[发明专利]基于人工智能云识别水尺的低功耗水位遥测系统

权利要求书

1.基于人工智能云识别水尺的低功耗水位遥测系统，其特征在于：包括遥测站、中心站服务器、云服务器，中心站服务器通过局域网或互联网与客户端计算机通信连接，所述遥测站包括对准水尺的网络摄像机、遥测终端机、用来供电的蓄电池、对蓄电池进行充电的太阳能板，所述网络摄像机对着水尺进行采集图像、保存图像、发送图像至云服务器，云服务器识别图像、反传水位数据至遥测站，遥测站将水位数据进行处理后，发送到中心站服务器；

所述云服务器应用人工智能方法检测水尺并识别水尺读数的方法，包括以下步骤：

步骤S1、平台搭建和模型的设计；

步骤S2、检测、识别样本数据的标注和合成，训练模型；

步骤S3、水位监测图像预处理；

步骤S4、水尺和水体的检测定位分割抠图；

步骤S5、端到端解码水尺读数，合理性检测；

在步骤S4中，包括：

步骤S41、检测部分网络在基础网络Resnet之上重新设计；

步骤S42、多尺度和高分辨率融合模型设计，采用扩张卷积算法提取特征；

步骤S43、基于像素概率图法，引入扩展卷积的扩张卷积算法；

步骤S44、扩张卷积算法模块分开为两个通道，一条通道经过降维输出反映细节的特征单元；另一条通道以不同扩张率的扩张卷积ASPP，执行空间金字塔算法过程，然后合并两个通道获取多尺度特征信息；

步骤S45、合并后的特征再经过一个3×3卷积细化特征，再4倍上采样恢复尺寸，得到目标区域和概率图；

步骤S46、扩张卷积算法包装在编码器-解码器结构中，调整卷积来调整提取的编码器特征的分辨率，权衡精度和运行效率，以最优方式捕捉清晰的水尺水体边界；解码得到合适掩码抠取源图中的水尺图像区域；

步骤S47、确定阈值并图像二值化后获得水尺和水体掩码；

步骤S48、应用水尺和水体掩码抠图，水尺部分图像交给识别模块识别。

2.根据权利要求1所述的基于人工智能云识别水尺的低功耗水位遥测系统，其特征在于：在步骤S2中，包括：

步骤S21、收集含水尺和水体的图像，实景水尺水体标注，作为基础样本数据；

步骤S22、收集不含水尺和水体的图像作为背景，叠加融合按照国标水尺图像、数字和尺寸要求的模拟合成水尺样本，融合为高度仿真的样本数据；

步骤S23、水尺水体检测分割样本、水尺识别样本分别合成和标注，提高样本多样性；

步骤S24、分别合成高低分辨率样本，分别训练；

步骤S25、训练模型，分别在2种软硬平台上训练样本，分别针对检测和识别模块，先后训练低分辨率样本，观测模型收敛稳定后，加入高分辨率样本同时训练，观测模型收敛情况；如果模型不稳定，调整顺序重新训练；

步骤S26、验证数据验证模型，保存模型参数，压缩模型参数，用于推理。

3.根据权利要求1所述的基于人工智能云识别水尺的低功耗水位遥测系统，其特征在于：在步骤S3中，包括：

步骤S31、图像尺寸处理，水平和垂直方向，统一到32的整倍数，不足部分用图像inpain算法修复；

步骤S32、去雾；

步骤S33、自动化亮度和对比度；

步骤S34、去噪点；

步骤S35、CLAHE锐化，提高标签尖锐化，模糊背景，限制对比度自适应直方图均衡。

4.根据权利要求1所述的基于人工智能云识别水尺的低功耗水位遥测系统，其特征在于：在步骤S5中，包括：

步骤S51、修复性填充留空部分，采用图像处理算法inpaint；

步骤S52、提取轮廓，矫正水尺图像，采用仿射变换、缩放、平移的图像处理方法；

步骤S53、旋转为水平方向；

步骤S54、池化时仅限于水平方向；

步骤S55、上下边各减少2个像素；

步骤S56、水尺读数识别模块以卷积神经网络算法作为特征提取器；

步骤S57、以循环神经网络作为序列建模器；

步骤S58、利用连接时序分类作为训练准则；

步骤S59、在水尺识别阶段，输出限制在特定的字典范围内；针对水尺由于光照导致的耀斑和局部污损，导致输出不连贯的问题，采用线性回归及RANSAC算法验证，以得到准确率概率，并部分修复和排除异常值；

步骤S510、采用读数加水尺高程基值估算水位，进行防浪处理，平滑水位过程，保存中间和结果数据，反传水尺度数和水位。