CN112991342B - 基于水位尺图像的水位线检测方法、装置与系统 - Google Patents

基于水位尺图像的水位线检测方法、装置与系统 Download PDF

Info

Publication number
CN112991342B
CN112991342B CN202110469839.XA CN202110469839A CN112991342B CN 112991342 B CN112991342 B CN 112991342B CN 202110469839 A CN202110469839 A CN 202110469839A CN 112991342 B CN112991342 B CN 112991342B
Authority
CN
China
Prior art keywords
water level
image
line
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
Application number
CN202110469839.XA
Other languages
English (en)
Other versions
CN112991342A (zh
Inventor
杨帆
陈凯琪
胡建国
白立群
王瀚洋
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.)
Xiaoshi Technology Jiangsu Co ltd
Original Assignee
Nanjing Zhenshi Intelligent 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 Nanjing Zhenshi Intelligent Technology Co Ltd filed Critical Nanjing Zhenshi Intelligent Technology Co Ltd
Priority to CN202110469839.XA priority Critical patent/CN112991342B/zh
Publication of CN112991342A publication Critical patent/CN112991342A/zh
Application granted granted Critical
Publication of CN112991342B publication Critical patent/CN112991342B/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本发明提供一种基于水位尺图像的水位线检测方法、装置与系统，通过水位尺检测与水位尺图像中水位线相对坐标的检测，结合初始化状态下的实际高度和水位线相对坐标，通过水位线相对坐标和实际水位线的相对映射实现的水位线检测，可解决水位尺在持续使用过程中当水位尺刻度因为侵蚀不清晰，或者存在水藻等杂物遮挡时难以识别出水位线的问题，通过本发明的识别处理，依然可以有效检测出水位线。

Description

基于水位尺图像的水位线检测方法、装置与系统
技术领域
本发明涉及图像处理技术领域，尤其是针对水位尺的水位线检测，具体而言涉及一种基于水位尺图像的水位线检测方法与系统。
背景技术
水位尺是一种应用在水体环境中进行水位观测的工具，可采用金属或者非金属材料制作，并标准有刻度值，可通过人工肉眼观察或者通过视频监控辅助观测，获取水位信息。
现有技术基于水位尺视频对水位线的检测，一般都是检测识别图像或者视频中水位尺的刻度值，或者水位尺中标识E从而确定水位线，可是在实际使用中，因为水位尺是长时间固定不替换的，会存在水位尺的刻度磨损，或者水位尺被水藻之类的遮挡住以及光线过亮或者过暗的问题，传统基于刻度（数值或者标识E）识别的方法的检测效果不理想。
现有技术文献：
专利文献1：CN111259890A 一种水位尺的水位识别方法、装置及设备；
专利文献2：CN112013921A 一种基于水位尺测量图像获取水位信息的方法、装置和系统；
专利文献3：CN110443243A 水位检测方法、存储介质、网络设备和水位检测系统；
专利文献4：CN109543596A 一种水位检测方法、装置、电子设备及存储介质。
发明内容
本发明目的在于提供一种基于水位尺图像的水位线检测方法与系统，可解决在
水位尺的刻度无法清晰可见的情况下，实现水位线的检测。
本发明的第一方面提出一种基于水位尺图像的水位线检测方法，包括以下步骤：
步骤1、获取在水位检测场景下采集水位尺位置对应的水位图像，并在初始化时，以第一张水位图像I0作为参考，获取初始化时的水位线实际高度y_t0；
步骤2、使用水位尺检测模型检测第一张水位图像I0中的水位尺位置，并裁剪出对应的水位尺图像J0；
步骤3、使用水位线检测模型检测所述水位尺图像J0中水位线在水位尺图像J0中的相对坐标y_p0；
步骤4、根据水位尺长度M、所述相对坐标y_p0以及初始化时的水位线实际高度y_t0，获得水位线实际高度与相对坐标的转换率Kp的初始值K0；p表示水位线检测序列，其取值为大于等于0的自然数；p取值为0时表示检测序列的初始化；
步骤5、在后续检测过程中，按照设定的周期获取水位图像，并且针对当前帧的水位图像In，使用所述水位尺检测模型进行水位尺检测之后，再使用水位线检测模型检测输出水位线相对坐标y_pn，其中n为大于等于1的自然数；以及
步骤6、基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn。
本发明的第二方面还提出一种基于水位尺图像的水位线检测装置，包括：
用于获取在水位检测场景下采集水位尺位置对应的水位图像，并在初始化时，以第一张水位图像I0作为参考，获取初始化时的水位线实际高度y_t0的模块；
用于使用水位尺检测模型检测第一张水位图像I0中的水位尺位置，并裁剪出对应的水位尺图像J0的模块；
用于使用水位线检测模型检测所述水位尺图像J0中水位线在水位尺图像J0中的相对坐标y_p0的模块；
用于根据水位尺长度M、所述相对坐标y_p0以及初始化时的水位线实际高度y_t0，获得水位线实际高度与相对坐标的转换率Kp的初始值K0的模块；p表示水位线检测序列，其取值为大于等于0的自然数；p取值为0时表示检测序列的初始化；
用于在后续检测过程中，按照设定的周期获取水位图像，并且针对当前帧的水位图像In，使用所述水位尺检测模型进行水位尺检测之后，再使用水位线检测模型检测输出水位线相对坐标y_pn的模块，其中n为大于等于1的自然数；以及
用于基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn的模块。
本发明的第三方面还提出一种一种基于水位尺图像的水位线检测系统，包括：
摄像装置，被设置朝向水位检测场景下的水位尺位置，用于采集水位尺位置对应水位图像；
计算机系统，其包括一个或多个处理器以及存储器，所述存储器被设置用于存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括前述的基于水位尺图像的水位线检测方法的流程。
本发明的第四方面还提出一种用于基于水位尺图像的水位线检测的计算机系统，包括：
一个或多个处理器；以及
存储器，所述存储器被设置用于存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括前述的基于水位尺图像的水位线检测方法的流程。
由以上本发明的实施例，与现有技术相比，其显著的有益效果在于：
本发明的水位线检测方案中，不依赖于在实际检测过程中对水位尺上的字符（例如刻度值或者E符号）的识别和读取，而是基于水位尺图像的检测以及图像中的水位线和实际水位线的相对映射实现的水位线检测，可解决水位尺在持续使用过程中当水位尺刻度因为侵蚀不清晰，或者存在水藻等杂物遮挡时难以识别出水位线的问题，通过本发明的识别处理，依然可以有效检测出水位线。
本发明的水位线检测过程中，不需要识别和读取水位尺的刻度信息，这样在水位尺刻度无法清晰拍摄的时候也可以正常检测；同时，在实际检测过程中，本发明的相对坐标与水位线实际高度的转换参数是动态参数，且所采集的数据是时序性的，保证的检测性能的稳定性。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明示例性实施例的水位尺检测方法的过程示意图。
图2～5是根据本发明实施例的水位尺检测方法实际进行检测的示意图，其中图2～图5分别测试了水位线高度在26cm、30cm、35cm、40cm的状态。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
基于水位尺图像的水位线检测方法
结合图1所示，根据本发明实施例的基于水位尺图像的水位线检测方法，其具体实现包括以下步骤：
步骤1、获取在水位检测场景下采集水位尺位置对应的水位图像，并在初始化时，以第一张水位图像I0作为参考，获取初始化时的水位线实际高度y_t0；
步骤2、使用水位尺检测模型检测第一张水位图像I0中的水位尺位置，并裁剪出对应的水位尺图像J0；
步骤3、使用水位线检测模型检测所述水位尺图像J0中水位线在水位尺图像J0中的相对坐标y_p0；
步骤4、根据水位尺长度M、所述相对坐标y_p0以及初始化时的水位线实际高度y_t0，获得水位线实际高度与相对坐标的转换率Kp的初始值K0；p表示水位线检测序列，其取值为大于等于0的自然数；p取值为0时表示检测序列的初始化；
步骤5、在后续检测过程中，按照设定的周期获取水位图像，并且针对当前帧的水位图像In，使用所述水位尺检测模型进行水位尺检测之后，再使用水位线检测模型检测输出水位线相对坐标y_pn，其中n为大于等于1的自然数；以及
步骤6、基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn。
如此，在针对一个水体监测环境中，部署好摄像装置之后，可朝向水位尺的方向采集水位图像。在部署好之后，在整个水位检测初始化时，需要获得初始的水位线实际高度信息，作为后续进行持续检测的基础。在初始化时，对于刻度清晰可见的水位尺来说，可通过人工观测或者量尺测量的方式获得水位线实际高度信息。而对于刻度被腐蚀不清晰或者无刻度信息的水位尺，可通过量尺测量的方式获得水位线实际高度信息。
因此，在后续的持续性检测过程中，不论是否存在清晰可见的刻度，是否因为水藻等漂浮物的影响而遮挡刻度，或者是否包含刻度信息，通过本发明的方法均可实现有效的检测。
其中，在步骤2中，所述水位尺检测模型为预先训练的水位尺检测模型，训练过程包括：
采集多张水位尺位置对应水位图像，并标注其中的水位尺位置后，构建训练集；以及
以训练集为基础，通过目标检测算法训练得到水位尺检测模型。
在具体实施例中，可采用现有的目标检测算法进行训练，例如基于CNN网络的滑动窗口检测算法，但并以此为限。
其中，所述步骤3中，所述水位线检测模型为预先训练的水位线检测模型，训练过程包括：
将所述训练集中标注了水位尺位置的水位图像进行裁剪，得到水位尺图像；
标注水位线在水位尺图像中的相对坐标；以及
以标注水位线在水位尺图像中的相对坐标以及水位尺图像为基础，基于PFLD算法训练出用于检测水位尺图像中水位线相对坐标的模型。
优选地，所述标注水位线在水位尺图像中的相对坐标，标注方法包括以下过程：
y1=y/ymax
其中，y1表示归一化的相对坐标，y表示水位线在裁剪出来的水位尺图像中的纵坐标，ymax是裁剪出来的水位尺图像的高度。
在具体实施例中，将训练集中标注了水位尺位置的水位图像进行裁剪，得到水位尺图像，其中的裁剪操作采用随机裁剪的方式，使得在同一张水位图像中，裁剪出来的水位尺图像中的水位线相对坐标y1呈均匀分布，以利于训练得到更具鲁棒性和准确性的检测模型。
优选地，所述获取水位线实际高度与相对坐标的转换率Kp的初始值K0，其中初始值K0的计算如下：
K0=(M- y_t0)/( y_min – y_p0)
其中，y_p0 = y_ min + y1 * (y_ max – y_ min)
其中，y_min和y_ max分别表示检测出的水位尺在第一张水位图像I0中左上角顶点的纵坐标以及右下角顶点的纵坐标，y1表示水位线在水位尺图像J0中的相对坐标。
应当理解，在同一检测场景中，水位尺的长度是已知，并且是保持不变的。
优选地，所述步骤6中，基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn，包括以下步骤：
针对当前帧的水位图像In，其水位线实际高度y_tn的计算如下：
y_tn= y_tn-1+ Kn-1* (y_pn – y_pn-1)
其中：
y_tn-1 表示第n-1个水位线检测序列的水位线实际高度，在n取值为1时，表示初始化时的水位线实际高度y_t0；
y_pn 表示当前水位线检测序列的水位线相对坐标，在n取值为1时，表示初始化时的水位线实际高度；
y_pn-1表示上一个水位线检测序列的水位线相对坐标，在n取值为1时，表示初始化时的水位线相对坐标。
测试过程
结合图1所示的流程以及以上示例性实施例的示例性实现过程，我们采用一个具有刻度标识E的水位尺在一水体中进行测试，如2～图5所示的通过人工拉动水位尺时的测试过程，水位线高度分别在26cm、30cm、35cm以及40cm，为了便于观测和对比，通过本发明的实施例的检测方法所检测出的水位线高度被以标注的方式标在图片中，以利于直观的进行对比。通过图示可见，通过高出水面部分的标识的对比，通过测试的过程可见本发明可实现连续稳定的检测，并得到在1cm误差范围内。
而在可选的实施例中，还可通过水位尺检测模型以及水位线相对坐标的检测模型的训练的优化，获得更加精确的模型，实现更加精确的水位高度检测。
基于水位尺图像的水位线检测装置
根据本发明公开的实施例，还提出一种基于水位尺图像的水位线检测装置，包括：
用于获取在水位检测场景下采集水位尺位置对应的水位图像，并在初始化时，以第一张水位图像I0作为参考，获取初始化时的水位线实际高度y_t0的模块；
用于使用水位尺检测模型检测第一张水位图像I0中的水位尺位置，并裁剪出对应的水位尺图像J0的模块；
用于使用水位线检测模型检测所述水位尺图像J0中水位线在水位尺图像J0中的相对坐标y_p0的模块；
用于根据水位尺长度M、所述相对坐标y_p0以及初始化时的水位线实际高度y_t0，获得水位线实际高度与相对坐标的转换率Kp的初始值K0的模块；p表示水位线检测序列，其取值为大于等于0的自然数；p取值为0时表示检测序列的初始化；
用于在后续检测过程中，按照设定的周期获取水位图像，并且针对当前帧的水位图像In，使用所述水位尺检测模型进行水位尺检测之后，再使用水位线检测模型检测输出水位线相对坐标y_pn的模块，其中n为大于等于1的自然数；以及
用于基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn的模块。
应当理解，前述各个模块的功能的实现可根据前述基于水位尺图像的水位线检测方法的实施例的具体操作实现。
基于水位尺图像的水位线检测装置
根据本发明公开的实施例，还提出一种基于水位尺图像的水位线检测系统，包括：
摄像装置，被设置朝向水位检测场景下的水位尺位置，用于采集水位尺位置对应水位图像；
计算机系统，其包括一个或多个处理器以及存储器，所述存储器被设置用于存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如前述基于水位尺图像的水位线检测方法的流程。
基于水位尺图像的水位线检测装置
根据本发明公开的实施例，还提出一种用于基于水位尺图像的水位线检测的计算机系统，包括：
一个或多个处理器；以及
存储器，所述存储器被设置用于存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如前述基于水位尺图像的水位线检测方法的流程。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (11)

1.一种基于水位尺图像的水位线检测方法，其特征在于，包括以下步骤：
步骤1、获取在水位检测场景下采集水位尺位置对应的水位图像，并在初始化时，以第一张水位图像I0作为参考，获取初始化时的水位线实际高度y_t0；
步骤2、使用水位尺检测模型检测第一张水位图像I0中的水位尺位置，并裁剪出对应的水位尺图像J0；
步骤3、使用水位线检测模型检测所述水位尺图像J0中水位线在水位尺图像J0中的相对坐标y_p0；
步骤4、根据水位尺长度M、所述相对坐标y_p0以及初始化时的水位线实际高度y_t0，获得水位线实际高度与相对坐标的转换率Kp的初始值K0；p表示水位线检测序列，其取值为大于等于0的自然数；p取值为0时表示检测序列的初始化；
步骤5、在后续检测过程中，按照设定的周期获取水位图像，并且针对当前帧的水位图像In，使用所述水位尺检测模型进行水位尺检测之后，再使用水位线检测模型检测输出水位线相对坐标y_pn，其中n为大于等于1的自然数；以及
步骤6、基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn。
2.根据权利要求1所述的基于水位尺图像的水位线检测方法，其特征在于，所述方法还包括以下步骤：
根据当前帧获得水位线实际高度y_tn更新水位线实际高度与相对坐标的转换率以及以当前帧获得水位线实际高度y_tn以及更新后的转换率作为下一帧的水位图像In+1的水位尺实际高度检测的检测基准。
3. 根据权利要求1所述的基于水位尺图像的水位线检测方法，其特征在于，所述步骤2中，所述水位尺检测模型为预先训练的水位尺检测模型，训练过程包括：
采集多张水位尺位置对应水位图像，并标注其中的水位尺位置后，构建训练集；以及
以训练集为基础，通过目标检测算法训练得到水位尺检测模型。
4.根据权利要求3所述的基于水位尺图像的水位线检测方法，其特征在于，所述步骤3中，所述水位线检测模型为预先训练的水位线检测模型，训练过程包括：
将所述训练集中标注了水位尺位置的水位图像进行裁剪，得到水位尺图像；
标注水位线在水位尺图像中的相对坐标；以及
以标注水位线在水位尺图像中的相对坐标以及水位尺图像为基础，基于PFLD算法训练出用于检测水位尺图像中水位线相对坐标的模型。
5. 根据权利要求4所述的基于水位尺图像的水位线检测方法，其特征在于，所述标注水位线在水位尺图像中的相对坐标，标注方法包括以下过程：
y1=y/ymax
其中，y1表示归一化的相对坐标，y表示水位线在裁剪出来的水位尺图像中的纵坐标，ymax是裁剪出来的水位尺图像的高度。
6.根据权利要求4所述的基于水位尺图像的水位线检测方法，其特征在于，所述将所述训练集中标注了水位尺位置的水位图像进行裁剪，得到水位尺图像，其中的裁剪操作采用随机裁剪的方式，使得在同一张水位图像中，裁剪出来的水位尺图像中的水位线相对坐标y1呈均匀分布。
7. 根据权利要求1所述的基于水位尺图像的水位线检测方法，其特征在于，所述获取水位线实际高度与相对坐标的转换率Kp的初始值K0，其中初始值K0的计算如下：
K0=(M- y_t0)/( y_min – y_p0)
其中，y_p0 = y_ min + y1 * (y_ max – y_ min)
其中，y_min和y_ max分别表示检测出的水位尺在第一张水位图像I0中左上角顶点的纵坐标以及右下角顶点的纵坐标，y1表示水位线在水位尺图像J0中的相对坐标。
8.根据权利要求1所述的基于水位尺图像的水位线检测方法，其特征在于，所述步骤6中，基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn，包括以下步骤：
针对当前帧的水位图像In，其水位线实际高度y_tn的计算如下：
y_tn= y_tn-1+ Kn-1* (y_pn – y_pn-1)
其中：
y_tn-1 表示第n-1个水位线检测序列的水位线实际高度，在n取值为1时，表示初始化时的水位线实际高度y_t0；
y_pn 表示当前水位线检测序列的水位线相对坐标，在n取值为1时，表示初始化时的水位线实际高度；
y_pn-1表示上一个水位线检测序列的水位线相对坐标，在n取值为1时，表示初始化时的水位线相对坐标。
9.一种基于水位尺图像的水位线检测装置，其特征在于，包括：
用于获取在水位检测场景下采集水位尺位置对应的水位图像，并在初始化时，以第一张水位图像I0作为参考，获取初始化时的水位线实际高度y_t0的模块；
用于使用水位尺检测模型检测第一张水位图像I0中的水位尺位置，并裁剪出对应的水位尺图像J0的模块；
用于使用水位线检测模型检测所述水位尺图像J0中水位线在水位尺图像J0中的相对坐标y_p0的模块；
用于根据水位尺长度M、所述相对坐标y_p0以及初始化时的水位线实际高度y_t0，获得水位线实际高度与相对坐标的转换率Kp的初始值K0的模块；p表示水位线检测序列，其取值为大于等于0的自然数；p取值为0时表示检测序列的初始化；
用于在后续检测过程中，按照设定的周期获取水位图像，并且针对当前帧的水位图像In，使用所述水位尺检测模型进行水位尺检测之后，再使用水位线检测模型检测输出水位线相对坐标y_pn的模块，其中n为大于等于1的自然数；以及
用于基于水位线相对坐标y_pn以及转换率Kn-1计算出当前帧的水位图像In对应的水位线实际高度y_tn的模块。
10.一种基于水位尺图像的水位线检测系统，其特征在于，包括：
摄像装置，被设置朝向水位检测场景下的水位尺位置，用于采集水位尺位置对应水位图像；
计算机系统，其包括一个或多个处理器以及存储器，所述存储器被设置用于存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如权利要求1-8中任意一项所述的基于水位尺图像的水位线检测方法的流程。
11. 一种用于基于水位尺图像的水位线检测的计算机系统，其特征在于，包括：
一个或多个处理器；以及
存储器，所述存储器被设置用于存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如权利要求1-8中任意一项所述的基于水位尺图像的水位线检测方法的流程。
CN202110469839.XA 2021-04-29 2021-04-29 基于水位尺图像的水位线检测方法、装置与系统 Active CN112991342B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110469839.XA CN112991342B (zh) 2021-04-29 2021-04-29 基于水位尺图像的水位线检测方法、装置与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110469839.XA CN112991342B (zh) 2021-04-29 2021-04-29 基于水位尺图像的水位线检测方法、装置与系统

Publications (2)

Publication Number Publication Date
CN112991342A CN112991342A (zh) 2021-06-18
CN112991342B true CN112991342B (zh) 2021-07-30

Family

ID=76336514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110469839.XA Active CN112991342B (zh) 2021-04-29 2021-04-29 基于水位尺图像的水位线检测方法、装置与系统

Country Status (1)

Country Link
CN (1) CN112991342B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387235B (zh) * 2021-12-30 2024-02-09 重庆知行数联智能科技有限责任公司 一种水环境监测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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系统
CN112444302B (zh) * 2019-08-30 2024-07-05 杭州海康威视系统技术有限公司 一种图像采集设备、水位检测设备、方法及存储介质
CN111259890A (zh) * 2020-01-19 2020-06-09 深圳市宏电技术股份有限公司 一种水位尺的水位识别方法、装置及设备
CN112345022A (zh) * 2020-11-04 2021-02-09 成都光束慧联科技有限公司 矿山井下复杂环境中的地下水位监测方法

Also Published As

Publication number Publication date
CN112991342A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN107506798B (zh) 一种基于图像识别的水位监测方法
CN108759973B (zh) 一种水位测量方法
CN112215125A (zh) 一种基于YOLOv3的水位识别方法
CN108335331A (zh) 一种钢卷双目视觉定位方法及设备
CN101846513B (zh) 标志图像识别及中心坐标提取方法
CN111353502B (zh) 数字表识别方法、装置以及电子设备
CN108960070A (zh) 一种水位高程检测系统及其方法
CN112991342B (zh) 基于水位尺图像的水位线检测方法、装置与系统
CN111950812A (zh) 一种自动识别与预测雨量的方法及其装置
CN114241469A (zh) 一种面向电表轮换过程的信息识别方法和装置
CN113392846A (zh) 一种基于深度学习的水尺水位监测方法及系统
CN114283126B (zh) 一种输电线路监控设备偏移检测方法
CN115239646A (zh) 输电线路的缺陷检测方法、装置、电子设备及存储介质
CN112183463B (zh) 基于雷达图像的船只识别模型的验证方法及装置
CN116310263A (zh) 一种指针式航空地平仪示数自动读取实现方法
CN116704169A (zh) 一种吊物下站人违规行为的检测方法及系统
CN115861407A (zh) 基于深度学习的安全距离检测方法及系统
CN113222963B (zh) 一种非正射红外监测海面溢油面积估算方法及系统
CN108765365A (zh) 一种转子绕线图像合格性检测方法
CN115311447A (zh) 一种基于深度卷积神经网络的指针式仪表示数识别方法
CN111473944B (zh) 观测流场中存在复杂壁面的piv数据修正方法、装置
CN118674724B (zh) 基于机器视觉的电缆沟内的电缆缺陷检测方法及系统
CN118130503A (zh) 一种物体缺陷检测方法、系统、存储介质和电子设备
CN117036780A (zh) 一种无水尺水位识别方法、终端设备及存储介质
CN115331001A (zh) 基于深度学习的非接触式水位测量方法、装置及相关介质

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: No.568 longmian Avenue, gaoxinyuan, Jiangning District, Nanjing City, Jiangsu Province, 211000

Patentee after: Xiaoshi Technology (Jiangsu) Co.,Ltd.

Address before: No.568 longmian Avenue, gaoxinyuan, Jiangning District, Nanjing City, Jiangsu Province, 211000

Patentee before: NANJING ZHENSHI INTELLIGENT TECHNOLOGY Co.,Ltd.