一种基于卷积神经网络进行图像识别的水位识别方法与流程

本发明属于水位监测，尤其涉及一种基于卷积神经网络进行图像识别的水位识别方法。

背景技术：

1、我国是一个水系丰富、河流分布广泛、洪涝灾害频发的国家。洪涝灾害不仅严重威胁着生命财产安全，而且会给国民经济带来严重损失；针对河流、水库和城市内涝的水位监测普遍采用水位传感器、标尺等进行测量并报送到上位机进行处理；存在效率低、实时性差、成本高等诸多技术问题。

技术实现思路

1、本发明要解决的技术问题是：提供一种基于卷积神经网络进行图像识别的水位识别方法，以解决现有技术针对河流、水库和城市内涝的水位监测普遍采用水位传感器、标尺等进行测量并报送到上位机进行处理；存在效率低、实时性差、成本高等诸多技术问题。

2、本发明的技术方案是：

3、一种基于卷积神经网络进行图像识别的水位识别方法，所述方法包括：

4、步骤1、采集水库、河道、电站视频摄像头的截图以及网络公开视频截图组成数据集；

5、步骤2、数据筛选，筛选出符合要求的图片进行数据标注；

6、步骤3、使用标注数据与图片数据进行神经网络模型训练；

7、步骤4、使用训练好的模型对视频及图片进行识别，识别结果经过报警逻辑处理后发布。

8、数据标注的方法为：对非流体目标采用矩形目标框标注；对流体目标采用多边形逐像素标注；数据标注类别包括：水域、泄洪、行人、汽车、水尺及水尺刻度。

9、神经网络模型包括水域分割模型、目标检测模型、关键点检测模型和水尺读数识别模型。

10、使用标注数据与图片数据进行神经网络模型训练是在数据与数据标注之间建立函数关系的过程，在训练中为了获得最优解，要不断调试模型超参数、不断检查输入数据的正确性，最终得到训练好的模型。

11、本发明有益效果：

12、本发明是利用视频图片资源，主要是河道、水库数据，结合互联网公开数据集，进行深度学习训练模型；自动提取视频中的可用信息；使用训练后的模型对视频、图片进行识别；最终通过视频图像实时获取水尺水位、水库泄洪等信息；解决了现有技术针对河流、水库和城市内涝的水位监测普遍采用水位传感器、标尺等进行测量并报送到上位机进行处理；存在效率低、实时性差、成本高等诸多技术问题。

技术特征：

1.一种基于卷积神经网络进行图像识别的水位识别方法，其特征在于：所述方法包括：

2.根据权利要求1所述的一种基于卷积神经网络进行图像识别的水位识别方法，其特征在于：数据标注的方法为：对非流体目标采用矩形目标框标注；对流体目标采用多边形逐像素标注；数据标注类别包括：水域、泄洪、行人、汽车、水尺及水尺刻度。

3.根据权利要求1所述的一种基于卷积神经网络进行图像识别的水位识别方法，其特征在于：所述神经网络模型包括水域分割模型、目标检测模型、关键点检测模型和水尺读数识别模型。

4.根据权利要求1所述的一种基于卷积神经网络进行图像识别的水位识别方法，其特征在于：使用标注数据与图片数据进行神经网络模型训练是在数据与数据标注之间建立函数关系的过程，在训练中为了获得最优解，要不断调试模型超参数、不断检查输入数据的正确性，最终得到训练好的模型。

技术总结
本发明公开了一种基于卷积神经网络进行图像识别的水位识别方法，所述方法包括：步骤1、采集水库、河道、电站视频摄像头的截图以及网络公开视频截图组成数据集；步骤2、数据筛选，筛选出符合要求的图片进行数据标注；步骤3、使用标注数据与图片数据进行神经网络模型训练；步骤4、使用训练好的模型对视频及图片进行识别，识别结果经过报警逻辑处理后发布；解决了现有技术针对河流、水库和城市内涝的水位监测普遍采用水位传感器、标尺等进行测量并报送到上位机进行处理；存在效率低、实时性差、成本高等诸多技术问题。

技术研发人员：李胜,郑强,张冼华,张荣,杨正熙,李涛
受保护的技术使用者：贵州东方世纪科技股份有限公司
技术研发日：
技术公布日：2024/1/13