本发明涉及水利监测技术领域,更具体的说是涉及一种基于机器学习的水位、异物识别于一体的监控系统及方法。
背景技术:
很多河流的水面会漂浮有树叶、瓶体、树枝、油污、袋体等异物,这些水面异物会对水体的生态环境造成污染,因此需要经常巡视河流的水面,及时清除水面异物。
目前的水面巡视都由人工驾驶小艇,通过目测来识别水面异物的,这种目测识别方式耗时、耗力,巡视成本高,劳动强度大。并且河道漫水、无水、洪水等异样现象时,无法提前或及时得知,造成城市或河道的污染,渠系的损坏。
因此,如何提供一种智能化的水位、异物识别于一体的监控系统是本领域技术人员亟需解决的问题。
技术实现要素:
有鉴于此,本发明提供了一种基于机器学习的水位、异物识别于一体的监控系统及方法,实现自动监测水样异物异样,成本低,不受时间限制、省时省力。
为了实现上述目的,本发明采用如下技术方案:
基于机器学习的水位、异物识别于一体的监控系统,包括:图像采集模块、前端服务器、无线传输模块和远程服务器;
所述图像采集模块用于采集水体视频;
所述前端服务器存储有卷积神经网络,用于利用训练好的所述卷积神经网络对水体视频中每帧图像进行目标识别,包括水位高度和水面异物;
所述无线传输模块用于将监测信息传输至所述远程服务器;
所述远程服务器用于存储所述监测信息。
优选的,还包括报警模块,所述报警模块用于出现异物异样情况时进行报警。
优选的,还包括语音输出模块和广播模块,所述广播模块用于出现异物异样情况时进行广播;所述语音输出模块用于将广播的信息进行输出提醒。
优选的,所述图像采集模块为摄像机,所述广播模块为话筒,所述语音输出模块为喇叭。
优选的,所述喇叭安装在所述摄像机上。
优选的,所述摄像机上和所述远程服务器端均设置有所述报警模块。
优选的,所述水体中垂直设置有水位标尺,用于测量水位高度。
优选的,所述水位标尺轴向设置有水位刻度和/或色条。
基于机器学习的水位、异物识别于一体的监控方法,包括:
采集水体视频;
利用训练好的卷积神经网络对水体视频中每帧图像进行目标识别,包括水位高度和水面异物;
将监测信息传输至远程服务器并进行存储。
优选的,还包括:利用数据集训练样本训练所述卷积神经网络,所述数据集训练样本包括采集的预设数量的水位标尺图片和水面异物图片。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于机器学习的水位、异物识别于一体的监控系统及方法,采用低成本、自动化的手段进行城市、河道及渠系等地的异物、异样识别,自动判断、自动上传、自动预警,节省了人力成本,无需人工维护、人为坚守、解放了劳动力,实现了智能化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为基于机器学习的水位、异物识别于一体的监控系统结构框图。
图2附图为基于机器学习的水位、异物识别于一体的监控方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例中公开了一种基于机器学习的水位、异物识别于一体的监控系统,包括:图像采集模块、前端服务器、无线传输模块和远程服务器;
图像采集模块用于采集水体视频,并将水体视频通过有线或者无线传输至前端服务器;具体的,图像采集模块为摄像机。
前端服务器存储有卷积神经网络,用于利用训练好的卷积神经网络对水体视频中每帧图像进行目标识别,包括水位高度和水面异物;当出现河道漫水、无水、洪水等异样现象时或者水面有异物漂浮时,控制报警模块进行报警。具体的,报警模块可以为蜂鸣报警器,也可以是其它形式的报警器,同时,报警器分别设置在河道附近以及远程服务器端,用于警示河边人群以及将报警信息告知监管人员。
无线传输模块用于将监测信息传输至远程服务器;
远程服务器用于实时存储监测信息。通过远程服务器实现远程存储,方便后续调用。
在本实施例中,为进一步提高警示作用,告知周边人群水体异样等情况,监管人员可在操作端进行喊话,例如广播模块用于出现异物异样情况时进行广播,语音输出模块用于将广播的信息进行输出提醒,更具体的,广播模块为话筒,语音输出模块为喇叭,喇叭可以安装在摄像机上或者水体周边建筑物等物体上,起到语音提示的效果。
在本实施例中,水体中垂直设置有水位标尺,用于测量水位高度,水位标尺轴向设置有水位刻度和/或色条。需要说明的是,本发明利用现有的水位标尺均可实现,对水位标尺结构并未进行改进。本发明可实现城市防洪、灌区、河道监测,例如可将水位标尺安装在河道两侧中任意一侧、灌区渠道两侧中任意一侧、城市街道边两侧任意一侧等,通过粘贴、钉子等方式进行固定,相对一侧安装摄像机,将摄像头对准水位标尺即可,实现了全天候监测水位,智能化程度高、数据监测准确度高。
如图2所示,本实施例公开了一种基于机器学习的水位、异物识别于一体的监控方法,包括:
利用数据集训练样本训练卷积神经网络,数据集训练样本包括采集的预设数量的水位标尺图片和水面异物图片;
采集水体视频;
利用训练好的卷积神经网络对水体视频中每帧图像进行目标识别,包括水位高度和水面异物;当出现异物或异样时,对异物异样情况进行广播;
将监测信息传输至远程服务器并进行存储。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
1.基于机器学习的水位、异物识别于一体的监控系统,其特征在于,包括:图像采集模块、前端服务器、无线传输模块和远程服务器;
所述图像采集模块用于采集水体视频;
所述前端服务器存储有卷积神经网络,用于利用训练好的所述卷积神经网络对水体视频中每帧图像进行目标识别,包括水位高度和水面异物;
所述无线传输模块用于将监测信息传输至所述远程服务器;
所述远程服务器用于存储所述监测信息。
2.根据权利要求1所述的基于机器学习的水位、异物识别于一体的监控系统,其特征在于,还包括报警模块,所述报警模块用于出现异物异样情况时进行报警。
3.根据权利要求1所述的基于机器学习的水位、异物识别于一体的监控系统,其特征在于,还包括语音输出模块和广播模块,所述广播模块用于出现异物异样情况时进行广播;所述语音输出模块用于将广播的信息进行输出提醒。
4.根据权利要求3所述的基于机器学习的水位、异物识别于一体的监控系统,其特征在于,所述图像采集模块为摄像机,所述广播模块为话筒,所述语音输出模块为喇叭。
5.根据权利要求4所述的基于机器学习的水位、异物识别于一体的监控系统,其特征在于,所述喇叭安装在所述摄像机上。
6.根据权利要求2所述的基于机器学习的水位、异物识别于一体的监控系统,其特征在于,所述摄像机上和所述远程服务器端均设置有所述报警模块。
7.根据权利要求1所述的基于机器学习的水位、异物识别于一体的监控系统,其特征在于,所述水体中垂直设置有水位标尺,用于测量水位高度。
8.根据权利要求7所述的基于机器学习的水位、异物识别于一体的监控系统,其特征在于,所述水位标尺轴向设置有水位刻度和/或色条。
9.基于机器学习的水位、异物识别于一体的监控方法,其特征在于,包括:
采集水体视频;
利用训练好的卷积神经网络对水体视频中每帧图像进行目标识别,包括水位高度和水面异物;
将监测信息传输至远程服务器并进行存储。
10.根据权利要求9所述的基于机器学习的水位、异物识别于一体的监控方法,其特征在于,还包括:利用数据集训练样本训练所述卷积神经网络,所述数据集训练样本包括采集的预设数量的水位标尺图片和水面异物图片。