[發(fā)明專利]一種水尺水位線檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202211077709.2
• 申請(qǐng)日: 2022-09-05
• 公開（公告）號(hào): CN115482410A
• 公開（公告）日: 2022-12-16
• 發(fā)明（設(shè)計(jì)）人: 林笑
• 申請(qǐng)（專利權(quán)）人: 中電信數(shù)智科技有限公司
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/774;G06V10/80
• 代理公司: 北京知匯林知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11794
• 代理人: 楊華

本發(fā)明涉及一種水尺水位線檢測(cè)方法及裝置,屬于人工智能技術(shù)領(lǐng)域。方法包括以下步驟：收集水尺水位線圖像數(shù)據(jù)，對(duì)所述圖像數(shù)據(jù)進(jìn)行處理，得到處理后的水尺水位線數(shù)據(jù)；基于所述處理后的水尺水位線數(shù)據(jù)，構(gòu)建水尺水位線檢測(cè)模型，對(duì)所述水尺水位線檢測(cè)模型進(jìn)行訓(xùn)練，并保存模型參數(shù)；接收輸入的待檢測(cè)的水尺水位線圖像，根據(jù)所述水尺水位線檢測(cè)模型計(jì)算水位線的位置，輸出檢測(cè)結(jié)果。本方法能夠自動(dòng)識(shí)別出水位線的位置，準(zhǔn)確性高。

技術(shù)領(lǐng)域

本發(fā)明屬于人工智能技術(shù)領(lǐng)域，尤其涉及一種水尺水位線檢測(cè)方法及裝置。

背景技術(shù)

水位信息在水利、水運(yùn)、防汛抗旱、其他水文數(shù)據(jù)預(yù)測(cè)等領(lǐng)域發(fā)揮著重要的作用。人工觀讀水位尺是獲取水位信息傳統(tǒng)的方式，但是存在人眼識(shí)別的不準(zhǔn)確性和危險(xiǎn)性以及惡劣天氣無法觀測(cè)水位等情況，使用視覺算法可以極大程度避免這些問題。

水尺水位線檢測(cè)視覺算法計(jì)算水尺讀數(shù)的重要一環(huán)，以往技術(shù)使用過于簡(jiǎn)單不夠精準(zhǔn)的圖像灰度值計(jì)算方法，或使用速度較慢的圖像分割大模型，分割出水位線上多個(gè)關(guān)鍵點(diǎn)來確定水位線位置，作為水尺識(shí)別流程的一部分，都存在一定缺陷。傳統(tǒng)方法中，在出現(xiàn)光照不均勻、水面倒影等復(fù)雜情形很難準(zhǔn)確找到正確的水位線位置。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種水尺水位線檢測(cè)方法及裝置,能夠自動(dòng)識(shí)別出水位線的位置，準(zhǔn)確性高。

根據(jù)本發(fā)明的一個(gè)方面，本發(fā)明提供了一種水尺水位線檢測(cè)方法，所述方法包括以下步驟：

S1：收集水尺水位線圖像數(shù)據(jù)，對(duì)所述圖像數(shù)據(jù)進(jìn)行處理，得到處理后的水尺水位線數(shù)據(jù)；

S2：基于所述處理后的水尺水位線數(shù)據(jù)，構(gòu)建水尺水位線檢測(cè)模型，對(duì)所述水尺水位線檢測(cè)模型進(jìn)行訓(xùn)練，并保存模型參數(shù)；

S3：接收輸入的待檢測(cè)的水尺水位線圖像，根據(jù)所述水尺水位線檢測(cè)模型計(jì)算水位線的位置，輸出檢測(cè)結(jié)果。

優(yōu)選地，所述對(duì)所述圖像數(shù)據(jù)進(jìn)行處理，得到處理后的水尺水位線數(shù)據(jù)包括：

將圖像數(shù)據(jù)分割成包含像素塊的矩陣，對(duì)所述矩陣進(jìn)行掃描分類，標(biāo)注水位線像素在所述矩陣中的行列位置。

優(yōu)選地，所述基于所述處理后的水尺水位線數(shù)據(jù)，構(gòu)建水尺水位線檢測(cè)模型包括：

基于所述處理后的水尺水位線數(shù)據(jù)，構(gòu)建基于貝塞爾曲線的水尺水位線檢測(cè)模型，所述水尺水位線檢測(cè)模型包括特征偏移可識(shí)別模塊，通過所述特征偏移可識(shí)別模塊優(yōu)化所述貝塞爾曲線的控制點(diǎn)和曲線特征的擬合偏差。

優(yōu)選地，所述基于貝塞爾曲線的水尺水位線檢測(cè)模型的模型損失函數(shù)為：

L_total＝αL_reg+βL_CIOU+γL_cls

其中，

其中，α、β、γ為損失函數(shù)權(quán)重占比，取值范圍為[0,1]，n為采樣數(shù)，IOU表示兩矩形交疊區(qū)域面積與兩矩形并集面積的比值，所述兩矩形表示模型輸出控制點(diǎn)所建立的曲線的最小外接矩形；b為模型輸出控制點(diǎn)所建立的曲線的最小外接矩形中心點(diǎn)，ρ(·)為歐式距離，c為兩曲線最小外接矩形對(duì)角線的距離，w、h分別為兩矩形的寬和高，P_O、P₁、P₂、P₃為曲線控制點(diǎn)，gt表示數(shù)據(jù)為標(biāo)注數(shù)據(jù)，B(t)表示貝塞爾曲線模型，表示貝塞爾曲線模型的輸出；P_i和T_i分別為模型輸出和真實(shí)標(biāo)注的第i個(gè)column anchor的分類結(jié)果向量；L_CE(P_i,T_i)為第i個(gè)分類器交叉熵?fù)p失。