一种基于图像识别的水位测量方法与流程

本发明涉及机器视觉，尤其涉及一种基于图像识别的水位测量方法。

背景技术：

1、水位是指自由水面相对于某一基面的高程，它的变化主要由于水体水量的增减变化引起，是反映水体水情最直观的因素。人们常常针对水库、湖泊、江河设定一个水位安全警戒数值，当实时水位高于此数值时，便可以预判将有洪涝、溃坝等灾害发生。可见，水位监测在水利中对于各类灾害防御产生重要的意义。当前，水尺仍然是测量水位的重要工具，人们可以通过现场观察直观获取水位数值。在水利信息化时期，人们采用图像遥感技术可以远程快速获取水利现场水尺图像，通过可视化系统进行实时查询与翻查图像，获得水位数值。然后，以上获取水位的手段都依赖大量的人工操作，导致工作效率低下。随着人工智能技术的日益成熟与普及，传统的图像识别技术能与其相融合，在面对存在水尺倒影、水尺有污泥、水尺部分区域被杂草遮挡的干扰下，仍能快速、准确地实现水位识别，在传统进行水位测量时，含有水尺的图像获取方法不规范，获取到源图像质量不高，图像处理方法不标准，处理结果受处理流程影响大，同时训练模型不统一，不开源，参数设定需人工根据源图像数据质量修改不智能。

2、现如今，区块链技术应用越来越广泛，在进行水位测量时同样发挥了巨大的作用，区块链技术是一种先进的去中心化、分布式数据库技术，其核心功能是建立和维护一个不可篡改的数字账本。区块链中所有交易的记录都存储在一个数据块中，并链接成一个由区块组成的链，每个区块包含之前所有区块的哈希值，以此保证了所有数据的透明性和不可篡改性，传统技术对数据的完整性和来源无法进行有效的验证和保障，因此容易受到篡改。

技术实现思路

1、基于此，有必要提供一种基于图像识别的水位测量方法，以解决至少一个上述技术问题。

2、为实现上述目的，本发明提供的一种基于图像识别的水位测量方法，所述方法包括以下步骤：

3、步骤s1：利用自动相机对水尺进行自动化水尺图像采集处理，生成自动化水尺采集数据；

4、步骤s2：基于自动化水尺采集数据利用媒体云分发处理生成水尺分布式云端数据；

5、步骤s3：基于云端图像数据，对水尺进行形态轮廓检测分割处理，生成水尺标准化区域图像数据；

6、步骤s4：基于水尺标准化区域图像数据，利用区块链技术对水尺进行图像线性拟合验证处理，生成初态刻度数据；

7、步骤s5：利用神经网络算法对初态刻度数据进行模型构建训练处理，生成水尺定标识别模型；

8、步骤s6：利用分辨率自适应刻度定标计算对水尺定标识别模型进行模型训练处理，生成水位感知数据。

9、本发明通过自动相机抓拍图像，并对图像进行图像校准，生成原水尺图像数据，对原水尺图像数据进行增强去噪处理和分割定位处理，生成标定分割水尺图像数据，对分割水尺图像数据进行校验修正处理和自动反馈控制处理，生成自动化水尺采集数据，提高水尺图像清晰度和质量，实现自动化水尺图像识别分割，进一步提高水尺读数精确性，减少数据误差，提高水尺图像数据精度和稳定性，生成可用于测量的校正水尺图像数据，对自动化水尺采集数据进行双流多路径自适应传输处理，生成水尺预优化传输数据，优化数据传输，提高传输效率，降低数据丢失的风险，利用多通道动态调度处理对水尺路由优化进行调度分配，生成水尺多通道处理数据，实现高效利用网络资源，减少网络拥堵，提高整体系统性能，对水尺多通道处理数据进行实时深度分析处理，生成水尺参数图像数据，提高数据处理速度和准确性，便于实时监测和管理，对水尺参数图像数据进行分布式高可靠存储处理，实现数据的安全、高效和稳定存储，保证数据安全性和可靠性，将水尺分布式云端数据进行二值化处理，生成水尺二值化图像数据，简化图像数据，降低计算复杂度，提高处理效率，利用轮廓线条分布检测技术，基于二值图像数据检测水尺区域，生成水尺区域数据，对水尺区域数据进行形态区域分割处理，生成水尺区域拓扑结构数据，增强图像清晰度，能够更清晰识别水尺区域，利用二维矩阵区域坐标求和公式计算水尺区域，提高分析结果的准确性，对水尺二维图像数据进行标准化处理，生成水尺标准化区域图像数据，以便于后续分析和应用，对水尺标准化区域图像数据进行线性拟合和刻度提取，生成分段性刻度检测数据，提高刻度精准性和精度，利用区块链技术进行数据验证，保证数据安全性和可信度，进一步提高水尺检测精度和准确性，利用自适应图像清度提取策略处理初始刻度数据，生成自适应清晰度图像数据，提高后续处理准确度，基于自适应清晰度图像数据，进行图层清晰度比对处理，生成低分辨模糊图层数据，助于识别不同分辨率图像，提高图像处理效果，使用残差网络结构神经网络算法，根据低分辨模糊图层数据构建训练模型并生成定标识别训练集，利用残差网络水尺定标处理识别定标识别训练集，生成水尺定标识别模型，能够对水尺进行准确识别处理，从而实现自动化、智能化的水尺定标，对分段线性拟合图像数据进行水位区域图像预处理，生成水位图像预处理数据，进一步提高图像质量，利于后续分析应用，利用水位倒影自动兼容处理对水位图像预处理数据，生成倒影适应性水位输出数据，使得在复杂环境下也能适应性地输出水位数据，保障模型的正常运行，对倒影适应性水位输出数据进行残差网络的端到端训练预测识别处理，生成水位感知数据，获得了较为稳定的训练模型和参数，水位效率受外界不可抗因素的影响明显降低，获得了较为稳定的训练模型和参数，水位效率受外界不可抗因素的影响明显降低。

技术特征：

1.一种基于图像识别的水位测量方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，步骤s1的具体步骤为：

3.根据权利要求1所述的方法，其特征在于，步骤s2的具体步骤为：

4.根据权利要求3所述的方法，其特征在于，步骤s22的具体步骤为：

5.根据权利要求1所述的方法，其特征在于，步骤s3的具体步骤为：

6.根据权利要求5所述的方法，其特征在于，步骤s34中的二维矩阵区域坐标求和公式具体为：

7.根据权利要求5所述的方法，其特征在于，步骤s35中的梯度边缘加权刻度公式具体为：

8.根据权利要求1所述的方法，其特征在于，步骤s4的具体步骤为：

9.根据权利要求1所述的方法，其特征在于，步骤s5的具体步骤为：

10.根据权利要求1所述的方法，其特征在于，步骤s6的具体步骤为：

技术总结
本发明涉及机器视觉技术领域，尤其揭露了一种基于图像识别的水位测量方法，所述方法包括以下步骤：利用自动相机对水尺进行自动化水尺图像采集处理，生成自动化水尺采集数据；基于自动化水尺采集数据利用媒体云分发处理生成水尺分布式云端数据；基于水尺分布式云端数据，对水尺进行形态轮廓检测分割处理，生成水尺标准化区域图像数据；利用神经网络算法对初态刻度数据进行模型构建训练处理，生成水尺定标识别模型；利用分辨率自适应刻度定标计算对水尺刻度会进行模型训练处理，生成水位感知数据。本发明通过规范的图像获取流程采集包含水尺图像信息的有效信息并上传至云端，规范标准的源图像数据和大量的训练，获得了较为稳定的训练模型和参数。

技术研发人员：陈伟昌,赵帅,杨跃,张兵,张彬培,洪晓达,乐鸣,韦三刚,赵旭升,赖杭,田茂春,徐奕蒙,王高丹,张水平
受保护的技术使用者：珠江水利委员会珠江水利科学研究院
技术研发日：
技术公布日：2024/1/13