CN113237534A - 一种旋盘式量水堰水位监测系统 - Google Patents

一种旋盘式量水堰水位监测系统 Download PDF

Info

Publication number
CN113237534A
CN113237534A CN202110636432.1A CN202110636432A CN113237534A CN 113237534 A CN113237534 A CN 113237534A CN 202110636432 A CN202110636432 A CN 202110636432A CN 113237534 A CN113237534 A CN 113237534A
Authority
CN
China
Prior art keywords
water level
initial
neural network
convolutional neural
measuring
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
Application number
CN202110636432.1A
Other languages
English (en)
Inventor
蔡天德
袁羽
谢东辉
李登华
房淑莹
陈丹丹
崔宇南
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.)
Jiaokou Reservoir Branch Of Ningbo Raw Water Co ltd
Ningbo Reservoir Management Center
Nanjing University of Science and Technology
Original Assignee
Jiaokou Reservoir Branch Of Ningbo Raw Water Co ltd
Ningbo Reservoir Management Center
Nanjing University of Science and Technology
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 Jiaokou Reservoir Branch Of Ningbo Raw Water Co ltd, Ningbo Reservoir Management Center, Nanjing University of Science and Technology filed Critical Jiaokou Reservoir Branch Of Ningbo Raw Water Co ltd
Priority to CN202110636432.1A priority Critical patent/CN113237534A/zh
Publication of CN113237534A publication Critical patent/CN113237534A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/30—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by floats
    • G01F23/64—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by floats of the free float type without mechanical transmission elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Abstract

本发明公开了一种旋盘式量水堰水位监测系统，特点是包括设置有测量面的水位尺、测量浮台、连接杆、摄像机、传输模块和监测控制模块，监测控制模块预设有测量初始时刻人工测得的初始水位，测量面设置有高度测量标记，水位尺通过从上至下分布的至少两根连接杆竖直固定设置在位于量水堰一侧的构筑物的内壁上，测量浮台通过浮动孔活动套设在水位尺上，摄像机固定设置在位于量水堰另一侧的构筑物上，摄像机用于在测量初始时刻获取初始拍摄图像且在监测时刻获取当前拍摄图像，监测控制模块用于根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值；优点是测量精度高，操作简单而且受环境影响小。

Description

一种旋盘式量水堰水位监测系统
技术领域
本发明涉及一种水位监测系统，尤其是一种旋盘式量水堰水位监测系统。
背景技术
目前，水资源和水安全问题己经成为影响社会、经济和生态发展的重要因素之一，其中，水位数据是可以反映这些问题的非常关键的水文资料。
量水堰水位监测的方法有许多种，人工测量水位时需要考虑监测人员的人身安全问题，而且数据实时性较差；目前的自动监测方面存在一种在现场安装的水位检测仪，因为受到光线的干扰水面形成倒影而无法正确识别水位高度；另一种是安装图像水位尺和对准该水位尺的摄像机，通过摄像机采集水位尺的图像，再通过无线或有线的方式传输后由计算机识别，此方法也存在光线的干扰在水面形成倒影而无法正确识别水位高度的问题。
发明内容
本发明所要解决的技术问题是提供一种测量精度高、操作简单的旋盘式量水堰水位监测系统。
本发明解决上述技术问题所采用的技术方案为：一种旋盘式量水堰水位监测系统，包括设置有测量面的水位尺、测量浮台、连接杆、摄像机、传输模块和监测控制模块，所述的监测控制模块预设有测量初始时刻人工测得的初始水位，所述的测量面设置有高度测量标记，所述的水位尺通过从上至下分布的至少两根连接杆竖直固定设置在位于量水堰一侧的构筑物的内壁上，所述的测量浮台的中部设置有与所述的水位尺的外形匹配的浮动孔，所述的测量浮台通过所述的浮动孔活动套设在所述的水位尺上，所述的摄像机固定设置在位于量水堰另一侧的构筑物上，所述的摄像机的镜头正对所述的水位尺的测量面，所述的摄像机的镜头的拍摄中心线与水平面的夹角小于或等于60°，所述的摄像机用于在测量初始时刻获取初始拍摄图像且在监测时刻获取当前拍摄图像，所述的摄像机通过所述的传输模块将初始拍摄图像和当前拍摄图像发送至所述的监测控制模块，所述的监测控制模块用于根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值。
所述的测量浮台包括塑料圆盘和周向均匀设置在所述的塑料圆盘的底部的三个浮球，所述的塑料圆盘的顶面为水平表面。
所述的水位尺为圆柱体，所述的高度测量标记由从上至下等间距连续竖直排列的正向的等腰三角形标识组成，所述的等腰三角形标识的底边为水平线。
监测控制模块根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值的具体过程如下：
步骤1）：预先对位于水中的水位尺的测量面进行多角度拍摄，获取包括正向的等腰三角形及等腰三角形的倒影的多个拍摄图像的图集，从图集中任意选取多张拍摄图像并按预设比例分别归入训练集数据和测试集数据；
步骤2）：搭建YOLOv3卷积神经网络；
步骤3）：对YOLOv3卷积神经网络进行训练，具体过程如下：
3）-1：对训练集数据制作标签得到等腰三角形标识的真实目标边框，对真实目标边框进行聚类后采用面积交并比作为真实目标边框的评级指标，将具有最高的评级指标的真实目标边框作为训练集数据中的等腰三角形标识的预测初始候选目标边框，将预测初始候选目标边框的参数设置为YOLOv3卷积神经网络的初始网络参数，设置YOLOv3卷积神经网络的图像深度、类别数、损失函数阈值、最大训练迭代次数和输出数据检测精度；
3）-2：将训练集数据输入YOLOv3卷积神经网络进行训练，直至YOLOv3卷积神经网络输出的损失函数值小于或等于损失函数阈值或达到设置的最大训练迭代次数时停止训练，得到训练好的YOLOv3卷积神经网络；
3）-3：将测试集数据输入训练好的YOLOv3卷积神经网络，获取训练好的YOLOv3卷积神经网络输出结果的检测精度，若检测精度小于输出数据检测精度，则返回步骤3）-2继续执行；若检测精度大于或等于输出数据检测精度，则将当前的训练好的YOLOv3卷积神经网络作为最终的YOLOv3卷积神经网络；
3）-4：将当前拍摄图像输入最终的YOLOv3卷积神经网络，根据最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形的三角形个数、初始拍摄图像中露出水面的等腰三角形的三角形个数和初始水位，获取当前的监测水位值。通过训练集数据和测试集数据对YOLOv3卷积神经网络进行训练，得到最终的YOLOv3卷积神经网络，再将当前拍摄图像输入最终的YOLOv3卷积神经网络，能够准确快速的识别出露出水面的等腰三角形的个数，从而通过与初始拍摄图像中露出水面的等腰三角形的三角形个数比较及初始水位得到当前的监测水位值，检测结果较为准确，检测过程快速方便。
所述的步骤1）中，归入训练集数据和测试集数据的预设比例为4:1。
所述的步骤3）-1中，YOLOv3卷积神经网络的图像深度为24位、类别数为2，损失函数阈值为0.1，最大训练迭代次数大于4000，输出数据检测精度为90%。
所述的步骤3）-4中获取当前的监测水位值的具体方法如下：将初始水位记为L0，将初始拍摄图像中正向的等腰三角形的三角形个数记为n1，将最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形的三角形个数记为n2，将最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形中的一个不完整的等腰三角形占一个完整等腰三角形的面积比例记为m,将当前的监测水位值记为L，则有L=L0+h（n2+m-n1），其中h表示一个完整的等腰三角形的高度。
h=0.001米。
还包括预警模块，所述的监测控制模块中预设有水位上限阈值，当所述的监测控制模块得到的当前的监测水位值超出预设的水位上限阈值时，所述的监测控制模块控制所述的预警模块发出预警信号。
与现有技术相比，本发明的优点在于水位尺通过从上至下分布的至少两根连接杆竖直固定设置在位于量水堰一侧的构筑物的内壁上，测量浮台的中部设置有与水位尺的外形匹配的浮动孔，测量浮台通过浮动孔活动套设在水位尺上，摄像机在测量初始时刻获取初始拍摄图像且在监测时刻获取当前拍摄图像，摄像机通过传输模块将初始拍摄图像和当前拍摄图像发送至监测控制模块，监测控制模块用于根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值；通过监测控制模块识别水位尺露出水面的部分中等腰三角形的个数，再与初始拍摄图像对应的露出水面的等腰三角形的个数作对比，从而获取量水堰水位高度，并将结果存储到监测控制模块中，从而可以实现水位的远程实时自动监测，由于测量浮台将水面下的等腰三角形的倒影部分遮挡，因此有效的提高了测量精度，操作简单而且受环境影响小，能很好地实现自动监测。
附图说明
图1为本发明的整体结构示意图；
图2为本发明的部分结构俯视图；
图3为本发明中水位尺的测量面的结构示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
实施例一：一种旋盘式量水堰水位监测系统，包括设置有测量面11的水位尺1、测量浮台2、连接杆3、摄像机4、传输模块5和监测控制模块6，监测控制模块6预设有测量初始时刻人工测得的初始水位，测量面11设置有高度测量标记，水位尺1为圆柱体，高度测量标记由从上至下等间距连续竖直排列的正向的等腰三角形标识组成，等腰三角形标识的底边为水平，水位尺1通过从上至下分布的两根连接杆3竖直固定设置在位于量水堰一侧的构筑物的内壁上，测量浮台2的中部设置有与水位尺1的外形匹配的浮动孔，测量浮台2通过浮动孔活动套设在水位尺1上，测量浮台2包括塑料圆盘21和周向均匀设置在塑料圆盘21的底部的三个浮球22，塑料圆盘21的顶面为水平表面，摄像机4固定设置在位于量水堰另一侧的构筑物上，摄像机4的镜头正对水位尺1的测量面11，摄像机4的镜头的拍摄中心线与水平面的夹角小于或等于60°，摄像机4用于在测量初始时刻获取初始拍摄图像且在监测时刻获取当前拍摄图像，摄像机4通过传输模块5将初始拍摄图像和当前拍摄图像发送至监测控制模块6，监测控制模块6用于根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值；
监测控制模块6根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值的具体过程如下：
步骤1）：预先对位于水中的水位尺1的测量面11进行多角度拍摄，获取包括正向的等腰三角形及等腰三角形的倒影的多个拍摄图像的图集，从图集中任意选取多张拍摄图像并按预设比例分别归入训练集数据和测试集数据，归入训练集数据和测试集数据的预设比例为4:1；
步骤2）：搭建YOLOv3卷积神经网络；
步骤3）：对YOLOv3卷积神经网络进行训练，具体过程如下：
3）-1：对训练集数据制作标签得到等腰三角形标识的真实目标边框，该过程可由labelimg软件上实现，对真实目标边框进行聚类后采用面积交并比作为真实目标边框的评级指标，将具有最高的评级指标的真实目标边框作为训练集数据中的等腰三角形标识的预测初始候选目标边框，将预测初始候选目标边框的参数设置为YOLOv3卷积神经网络的初始网络参数，设置YOLOv3卷积神经网络的图像深度、类别数、损失函数阈值、最大训练迭代次数和输出数据检测精度，实际使用时，设置YOLOv3卷积神经网络的图像深度为24位、类别数为2，损失函数阈值为0.1，最大训练迭代次数大于4000，输出数据检测精度为90%；
3）-2：将训练集数据输入YOLOv3卷积神经网络进行训练，直至YOLOv3卷积神经网络输出的损失函数值小于或等于损失函数阈值或达到设置的最大训练迭代次数时停止训练，得到训练好的YOLOv3卷积神经网络；
3）-3：将测试集数据输入训练好的YOLOv3卷积神经网络，获取训练好的YOLOv3卷积神经网络输出结果的检测精度，若检测精度小于输出数据检测精度，则返回步骤3）-2继续执行；若检测精度大于或等于输出数据检测精度，则将当前的训练好的YOLOv3卷积神经网络作为最终的YOLOv3卷积神经网络；
3）-4：将当前拍摄图像输入最终的YOLOv3卷积神经网络，根据最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形的三角形个数、初始拍摄图像中露出水面的等腰三角形的三角形个数和初始水位，获取当前的监测水位值，具体方法如下：将初始水位记为L0，将初始拍摄图像中正向的等腰三角形的三角形个数记为n1，将最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形的三角形个数记为n2，将最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形中的一个不完整的等腰三角形占一个完整等腰三角形的面积比例记为m,将当前的监测水位值记为L，则有L=L0+h（n2+m-n1），其中h表示一个完整的等腰三角形的高度，h=0.001米。
实施例二：其余部分与实施例一相同，其不同之处在于还包括预警模块，监测控制模块6中预设有水位上限阈值，当监测控制模块6得到的当前的监测水位值超出预设的水位上限阈值时，监测控制模块6控制预警模块发出预警信号。
以上实施例在实际使用时，所选用水位尺1的高度为50厘米，直径20毫米，每个等腰三角形高1毫米，宽10毫米，水位尺1露出水面部分没有等腰三角形时记为0刻度，露出一个等腰三角形记为0.001米刻度，以此类推，水位尺1由金属材料制成，等腰三角形刻蚀在水位尺1上，并且水位尺1必须保持竖直，水位尺1上的等腰三角形较小，可以达到高精度量水堰水位测量的效果。
假设初始人工测量水位为1.0米，对应水位尺1的等腰三角形数量为100个，随后取一帧摄像机4拍摄的图片进行图像识别，结果出现等腰三角形数量为300个，则此时的水位高度为1.0+0.001（300-100）=1.2米。

Claims (9)

1.一种旋盘式量水堰水位监测系统，其特征在于包括设置有测量面的水位尺、测量浮台、连接杆、摄像机、传输模块和监测控制模块，所述的监测控制模块预设有测量初始时刻人工测得的初始水位，所述的测量面设置有高度测量标记，所述的水位尺通过从上至下分布的至少两根连接杆竖直固定设置在位于量水堰一侧的构筑物的内壁上，所述的测量浮台的中部设置有与所述的水位尺的外形匹配的浮动孔，所述的测量浮台通过所述的浮动孔活动套设在所述的水位尺上，所述的摄像机固定设置在位于量水堰另一侧的构筑物上，所述的摄像机的镜头正对所述的水位尺的测量面，所述的摄像机的镜头的拍摄中心线与水平面的夹角小于或等于60°，所述的摄像机用于在测量初始时刻获取初始拍摄图像且在监测时刻获取当前拍摄图像，所述的摄像机通过所述的传输模块将初始拍摄图像和当前拍摄图像发送至所述的监测控制模块，所述的监测控制模块用于根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值。
2.根据权利要求1所述的一种旋盘式量水堰水位监测系统，其特征在于所述的测量浮台包括塑料圆盘和周向均匀设置在所述的塑料圆盘的底部的三个浮球，所述的塑料圆盘的顶面为水平表面。
3.根据权利要求1所述的一种旋盘式量水堰水位监测系统，其特征在于所述的水位尺为圆柱体，所述的高度测量标记由从上至下等间距连续竖直排列的正向的等腰三角形标识组成，所述的等腰三角形标识的底边为水平线。
4.根据权利要求3所述的一种旋盘式量水堰水位监测系统，其特征在于监测控制模块根据初始水位、初始拍摄图像和当前拍摄图像得到当前的监测水位值的具体过程如下：
步骤1）：预先对位于水中的水位尺的测量面进行多角度拍摄，获取包括正向的等腰三角形及等腰三角形的倒影的多个拍摄图像的图集，从图集中任意选取多张拍摄图像并按预设比例分别归入训练集数据和测试集数据；
步骤2）：搭建YOLOv3卷积神经网络；
步骤3）：对YOLOv3卷积神经网络进行训练，具体过程如下：
3）-1：对训练集数据制作标签得到等腰三角形标识的真实目标边框，对真实目标边框进行聚类后采用面积交并比作为真实目标边框的评级指标，将具有最高的评级指标的真实目标边框作为训练集数据中的等腰三角形标识的预测初始候选目标边框，将预测初始候选目标边框的参数设置为YOLOv3卷积神经网络的初始网络参数，设置YOLOv3卷积神经网络的图像深度、类别数、损失函数阈值、最大训练迭代次数和输出数据检测精度；
3）-2：将训练集数据输入YOLOv3卷积神经网络进行训练，直至YOLOv3卷积神经网络输出的损失函数值小于或等于损失函数阈值或达到设置的最大训练迭代次数时停止训练，得到训练好的YOLOv3卷积神经网络；
3）-3：将测试集数据输入训练好的YOLOv3卷积神经网络，获取训练好的YOLOv3卷积神经网络输出结果的检测精度，若检测精度小于输出数据检测精度，则返回步骤3）-2继续执行；若检测精度大于或等于输出数据检测精度，则将当前的训练好的YOLOv3卷积神经网络作为最终的YOLOv3卷积神经网络；
3）-4：将当前拍摄图像输入最终的YOLOv3卷积神经网络，根据最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形的三角形个数、初始拍摄图像中露出水面的等腰三角形的三角形个数和初始水位，获取当前的监测水位值。
5.根据权利要求4所述的一种旋盘式量水堰水位监测系统，其特征在于所述的步骤1）中，归入训练集数据和测试集数据的预设比例为4:1。
6.根据权利要求4所述的一种旋盘式量水堰水位监测系统，其特征在于所述的步骤3）-1中，YOLOv3卷积神经网络的图像深度为24位、类别数为2，损失函数阈值为0.1，最大训练迭代次数大于4000，输出数据检测精度为90%。
7.根据权利要求4所述的一种旋盘式量水堰水位监测系统，其特征在于所述的步骤3）-4中获取当前的监测水位值的具体方法如下：将初始水位记为L0，将初始拍摄图像中正向的等腰三角形的三角形个数记为n1，将最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形的三角形个数记为n2，将最终的YOLOv3卷积神经网络输出结果中正向的等腰三角形中的一个不完整的等腰三角形占一个完整等腰三角形的面积比例记为m,将当前的监测水位值记为L，则有L=L0+h（n2+m-n1），其中h表示一个完整的等腰三角形的高度。
8.根据权利要求7所述的一种旋盘式量水堰水位监测系统，其特征在于h=0.001米。
9.根据权利要求1所述的一种旋盘式量水堰水位监测系统，其特征在于还包括预警模块，所述的监测控制模块中预设有水位上限阈值，当所述的监测控制模块得到的当前的监测水位值超出预设的水位上限阈值时，所述的监测控制模块控制所述的预警模块发出预警信号。
CN202110636432.1A 2021-06-08 2021-06-08 一种旋盘式量水堰水位监测系统 Pending CN113237534A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110636432.1A CN113237534A (zh) 2021-06-08 2021-06-08 一种旋盘式量水堰水位监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110636432.1A CN113237534A (zh) 2021-06-08 2021-06-08 一种旋盘式量水堰水位监测系统

Publications (1)

Publication Number Publication Date
CN113237534A true CN113237534A (zh) 2021-08-10

Family

ID=77137271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110636432.1A Pending CN113237534A (zh) 2021-06-08 2021-06-08 一种旋盘式量水堰水位监测系统

Country Status (1)

Country Link
CN (1) CN113237534A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114800873A (zh) * 2022-04-28 2022-07-29 郑州三和水工机械有限公司 一种基于5g数据传输的混凝土搅拌站砂石料位ai智能检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114800873A (zh) * 2022-04-28 2022-07-29 郑州三和水工机械有限公司 一种基于5g数据传输的混凝土搅拌站砂石料位ai智能检测方法及系统
CN114800873B (zh) * 2022-04-28 2024-04-12 郑州三和水工机械有限公司 一种基于5g数据传输的混凝土搅拌站砂石料位ai智能检测方法及系统

Similar Documents

Publication Publication Date Title
CN106053475B (zh) 基于主动式全景视觉的隧道病害全断面动态快速检测装置
Palka et al. Accounting for responsive movement in line transect estimates of abundance
CN105488958B (zh) 一种非接触式滑坡灾害监测系统及其方法
US20110320139A1 (en) Method and system for testing a bundle of tubular objects guided by a computing device
CN109443476B (zh) 一种水位波动过程非接触量测装置及方法
US11796493B2 (en) System and method for identifying lithology based on images and XRF mineral inversion
CN101937509A (zh) 基于图像处理技术的自动识靶方法
CN111008614A (zh) 一种基于视频的无水尺水位读数方法
CN110133639B (zh) 一种传力杆施工质量检测方法
CN104359406A (zh) 一种准分布式结构位移光学测量方法
CN110276752B (zh) 基于android系统的混凝土表面裂缝特征的APP检测方法
CN109178234B (zh) 一种船舶干舷高度测量系统及其测量方法
CN106353283A (zh) 水体透明度检测方法及基于该方法的检测装置
CN113237534A (zh) 一种旋盘式量水堰水位监测系统
CN110675367A (zh) 基于机器视觉标定二维码识别裂缝宽度的方法
CN113134683A (zh) 基于机器学习的激光标刻方法及装置
CN111524394A (zh) 提升机坪综合航迹监视数据精度的方法、装置及系统
CN113884011A (zh) 一种非接触式混凝土表观裂缝测量设备和方法
CN114413854B (zh) 一种基于倾斜摄影的实景三维图像核验系统
CN115880571A (zh) 一种基于语义分割的水位尺读数识别方法
CN114912181A (zh) 一种基于人工智能的路面边坡安全监测分析系统
CN108716891B (zh) 一种井下巷道围岩变形快速精确监测系统及其监测方法
CN110987936A (zh) 一种面向无人机的大坝表面裂缝智能识别测量装置
CN215261988U (zh) 一种旋盘式量水堰水位监测系统
CN113029103B (zh) 一种风机塔筒基础环的倾斜测量方法、系统和存储介质

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