一种基于机器视觉的水位标尺定位及水位计算方法与流程

1.本发明涉及水文测站监测技术领域，具体为一种基于机器视觉的水位标尺定位及水位计算方法。


背景技术：

2.水位是河道湖泊的基本水文要素之一，准确、可靠、及时的水位检测是对水文站的最基本要求，目前水位检测的方式主要为人工调取摄像头读取水尺水位信息或者通过添加水位读取设备的方式读取水尺水位信息，现有的自动水位计主要包括遥测浮子式水位计、雷达式水位计、压力式水位计、超声波式水位计、电子水尺等几种，人工调取摄像头观测水尺水位，自动化程度低、耗费人力。遥测浮子式水位计需要建设水井，造价成本过高且需要保持水井内水源清晰且要防止水井淤积，雷达式水位计的精度受水面漂浮物的影响，压力式水位计受泥沙影响精度，压阻式有时飘、温飘，要定时率定。超声波式水位计有温飘，水面漂浮物影响精度，要定时校正，电子水尺野外环境影响正常工作，适用于浅水检测。
3.目前已存在的利用机器视觉的读取水位的算法适用性较差，遇到特殊情况计算误差较大。


技术实现要素：

4.本发明的目的是提供一种基于机器视觉的水位标尺定位及水位计算方法。
5.本发明的上述发明目的是通过以下技术方案得以实现的：
6.一种基于机器视觉的水位标尺定位及水位计算方法，包括摄像头和边缘计算设备，所述摄像头主要提供实时视频流，以供实时提取水尺图像，边缘计算设备主要提供水尺及水尺上数字的检测和定位，和水尺水位的算法，根据摄像头的ip地址，生成摄像头实时视频流的rtsp地址，接入到边缘设备中，边缘设备自动读取摄像头流地址，截取视频帧，进行算法计算操作，所述水位标尺定位及水位计算方法包括以下步骤：
7.(1)训练模型，采用yolo算法训练水尺模型，训练出的模型留作下方水尺检测算法使用，裁剪出原始数据集中的水尺，采用yolo算法训练水尺数字刻度模型，训练出的模型留作下方水尺数字刻度检测算法使用；
8.(2)水尺检测，检测水尺，设定yolo算法中的置信度，把检测出错误的水尺的做筛选，以确定检测到的水尺为正确的水尺，确定水尺的边框裁剪出水尺图片，留作下一步使用；
9.(3)对步骤1裁剪后的水尺图片进行预处理，得到图像边缘轮廓，根据直线计算水尺角度，使其处于正角度，该图像即为垂直的水尺图像，对裁剪后的图像留作下一步使用；
10.(4)第一次提取水位，对检测到的水尺预处理，计算出当前水尺图片的主颜色，对步骤3得到的结果图片进行主颜色提取，对提取后的图像进行二值化处理，开运算、闭运算操作，对图像进行边缘检测，获取图像边缘，根据轮廓边缘确定水尺图片最左边、最右边、下方需要裁剪的位置，该位置就为第一次提取水位位置，根据水位位置裁剪图片，留作下一步
使用；
11.(5)二次提取水位，步骤4可以获取到一般情况下的正常水位，当遇到特殊情况下时就需要二次提取水位，二次提取水位不影响一次提取水位的结果；
12.(6)对裁剪后的图片进行水尺数字识别，对数字进行校正和排序；
13.(7)水尺精度计算；
14.(8)计算实际水位，用步骤6计算的数字减去步骤7计算的距离就为当前的实际水位。
15.优选的，所述步骤5具体包括以下步骤，对图像进行处理，消除噪声，根据算法将前景和背景尽可能分开，对图像进行预处理，获取图像边缘，根据轮廓边缘确定水尺图片下方需要裁剪的位置，该位置就为第二次水位位置，根据二次水位位置裁剪图片，留作下一步使用。
16.优选的，所述步骤6具体包括以下步骤，根据检测到的数字的边框大小和坐标筛选出不合规的数字，对剩余的数字进行排序、计算、算法处理，来确定最后一个数字的值，根据检测到的数字的边框和排序处理算法确定水尺最下方的数字和坐标，按照坐标进行裁剪，裁剪出最后一个数字到第五步确定水位的图片，留作下一步使用。
17.优选的，所述步骤7包括以下步骤，a、对步骤6的结果图片进行高斯模糊、二值化处理；b、对图片做预处理得到图像边缘；c、按照边缘轮廓，统计每列白色的店的行号，对纵向轮廓边缘做图像映射，生成一个新图像，从新图像由最下方向最上方逐行扫描像素点，直到扫描到第一个最长的白色的线做一下记录，继续扫描像素点，扫描到第二个最长的白色的线时停止,这两条线的中间距离就为水尺上一个e的高度，记录下这个高度，留作下方使用；d、对b生成的新图像由下方向上方逐行扫描像素点，当扫描到第二条最长的白色的线停止，这段距离就为水位到最后一个数字之间的距离；e、根据b、c计算出的距离，再根据两段距离之间的像素比值相同求出水位到数字之间的距离。
18.综上所述，本发明的有益技术效果为：
19.本发明基于目标检测、图像处理等技术，对水尺图片进行水尺定位、水尺刻度数字定位、水位提取等一系列操作，从而计算出当前水位信息。该方法具有成本低廉，只需添加一台边缘计算设备，可管控多路摄像头，无需额外添加其他设备、实时性强，实时读取摄像头视频流，准确性高等优点，可以替代人工读取、传感器读取的方式，具有很大的现实意义。
具体实施方式
20.以下结合实施例对本发明作进一步详细说明。
21.本发明公开的一种基于机器视觉的水位标尺定位及水位计算方法，包括摄像头和边缘计算设备，所述摄像头主要提供实时视频流，以供实时提取水尺图像，边缘计算设备主要提供水尺及水尺上数字的检测和定位，和水尺水位的算法，根据摄像头的ip地址，生成摄像头实时视频流的rtsp地址，接入到边缘设备中，边缘设备自动读取摄像头流地址，截取视频帧，进行算法计算操作，所述水位标尺定位及水位计算方法包括以下步骤：
22.(1)训练模型，采用yolo算法训练水尺模型，训练出的模型留作下方水尺检测算法使用，裁剪出原始数据集中的水尺，采用yolo算法训练水尺数字刻度模型，训练出的模型留作下方水尺数字刻度检测算法使用；
23.(2)水尺检测，检测水尺，设定yolo算法中的置信度，把检测出错误的水尺的做筛选，以确定检测到的水尺为正确的水尺，确定水尺的边框裁剪出水尺图片，留作下一步使用；
24.(3)对步骤1裁剪后的水尺图片进行预处理，得到图像边缘轮廓，根据直线计算水尺角度，使其处于正角度，该图像即为垂直的水尺图像，对裁剪后的图像留作下一步使用；
25.(4)第一次提取水位，对检测到的水尺预处理，计算出当前水尺图片的主颜色，对步骤3得到的结果图片进行主颜色提取，对提取后的图像进行二值化处理，开运算、闭运算操作，对图像进行边缘检测，获取图像边缘，根据轮廓边缘确定水尺图片最左边、最右边、下方需要裁剪的位置，该位置就为第一次提取水位位置，根据水位位置裁剪图片，留作下一步使用；
26.(5)二次提取水位，步骤4可以获取到一般情况下的正常水位，当遇到特殊情况下时就需要二次提取水位，二次提取水位不影响一次提取水位的结果；
27.(6)对裁剪后的图片进行水尺数字识别，对数字进行校正和排序；
28.(7)水尺精度计算；
29.(8)计算实际水位，用步骤6计算的数字减去步骤7计算的距离就为当前的实际水位。
30.所述步骤5具体包括以下步骤，对图像进行处理，消除噪声，根据算法将前景和背景尽可能分开，对图像进行预处理，获取图像边缘，根据轮廓边缘确定水尺图片下方需要裁剪的位置，该位置就为第二次水位位置，根据二次水位位置裁剪图片，留作下一步使用。
31.所述步骤6具体包括以下步骤，根据检测到的数字的边框大小和坐标筛选出不合规的数字，对剩余的数字进行排序、计算、算法处理，来确定最后一个数字的值，根据检测到的数字的边框和排序处理算法确定水尺最下方的数字和坐标，按照坐标进行裁剪，裁剪出最后一个数字到第五步确定水位的图片，留作下一步使用。
32.所述步骤7包括以下步骤，a、对步骤6的结果图片进行高斯模糊、二值化处理；b、对图片做预处理得到图像边缘；c、按照边缘轮廓，统计每列白色的店的行号，对纵向轮廓边缘做图像映射，生成一个新图像，从新图像由最下方向最上方逐行扫描像素点，直到扫描到第一个最长的白色的线做一下记录，继续扫描像素点，扫描到第二个最长的白色的线时停止,这两条线的中间距离就为水尺上一个e的高度，记录下这个高度，留作下方使用；d、对b生成的新图像由下方向上方逐行扫描像素点，当扫描到第二条最长的白色的线停止，这段距离就为水位到最后一个数字之间的距离；e、根据b、c计算出的距离，再根据两段距离之间的像素比值相同求出水位到数字之间的距离。
33.本发明基于目标检测、图像处理等技术，对水尺图片进行水尺定位、水尺刻度数字定位、水位提取等一系列操作，从而计算出当前水位信息。该方法具有成本低廉，只需添加一台边缘计算设备，可管控多路摄像头，无需额外添加其他设备、实时性强，实时读取摄像头视频流，准确性高等优点，可以替代人工读取、传感器读取的方式，具有很大的现实意义。
34.本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。