检索结果-南通市图书馆

水资源研究 2024年第3期13卷 292-301页

作者：王成建马丁刘郁张占贵孙英志刘维高赵石磊金威裴永凯河北省水文勘测研究中心河北石家庄河北省石家庄水文勘测研究中心河北石家庄河北省邢台水文勘测研究中心河北邢台河北省廊坊水文勘测研究中心河北廊坊武汉大水云科技有限公司湖北武汉武汉大学计算机学院湖北武汉

随着人工智能科技的快速发展与不断进步,水文监测领域正逐步迈向智能化和信息化,对水位监测的实时性和精确性提出了更高要求。在此背景下,本文开创性地设计并实现了一款深度学习驱动的武大AiFlow视觉水位计,融合了前沿人工智能算法与高... 详细信息

随着人工智能科技的快速发展与不断进步,水文监测领域正逐步迈向智能化和信息化,对水位监测的实时性和精确性提出了更高要求。在此背景下,本文开创性地设计并实现了一款深度学习驱动的武大AiFlow视觉水位计,融合了前沿人工智能算法与高清晰度视频捕获技术,旨在为河流、湖泊及水库等多类水体提供一个即时且精准的水位测量解决方案。武大AiFlow视觉水位计已成功部署于多个水位监控点,通过对麦穰水文站与黄壁庄水文站的实证研究,进行了详尽的性能验证与分析。结果表明,武大AiFlow视觉水位计监测方案精度高,能够满足水位监测规范要求,在背景杂乱、光线变化、水体波动等复杂场景下也具有良好的适用性,其可视化功能有利于历史数据复盘和远程监控与管理,满足愈加精细化的市场需求。

关键词：深度学习视觉水位计水尺检测虚拟水尺

来源：

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于图像的船舶水尺智能检测技术研究

基于图像的船舶水尺智能检测技术研究

引用

作者：李锦峰哈尔滨工程大学

学位级别：硕士

随着人类对海洋的探索不断深入,船舶运输业也日益发达。由于船舶运输的煤炭、水泥、钢铁等货物的重量不易通过普通衡器测量,因此基于阿基米德原理的水尺计重成为了衡量商品价值十分关键的一个环节。传统的水尺计重方法主要是通过专业观... 详细信息

随着人类对海洋的探索不断深入,船舶运输业也日益发达。由于船舶运输的煤炭、水泥、钢铁等货物的重量不易通过普通衡器测量,因此基于阿基米德原理的水尺计重成为了衡量商品价值十分关键的一个环节。传统的水尺计重方法主要是通过专业观测人员观察船舶六面吃水线位置来实现的,由于缺乏数据回溯手段,该方法极易受到人为主观因素以及风浪、光照等客观因素的影响。同时随着国际贸易的发展,货物价值的提高也给水尺计重方法的准确性和稳定性带来了一定的要求。本文主要研究了图像处理技术在船舶水尺检测领域中的智能化应用,利用基于图像处理与检测的方法对船舶水尺进行智能检测。硬件系统主要由工业相机、工业镜头和云台组成的水尺图像采集模块、无线传输网络和手持终端组成的数据传输模块、计算机组成的图像处理模块三部分构成。软件系统主要包括水尺检测算法部分和用户图形界面部分。本文对多种水尺检测算法进行了综合研究,包括图像增强、图像分割、模板匹配、特征提取等传统算法,提出了一种基于图像的水尺智能识别算法,具有一定的泛用性和稳定性。首先对采集到的船舶水尺视频隔帧取样,进行图像增强、图像矫正等预处理工作,转化为灰度图像绘制出灰度直方图,采用OTSU阈值分割算法完成水尺图像二值化,便于提高识别精度。对二值化图像使用形态学开闭运算,去除大部分椒盐噪声的同时填充了缺陷字符的孔洞。对水尺二值图像进行水平和竖直方向的双向直方图投影实现对字符的定位与分割。同时,对基于网格像素分布特征的模板匹配法识别字符的方法进行研究后,提出了二次字符识别算法,利用SVM分类器基于HOG特征提取训练出识别模型,对待识别字符粗分类,再利用基于优化SURF特征匹配的二次校验算法进行再识别,识别准确率远高于传统算法。在吃水线检测过程中先行从边缘检测、颜色特征的角度进行了研究,针对实际使用过程中上述吃水线识别算法反映出的种种缺点,本文将聚类分割算法运用到船舶吃水线的识别中,提出了基于K-means聚类分割算法识别吃水线的方法,能准确分割水面及船体,显著提高了分割精度。最后,针对不同帧数下得出的结果进行统计学分析,剔除离群值,减小了识别误差。实现了水尺智能化检测软件后,测试了大量实地获取的水尺图像数据,从不同角度对结果进行了准确性分析。本文基于水尺检测总体方案设计,深入研究了水尺字符检测算法、吃水线识别算法,以此为基础构建出较为完善的水尺智能检测系统。对码头实地采集的船舶水尺图像进行检测实验表明,本文研究的船舶智能检测技术可以有效实现水尺的智能化识别,识别结果符合预期。

关键词：水尺检测图像处理字符识别吃水线检测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的水尺水位识别技术研究

基于深度学习的水尺水位识别技术研究

引用

作者：艾小坚西安电子科技大学

学位级别：硕士

水文监测是及时获取河流湖泊水情的有效途径,其中关键的一环是水位观测。水位观测是指对河流湖泊等的水位进行实地测定,它不仅能够直观地反映河流水情,还有利于及时发布水情预警。近年来,基于计算机视觉技术的图像测量方式开始应用于水... 详细信息

水文监测是及时获取河流湖泊水情的有效途径,其中关键的一环是水位观测。水位观测是指对河流湖泊等的水位进行实地测定,它不仅能够直观地反映河流水情,还有利于及时发布水情预警。近年来,基于计算机视觉技术的图像测量方式开始应用于水位观测任务中。使用传统图像处理技术的水尺检测和水位识别方法需要手工设计特征,这严重影响了检测和识别的性能。而深度学习的方法通过卷积神经网络来自动提取特征信息,可显著提升检测和识别的性能。但是,深度学习方法的一个最大局限在于对数据集的依赖程度。本文基于深度对抗网络,在已有的少量水尺图像数据上进行增强,生成符合水文场景分布的水尺图像。基于视频图像的水位观测任务主要是对自然河流的水位进行检测。本文依托江西婺源某水文站水文监测的相关数据,对野外自然河流的水位检测工作的主要影响因素进行研究,整个水位检测任务包括水尺检测、水尺数字检测、水尺区域分割以及水位值识别,最终实现了基于视频图像的河流水位的自动化识别。论文的具体工作内容如下:(1)基于深度对抗学习的水尺图像增强技术研究。基于深度学习的水尺检测方法需要大量的水文场景下的水尺图像和对应的标签,所以水尺增强的效果不仅要符合真实水文场景,还对尺身上的数字及刻度清晰度有很高的要求。综合上述考虑因素,本文设计了一个深度对抗模型。该模型基于Unet++结构,并设计了一个下采样模块和上下文校正模块。下采样模块有效的将水尺分割图信息融合进模型,上下文校正模块有效融合不同层级的特征信息,减小了图像生成过程中的语义损失。实验结果表明,本文提出的方法有效改善了水尺图像的生成质量,可以满足水位识别的需求。(2)实际水文监测场景下的水位值识别技术研究。高效的水尺检测方法需要能处理多场景多干扰下的水尺图像,同时水尺图像中的水位线是语义特征而不是图像特征,造成水位线检测难以实现。此外,多水尺场景下的水位唯一性检测也是难点。本文针对上述问题,使用目标检测模型来检测复杂场景下的多水尺位置和尺身数字的位置,以获取粗提取的水位高度信息。然后使用语义分割模型来分割水尺图像中的水面之上的水尺部分,以提取精确的水位线。综合上述两个步骤中水位线和水尺数字的信息,得出精确的水尺水位值。实验结果表明,本文提出的方法有效改善了复杂场景下的水位值识别问题。本文通过深度学习算法解决了实际复杂水文场景下的水尺水位的识别任务。针对目前缺少水尺公开数据集的问题,利用深度对抗模型的图像增强能力,设计了CA-GAN生成模型,有效生成了符合实际场景的水尺图像。同时利用目标检测模型检测水尺和尺身数字的位置,利用图像分割模型精确检测水尺水位线的位置,结合两个模型结果达到了水位值识别的目的,识别精度可达到厘米级,满足水位观测标准要求。

关键词：水位检测深度学习对抗生成网络水尺检测语义分割

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水尺水位智能识别算法的研究与实现

水尺水位智能识别算法的研究与实现

引用

作者：苏晋成安徽大学

学位级别：硕士

稳定可靠的水位信息监测，对于水资源的管控有重大意义。在复杂的水尺环境下，部分水尺处在水面漂浮物较多的河流里;部分水尺会存在由于年份较久，出现刻度磨损的情况;部分水尺因距观测点较远，导致水尺刻度不够清晰。这些问题都会影响... 详细信息

稳定可靠的水位信息监测，对于水资源的管控有重大意义。在复杂的水尺环境下，部分水尺处在水面漂浮物较多的河流里;部分水尺会存在由于年份较久，出现刻度磨损的情况;部分水尺因距观测点较远，导致水尺刻度不够清晰。这些问题都会影响水尺水位识别算法的精确度。针对上述问题，本文研究与设计了基于深度学习的水尺水位智能识别算法，并进行相关实验的验证，本文主要内容如下:　　(1)针对水尺距观测点较远、水面漂浮物较多的环境下水尺水位识别效果受较大影响的问题，本文设计了一种基于目标检测的水尺水位识别算法。该算法首先采用目标检测网络YOLOv5对水尺图像进行特征提取，得到检测框的类别和位置坐标;接着采用分类网络ResNet18对水尺上残缺字母E进行特征分类，得到水面附近字母E的类别;之后设计水尺读数模块，利用目标检测网络的检测结果，对数字检测框排序，采用字符串匹配算法滤除误检;最后，水尺读数模块利用分类网络的识别结果，判断最下方数字周围字母E的类别，得到水尺水位刻度值。该方法可以有效改善复杂水尺场景下的识别准确率。　　(2)针对水尺刻度磨损、在水面污染环境下水尺水位识别算法精确度不高的问题,本文设计了一种结合目标检测与语义分割的水尺水位高精度识别算法。该算法首先采用目标检测网络YOLOv5对水尺图像进行特征提取，得到检测框的类别和位置坐标;接着采用语义分割网络SFSegNet对水尺图像进行特征分割，得到水面区域;之后设计水尺精确化读数模块，利用目标检测网络的检测结果，对数字检测框排序，采用字符串匹配算法滤除误检;最后水尺精确化读数模块利用语义分割网络的分割结果，分析水面与水尺关系，判断水尺最下方数字周围字母E到水面的距离，推算得到水尺水位精确化刻度值。该方法在基于目标检测的水尺水位识别算法的基础上，进一步提升了水尺水位识别的准确率，提高了算法的抗干扰能力。本文设计的算法最后集成部署成web服务。基于Flask框架搭建了水尺水位识别服务端，客户端通过常用的HTTP请求，发送水尺图像到服务端，就可以得到水位结果值。

关键词：水尺检测目标识别图像处理语义分割深度学习 YOLOv5算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：