论文部分内容阅读
水资源问题是当今影响社会、经济、安全等方面的重要因素之一,通过构建水文监测系统、水文测站等对一些水域进行水情监测,包括水位、流量、水质等水文要素。在水文测站多采用各类传感器测量水位,但同时也会安装水尺用以比对、校验传感器的测量值。基于模式识别和图像处理来实现水位的自动测量是一种新颖的水位测量方法,能够为站点的数据质量控制带来新途径。首先,提出了水尺水位识别算法(WLEA,Water Level Estimation Algorithm),主要分为水尺定位、字符识别以及动态映射三部分。针对水尺定位问题,结合HSV颜色空间和自适应分量图(AC-map,Adaptive Component Map)的方法建立了两步定位算法以实现水尺的精确定位。通过模糊C聚类分割水尺字符并采用卷积神经网络对字符进行识别以计算水位的整数部,并采用动态映射算法计算水位的小数部,进而解决水位的自动识别问题,识别结果能够达到毫米级,平均相对误差控制在3%。其次,提出了基于参照物的道路积水等级识别算法(RWGR,Road Water Grade Recognition Algorithm)。分析了参照物与道路积水的关系,并选择车轮作为参照物重新划分了道路积水等级,根据VOC数据集制作了车轮数据集。采用MobileNet改进SSD模型构建了车轮检测模型MSSD,并进一步以YOLO+MSSD结构来提高车轮的检测效果。根据所检测到的车轮图像采用改进的Hough变化进行椭圆拟合,并通过分析椭圆参数完成对道路积水的等级识别。通过实验证明该方法具有一定的可行性,车轮检测精确率能够达到87%。最后设计了水情智能感知系统,主要采用服务器、感知端以及操作端三层架构,并从功能视图、实现架构以及数据库出发设计了服务器端。采用CPS功能体系在感知端设计了图像式智能感知端,并基于Android在智能手机端设计APP实现水尺水位识别和道路积水等级识别功能。