CN114442200A - 一种基于图像分析的降水测量装置及测量方法 - Google Patents
一种基于图像分析的降水测量装置及测量方法 Download PDFInfo
- Publication number
- CN114442200A CN114442200A CN202111580683.9A CN202111580683A CN114442200A CN 114442200 A CN114442200 A CN 114442200A CN 202111580683 A CN202111580683 A CN 202111580683A CN 114442200 A CN114442200 A CN 114442200A
- Authority
- CN
- China
- Prior art keywords
- precipitation
- rainfall
- module
- image
- box body
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000010191 image analysis Methods 0.000 title claims abstract description 13
- 238000001556 precipitation Methods 0.000 claims abstract description 121
- 239000002245 particle Substances 0.000 claims abstract description 78
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 11
- 230000007797 corrosion Effects 0.000 claims description 9
- 238000005260 corrosion Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 239000004519 grease Substances 0.000 claims description 3
- 229920001296 polysiloxane Polymers 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000002834 transmittance Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Quality & Reliability (AREA)
- Atmospheric Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于图像分析的降水测量装置及测量方法，包括主控模块、图像采集模块、雨雪检测模块、温度测量模块、通信模块以及光源模块，雨雪检测模块检测到降水粒子，通过光源模块照亮降水粒子，利用图像采集模块获取降水视频，送入主控模块处理后获得降水量，同时利用温度测量模块获取环境温度以辅助判别降水类型。本发明通过摄像设备采集降水图像，提取图像中降水粒子的物理特征及像素点数量的变化，同时融合两种计算降水量的方法，提高降水检测的准确性和可靠性。
Description
技术领域
本发明涉及一种基于图像分析的降水测量装置及测量方法，属于检测技术领域。
背景技术
目前对降水测量的仪器主要还是以虹吸式、翻斗式、称重式等机械式雨量计为主，而机械式雨量计普遍存在体积较大、内部机械结构复杂、无法获得降水类型以及管道易堵塞等问题。
光学散射式和压电式雨量计作为新一代的降水测量仪器发展趋势较快，应用也较为广泛。但此类雨量计，由于其获取降水粒子的途径仅为红外扫射，因此只能通过降水粒子整体的散射或压力情况来估计降水量，检测效果欠佳，也无法进行降水分类。
发明内容
本发明提供一种基于图像分析的降水测量装置及测量方法，提高了降水检测的准确性以及可靠性。
本发明解决其技术问题所采用的技术方案是：
一种基于图像分析的降水测量装置，包括用来放置模块的第一箱体和第二箱体，第一箱体与第二箱体垂直布设；在第一箱体内安装主控模块、图像采集模块、雨雪检测模块、温度测量模块以及通信模块，且图像采集模块、温度测量模块以及通信模块同时与主控模块连接；
所述的第一箱体包括装置底盘，在装置底盘的侧壁上衔接装置前挡板，且装置底盘的侧壁与装置前挡板之间形成嵌设图像采集模块的通槽，装置底盘上覆设第一箱体上盖，雨雪检测模块安装在第一箱体上盖内表面，所述温度测量模块贴合固定在第一箱体上盖内表面；
在第二箱体内安装光源模块，所述的光源模块与主控模块连接；
作为本发明的进一步优选，所述图像采集模块包括红外摄像头，其嵌设在通槽内；
在红外摄像头上套设滤光片套筒，滤光片套筒内向红外摄像头方向顺次叠设偏振片、红外高透滤光片以及940nm红外窄带滤光片；
作为本发明的进一步优选，所述光源模块包括凸透镜、红外LED、散热器以及光源模块控制板，所述第二箱体为封闭结构，其一侧壁上开设贯通槽，在第二箱体内开设通槽的侧壁垂直布设相对排布的反射镜片；
贯通槽在第二箱体内的端部安装凸透镜，红外LED安装在凸透镜焦点位置，且红外LED与凸透镜中心形成的连线垂直第二箱体开设贯通槽的侧壁；
所述红外LED的正面正对凸透镜，红外LED的背面固定散热器，且在红外LED与散热器接触面涂抹导热硅脂；
红外LED与光源模块控制板连接，光源模块控制板同时与主控模块连接；
一种基于图像分析的降水测量装置的测量方法，其特征在于：
步骤S1：雨雪检测模块检测到降水粒子，向主控模块发送脉冲信号，主控模块由待机模式进入工作模式，向红外摄像头以及光源模块控制板发出启动指令，光源模块控制板控制红外LED开启，红外摄像头根据环境红外光的强弱动态调节设备曝光参数，采集降水视频，同时提取视频关键帧，获取降水图像；
步骤S2：采用灰度转换、中值滤波和直方图均衡化三种方法降低图像噪声干扰并增强降水粒子与背景间的对比度，通过迭代阈值法将图像二值化，得到二值图像，突出降水粒子轮廓；
步骤S3：运用图像形态学操作去除图像中背景物或噪声干扰，以5邻域矩形结构元对二值图像进行腐蚀运算，再以同样结构元进行膨胀运算，去除二值图像中噪声点干扰，接着针对二值图像中可能出现的背景物干扰，以15邻域矩形结构元对二值图像进行上述的腐蚀和膨胀运算，再将步骤S2中获取的二值图像与经过腐蚀和膨胀运算后的图像做差值，去除图像中较大的像素块，得到滤除背景物干扰后的二值图像；
步骤S4：针对降水图像中粒子相交情况，采用距离变换法获取降水粒子的质心并统计其数量，得到降水粒子的个数；
步骤S5：针对降水图像中雨线倾斜情况，根据粒子轮廓提取出其最小外接矩形，获取矩形与天顶的夹角θi、矩形的宽度wi和高度hi，得到降水粒子在垂直方向长度Yi以及粒子的直径像素数目；
步骤S6：利用温度测量模块检测到的环境温度、降水粒子的倾斜角度和LBP级联分类器识别的图像数据综合区分降水类型，其中，若环境温度大于设定值，则判定为降雨类型，若环境温度小于或等于设定值，则利用LBP级联分类器，将降水图像作为分类器的输入，识别降水类型，同时结合降水粒子倾斜角度的大小及环境温度的高低进行综合判断，最终判断为降雨粒子或者降雪粒子；
步骤S7：降水过程中，根据球形体积公式结合粒子直径像素个数，获取单个雨滴的体积，再结合实际的降水检测区域面积S，计算得出降雨量R1，将前述求得的降雨量R1与实际降雨量进行拟合校准，得到比例系数Ku以及降雨量Ru；
步骤S8：根据水粒子速度以及水粒子直径的经验公式，将二值图像中粒子的垂直方向长度转化为雨滴的直径大小，并将雨滴直径代入球形体积公式，得到单个雨滴体积，同时结合实际的降水检测区域面积S，计算得出降雨量R2，将前述求得的降雨量R2与实际降雨量进行拟合校准，得到比例系数Kv以及降雨量Rv；
步骤S9：将步骤S7中获取的降雨量Ru与步骤S8中获取的降雨量Rv进行数据融合，得到最终降雨量R；
作为本发明的进一步优选，
步骤S7中，R1的计算公式为
公式(3)中，S为降水检测区域面积，将
视为比例系数K1，Dui为粒子的直径像素数目，且Dui采用hi的数值；
Ru的计算公式为
Ru＝K2R1＝K1K2Dui 3＝KuDui 3 (4)
公式(4)中，K2为将降雨量R1与实际降雨量拟合校准后得到的比例系数，Ku为K1和K2进行融合得到的比例系数；
作为本发明的进一步优选，
步骤S8中，根据降水粒子速度以及水粒子直径的经验公式v(D)＝3.866×D0.67，得出雨滴的直径大小计算公式为
公式(5)中，Yi为降水粒子在垂直方向长度，且Yi＝wi×cosθi，θi为矩形与天顶的夹角，wi为矩形的宽度，K3为雨线长度与雨滴速度的比例系数；
接着计算降雨量R2，其计算公式为
公式(6)中，S为降水检测区域面积，将
视为比例系数K4，Dvi为粒子的直径像素数目；
Rv的计算公式为
Rv＝K5R2＝K4K5Yi 4.47＝KvYi 4.47 (7)
公式(7)中，K5为将降雨量R2与实际降雨量拟合校准后得到的比例系数，Kv为K4和K5进行融合得到的比例系数；
作为本发明的进一步优选，
步骤S9中，根据步骤S6和步骤S7获取的降水量Ru和降水量Rv，得到最终降水量R，其计算公式为
公式(8)中，SRu、SRV分别是通过实验计算得到的Ru、Rv的标准差；
作为本发明的进一步优选，
步骤S7中，实际的降水检测区域面积S的计算公式为
公式(9)中，由于第一箱体与第二箱体垂直布设，则d1为第一箱体内部的图像采集模块和第二箱体的光源模块之间的水平距离，d2为第一箱体内部的图像采集模块和第二箱体的光源模块之间的垂直距离，红外LED的发射角度为α，红外LED的宽度和高度均为d，红外摄像头的采集角度设为90度；
作为本发明的进一步优选，
步骤S5中，识别降水类型获取的数据存储在设备的EMMC存储器或SD卡中，并通过Zigbee通信模块将数据发送至无线传感网络或上位机中。
通过以上技术方案，相对于现有技术，本发明具有以下有益效果：
本发明通过提供的降水测量装置采用红外摄像头采集降水图像，提取图像中降水粒子的物理特征及像素点数量的变化，同时融合两种计算降水量的方法，提高降水检测的准确性和可靠性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明提供的优选实施例中各个模块设置示意图；
图2是本发明提供的系统工作流程图；
图3是本发明提供的图像算法流程图；
图4a-图4b是本发明提供的第一箱体(降水测量装置)结构示意图；
图5a-图5b是本发明提供的第二箱体(光源模块)结构示意图；
图6是本发明提供的图像采集区域示意图。
图中：1为第一箱体上盖，2为主控模块，3为装置前挡板，4为降水测量锂电池，5为装置底盘，6为偏振片，7为红外高透滤光片，8为940nm红外窄带滤光片，9为滤光片套筒，10为红外摄像头，11为第一箱体，12为第二箱体，13为散热器，14为红外LED，15为凸透镜，16为反射镜片，17为光源模块控制板，18为光源模块锂电池。
具体实施方式
现在结合附图对本发明作进一步详细的说明。本申请的描述中，需要理解的是，术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，“第一”、“第二”等并不表示零部件的重要程度，因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案，并不限制本发明的保护范围。
如背景技术中阐述的，作为新一代降水测量仪器的光学散射式及压电式雨量计，其采集降水粒子实况是通过红外抓取，然后综合估计得到降水量，显然这种测量方法精确度较低。
因此本申请提供了一种基于图像分析的降水测量装置，其通过摄像设备采集降水图像，再对降水图像中降水粒子的物理特征、像素点数量的变化进行提取，送入主控模块2处理后获得降水量，从而可以获得较为精确的测量结果，同时本申请还具备对降水进行分类的功能，进一步提高了降水检测的准确性和可靠性。
首先需要对本申请使用到的降水测量装置进行分析，如图4a-图5b所示，是两个用来放置各个检测模块的第一箱体11和第二箱体12，进行测量时，第一箱体与第二箱体是垂直布设的。在第一箱体内安装主控模块、图像采集模块、温度测量模块、雨雪检测模块以及通信模块，且图像采集模块、温度测量模块以及通信模块同时与主控模块连接；也就是说第一箱体内安装的是降水测量装置，具体的结构关系是：第一箱体包括装置底盘，在装置底盘的侧壁上衔接装置前挡板3，且装置底盘的侧壁与装置前挡板之间形成嵌设图像采集模块的通槽，图像采集模块即可获取实时的降水视频；装置底盘5上覆设第一箱体上盖1，雨雪检测模块安装在第一箱体上盖内表面，所述温度测量模块贴合固定在第一箱体上盖内表面；这里需要重点阐述温度测量模块，本申请利用其获取温度环境，以辅助判别降水类型。在第二箱体内安装光源模块，用来照亮降水粒子，为图像采集模块获取降水视频做保障，所述的光源模块与主控模块连接。
前述的第一箱体内安装了降水测量锂电池4，第二箱体内安装了光源模块锂电池18，用来为各个模块提供电能。这里，是在降水测量锂电池上安装主控模块(主控电路板)，在主控电路板上留设了各个接口，如USB摄像头接口、红外检测模块接口、雨雪检测模块接口和温度测量模块接口，并在主控电路板上安装以CC2530芯片为核心的Zigbee通信模块。
本申请中给出了图像采集模块的一个实施例，包括红外摄像头10，其嵌设在通槽内；在红外摄像头上套设滤光片套筒9，滤光片套筒内向红外摄像头方向顺次叠设偏振片6、用于过滤环境光的红外高透滤光片7以及940nm红外窄带滤光片8，偏振片滤除环境或者照明设备的强光干扰，两个滤光片滤除可见光并只通过940nm波长的红外光线。
同样的给出光源模块的一个实施例，所述光源模块包括凸透镜15、红外LED14、散热器13以及光源模块控制板17，所述第二箱体为封闭结构，其一侧壁上开设贯通槽，在第二箱体内开设通槽的侧壁垂直布设相对排布的反射镜片16；贯通槽在第二箱体内的端部安装凸透镜，红外LED安装在凸透镜焦点位置，且红外LED与凸透镜中心形成的连线垂直第二箱体开设贯通槽的侧壁；所述红外LED的正面正对凸透镜，红外LED的背面固定散热器，且在红外LED与散热器接触面涂抹导热硅脂；红外LED与光源模块控制板连接，光源模块控制板同时与主控模块连接；当整个降水测量装置开始工作时，红外LED开启，降水粒子被红外光线照亮。
图1所示，主控模块作为总指挥，向各个模块发送指令，最终这些经过计算的结果数据存储在设备的EMMC存储器或SD卡中，并通过Zigbee通信模块将数据发送至无线传感网络或上位机中。
接下来，基于上述阐述的降水测量装置，进行测量方法的阐述，测量方法中较为卓越的点在于使用了两种计算降水量的方法，并将他们融合，以进一步提高降水检测的准确性以及可靠性。
图2-图3所示，所述基于图像分析的降水测量装置的测量方法，具体包括以下步骤：
步骤S1：雨雪检测模块检测到降水粒子，向主控模块发送脉冲信号，主控模块由待机模式进入工作模式，向红外摄像头以及光源模块控制板发出启动指令，光源模块控制板控制红外LED开启，红外摄像头根据环境红外光的强弱动态调节设备曝光参数，采集降水视频，同时提取视频关键帧，获取降水图像。
步骤S2：采用灰度转换、中值滤波和直方图均衡化三种方法降低图像噪声干扰并增强降水粒子与背景间的对比度，通过迭代阈值法将图像二值化，得到二值图像，突出降水粒子轮廓；
其中，灰度转换是通过加权平均法将获取的关键帧图像转换为单通道灰度图像Gray(i,j)，其计算公式为
Gray(i,j)＝0.299R(i,j)+0.587G(i,j)+0.114B(i,j) (1)
公式(1)中，i、j分别为二维图像数组所在的横向坐标、纵向坐标；
单通道灰度图像Gray(i,j)通过归一化将中值滤波后的灰度级扩展到0～255，并采用以下公式得到对比度增强图像。计算公式为：
(G(i,j)-Gmin)*255/(Gmax-Gmin) (2)
公式(2)中，Gmax为图像最大灰度值，Gmin为图像最小灰度值。
步骤S3：运用图像形态学操作去除图像中背景物或噪声干扰，以5邻域矩形结构元对二值图像进行腐蚀运算，再以同样结构元进行膨胀运算，去除二值图像中噪声点干扰，接着针对二值图像中可能出现的背景物干扰，以15邻域矩形结构元对二值图像进行上述的腐蚀和膨胀运算，再将步骤S2中获取的二值图像与经过腐蚀和膨胀运算后的图像做差值，去除图像中较大的像素块，得到滤除背景物干扰后的二值图像。
步骤S4：针对降水图像中粒子相交情况，采用距离变换法获取二值图像中背景像素到粒子像素的距离，得到其距离图像；根据距离图像中的高亮区域确定每个降水粒子的中心位置，即粒子的质心，统计其个数，得到降水粒子的个数。
步骤S5：针对降水图像中雨线倾斜情况，根据粒子轮廓提取出其最小外接矩形，获取矩形与天顶的夹角θi、矩形的宽度wi和高度hi，得到降水粒子在垂直方向长度Yi以及粒子的直径像素数目。
步骤S6：利用温度测量模块检测到的环境温度、降水粒子的倾斜角度和LBP级联分类器识别的图像数据综合区分降水类型，其中，若环境温度大于设定值(在实施例中，设定温度为10℃)，则判定为降雨类型，若环境温度小于或等于设定值(10℃)，则利用LBP级联分类器，将降水图像作为分类器的输入，识别降水类型，这里LBP级联分类器的训练是以降水图像中降雨和降雪的特征参数提取训练用的目标样本图像，以降雨图像作为正样本，降雪图像和背景图像作为负样本，通过大量的正负样本图像进行LBP级联分类器的训练；同时结合降水粒子倾斜角度的大小及环境温度的高低进行综合判断；
具体的判断过程是，当降水粒子的倾斜角度大于60度时，将降水粒子视为降雪粒子。
步骤S7：降水过程中(这里识别出为降雨)，根据粒子直径大小的不同，雨滴呈现为球形和纺锥形，这里将雨滴形状视为球形，根据球形体积公式结合粒子直径像素个数，获取单个雨滴的体积，再结合实际的降水检测区域面积S，计算得出降雨量R1，将前述求得的降雨量R1与实际降雨量进行拟合校准，得到比例系数Ku以及降雨量Ru；
R1的计算公式为
公式(3)中，S为降水检测区域面积，将
视为比例系数K1，Dui为粒子的直径像素数目，且Dui采用hi的数值；
Ru的计算公式为
Ru＝K2R1＝K1K2Dui 3＝KuDui 3 (4)
公式(4)中，K2为将降雨量R1与实际降雨量拟合校准后得到的比例系数，Ku为K1和K2进行融合得到的比例系数。
步骤S8：雨滴在下落过程中，受到水平风速和自身重力速度影响，其中雨滴的重力速度与其自身的含水量有关，并在降水图像中表现为雨线垂直长度的大小，根据降水粒子速度以及水粒子直径的经验公式v(D)＝3.866×D0.67，将二值图像中粒子的垂直方向长度转化为雨滴的直径大小，得出雨滴的直径大小计算公式为
公式(5)中，Yi为降水粒子在垂直方向长度，且Yi＝wi×cosθi，θi为矩形与天顶的夹角，wi为矩形的宽度，K3为雨线长度与雨滴速度的比例系数；
并将雨滴直径代入球形体积公式，得到单个雨滴体积，同时结合实际的降水检测区域面积S，计算得出降雨量R2，将前述求得的降雨量R2与实际降雨量进行拟合校准，得到比例系数Kv以及降雨量Rv；
降雨量R2的计算公式为
公式(6)中，S为降水检测区域面积，将
视为比例系数K4，Dvi为粒子的直径像素数目；
Rv的计算公式为
Rv＝K5R2＝K4K5Yi 4.47＝KvYi 4.47 (7)
公式(7)中，K5为将降雨量R2与实际降雨量拟合校准后得到的比例系数，Kv为K4和K5进行融合得到的比例系数。
步骤S9：将步骤S7中获取的降雨量Ru与步骤S8中获取的降雨量Rv进行数据融合，得到最终降雨量R
降水量R的计算公式为
公式(8)中，SRu、SRV分别是通过实验计算得到的Ru、Rv的标准差。
在上述降水测量方法中，提到的降水检测区域面积S是已知的，这里给出具体的计算过程，如图6所示，在测量时，第一箱体与第二箱体垂直布设，设第一箱体内部的图像采集模块和第二箱体的光源模块水平距离为d1、垂直距离为d2，设红外LED的发射角度为α、红外LED的宽度和高度均为d，设摄像头采集角度为90度，结合图6的图像采集区域示意图可知，图中点O代表摄像头镜口，阴影区域ABCD为图像采集的实际区域，EF为摄像头采集角度的平分线，过点E和点F分别作水平线，与采集区域边缘线分别相交为点A′、B′、C′、D′，其中三角形AA′F与三角形B′BF和三角形DD′E与三角形C′CE分别为相似三角形并将其面积视为相等，图像采集区域可转化为阴影梯形区域A′B′C′D′，其中h1为
h为
A′B′为
C′D′为
得到区域A′B′C′D′面积，即降水实际检测区域S；
即实际的降水检测区域面积S的计算公式为
公式(9)中，由于则d1为第一箱体内部的图像采集模块和第二箱体的光源模块之间的水平距离，d2为第一箱体内部的图像采集模块和第二箱体的光源模块之间的垂直距离，红外LED的发射角度为α，红外LED的宽度和高度均为d，红外摄像头的采集角度设为90度。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (9)
1.一种基于图像分析的降水测量装置，其特征在于：包括用来放置模块的第一箱体和第二箱体，第一箱体与第二箱体垂直布设；在第一箱体内安装主控模块、图像采集模块、雨雪检测模块、温度测量模块以及通信模块，且图像采集模块、温度测量模块、雨雪检测模块以及通信模块同时与主控模块连接；
所述的第一箱体包括装置底盘，在装置底盘的侧壁上衔接装置前挡板，且装置底盘的侧壁与装置前挡板之间形成嵌设图像采集模块的通槽，装置底盘上覆设第一箱体上盖，雨雪检测模块安装在第一箱体上盖内表面，所述温度测量模块贴合固定在第一箱体上盖内表面；
在第二箱体内安装光源模块，所述的光源模块与主控模块连接。
2.根据权利要求1所述的基于图像分析的降水测量装置，其特征在于：所述图像采集模块包括红外摄像头，其嵌设在通槽内；
在红外摄像头上套设滤光片套筒，滤光片套筒内向红外摄像头方向顺次叠设偏振片、红外高透滤光片以及940nm红外窄带滤光片。
3.根据权利要求1所述的基于图像分析的降水测量装置，其特征在于：所述光源模块包括凸透镜、红外LED、散热器以及光源模块控制板，所述第二箱体为封闭结构，其一侧壁上开设贯通槽，在第二箱体内开设通槽的侧壁垂直布设相对排布的反射镜片；
贯通槽在第二箱体内的端部安装凸透镜，红外LED安装在凸透镜焦点位置，且红外LED与凸透镜中心形成的连线垂直第二箱体开设贯通槽的侧壁；
所述红外LED的正面正对凸透镜，红外LED的背面固定散热器，且在红外LED与散热器接触面涂抹导热硅脂；
红外LED与光源模块控制板连接，光源模块控制板同时与主控模块连接。
4.一种基于图像分析的降水测量装置的测量方法，其特征在于：
步骤S1：雨雪检测模块检测到降水粒子，向主控模块发送脉冲信号，主控模块由待机模式进入工作模式，向红外摄像头以及光源模块控制板发出启动指令，光源模块控制板控制红外LED开启，红外摄像头根据环境红外光的强弱动态调节设备曝光参数，采集降水视频，同时提取视频关键帧，获取降水图像；
步骤S2：采用灰度转换、中值滤波和直方图均衡化三种方法降低图像噪声干扰并增强降水粒子与背景间的对比度，通过迭代阈值法将图像二值化，得到二值图像，突出降水粒子轮廓；
步骤S3：运用图像形态学操作去除图像中背景物或噪声干扰，以5邻域矩形结构元对二值图像进行腐蚀运算，再以同样结构元进行膨胀运算，去除二值图像中噪声点干扰，接着针对二值图像中可能出现的背景物干扰，以15邻域矩形结构元对二值图像进行上述的腐蚀和膨胀运算，再将步骤S2中获取的二值图像与经过腐蚀和膨胀运算后的图像做差值，去除图像中较大的像素块，得到滤除背景物干扰后的二值图像；
步骤S4：针对降水图像中粒子相交情况，采用距离变换法获取降水粒子的质心并统计其数量，得到降水粒子的个数；
步骤S5：针对降水图像中雨线倾斜情况，根据粒子轮廓提取出其最小外接矩形，获取矩形与天顶的夹角θi、矩形的宽度wi和高度hi，得到降水粒子在垂直方向长度Yi以及数目；
步骤S6：利用温度测量模块检测到的环境温度、降水粒子的倾斜角度和LBP级联分类器识别的图像数据综合区分降水类型，其中，若环境温度大于设定值，则判定为降雨类型，若环境温度小于或等于设定值，则利用LBP级联分类器，将降水图像作为分类器的输入，识别降水类型，同时结合降水粒子倾斜角度的大小及环境温度的高低进行综合判断，最终判断为降雨粒子或者降雪粒子；
步骤S7：降水过程中，根据球形体积公式结合粒子直径像素个数，获取单个雨滴的体积，再结合实际的降水检测区域面积S，计算得出降雨量R1，将前述求得的降雨量R1与实际降雨量进行拟合校准，得到比例系数Ku以及降雨量Ru；
步骤S8：根据水粒子速度以及水粒子直径的经验公式，将二值图像中粒子的垂直方向长度转化为雨滴的直径大小，并将雨滴直径代入球形体积公式，得到单个雨滴体积，同时结合实际的降水检测区域面积S，计算得出降雨量R2，将前述求得的降雨量R2与实际降雨量进行拟合校准，得到比例系数Kv以及降雨量Rv；
步骤S9：将步骤S7中获取的降雨量Ru与步骤S8中获取的降雨量Rv进行数据融合，得到最终降雨量R。
5.根据权利要求4所述基于图像分析的降水测量装置的测量方法，其特征在于：
步骤S7中，R1的计算公式为
公式(3)中，S为降水检测区域面积，将
视为比例系数K1，Dui为粒子的直径像素数目，且Dui采用hi的数值；
Ru的计算公式为
Ru＝K2R1＝K1K2Dui 3＝KuDui 3 (4)
公式(4)中，K2为将降雨量R1与实际降雨量拟合校准后得到的比例系数，Ku为K1和K2进行融合得到的比例系数。
6.根据权利要求5所述基于图像分析的降水测量装置的测量方法，其特征在于：
步骤S8中，根据降水粒子速度以及水粒子直径的经验公式v(D)＝3.866×D0.67，得出雨滴的直径大小计算公式为
公式(5)中，Yi为降水粒子在垂直方向长度，且Yi＝wi×cosθi，θi为矩形与天顶的夹角，wi为矩形的宽度，K3为雨线长度与雨滴速度的比例系数；
接着计算降雨量R2，其计算公式为
公式(6)中，S为降水检测区域面积，将
视为比例系数K4，Dvi为粒子的直径像素数目；
Rv的计算公式为
Rv＝K5R2＝K4K5Yi 4.47＝KvYi 4.47 (7)
公式(7)中，K5为将降雨量R2与实际降雨量拟合校准后得到的比例系数，Kv为K4和K5进行融合得到的比例系数。
7.根据权利要求6所述基于图像分析的降水测量装置的测量方法，其特征在于：
步骤S9中，根据步骤S6和步骤S7获取的降水量Ru和降水量Rv，得到最终降水量R，其计算公式为
公式(8)中，SRu、SRV分别是通过实验计算得到的Ru、Rv的标准差。
8.根据权利要求7所述基于图像分析的降水测量装置的测量方法，其特征在于：
步骤S7中，实际的降水检测区域面积S的计算公式为
公式(9)中，由于第一箱体与第二箱体垂直布设，则d1为第一箱体内部的图像采集模块和第二箱体的光源模块之间的水平距离，d2为第一箱体内部的图像采集模块和第二箱体的光源模块之间的垂直距离，红外LED的发射角度为α，红外LED的宽度和高度均为d，红外摄像头的采集角度设为90度。
9.根据权利要求8所述基于图像分析的降水测量装置的测量方法，其特征在于：
步骤S5中，识别降水类型获取的数据存储在设备的EMMC存储器或SD卡中，并通过Zigbee通信模块将数据发送至无线传感网络或上位机中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111580683.9A CN114442200B (zh) | 2021-12-22 | 2021-12-22 | 一种基于图像分析的降水测量装置及测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111580683.9A CN114442200B (zh) | 2021-12-22 | 2021-12-22 | 一种基于图像分析的降水测量装置及测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114442200A true CN114442200A (zh) | 2022-05-06 |
| CN114442200B CN114442200B (zh) | 2023-07-25 |
Family
ID=81363510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111580683.9A Active CN114442200B (zh) | 2021-12-22 | 2021-12-22 | 一种基于图像分析的降水测量装置及测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114442200B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117543360A (zh) * | 2023-11-14 | 2024-02-09 | 湖北华亿电气集团有限公司 | 一种具有除湿散热功能的户外环网箱 |
| CN117953445B (zh) * | 2024-03-26 | 2024-05-28 | 南京大学 | 基于交通监控相机雨天道路能见度测定方法、系统及介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5436541A (en) * | 1991-04-19 | 1995-07-25 | Mangler; Juergen | Rain detector |
| US5557040A (en) * | 1994-08-25 | 1996-09-17 | Aerometrics, Inc. | Method and apparatus for precipitation detection and differentiation |
| CN102436015A (zh) * | 2011-12-02 | 2012-05-02 | 南京英恩特环境技术有限公司 | 脉冲照明光学雨量测量方法与雨量计 |
| CN203444126U (zh) * | 2013-08-28 | 2014-02-19 | 南京信息工程大学 | 一种基于无线传感器网络的称重式雨雪量计 |
| CN104285165A (zh) * | 2013-04-04 | 2015-01-14 | 天气变化研究无限责任公司 | 用于以可选择的时间增量来生成和显示nowcast的方法 |
| CN205263332U (zh) * | 2015-11-23 | 2016-05-25 | 广州极飞电子科技有限公司 | 降水检测装置 |
| CN106597576A (zh) * | 2017-02-10 | 2017-04-26 | 盛茂刚 | 一种全自动直读式雨量计 |
| CN107356988A (zh) * | 2017-07-26 | 2017-11-17 | 江苏省无线电科学研究所有限公司 | 高灵敏度雨雪监测仪 |
| CN109143413A (zh) * | 2018-09-11 | 2019-01-04 | 深圳市银河系科技有限公司 | 一种基于图像识别的雨量测量方法及装置 |
| CN109272484A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 一种基于视频图像的降雨检测方法 |
| CN109477907A (zh) * | 2016-05-13 | 2019-03-15 | 天气流公司 | 触觉雨水传感器 |
| CN109808644A (zh) * | 2017-11-21 | 2019-05-28 | 福特全球技术公司 | 降水检测 |
| CN210109363U (zh) * | 2019-07-30 | 2020-02-21 | 南京信息工程大学 | 一种基于视频分析的雨量计 |
| CN111487625A (zh) * | 2020-04-29 | 2020-08-04 | 信阳师范学院 | 一种使用微波雷达全自动降水测量的系统及方法 |
| CN212933021U (zh) * | 2020-10-23 | 2021-04-09 | 武汉国家基本气象观测站 | 一种称重式雨雪测量装置 |
| US20210302616A1 (en) * | 2020-03-23 | 2021-09-30 | Atlas-Apex Roofing Inc. | Laser detection system |
-
2021
- 2021-12-22 CN CN202111580683.9A patent/CN114442200B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5436541A (en) * | 1991-04-19 | 1995-07-25 | Mangler; Juergen | Rain detector |
| US5557040A (en) * | 1994-08-25 | 1996-09-17 | Aerometrics, Inc. | Method and apparatus for precipitation detection and differentiation |
| CN102436015A (zh) * | 2011-12-02 | 2012-05-02 | 南京英恩特环境技术有限公司 | 脉冲照明光学雨量测量方法与雨量计 |
| CN108490508A (zh) * | 2013-04-04 | 2018-09-04 | 天气变化研究无限责任公司 | 基于概率分布短时预报降水的方法与系统 |
| CN104285165A (zh) * | 2013-04-04 | 2015-01-14 | 天气变化研究无限责任公司 | 用于以可选择的时间增量来生成和显示nowcast的方法 |
| CN203444126U (zh) * | 2013-08-28 | 2014-02-19 | 南京信息工程大学 | 一种基于无线传感器网络的称重式雨雪量计 |
| CN205263332U (zh) * | 2015-11-23 | 2016-05-25 | 广州极飞电子科技有限公司 | 降水检测装置 |
| CN109477907A (zh) * | 2016-05-13 | 2019-03-15 | 天气流公司 | 触觉雨水传感器 |
| CN106597576A (zh) * | 2017-02-10 | 2017-04-26 | 盛茂刚 | 一种全自动直读式雨量计 |
| CN107356988A (zh) * | 2017-07-26 | 2017-11-17 | 江苏省无线电科学研究所有限公司 | 高灵敏度雨雪监测仪 |
| CN109808644A (zh) * | 2017-11-21 | 2019-05-28 | 福特全球技术公司 | 降水检测 |
| CN109272484A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 一种基于视频图像的降雨检测方法 |
| CN109143413A (zh) * | 2018-09-11 | 2019-01-04 | 深圳市银河系科技有限公司 | 一种基于图像识别的雨量测量方法及装置 |
| CN210109363U (zh) * | 2019-07-30 | 2020-02-21 | 南京信息工程大学 | 一种基于视频分析的雨量计 |
| US20210302616A1 (en) * | 2020-03-23 | 2021-09-30 | Atlas-Apex Roofing Inc. | Laser detection system |
| CN111487625A (zh) * | 2020-04-29 | 2020-08-04 | 信阳师范学院 | 一种使用微波雷达全自动降水测量的系统及方法 |
| CN212933021U (zh) * | 2020-10-23 | 2021-04-09 | 武汉国家基本气象观测站 | 一种称重式雨雪测量装置 |
Non-Patent Citations (5)
| Title |
|---|
| RONG DONG等: "Measurements of Rainfall Rates From Videos", IEEE * |
| 李浩: "基于图像处理的降水测量仪的研制", 中国优秀硕士学位论文全文数据库基础科学辑, no. 1 * |
| 段玲燕: "输电导线降雨模型及雨荷载效应研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 1 * |
| 谭盛杰: "山洪早期预警中雷达降水估算探索", 中国优秀硕士学位论文全文数据库基础科学辑, no. 7 * |
| 黄春虹: "基于雨滴谱的降雨强度测量研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 3 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117543360A (zh) * | 2023-11-14 | 2024-02-09 | 湖北华亿电气集团有限公司 | 一种具有除湿散热功能的户外环网箱 |
| CN117543360B (zh) * | 2023-11-14 | 2024-05-28 | 湖北华亿电气集团有限公司 | 一种具有除湿散热功能的户外环网箱 |
| CN117953445B (zh) * | 2024-03-26 | 2024-05-28 | 南京大学 | 基于交通监控相机雨天道路能见度测定方法、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114442200B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI685798B (zh) | 目標檢測系統、自動駕駛車輛以及其目標檢測方法 | |
| CN114442200B (zh) | 一种基于图像分析的降水测量装置及测量方法 | |
| WO2021093283A1 (zh) | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 | |
| CN105959514B (zh) | 一种弱目标成像检测装置 | |
| Halimeh et al. | Raindrop detection on car windshields using geometric-photometric environment construction and intensity-based correlation | |
| CN109409368A (zh) | 矿用皮带纵撕检测装置及检测方法 | |
| CN110544211A (zh) | 一种镜头付着物的检测方法、系统、终端和存储介质 | |
| CN109143413A (zh) | 一种基于图像识别的雨量测量方法及装置 | |
| CN204039886U (zh) | 一种基于多台相机立体拍摄的路面损坏裂缝检测系统 | |
| CN111157532A (zh) | 一种手机外壳划痕视觉检测装置及方法 | |
| CN111243003A (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
| Varjo et al. | Image based visibility estimation during day and night | |
| JP2007127595A (ja) | 異物検出計測装置 | |
| CN114445330A (zh) | 一种元器件外观缺陷的检测方法及系统 | |
| CN112419272B (zh) | 一种雾天高速公路能见度快速估计方法及系统 | |
| CN103996266A (zh) | 基于视频分析的尾矿库安全监测装置 | |
| CN204441641U (zh) | 一种在暗环境中防幼儿触电智能插座系统 | |
| KR20210044127A (ko) | 영상 분석 기반 가시거리 측정 및 경보 시스템 및 방법 | |
| CN103630092A (zh) | 一种汽车正投影面积测量装置 | |
| CN215867184U (zh) | 一种利用光学探测自动识别降水现象的装置 | |
| CN104010165A (zh) | 降水粒子阴影图像自动采集装置 | |
| WO2022183536A1 (zh) | 一种健康检测的智能马桶及其健康检测方法 | |
| CN112213244B (zh) | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 | |
| WO2019052320A1 (zh) | 监控方法、装置、系统、电子设备及计算机可读存储介质 | |
| CN104701684A (zh) | 一种在暗环境中防幼儿触电智能插座系统 |
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 |