基于语义分割的明渠水位图像监测方法

摘要

针对灌区明渠水位监测中现有水位传感器易受环境干扰或水质条件影响，以及传统图像处理方法适应性差等问题，提出一种基于语义分割模型和最大轮廓检测算法的水位线检测方法，建立分段对照的水位标定模型计算水位。以MobileNetV2为骨干网络，通过引入额外跳跃连接与CBAM注意力模块对U-Net模型进行改进，提升水位线边缘的分割精度；结合最大轮廓检测算法提取水位线，有效消除漂浮物等干扰因素的影响；建立分段对照的水位标定模型，获取像素坐标与世界坐标的映射关系，实现从像素坐标到实际水位值的精确转换。对改进后的语义分割模型进行性能测试试验，同时搭建试验平台模拟实际灌区场景，并利用摄像头拍摄水位图像进行水位计算。试验结果表明：1）改进模型在通用水面识别数据集与模型试验水面识别数据集上的平均交并比相较于基准模型分别提升了1.37%和0.88%;2）以人工观测的水位为基准，水位图像监测方法计算水位值的平均绝对误差约为0.21 cm，平均相对误差约1.0%。本研究提出的改进模型与水位图像监测方法在不同形状和材质的明渠以及多种光照条件下均表现出较好的适应性和稳定性，为灌区实际场景中明渠水位监测提供了一种可行的方案。

关键词

明渠水位监测 / 图像处理 / 深度学习 / 实时监测 / 智慧水利