基于Mask RCNN和YOLOv5的水库水位监测方法

作     者：方涛 

作者机构：贵州省岑巩县水务局贵州岑巩557800 

出 版 物：《水利科技与经济》 (Water Conservancy Science and Technology and Economy)

年 卷 期：2024年第30卷第8期

页      面：86-88,105页

学科分类：081504[工学-水利水电工程] 08[工学] 0815[工学-水利工程] 

主　　题：水位监测 深度学习 Mask RCNN YOLOv5 

摘      要：随着深度学习的发展,通过视频实现水位监测成为近年来研究热点。为了提高水位监测的准确性,研究开发一种结合Mask RCNN和YOLOv5的新型水位监测方法。首先利用Mask RCNN模型,识别视频画面中的水尺区域并进行精确分割;然后通过YOLOv5模型,对分割后的水尺区域进行字符识别,准确捕捉水尺上的“m字符、“E字符以及数字字符,并记录这些字符在视频画面中的坐标位置;再通过分析字符的代表高度及其坐标位置,计算出水位数据。研究显示,该方法通过精确的区域分割和高效的字符识别,可显著提高水位监测的准确率和可靠性,表明其在水位监测中的应用潜力。