基于深度学习的非接触式水位测量方法、装置及相关介质制造方法及图纸

本发明专利技术公开了基于深度学习的非接触式水位测量方法、装置及相关介质，该方法包括：获取水尺图像，利用位置检测算法对所述水尺图像进行检测得到位置检测结果；根据所述位置检测结果获取感兴趣区域图像；利用文本检测算法对所述感兴趣区域图像进行检测得到刻度检测结果和数字检测结果；根据所述刻度检测结果计算刻度平均值，根据所述刻度平均值计算得到真实世界高度与图像坐标系的对应比例关系；根据所述数字检测结果，计算得到多个水尺示数文本的读数并记录最小读数；根据所述最小读数和水尺下端的位置检测结果计算得到第一水位。本发明专利技术的有益效果是实现自动测量，同时解决接触式电子水尺升级改造成本高、传统图像技术准确性低的问题。问题。问题。

【技术实现步骤摘要】
基于深度学习的非接触式水位测量方法、装置及相关介质


[0001]本专利技术涉及水位监测领域，特别涉及一种基于深度学习的非接触式水位测量方法、装置及相关介质。

技术介绍

[0002]随着气候变化，极端天气频繁发生，对环境的监测可极大减少人员财产和生命安全损失，而水位监测是记录环境变化的重要方式之一。
[0003]水位尺是传统水位监测的重要工具，然而此方法依赖监测人员到现场读数，并手工记录，时效性差、成本高、数据易丢失等缺点；随着传感检测技术的发展，针对湖泊、河流等水域的水位检测方法也越来越多，如压力水位计、电子水位尺等，此方法准确性较高，但需要进行接触式测量，无法利用传统安装的水位水尺，安装与维护成本较高。
[0004]随着计算机视觉技术的发展，有技术人员提出采用传统图像处理方法进行识别，主要包括水尺区域提取、水尺分割、刻度线提取、水位计算等步骤，但传统方法依赖固定的场景，对环境变化适应性差，准确性较低。

技术实现思路

[0005]本专利技术实施例提供了基于深度学习的非接触式水位测量方法、装置及相关介质，旨在解决接触式电子水尺升级改造成本高、传统图像技术准确性低的问题。
[0006]第一方面，本专利技术实施例提供了一种基于深度学习的非接触式水位测量方法，包括：
[0007]获取水尺图像，利用位置检测算法对所述水尺图像进行检测，分别得到水尺、水尺上端、水尺下端和水尺示数文本的位置检测结果；根据所述水尺上端的位置检测结果和所述水尺下端的位置检测结果，计算得到水尺中段的位置检测结果；
[0008]根据所述位置检测结果分别将所述水尺上端、所述水尺中段、所述水尺下端和所述水尺示数文本对应在所述水尺图像的位置作为感兴趣区域并获取对应的感兴趣区域图像；利用文本检测算法对每一所述感兴趣区域图像进行检测，分别得到所述水尺上端、所述水尺中段、所述水尺下端的刻度检测结果和所述水尺示数文本的数字检测结果；
[0009]根据所述水尺上端、所述水尺中段和所述水尺下端的刻度检测结果计算刻度平均值，根据所述刻度平均值计算得到真实世界高度与图像坐标系的对应比例关系；
[0010]根据所述水尺示数文本的数字检测结果，计算得到多个水尺示数文本的读数；并按大小对所述多个水尺示数文本的读数进行排序并记录最小读数；
[0011]根据所述最小读数、所述水尺下端的位置检测结果以及所述比例关系计算得到第一水位。
[0012]第二方面，本专利技术实施例提供了一种基于深度学习的非接触式水位测量装置，包括：
[0013]第一检测单元，用于获取水尺图像，利用位置检测算法对所述水尺图像进行检测，
分别得到水尺、水尺上端、水尺下端和水尺示数文本的位置检测结果；根据所述水尺上端的位置检测结果和所述水尺下端的位置检测结果，计算得到水尺中段的位置检测结果；
[0014]第二检测单元，用于根据所述位置检测结果分别将所述水尺上端、所述水尺中段、所述水尺下端和所述水尺示数文本对应在所述水尺图像的位置作为感兴趣区域并获取对应的感兴趣区域图像；利用文本检测算法对每一所述感兴趣区域图像进行检测，分别得到所述水尺上端、所述水尺中段、所述水尺下端的刻度检测结果和所述水尺示数文本的数字检测结果；
[0015]第一计算单元，用于根据所述水尺上端、所述水尺中段和所述水尺下端的刻度检测结果计算刻度平均值，根据所述刻度平均值计算得到真实世界高度与图像坐标系的对应比例关系；
[0016]第二计算单元，用于根据所述水尺示数文本的数字检测结果，计算得到多个水尺示数文本的读数；并按大小对所述多个水尺示数文本的读数进行排序并记录最小读数；
[0017]第三计算单元，用于根据所述最小读数、所述水尺下端的位置检测结果以及所述比例关系计算得到第一水位。
[0018]第三方面，本专利技术实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述第一方面的基于深度学习的非接触式水位测量方法。
[0019]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述第一方面的基于深度学习的非接触式水位测量方法。
[0020]本专利技术实施例先通过位置检测算法检测得到水尺各部分的位置检测结果，再通过文本检测算法检测得到水尺各部分的刻度检测结果和水尺示数文本的数字检测结果，然后进行刻度换算以及读数排序，确定最小读数，最后进行水位计算，本专利技术实施例采用非接触式水位测量方法，实现自动测量，解决了接触式电子水尺升级改造成本高的问题，同时采用基于深度学习的方式解决了传统图像技术准确性低的问题。
附图说明
[0021]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术实施例提供的基于深度学习的非接触式水位测量方法的流程示意图；
[0023]图2为本专利技术实施例提供的基于深度学习的非接触式水位测量方法的另一流程示意图；
[0024]图3为本专利技术实施例提供的水尺及水位的测量效果图；
[0025]图4为本专利技术实施例提供的水尺上端的测量效果图；
[0026]图5为本专利技术实施例提供的水尺下端的测量效果图；
[0027]图6为本专利技术实施例提供的水尺中段的测量效果图；
[0028]图7为本专利技术实施例提供的水尺示数文本的测量效果图；
[0029]图8为本专利技术实施例提供的基于深度学习的非接触式水位测量装置的示意性框图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0031]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0032]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0033]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0034]下面请参见图1，图1为本专利技术实施例提供的一种基于深度学习的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的非接触式水位测量方法，其特征在于，包括：获取水尺图像，利用位置检测算法对所述水尺图像进行检测，分别得到水尺、水尺上端、水尺下端和水尺示数文本的位置检测结果；根据所述水尺上端的位置检测结果和所述水尺下端的位置检测结果，计算得到水尺中段的位置检测结果；根据所述位置检测结果分别将所述水尺上端、所述水尺中段、所述水尺下端和所述水尺示数文本对应在所述水尺图像的位置作为感兴趣区域并获取对应的感兴趣区域图像；利用文本检测算法对每一所述感兴趣区域图像进行检测，分别得到所述水尺上端、所述水尺中段、所述水尺下端的刻度检测结果和所述水尺示数文本的数字检测结果；根据所述水尺上端、所述水尺中段和所述水尺下端的刻度检测结果计算刻度平均值，根据所述刻度平均值计算得到真实世界高度与图像坐标系的对应比例关系；根据所述水尺示数文本的数字检测结果，计算得到多个水尺示数文本的读数；并按大小对所述多个水尺示数文本的读数进行排序并记录最小读数；根据所述最小读数、所述水尺下端的位置检测结果以及所述比例关系计算得到第一水位。2.根据权利要求1所述的基于深度学习的非接触式水位测量方法，其特征在于，所述根据所述水尺上端的位置检测结果和所述水尺下端的位置检测结果，计算得到水尺中段的位置检测结果，包括：采用平均值法，按如下公式计算所述水尺中段的矩形框位置：其中，x
m
,y
m
,w
m
,h
m
分别表示所述水尺中段的矩形框中心点横坐标、矩形框中心点纵坐标、矩形框宽度、矩形框高度；x
u
,y
u
,w
u
,h
u
分别表示所述水尺上端的矩形框中心点横坐标、矩形框中心点纵坐标、矩形框宽度、矩形框高度；x
d
,y
d
,w
d
,h
d
分别表示所述水尺下端的矩形框中心点横坐标、矩形框中心点纵坐标、矩形框宽度、矩形框高度。3.根据权利要求1所述的基于深度学习的非接触式水位测量方法，其特征在于，所述根据所述水尺示数文本的数字检测结果，计算得到多个水尺示数文本的读数，包括：按如下公式计算得到水尺示数文本的读数：其中，N
k
表示第k个所述水尺示数文本的读数，i表示所述水尺示数文本的图像从左至右第i个数，I表示所述水尺示数文本的位数，j表示检测数字0～9。4.根据权利要求1所述的基于深度学习的非接触式水位测量方法，其特征在于，所述根据所述最小读数、所述水尺下端的位置检测结果以及所述比例关系计算得到第一水位，包括：按如下公式计算第一水位：其中，s为所述真实世界高度与图像坐标系的对应比例关系，y
d
为所述水尺下端的矩形
框中心点纵坐标，T
min
为所述最小读数，y
t
为所述最小读数的矩形框中心点纵坐标，h
t
为所述最小读数的矩形框高度。5.根据权利要求1所述的基于深度学习的非接触式水位测量方法，其特征在于，还包括：根据校正因子对所述水尺上端和水尺下端的位置检测结果以及水...

【专利技术属性】
技术研发人员：刘子伟，李翠萍，宋江腾，周斌，张晓鑫，郑泽涛，袁戟，
申请(专利权)人：深圳市万物云城空间运营管理有限公司深圳市万科物业服务有限公司，
类型：发明
国别省市：