Page 150 - 水利工程技术发展与实践探究
P. 150
水利工程技术发展与实践探究
Exploration into the Development and Practice of Water Conservancy Engineering Technology
4. 人工智能技术在水利监测中的应用
（1）水位监测
采用前端智能分析功能，获取视频图像后，首先确定水尺位置，并在水尺区
域将水尺进行数字分割，然后再通过视频检测水位线的位置，结合数字分割结果
与水位线检测结果相结合，得出水尺读数，这种方案不易受到环境、相机角度等
因素干扰，并将水位数据上传，后端平台进行自动监测与记录。同时水位监测精
度±20mm，监测周期可设，可以远程进行随时查看，确保可视化合理性的检验。
算法实现方面，首先进行图像预处理，将图像中的噪点去除，采用高斯滤波对图
像进行处理，可以抑制噪声与平滑图像。利用训I练模型来检测视频中的水尺位置，
此处使用 LBP 特征级联分类器算法，以邻域中心像素为阈值，相邻 8 个像素的
灰度值与中心的像素进行比较，这样就可以反应该区域的纹理信息。在确定水尺
区域以后，需要对水尺进行数字分割，基于方向特征及神经网络的图像识别方案
对数字进行识别。进一步进行水尺数字的分割，首先根据数字与水尺的比例来确
定数字所在的水尺区域，再用纹理特征算法
对水尺所在区域进行二进制化处理，再对水平与垂直方向投影，得到水平与
垂直方向的像素数据，根据像素数据计算出各个字的边界，从而读出水尺的数据。
确定完水尺区域以后，再确定水位线位置，利用水面与岸边或者坝边的区域纹理
差距，进行水位检测，将整个图像的数据进行梯度图像处理，将梯度值给二进制
化处理，然后对二进制化数据进行投影计算，从而得出水位线数据。最后利用数
字分割技术得出的水尺数据与水位线数据相结合，确定当前水位数据。
（2）漂浮物堆积监测
对于漂浮物目标的监测，水利前端对监控区域进行实时监测，当发现有漂浮
物时，算法判断为发现目标，此时调取事先设置好的预案进行报警，同时对目标
进行抓拍取证并将数据信息进行上传，便于管理，人员进行判断。为了实现水库
以及河流水面漂浮物智能监测，即在不需要人为干预的情况下对监控场景进行自
动分析，及时做出反应。首先要对监控画面进行技术处理，提高图像质量。其次
水库电站前堆积物的形成过程是一个由无到有的过程，因此可以采用背景建模方
法检测堆积物。该方法通过构建静态背景模型，当有新的堆积目标进入到预设的
检测区域内时，算法就可以把新目标从背景图中区分出来，将目标的轮廓形态检
测出来。
142
