基于深度学习的水位线检测算法

发布时间：2021-07-01 15:29

　　目前对河道、水库等开放水域的水位进行监控,通常需要在监控地点部署用于测量液位的特殊部件,如水位标尺、压力传感器等设备,无法仅使用摄像头完成水位的监控。为解决以上问题,提出一种基于卷积神经网络（CNN）的水位检测算法,该算法输入为一张包含水位线的静态图像,输出为水位线与检测图像左侧边界交点的预测坐标及水位线与水平方向的夹角预测值,最后根据网络输出的交点坐标及夹角绘制预测水位线。测试结果表明,该方法对检测环境的适应能力极强,即便在夜间下雨,且只由红外光源照明的情况下也能对水位线进行有效预测。使用该方法可以对河道湖泊等开放水域实现全天候非接触式水位连续监控。 

【文章来源】：计算机应用. 2020,40(S1)北大核心CSCD

【文章页数】：5 页

【部分图文】：

水位线图像示例

部分图像增强结果示例

图2 部分图像增强结果示例图像标注完成后的标签数据存储格式如下所示。其中，lines表示当前图像中的所有已标注水位线段；line表示其中的一条线段；x＿bgn表示当前线段起始点的x坐标轴；y＿bgn表示当前线段起始点的y坐标轴；x＿end表示当前线段结束点的x坐标轴；y＿end表示当前线段结束点的y坐标轴；x1～x5、y1～y5表示实际坐标值。

【参考文献】：
期刊论文
[1]基于图像处理的水位线检测算法[J]. 鲍江,陶青川,张鹏.  水电能源科学. 2015(04)
[2]基于HSV空间的视频实时水位检测算法[J]. 高晓亮,王志良,王馨,刘冀伟.  郑州大学学报(理学版). 2010(03)



本文编号：3259393