一种提高水尺水位检测准确度的方法、设备及存储介质技术

本申请公开了一种提高水尺水位检测准确度的方法、设备及存储介质。方法包括：获取水尺图片，改进YOLOv4模型以及改进Deeplabv3+模型；基于训练后的改进YOLOv4模型处理水尺图片，以获取水尺图片的预测信息，预测信息包括标签、置信度和预测框的位置信息，其中，位置信息包括预测框的中心坐标以及预测框的宽度和高度；基于预设的奇异值分解算法和预测信息裁剪水尺图片，以获取预处理图片；基于训练后的改进DeepLabv3+模型分割预处理图片，以获取分割图片和边缘线，其中，分割图片为包含水尺与水体交界线投影点的图片；基于预设的线性插值算法处理分割图片，以获取水尺水位。本申请通过上述方法实现了水尺水位的检测准确度的提升。升。升。

【技术实现步骤摘要】
一种提高水尺水位检测准确度的方法、设备及存储介质


[0001]本申请涉及水位监测精度的
，尤其涉及一种提高水尺水位检测准确度的方法、设备及存储介质。

技术介绍

[0002]水尺是观读江河、湖泊、水库和灌渠水位的标尺，水尺用以观测地下水位和海洋潮汐水位的变化。
[0003]现有技术中，通常基于图像处理的方法在对水位进行检测时，在前期对图像预处理环节要求较高。利用水尺的边缘特征、颜色信息等分割水尺和提取水位线时，易受到现场复杂环境的影响。相对地，通过深度学习神经网络模型提取图像特征，并利用提取的特征分割水尺和获取水位线，可以增强水位检测算法的环境适应性。
[0004]然而，在对一整幅图像中使用语义分割算法进行水面分割时，由于水尺与水体的交界边缘在图像中的占比小，边缘信息特征不明显，导致分割后的水位边缘较为粗糙，降低了水位线检测的精度，增加了水位值计算误差。
[0005]因此，如何提高水尺水位的检测准确度是一个亟待解决的问题。

技术实现思路

[0006]本申请实施例提供了一种提高水尺水位检测准确度的方法、设备及存储介质，用以解决如下技术问题：如何提高水池水位的检测准确度。
[0007]第一方面，本申请实施例提供了一种提高水尺水位检测准确度的方法，其特征在于，方法包括：获取水尺图片，改进YOLOv4模型以及改进Deeplabv3+模型；基于训练后的改进YOLOv4模型处理水尺图片，以获取水尺图片的预测信息，预测信息包括标签、置信度和预测框的位置信息，其中，位置信息包括预测框的中心坐标以及预测框的宽度和高度；基于预设的奇异值分解算法和预测信息裁剪水尺图片，以获取预处理图片；基于训练后的改进DeepLabv3+模型分割预处理图片，以获取分割图片和边缘线，其中，分割图片为包含水尺与水体交界线投影点的图片；基于预设的线性插值算法处理分割图片，以获取水尺水位。
[0008]在本申请的一种实现方式中，基于训练后的改进YOLOv4模型处理水尺图片，以获取水尺图片的预测信息，具体包括：
[0009]基于改进YOLOv4模型内的目标检测算法识别并标注水尺的刻度字符，刻度字符包括米刻度字符和分米刻度字符；
[0010]在识别水尺的刻度字符后，框选住刻度字符，进而获取水尺图片的预测框，预测框包括分米刻度字符预测框以及米刻度字符预测框；
[0011]基于预测框的形状确定预测框的中心坐标，中心坐标包括分米刻度字符预测框的中心坐标以及米刻度字符预测框的中心坐标；
[0012]基于刻度字符的形状确定标签以及置信度。
[0013]在本申请的一种实现方式中，改进YOLOv4模型的获取方法包括：
[0014]基于FocalLoss函数对预设的YOLOv4模型中的类别损失函数进行改进，得到改进YOLOv4模型，FocalLoss函数由以下公式表示：
[0015][0016]其中，FL(p
i,j
(c))表示对于第i个格子中第j个框预测为类别c的置信度p
i,j
(c)使用Focal Loss损失函数计算，具体表达式如下式(2)所示：
[0017]FL(p
i,j
(c))＝
‑
(1
‑
p
i,j
(c))
r
log(p
i,j
(c))
[0018]其中，p
i,j
(c)表示第i个格子中第j个框预测为类别c的置信度，γ表示可调整的超参数。当γ>0时，模型会更加关注难以分类的样本，当γ＝0时，Focal Loss退化为标准的交叉熵损失函数。
[0019]在本申请的一种实现方式中，基于预设的奇异值分解算法和预测信息裁剪水尺图片，以获取预处理图片，具体包括：
[0020]将刻度字符按照排列规则进行排序，以获取水尺中心直线方程；
[0021]基于水尺中心直线方程和刻度字符获取刻度字符在水尺图片上的投影；
[0022]基于预设的图片裁剪规则裁剪水尺图片，以获取预处理图片。
[0023]在本申请的一种实现方式中，基于预设的图片裁剪规则裁剪水尺图片，以获取预处理图片，具体包括：
[0024]获取米刻度字符预测框的中心坐标至水尺中心直线方程的垂直距离，并命名为第一距离；
[0025]按照分数刻度字符预测框的中心坐标由小到大的顺序依次排序，选择排列顺序第一的分数刻度字符预测框的中心坐标为第一点位，选择排列顺序第一的分数刻度字符预测框的中心坐标为第二点位；
[0026]以第一点位为基准点，以第二点位至第一点位的方向上延伸第，选择距离第一点位距离为第一距离的点位，并命名为第三点位；
[0027]以第三点位为预处理图片的中心点进行裁剪，裁剪的边长为两个第二距离。
[0028]在本申请的一种实现方式中，以第三点位为裁剪的中心点，裁剪出边长为两个第二距离的预处理图片中的预处理图片的尺寸的计算公式如下：
[0029]x
min
＝max(0,x0‑
S)
[0030]y
min
＝max(0,y0‑
S)
[0031]x
max
＝min(W
‑
1,x0+S)
[0032]y
max
＝min(H
‑
1,y0+S)
[0033]其中，xmin为水尺图片顶点的x轴坐标，ymin为水尺图片顶点的y轴坐标，xmax为与xmin关于中心对称的顶点坐标，ymax为与ymin关于中心对称的顶点坐标，x0为水尺图片中心坐标的x轴坐标，y0为水尺图片中心坐标的y轴坐标，S为第一距离，W为水尺图片的宽，H为水尺图片的高；
[0034]基于xmin、ymin、xmax以及ymax可以计算预处理图片的宽和高，由以下公式表示：
[0035]W'＝x
max
‑
x
min
+1
[0036]H'＝y
max
‑
y
min
+1
[0037]其中，W'为预处理图片的宽，H'为预处理图片的高。
[0038]在本申请的一种实现方式中，基于训练后的改进DeepLabv3+模型分割预处理图片，以获取分割图片和边缘线，具体包括：
[0039]基于预设的语义分割模块提取预处理图片中的水体部分得到语义分割图片；
[0040]基于应用形态学操作算法、Ostu阈值分割算法和Canny边缘检测算法处理语义分割图片，以获取边缘线，边缘线为预处理图片中的水体部分与非水体部分的交界线；
[0041]基于预设的轮廓检测算法处理边缘线，以获取边缘线的平均坐标值；
[0042]将平均坐标值投影至预处理图片上，获取分割图片。
[0043]在本申请的一种实现方式中，基于预设的线性插值算法处理分割图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提高水尺水位检测准确度的方法，其特征在于，所述方法包括：获取水尺图片，改进YOLOv4模型以及改进Deeplabv3+模型；基于训练后的改进YOLOv4模型处理所述水尺图片，以获取水尺图片的预测信息，所述预测信息包括标签、置信度和预测框的位置信息，其中，位置信息包括预测框的中心坐标以及预测框的宽度和高度；基于预设的奇异值分解算法和预测信息裁剪所述水尺图片，以获取预处理图片；基于训练后的改进DeepLabv3+模型分割所述预处理图片，以获取分割图片和边缘线，其中，所述分割图片为包含水尺与水体交界线投影点的图片；基于预设的线性插值算法处理所述分割图片，以获取水尺水位。2.根据权利要求1所述的一种提高水尺水位检测准确度的方法，其特征在于，基于训练后的改进YOLOv4模型处理所述水尺图片，以获取水尺图片的预测信息，具体包括：基于改进YOLOv4模型内的目标检测算法识别并标注所述水尺的刻度字符，所述刻度字符包括米刻度字符和分米刻度字符；在识别所述水尺的刻度字符后，框选住所述刻度字符，进而获取水尺图片的预测框，预测框包括分米刻度字符预测框以及米刻度字符预测框；基于预测框的形状确定预测框的中心坐标，中心坐标包括分米刻度字符预测框的中心坐标以及米刻度字符预测框的中心坐标；基于刻度字符的形状确定标签以及置信度。3.根据权利要求2所述的一种提高水尺水位检测准确度的方法，其特征在于，所述改进YOLOv4模型的获取方法包括：基于FocalLoss函数对预设的YOLOv4模型中的类别损失函数进行改进，得到改进YOLOv4模型，FocalLoss函数由以下公式表示：其中，FL(
i,j
())表示对于第i个格子中第j个框预测为类别c的置信度p
i,j
()使用FocalLoss损失函数计算，具体表达式如下式(2)所示：FL(p
i,j
(c))＝
‑
(1
‑
p
i,j
(c))
r
log(p
i,j
(c))其中，p
i,j
()表示第i个格子中第j个框预测为类别c的置信度，γ表示可调整的超参数。当γ>0时，模型会更加关注难以分类的样本，当γ＝0时，Focal Loss退化为标准的交叉熵损失函数。4.根据权利要求2所述的一种提高水尺水位检测准确度的方法，其特征在于，基于预设的奇异值分解算法和预测信息裁剪所述水尺图片，以获取预处理图片，具体包括：将所述刻度字符按照排列规则进行排序，以获取水尺中心直线方程；基于所述水尺中心直线方程和所述刻度字符获取所述刻度字符在所述水尺图片上的投影；基于预设的图片裁剪规则裁剪所述水尺图片，以获取预处理图片。5.根据权利要求4所述的一种提高水尺水位检测准确度的方法，其特征在于，基于预设的图片裁剪规则裁剪所述水尺图片，以获取预处理图片，具体包括：
获取米刻度字符预测框的中心坐标至水尺中心直线方程的垂直距离，并命名为第一距离；按照分数刻度字符预测框的中心坐标由小到大的顺序依次排序，选择排列顺序第一的分数刻度字符预测框的中心坐标为第一点位，选择排列顺序第一的分数刻度字符预测框的中心坐标为第二点位；以第一点位为基准点，以第二点位至第一点位的方向上延伸第，选择距离第一点位距离为第一距离的点位，并命名为第三点位；以第三点位为预处理图片的中心点进行裁剪，裁剪的边长为两个第二距离。6.根据权利要求5所述的一种提高水尺水位检测准确度的方法，其特征在于，以第三点位为裁剪的中心点，裁剪出边长为两个第二距离的预处理图片中的预处理图片的尺寸的计算公式如下：x
min
＝max(0,x0‑
S)y
min
＝max(0,y0‑
S)x
max
＝min(W
‑
1,x0+S)...

【专利技术属性】
技术研发人员：房爱印，尹曦萌，谢成磊，张磊，王鹏，
申请(专利权)人：浪潮智慧科技有限公司，
类型：发明
国别省市：