[发明专利]一种蓄水池水位监测方法、系统、介质及电子终端在审

专利信息
申请号: 202011232405.X 申请日: 2020-11-06
公开(公告)号: CN112329644A 公开(公告)日: 2021-02-05
发明(设计)人: 袁钰博;余文涵;李宗陶;刘睿;庞殊杨;周德亮;贾鸿盛;毛尚伟;李文铃;胥泽彬 申请(专利权)人: 中冶赛迪重庆信息技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/08;G06T7/70;G08B21/18;G01F23/04
代理公司: 上海光华专利事务所(普通合伙) 31219 代理人: 李铁
地址: 401122 重庆市渝*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 蓄水池 水位 监测 方法 系统 介质 电子 终端
【权利要求书】:

1.一种蓄水池水位监测方法,其特征在于,包括:

获取蓄水池的初始图像信息;

将所述初始图像信息输入目标检测网络进行训练,获取目标检测模型;

获取蓄水池的实时图像信息;

将所述实时图像信息输入所述目标检测模型,获取蓄水池中的水位标志物的数量;

根据所述水位标志物的数量,对蓄水池的水位高度进行监测。

2.根据权利要求1所述的蓄水池水位监测方法,其特征在于,获取蓄水池的初始图像信息的步骤包括:

采集蓄水池的初始图像;

对所述初始图像中的水位标志物进行框选与标注,获取初始目标框的位置信息;

根据所述初始目标框的位置信息,构建用于训练目标检测模型的数据集;

完成对蓄水池的初始图像信息的获取。

3.根据权利要求1所述的蓄水池水位监测方法,其特征在于,将所述初始图像信息输入目标检测网络进行训练获取目标检测模型的步骤包括:

构建基于深度学习的目标检测网络;

将所述初始图像信息输入所述目标检测网络进行训练,对所述初始图像信息中的水位标志物进行目标特征提取,对一个或多个尺度的目标特征进行目标定位与分类,获取一个或多个尺度的特征框,对同一位置的所述特征框进行抑制,获取特征框识别结果,根据所述特征框识别结果,获取较优的目标检测模型,其中,所述识别结果包括:目标物体数量和/或目标物体位置信息。

4.根据权利要求1所述的蓄水池水位监测方法,其特征在于,将所述实时图像信息输入所述目标检测模型,获取蓄水池中的水位标志物的数量的步骤包括:

获取蓄水池的实时图像;

通过所述目标检测模型对所述实时图像中的水位标志物进行框选与标注,进而获取实时目标框的数量和/或实时目标框的位置信息,其中,所述实时目标框的位置信息包括:

[Selcxmin1,Selcymin1,Selcxmax1,Selcymax1]

其中,Selcxmin1为所述实时目标框左上角的x坐标,Selcymin1为所述实时目标框左上角的y坐标,Selcxmax1为所述实时目标框右下角的x坐标,Selcymax1为所述实时目标框右下角的y坐标。

5.根据权利要求1所述的蓄水池水位监测方法,其特征在于,根据所述水位标志物的数量,对蓄水池的水位高度进行监测的步骤包括:

当所述水位标识物的数量在预设的标识物阈值范围以内时,则判断蓄水池水位正常;

当所述水位标志物的数量超出所述标志物阈值范围,且所述水位标志物的数量大于所述标志物阈值范围的最大值时,则判断蓄水池水位过高并发出警报;

当所述水位标志物的数量超出所述标志物阈值范围,且所述水位标志物的数量小于所述标志物阈值范围的最小值时,则判断蓄水池水位过低并发出警报。

6.根据权利要求1所述的蓄水池水位监测方法,其特征在于,还包括:

根据所述实时图像信息,获取蓄水池的定位信息;

将所述实时图像信息输入所述目标检测模型,获取蓄水池中的水位标志物的数量;

根据所述水位标志物的数量,判断蓄水池的水位是否正常,获取判断结果;

根据所述判断结果,发出警报并输出所述定位信息。

7.一种蓄水池水位监测系统,其特征在于,包括:

预处理模块,用于获取蓄水池的初始图像信息;将所述初始图像信息输入目标检测网络进行训练,获取目标检测模型;

处理模块,用于获取蓄水池的实时图像信息;将所述实时图像信息输入所述目标检测模型,获取蓄水池中的水位标志物的数量;

监测模块,用于根据所述水位标志物的数量,对蓄水池的水位高度进行监测;

所述预处理模块、处理模块和监测模块连接。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中冶赛迪重庆信息技术有限公司,未经中冶赛迪重庆信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011232405.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top