一种基于视觉的水位实时检测系统及方法与流程

本发明属于属于图像处理与水位监测，尤其是一种基于视觉的水位实时检测系统及方法。

背景技术：

1、水位检测作为水利、环保等领域的重要监测手段，在防洪减灾、水资源管理和生态环境保护中发挥着关键作用。传统的水位检测方法主要依赖于机械式传感器或人工观测，例如浮子式水位计、压力式水位计等设备。然而，这些方法在实际应用中暴露出诸多局限性，如易受环境因素干扰、测量精度有限以及维护成本较高等问题。

2、近年来，国内外学者在基于视觉的水位检测方法研究领域取得了显著进展。早期研究主要集中于传统图像处理方法的应用，例如基于模板匹配的水位检测算法，该方法通过与水尺刻度模板的比对来识别水位位置，但其对光照条件和图像质量的依赖性较高，导致检测精度受限。随后，基于边缘检测的水位检测方法逐渐兴起，canny算子因其优异的边缘检测性能被广泛应用于水位线的提取任务中。然而，该方法在复杂环境下的鲁棒性仍有待提升。最近随着深度学习技术的发展，融合卷积神经网络（cnn）的水位检测方法逐渐成为研究热点。例如，有人尝试结合改进yolov5与rankse模块的水位智能检测方法和基于语义分割的水位监测方法，尽管这些方法在特定场景下表现出色，但其计算复杂度较高，难以满足实时性要求。

3、尽管现有研究在基于视觉的水位检测方法上取得了一定成果，但仍存在若干亟待解决的问题。首先，在复杂环境适应性方面，现有方法往往对环境因素如强光、弱光、水面波动等较为敏感，例如在夜晚或雾天等低光照条件、水面耀光和倒影都会导致检测精度下降。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提出一种基于视觉的水位实时检测系统及方法，实现检测河流水位高度，减少人员操作成本，避免因人员操作不当带来的数据有误。

2、本发明解决其技术问题是采取以下技术方案实现的：

3、一种基于视觉的水位实时检测系统，包括视频流接入模块、参数配置模块、图像预处理模块、水位线特征提取模块、数据后处理模块和数据存储服务器，其中，视频流接入模块、参数配置模块、图像预处理模块、水位线特征提取模块、数据后处理模块和数据存储服务器依次连接；

4、视频流接入模块用于通过图像采集设备获取包含桩式水尺的监控区域实时视频流；

5、参数配置模块用于手动设置水位基准线、偏移量参数；

6、图像预处理模块用于对获取的视频帧图像进行噪声去除和对比度增强处理；

7、水位线特征提取模块用于提取预处理图像的水位线：

8、数据后处理模块用于基于检测到的数字信息、水面线关键点及标定参数，通过生成虚拟水尺、求解交点及动态修正计算水位高度；

9、数据存储服务器用于接收并存储水位高度信息，并在水位异常时发出告警。

10、而且，所述图像预处理模块包括：依次连接的高斯滤波器、中值滤波器以及直方图均衡化单元：

11、其中，高斯滤波器通过高斯核卷积遍历全图像素，对邻域像素加权平均，平缓图像灰度突变、弱化细碎杂乱噪点；保留图像整体轮廓，像整体轮廓包括水尺和水面大体边缘；

12、中值滤波器承接高斯滤波输出图像，采用邻域像素灰度排序取中值替换中心像素的算法，剔除突兀单点异常像素。专项去除椒盐噪声，噪声包括黑白孤立噪点、雨点、飞虫和传感器坏点；

13、直方图均衡化单元对两级滤波后的图像做灰度动态范围拉伸、光照均衡增强，凸显水尺边缘和水边线细节，便于后续算法精准分割水体与标尺区域。

14、而且，所述数据后处理模块包括：ransac线段拟合单元、虚拟水尺生成单元、卡尔曼滤波器、交点求解单元及动态修正单元：

15、ransac 线段拟合单元对边缘特征点用随机抽样一致性算法，剔除水草和漂浮物干扰点，拟合出水尺竖直刻度线与水平水边线，输出直线参数，为水位计算提供可靠几何特征；

16、虚拟水尺生成单元结合相机标定参数与拟合刻度线，建立图像像素到实际水位的映射关系，生成虚拟水尺，实现像素位置与物理高程的精准换算，保障遮挡下仍可读数；

17、交点求解单元联立水尺基准线与水边线方程，计算两者像素交点，通过虚拟水尺映射关系，将交点坐标转换为初始水位原始值，为后续滤波处理提供观测数据；

18、卡尔曼滤波器依据水位连续变化规律，融合预测值与观测值，滤除波浪、遮挡导致的水位跳变与毛刺，输出平滑稳定的基础水位数据，提升数值可靠性；

19、动态修正单元针对相机位移、支架形变等系统误差，进行基准校准、风浪补偿与异常补正，消除长期漂移误差，输出最终精准实时水位，适配复杂工况。

20、而且，所述水位线特征提取模块包括水尺定位单元、数字检测单元、数字识别单元和水位线检测单元，  其中水尺定位单元用于采用yolov8模型和e字符检测与聚类算法精准切割水尺区域；

21、数字检测单元用于采用yolov5模型检测水尺主刻度数字的位置；

22、数字识别单元用于采用fastreid细粒度分类模型识别数字类别；

23、水位线检测单元用于采用centernet关键点检测模型定位水面相交线关键点。

24、一种基于视觉的水位实时检测系统的检测方法，包括以下步骤：

25、步骤s1：通过图像采集设备获取包含桩式水尺的监控区域实时视频流；

26、步骤s2：对获取的视频帧图像进行预处理，预处理包括依次执行的噪声去除操作和对比度增强操作；

27、步骤s3：对预处理后的图像进行水尺区域精准定位，精准定位包括：采用yolov8目标检测模型初步框定水尺区域，然后检测水尺上的“e”字符，并通过dbscan聚类算法对所有检测到的“e”字符进行空间聚类分析，根据聚类结果切割出水尺区域；

28、步骤s4：在切割出的水尺区域中进行数字检测与识别，包括：采用yolov5目标检测框架检测主刻度数字的位置，并采用以resnet-50为骨干网络、结合三元组损失的fastreid细粒度分类模型对检测到的数字位置进行识别，得到数字类别信息；

29、步骤s5：采用基于hourglass network结构和热图编码方式的centernet关键点检测模型，精准定位水面与水尺相交线的一个或多个关键点；

30、步骤s6：手动标定水尺的零点高度、水尺倾斜角及阶梯位置参数；

31、步骤s7：进行数据后处理与水位计算；

32、步骤s8：将计算得到的实时水位高度上传至后台服务器进行显示与存储，并在水位高度超过预设阈值时发出告警信息。

33、其特征在于：所述步骤s2中的噪声去除操作具体为：先应用高斯滤波去除随机噪声，再应用中值滤波去除椒盐噪声并保持水位线边缘完整性，对比度增强操作具体为：采用直方图均衡化方法重新分配图像像素的灰度值，扩展图像动态范围。

34、其特征在于：所述步骤s3中检测水尺上的“e”字符是采用轻量级anchor-free模型进行的。

35、其特征在于：所述步骤s4中的yolov5目标检测框架配合mosaic数据增强与ciouloss损失函数进行训练。

36、其特征在于：所述步骤s6中手动标定的参数还包括相机画面中水尺刻度与实际场景水尺参数对应的偏移量。

37、其特征在于：所述步骤s7包括以下步骤：

38、步骤s7.1：对水面相交线关键点采用ransac算法进行线段拟合并引入自适应权重机制；

39、步骤s7.2：基于步骤s4识别的数字信息与步骤s6标定的参数，利用线性插值和坐标变换生成虚拟水尺；

40、步骤s7.3：结合卡尔曼滤波对虚拟水尺进行稳定性增强；

41、步骤s7.4：提取图像中水面线与虚拟水尺边缘特征点，采用ransac 算法拟合直线模型并剔除野值，求解几何交点；将交点像素坐标通过标定映射转换至物理高程，再利用卡尔曼滤波融合时序观测值，抑制波浪扰动；最后结合历史趋势与环境参数完成动态修正，输出高精度水位高度。

42、本发明的优点和积极效果是：

43、1.高鲁棒性与环境适应性：本发明通过结合高斯滤波、中值滤波与直方图均衡化的预处理，以及基于“e”字符聚类的水尺定位策略，显著降低了对光照、雾霾、水面波动等复杂环境的敏感性。

44、2.高检测精度：本发明融合了yolov8、yolov5、fastreid、centernet等多种深度学习模型的优势，分别针对水尺定位、数字检测识别、水位线定位进行优化，并结合ransac拟合、卡尔曼滤波等后处理手段，实现了端到端的高精度水位测量。

45、3.实时性：本发明通过将核心处理模块嵌入前端摄像头设备，减少了数据传输延迟，结合轻量化的模型设计，满足了实时水位监测的需求。

46、4.自动化程度高：本发明实现了从视频采集、图像处理、水位计算到数据上传与报警的全流程自动化，减少了人工操作负担与人为误差。