(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210535926.5 (22)申请日 2022.05.18 (65)同一申请的已公布的文献号 申请公布号 CN 114639064 A (43)申请公布日 2022.06.17 (73)专利权人 智洋创新科技股份有限公司 地址 255000 山东省淄博市高新区青龙山 路9009号仪器仪表产业园10号楼 (72)发明人 张亚辉　王书堂　胡志坤　张磊　 王飞　方亮　 (74)专利代理 机构 济南竹森知识产权代理事务 所(普通合伙) 37270 专利代理师 刘宏广 (51)Int.Cl. G06V 20/40(2022.01)G06T 7/73(2017.01) G06K 9/62(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (56)对比文件 CN 112347827 A,2021.02.09 CN 112556795 A,2021.0 3.26 审查员 郑岩 (54)发明名称 一种水位识别方法及装置 (57)摘要 本发明涉及一种水位识别方法及装置， 属于 智能水利技术领域。 该识别方法包括以下步骤： S1、 获取水位尺图像， 构建水位尺图像数据集； S2、 构建水位尺检测网络模型， 利用水位尺图像 数据集对水位尺检测网络模型进行训练； S3、 利 用训练好的水位尺检测网络模型对待识别的水 位尺图像进行水位尺刻度预测； S4、 根据水位尺 刻度预测结果， 对预测结果进行后处理分析， 获 取当前水位。 本发明能够解决现有技术中的不 足， 在复杂的自然环境下， 实时、 精确获取当前水 位值。 权利要求书2页 说明书9页 附图5页 CN 114639064 B 2022.09.02 CN 114639064 B 1.一种水位识别方法， 其特 征在于： 该 方法包括以下步骤： S1、 获取水位尺图像， 构建水位尺图像数据集； S2、 构建水位尺检测网络模型， 利用水位尺图像数据集对水位尺检测网络模型进行训 练； S3、 利用训练好的水位尺检测网络模型对待识别的水位尺图像进行 水位尺刻度预测； S31、 对摄像头获取的待识别的水位尺图像进行预处理， 在图像 中分割出水位尺所在区 域， 并对分割出的图像大小 进行调整， 得到预处 理好的水位尺图像； S32、 将预处理好的水位尺图像输入到训练好的水位尺检测网络模型中， 水位尺检测网 络模型对输入图像进行特征提取， 并根据提取 的特征， 对不同的输出层进行自适应的特征 融合， 对水位尺图像中的水位尺、 水位尺上的刻度值、 水位尺倒影和水位尺倒影上的刻度值 的位置以及类别进 行检测， 得到水位尺图像中的水位尺、 水位尺上的刻度值、 水位尺倒影和 水位尺倒影上的刻度值的位置以及类别 信息； S4、 根据水位尺刻度预测结果， 对预测结果进行后处 理分析， 获取当前 水位； S41、 判断水位尺刻度预测结果中是否存在水位尺类别； 若存在， 则执行步骤S42； 若不 存在， 则结束本次后处 理分析； S42、 判断水位尺刻度预测结果中是否存在水位尺倒影类别， 并根据判断结果， 获取水 位线； 具体步骤为： 若不存在水位尺倒影 类别， 则将水位尺类别检测框的底边线作为水位线； 若存在水位尺倒影类别， 则过滤水位尺和该水位尺对应的水位尺倒影类别， 保留置信 度最高的检测框， 然后判断水位尺检测框的底边线和与该水位尺相对应的倒影检测框的顶 端线之间的距离是否小于a个像素， 若小于， 则将水位尺检测框的底边线和水位尺倒影检测 框的顶端线之间的中位线作为水位线； 若不小于， 则继续判断水位尺上 的刻度值和水位尺 倒影上的刻度值是否成对存在； 若是成对存在， 则先计算每一对水位尺可读及其倒影可读 的中位线， 再取所有中位线的平均值作为水位线； 若不是成对存在， 则将水位尺检测框的底 边线作为水位线； 其中， a为 正整数， a的取值 为5； S43、 根据水位尺刻度值之间的距离比值， 遍历水位尺中的刻度值， 并对其中的误检、 漏 检进行校正， 得到 完整的水位尺检测结果； S44、 计算步骤S43中得到的水位尺检测结果中的最小刻度到步骤S42中得到的水位线 刻度之间的距离， 按照距离比计算水位线的刻度值， 获得 水位值。 2.根据权利要求1所述的一种水位识别方法， 其特征在于： 步骤S1中所述的 “获取水位 尺图像， 构建水位尺图像数据集 ”， 具体包括以下步骤： S11、 将若干个摄像头布置在不同河段； 所述摄像头， 用于拍摄水位尺及水位尺附近水 域图像； S12、 获取 各摄像头拍摄的视频， 并收集 不同时间段 下的视频流； S13、 采用抽帧的方法对收集到的视频流进行处理， 得到若干张图片； 抽帧时间间隔为 2s， 每隔2s从视频中抽取一张图片； S14、 将所有收集到的图片汇总， 将各图片中水位尺所在区域分割出来制作水位尺数据 集； S15、 利用开源标注工具L abelimg对水位尺数据 集各图片中的水位尺、 水位尺上的刻度权　利　要　求　书 1/2 页 2 CN 114639064 B 2值、 水位尺倒影、 水位尺倒影上的刻度值进行 标注； S16、 将标注完成的水位尺数据 集按照8： 1： 1的比例， 乱序分配为训练集、 测试集和验证 集。 3.根据权利要求2所述的一种水位识别方法， 其特征在于： 所述水位尺检测网络模型采 用改进的yolov5目标检测算法， 针对yolov5目标检测算法进行改进， 添加自适应特征融合 模块， 对上层的输出特征进行加权融合； 所述自适应特征融合模块的原理为： 采用公式 ， 将 上 层 的 输 入 特 征 分 别 乘 上 各 自 对 应 的 权 重 参 数 ， 得到下一层的特征融合图 ； 权重参数 经过降维之 后通过softmax函数使得它 们的范围都在[0,1]内并且和为1。权　利　要　求　书 2/2 页 3 CN 114639064 B 3