固定安装用于测量冰下表面可能最低高程11（即冰下表面高程）的超声波高程测量仪7。本实施例提供的全场景冰厚智能监测系统应用方法为：将固定支架5和安装支架2安装在水库边墙或堤防边墙，或者其他固定设备上。结冰前，在转动支架6远离限角转轴4的一端安装超声波高程测量仪7，在安装支架2的下部安装雷达测试仪9。所述超声波高程测量仪7与雷达测试仪9的安装方式为本领域惯用技术手段，在本申请不再过多介绍。

本实施例中测控通信装置8中小型电机带动铰链，铰链带动转动支架6旋转到设定的位置。本实施例中通过设置电机驱动铰链带动转动支架6转动，方便将转动支架6转动到水面安装超声波高程测量仪7，避免水下安装仪器，同时无冰期间转出水面进行维修保养，从而进行仪器校准。

水上 采用双频雷达（可为雷达测距仪），当冰面有积雪时测量积雪厚度，利用双频雷达测量冰上表面雷达测距数据，其雷达测距仪9发射向下测量冰上表面雷达测距数据，基于获取到的风速场数据、雪雾浓度场数据、冰面积雪厚度、冰上表面雷达测距数据以及环境温度，利用轻量化递归神经网络Bi-LSTM确定冰上表面最高可能高程10。 水下的超声波高程测量仪7其发射面朝上，测量仪器到冰下表面超声测距数据，基于获取到的冰下水流速场数据、悬浮泥沙浓度场数据、冰下表面超声测距数据以及水温，利用轻量化递归神经网络Bi-LSTM确定冰下表面最高可能高程11。根据测量的冰上下表面高度之差即可得到冰厚度。可选地在测量控制装置8内采用嵌入式系统完成边缘计算，另外包括干扰雪花滤波算法、温度修正、水下滤波算法等。

实施例五、在实施例四的基础上，本实施例提供了全场景冰厚智能监测系统，本实施例中所述系统还包括用于支撑所述固定支架的刚性支撑架3，所述刚性支撑架3设置于所述固定支架5下端且与固定支架5之间具备设定角度，通过增加刚性支撑架3增加了固定支架5的稳定度，适于长期进行冰厚监测，具体实施例中，所述刚性支撑架5也和固定支架5和安装支架2一样安装固定于相同的水库边墙或堤防边墙。

实施例六、在实施例五的基础上，本实施例提供了全场景冰厚智能监测系统所述系统包括：安装支架2、测控通信装置8、固定支架5、限角转轴4、铰链（图中未示出）、滑轮（图中未示出）和转动支架6；所述测控通信装置8采用如实施例一或实施例二所述的测控通讯装置；所述系统还包括立柱1，所述测控通讯装置8固定设置于所述立柱1的一端，所述安装支架2、所述固定支架5和所述刚性支撑架3均固定设置于立柱1上，所述立柱1上还设置用于固定于墙面的安装背板，所述安装背板上设置背板安装孔。

安装支架2的下表面固定安装用于采集冰上表面高程的雷达测距仪8；所述转动支架2的上表面能够固定安装用于测量冰下表面高程的超声波高程测量仪7。可选地，所述立柱1为中空结构，所述中空结构能够用于容置设备的线路，如所述测控通讯装置8、超声波高程测量仪7或雷达测距仪9的线路。立柱的中空结构设计便于线路的收纳，避免线路受损，且提高防尘防水效果，延长装置使用寿命。

超声波水深计7和雷达测试仪9的传输电线接入测控通讯装置8中的控制单元（本领域技术人员很容易能够想到如何将超声波水深计7和雷达测试仪9的传输电线接入测控通讯装置8中的控制单元，在本实施例中不再赘述）。由于刚性支架支撑固定支架5，当转动支架6转动值水平位置时，超声波水深计7的位置是固定的，使得超声波水深计7每次在工作状态下的高程都是一致的，并且是已知的。结冰后，超声波水深计7向上测量，当超声波遇到冰下面时候反射，从而测到冰下表面高程，此时同步时间用雷达测试仪9测量冰面高程，两者相减即可得到冰厚度。需要说明的是，对于传感器信号的处理不是本发明的发明点，本发明的改进点在于提供改进的冰厚监测装置，基于本发明提供的改进后的结构，本领域技术人员基于本发明硬件架构采用现有技术设计对应的计算机软件部分，这是能够做出的常规设计。

本实施例中转动支架6可以转动方便水面安装，避免水下安装仪器，同时无冰期间转出水面进行维修保养，从而进行仪器校准。

本实施例设置测控通讯装置8，在测控通讯装置8中可设置温度传感器、湿度传感器模块、冰厚监测仪（或者雪厚监测仪）以及通信模块。本实施例测控通讯装置8设置于立柱1的顶部。本装置结构简单合理，节省空间，安装方便，具有远程遥测、能适应恶劣环境的特点。

可选地如图4所示，所述安装支架2的顶面为向下斜面，底面为水平面，截面呈三角形，是结构更加牢固且便于排水。

可选地，所述转动支架上远离限角转轴的一端设置定位安装槽15，所述定位安装槽15用于安装固定超声波高程测量仪7，使超声波高程测量仪7在水下不易随水流摆动，提高测量精度和使用寿命。

实施例七、在以上实施例的基础上，本实施例提供的全场景冰厚智能监测系统还包括高清防雾摄像机16（如图5所示），所述高清防雾摄像机16用于在冰上表面特定距离处采集冰上表面视频图像。全场景冰厚智能监测系统还包括超声波流场仪，所述超声波流场仪能够反应流场空间变化，用于在冰下表面特定距离处采集水下超声图像；可选地所述超声波流场仪可以与所述高程测量仪7为一体化设计。

进一步地，为了方便立柱固定于水库或堤防边墙，可选地，所述立柱1上还设置用于固定与墙面的安装背板（见图6中的上安装背板12和下安装背板13），所述安装背板上设置背板安装孔14。可选地，上安装背板12和下安装背板13为一体或分体结构。

可选地，所述测控通信装置8采用ARM11模块组成，通过现场采用ARM11芯片，嵌入式操作系统选用µClinux，ARM11系列处理器展示了在性能上的巨大提升，首先推出350M~500MHz时钟频率的内核，在未来将上升到1GHz时钟频率ARM11处理器在提供高性能的同时，也允许在性能和功耗间做权衡以满足某些特殊应用。。

可选地，具体实施例中提供的全场景冰厚智能监测系统的电力供应采用风光蓄互补供电，风光互补供电子系统由太阳能电池板、风力发电机、风光互补控制器、硅能电池组成。使用MPPT控制器对蓄电池进行电源的管理以更高效率的利用电量。

进一步可选地采用4G/5G/NB/LoRa建立各站点、手机移动终端和后方数据中心双向数据链接。采用低功耗设计、可靠性设计和电源及通讯资源优化管理基础。

可选地，具体实施例中悬浮泥沙浓度场数据（或水下泥沙含量）由河流或水库现场定期实测资料建立时空回归模型获得。

在以上实施例的基础上，进一步可选地测控通信装置还包括通讯单元，所述通讯单元能够实现远程无线通讯，集成现场蓝牙测试通讯接口，方便远程无线组网及现场蓝牙测试相关功能和性能。所述通讯单元支持采用4G、5G、NB、LoRa任意一种通信方式。

本发明充分考虑冰面有无积雪、温度变化以及风雪雾干扰等条件下，采用残差网络耦合轻量化递归神经网络Bi-LSTM耦合模型，结合边缘计算、嵌入式系统和机电一体化结构公开了一种恶劣环境下全场景冰厚智能监测方法及系统。本发明深度融合视频、冰上冰下测距、气温雾气修正以及视频处理等技术，从而有效提高了各类环境下的测量精度、维护维修的方便性和设备设施的正常使用寿命，具有自适应、自修正和自率定等智能特点，具有广阔的应用推广价值。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.全场景冰厚智能监测方法，其特征在于，包括：

获取环境温度、风速场数据和雪雾浓度场数据、冰面积雪厚度、冰上表面雷达测距数据、冰下水流速场数据、悬浮泥沙浓度场数据、冰下表面超声测距数据以及水温；

基于获取到的风速场数据、雪雾浓度场数据、冰面积雪厚度、冰上表面雷达测距数据以及环境温度，利用轻量化递归神经网络Bi-LSTM确定冰上表面高程；基于获取到的冰下水流速场数据、悬浮泥沙浓度场数据、冰下表面超声测距数据以及水温，利用轻量化递归神经网络Bi-LSTM确定冰下表面高程；基于冰上表面高程和冰下表面高程确定冰厚；

其中获得风速场数据和雪雾浓度场数据的方法为：基于采集的冰上表面特定距离处的视频图像结合残差网络进行视频处理，实现风速和雪雾浓度的定量化分析；获得冰下水流速场数据和悬浮泥沙浓度场数据的方法为：基于采集的冰下表面特定距离处的图像利用残差网络对该图像进行处理，获得冰下水流速场数据和悬浮泥沙浓度场数据。

2.根据权利要求 1所述的全场景冰厚智能监测方法，其特征在于，

所述残差网络采用Residual SqueezeNet模型。

3.全场景冰厚智能监测系统，其特征在于，包括：安装支架、测控通信装置、固定支架、电机、限角转轴、铰链、滑轮和转动支架；所述测控通信装置内置控制单元，所述控制单元用于实现如权利要求1所述方法的步骤；

所述测控通讯装置固定设置于水面上方距水面第一设定距离处；所述安装支架固定设置于水面上方距水面第二设定距离处，所述安装支架的下表面能够固定安装用于采集冰上表面雷达测距数据的雷达测距仪；

所述固定支架固定设置于水面下方距水面第二设定距离处，所述固定支架与所述转动支架通过限角转轴连接，所述铰链连接所述电机输出轴并且所述铰链连接滑轮，通过铰链带动所述转动支架沿所述限角转轴转动；所述转动支架的上表面能够固定安装用于测量冰下表面超声测距数据的超声波高程测量仪；

所述控制单元还用于输出控制信号到电机驱动端驱动电机按照设定指令转动。

4.根据权利要求3的全场景冰厚智能监测系统，其特征在于，所述系统还包括用于支撑所述固定支架的刚性支撑架，所述刚性支撑架设置于所述固定支架下端且与固定支架之间具备设定角度。

5.根据权利要求4的全场景冰厚智能监测系统，其特征在于，所述系统还包括立柱，所述测控通讯装置固定设置于所述立柱的一端，所述安装支架、所述固定支架和所述刚性支撑架均固定设置于立柱上，所述立柱上还设置用于固定于墙面的安装背板，所述安装背板上设置背板安装孔。

6.根据权利要求5所述的全场景冰厚智能监测系统，其特征在于，所述立柱为中空结构，所述中空结构能够用于容置设备的线路，所述设备包括所述测控通讯装置、超声波高程测量仪或雷达测距仪。

7.根据权利要求3所述的全场景冰厚智能监测系统，其特征在于，所述安装支架的顶面为向下斜面，底面为水平面，截面呈三角形。

8.根据权利要求3所述的全场景冰厚智能监测系统，其特征在于，所述转动支架上远离限角转轴的一端设置安装槽，所述安装槽用于安装固定传感器。

9.根据权利要求3所述的全场景冰厚智能监测系统，其特征在于，所述系统还包括高清防雾摄像机，所述高清防雾摄像机用于在冰上表面特定距离处采集冰上表面视频图像残差网络。

10.根据权利要求3所述的全场景冰厚智能监测系统，其特征在于，所述系统还包括超声波流场仪，所述超声波流场仪用于在冰下表面特定距离处采集水下超声图像。

Images