智能图像水位识别解决方案与应用

张静芳 ，尹宪文 ，李玉奎 ，张 炜

（1. 内蒙古自治区呼和浩特水文勘测局，内蒙古 呼和浩特 010010；2. 北京艾力泰尔信息技术股份有限公司，北京 100083；3. 内蒙古水文总局，内蒙古 呼和浩特 010010）

0 引言

图像识别技术在水位识别监测方面取得了长足的进步[1]，它是基于人工智能图像技术，通过摄像头获得水尺液位图像，经过后台智能计算获取水位数据的[2-3]。该项技术早在 20 世纪 60 年代已有雏形，我国各大学科研机构近年来对其进行了大量研究，李翊等[4]利用 BP 神经网络算法进一步提高水位识别效率和适用范围，降低人工工作量；金江波等[5]研制开发适用于支斗渠自动量水的渠道水位图像智能识别系统，采用远程直读模式实现渠道水位图像直观显示、水量的自动计量。传统水位数据的识别提取容易受到拍摄角度、水尺角度、照明度、摄像头像素、天气等因素的影响，难以准确、完整识别图片中的水位信息，问题分析具体如下：

1）传统人工识别无法实时监测。传统人工识别无法 24 h 无间断监测，智能水位图像识别打破了传统视频监控人工识别时长的局限，可全天候实时监控，及时预警，为水安全提供有力的监控保障。

2）传统视频监控要素单一。传统视频监控站只可监控 1 种水文要素：智能水位图像识别站不仅可以实时监测水位信息，还可以对周边场景进行监控，提供可视化的水位监测方案，节省成本。

3）传统视频监控识别精度不高。传统视频监控主要靠人的经验识别，存在一定的误差和精度问题。智能水位图像识别采用计算机图像处理识别技术和深度学习模型，依托海量的、高质量的训练数据，打破传统视频监控识别精度不高的瓶颈，实现智能识别和分析、自动判断和智能告警等功能。

4）传统视频数据利用率低。智能水位图像识别解决了传统视频数据利用率低的问题，采用人工智能技术自动处理大量的视频、图像文件，通过对视频和图像的处理、分析及理解，将结果以多种形式智能呈现，为智慧水利提供大数据分析层级的智能支撑。

基于此，研发智能水位图像识别系统。智能图像水位识别系统近 2 a 才逐渐开始投入实际生产，该技术在实际中的推广应用不多[6-7]。对智能图像水位识别系统从总体架构、系统功能到实际案例应用等方面均进行详细的阐述，形成完整可行的解决方案。智能图像识别技术可以在水位识别方面进行广泛应用，同时，随着智能图像水位识别技术的不断成熟和完善，可以拓展更多的功能，如满足水文领域汛期运行、非汛期空闲、随时召测、数据补送、远程唤醒等业务，为该系统的推广使用提供参考依据[8-11]。

1 总体架构

基于图像处理识别和深度学习模型技术，智能图像水位识别系统不受外界及水体水质等因素影响，可实现对涉水领域的水位智能识别和分析，应用范围包括江河、湖泊、水库、水电站、灌区等，同时也增加监测方式的多样性。智能水位图像识别系统设计主要遵循以下原则：

1）利旧性和易用性。智能水位图像识别系统前端设备可充分利用现有的设备，避免重复建设，节约成本；可实现现场零操作，由控制中心远程全监管，系统操作简便，用户界面友好，适宜非专业人员操作。

2）科学性和先进性。智能水位图像识别系统功能设计考虑多种图像识别算法，确保图像识别精度及识别结果的科学性；采用先进技术、成熟的设计思想，理念和方法，确保系统建设的先进性。

3）易扩展和维护。智能水位图像识别系统的要素、编码、功能和数据库结构必须易于扩充，以满足系统进一步的扩展要求；在开发过程中，保存整理完整资料，以便用户随时、方便地对系统进行正常的运行维护。

4）开放性。智能水位图像识别系统需与已建、拟建系统进行数据交换，因此系统需具有开放性，可通过接口顺利交换数据；系统还应提供与视频数据采集设施相吻合的标准接口，以接入其他设施的视频流信息。

5）经济性。智能水位图像识别系统设计需考虑经济性，考虑系统建设一次性投入后系统后续维护、升级和推广费用，以性能价格比作为衡量系统设计的重要指标，要求达到最优。

系统采用定时和自主抓拍图像 2 种形式，定时或根据需要上传水尺图片，系统总体架构如图 1 所示，主要包括以下几个部分：

1）前端设备。视频监控系统前端设备主要包括网络高速摄像机、RTU、4G 路由器、蓄电池、太阳能电池板和水尺。

2）传输网络。摄像头与遥测终端机相连，通过4G 网络传输至信息中心。

3）平台软件。在信息中心部署 1 套平台软件系统，通过 4G 通信网络，完成对图像数据的实时接收、计算、识别、存储。

4）显示终端。通过显示终端能够查询展示图像数据。

图 1 智能图像水位识别系统总体架构

2 系统功能

2.1 水尺识别

通过自动定时读取各测站的水尺图像信息，采用数字图像处理、模式识别等技术，经过一系列的图像预处理、水尺图像分割、水尺旋转校正、水尺标尺/数字提取分割、水尺读数计算、后处理校正读数等步骤，完成对图像中水尺刻度的读取及校正，该程序应具备处理和识别各类异常图像的功能，具有较高的识别率和准确率。识别出的水尺读数可为后续监测和校核水位提供有力的数据支撑。

智能水位图像识别流程如图 2 所示。

图 2 智能图像水位识别流程

2.1.1 实时水尺识别

系统采用定时识别和根据水位变幅加测识别相结合，进行实时水位识别。如设置 1，6，12，24 h等定时识别，如果水位变幅超过设置，加报阈值每5 min 加测识别。

2.1.2 智能追踪水尺识别

图 3 智能追踪水尺识别

实际环境下，水位会存在比较大的变幅，根据实际情况，测站一般会布设多根水尺监测水位，系统也会根据当前图像中水位情况自动切换不同的水尺识别水位，如在水位较低时测站选择 P9 水尺进行识别，水位较高时，自动切换到 P7 进行水尺识别，系统智能追踪水尺识别显示如图 3 所示。

2.1.3 不同场景水尺识别

1）不同监测点位，采用的水尺数量、颜色、观测角度等均有差别，系统均可进行精确识别，不同数量、颜色及角度下的水尺识别如图 4 所示。

2）在有波浪、水草等杂物对水位产生影响的情况下，通过水位滤波智能优化处理，消除波浪、杂物等的影响。水草、水流干扰下的水尺识别如图 5所示。

3）在夜间及有强光照射等不良条件下，通过人工观察通常无法准确识别出水尺数字，系统内置算法根据白天水位信息智能化识别夜间暗光及强光等特殊场景的水位数据，强光、夜间水尺识别如图 6所示。

2.2 系统功能

1）阈值设置。针对监控水域、指定物体，结合水行业的业务自动化，设置异常和报警阈值。

图 4 不同数量、颜色及角度下的水尺识别

图 5 水草、水流干扰下的水尺识别

图 6 强光、夜间水尺识别

2）智能自动预警。结合大数据技术，提供自动化推送异常和报警信息，提供水位预警及未来扩展识别功能中的水域、水体流态、漂浮物、蓝藻、黑臭水体、水体非法入侵的异常的智能自动预警功能。

3）数据智能分析。系统可智能识别存储采集的数据，并对数据进行智能分析，包括自动与其他水位站数据进行智能比对校核，对异常数据进行拦截并及时通知相关人员处理等；系统也可从时间、空间等不同维度对数据进行查询检索，实现数据导出及按照国家标准对数据进行整编；数据信息具有可追溯性。

4）远程控制。远程控制设备，远程修改前端测控参数，除此之外，还可对数据进行远程提取、召测、校时及唤醒等操作。

2.3 数据监控管理

1）综合监视。通过系统综合监视功能可以了解所有测站运行情况，同时展示各个测站最新图像水位识别结果。在测站列表中，系统通过测站名称颜色反映测站的运行情况：右侧区域展示各测站最新图像水位识别结果，同时获取各测站最新的遥测水位，进行图像识别水位与遥测水位的校验展示，综合监视系统页面如图 7 所示。

2）测站识别详情。测站详情页面根据条件展示对应时间段的识别数据，以过程线 + 数据列表展示数据。同时展示智能图像识别水位与遥测设备上报水位的差值信息，如果差值较大会自动提示，测站识别详情显示页面如图 8 所示。

3）实时视频播放。系统支持实时视频播放，可以实时查看当前测站最新情况。

4）移动端 App。可通过移动设备查看监控和预警情况，实现智能水位图像识别的移动端监控。

3 应用实例分析

本研究设计的智能图像水位识别系统已在多地应用，如在广西壮族自治区、江西省、四川省、河北省、黑龙江省、云南省、贵州省、甘肃省等地均已布设，实时监控各省份的测站运行状态，目前设备运行良好，获得的监测数据质量较好，利用率高。

以云南南盘江小龙潭水文站遥测水位数据与智能图像水位识别系统数据进行比测分析，比测分析样本有 449 个，对比观测的水位在 1 037.07～1 039.46 m之间，计算出系统到报率（系统实报水位个数除以应报水位个数）为 100%、准确率（遥测水位减去系统水位的误差在 2 cm 之内的个数除以应报水位个数）为 96.1%，遥测水位与系统识别水位比测过程线如图 9 所示。

4 系统特点

智能水位图像识别系统融合先进的智能图像识别技术，可代替或辅助传统水位监测方式，其主要特点概述如下：

图 8 测站详情页面

图 9 小龙潭水位比测过程线

1）覆盖多种场景及类型的水尺识别。摄像机拍摄水尺图像会受野外环境因素影响，系统可针对多种场景下的水尺做出识别，包括：不同数量、颜色的水尺；有倒影影响的场景；生锈、刻度不清晰的场景；水草、水流轻度干扰的场景；夜视、阴天或过强光线等场景。

2）智能滤波处理，消除波浪影响。实际环境的水体中有波浪情况，致使水位水尺识别会有较大的波动。本系统依据机器学习技术进行智能滤波处理，结合大量场景实验，使得图像识别水位与实际水位保持一致。

3）智能水位校核、异常报警。该系统具有智能水位校核功能，同时获取各测站最新的遥测水位，进行图像识别水位与遥测水位的校验展示；根据设置的异常数据、物体阈值条件，实现自动推送异常和报警信息功能。

4）可接入已建视频设备，打破设备局限。可有效接入区域的视频流信息，基于视频设备的相机配置，进行程序处理，获取摄像机端的视频数据，成功接入视频源，实现视频流播放。打破不同视频设备数据信息的局限，提高资源数据的利用效率，节省成本。

5）控制中心远程全监管，实现现场零操作。通过控制中心软件平台可对系统进行全监管：系统配备数据监控管理软件平台，支持数据查询、校核、导出；支持智能图像识别间隔及加测条件设置；支持摄像头状态查询、参数远程设置等功能。

5 结语

本研究提出了较为详尽的智能图像水位识别系统解决方案，认为该系统在水文监测领域具有较大的发展前景。通过建设智能水位图像识别系统，打破了传统水位测量方式的瓶颈，采用计算机图像处理识别和深度学习模型技术自动处理大量视频、图像文件，实现对水位智能识别和分析，从而有效提供自动监视、阈值设置、自动判断、智能告警及远程监控等服务，确保水位测量数据结果的直观性、可验证性及数据分析过程的可回溯性。应用实例分析采用小龙潭水文站进行水位数据比测分析，根据比测结果可知，智能水位图像识别系统到报率为100%，准确率达到 96.1%，水位识别准确率较高，为水雨情信息监控、洪水灾害防治及决策提供数据支撑。随着智能水位图像识别系统在水文及水利等领域的应用，系统的功能也在不断的完善，除具有监测功能外，还具有满足汛期运行、非汛期空闲、随时召测、数据补送、远程唤醒等功能特点。