复杂场景下无水尺水位的影像水位反演智能检测方法

作     者：孙传猛 魏宇 李欣宇 马铁华 武志博 SUN Chuanmeng;WEI Yu;LI Xinyu;MA Tiehua;WU Zhibo

作者机构：中北大学省部共建动态测试技术国家重点实验室山西太原030051 中北大学电气与控制工程学院山西太原030051 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2024年第53卷第3期

页      面：558-568页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 081203[工学-计算机应用技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2022YFB3205800) 山西省基础研究计划面上项目(202203021221106) 山西省水利科学技术研究与推广项目(2023GM31) 

主　　题：水位识别 无水尺水位检测 深度学习 YOLOv5 卡尔曼滤波 

摘      要：实现精细化水务管控和洪涝灾害预警,需要实时、准确感知水位突变事件。现有技术不能满足夜晚、雾霾、雨天、雪天、漂浮物遮挡及阴影等复杂恶劣环境下的水位识别需求。为此,本文提出一种融合改进YOLOv5与卡尔曼滤波原理的无水尺水位智能检测技术:①引入YOLOv5对水位线(水岸分界线)进行检测,并利用线性拟合方法获得实际水位线;②针对水位线在延伸方向无限大而在其法向无限小特点,提出强化中尺度特征的多层级特征融合方法改进原YOLOv5算法;③利用卡尔曼滤波引入水位历史信息作为先验知识,提高本技术对复杂恶劣环境的泛化性能;④将图像中事先标定的固定的标志物加入到深度学习网络中训练,根据标志位真实尺寸解算实际水位高程,实现无水尺检测方案。相关试验和实践表明,改进的YOLOv5更加轻量化;本文所述水位智能检测技术斜率准确性为97.3%,较原算法提高了2.4%;截距准确性为99.3%,较原算法提高了0.5%;在夜晚、雾霾、雨天、雪天、漂浮物遮挡及阴影等复杂恶劣环境下可以自动、准确识别出水位高程,误差小于0.1 m。