水位尺读数识别 python_一种基于深度学习的水尺识别方法与流程

本发明涉及水位监测

技术领域：

：，具体地说，涉及一种基于深度学习的水尺识别方法。

背景技术：

：：近些年来，随着图像处理技术的发展，通过计算机获得图像里的详细信息成为了一种非常方便且高效的方式。将图像处理技术与水尺图像结合来获得水位值成为一种新的水位测量方法。对于水位这种比较特别的数据，图像法的误差已经可以接受，而且成本低，在一些特别的应用场合具有优势，维护方便。现在已有很多自动识别水尺的方法，如：公布号为CN109145830A的中国专利文献公开了一种智能水尺识别方法，能对水位线不清晰的图片进行高效识别。但该方法网络结构相对复杂，需要设置较多的网络参数，实际应用中系统的调试、实施和维护相对麻烦，影响了其实用效果。公布号为CN108549894A的中国专利文献公开了一种基于深度学习算法的船舶水尺图像自动读数方法。该方法利用深度学习算法对船舶水尺图像中的数字进行识别定位，得出数字数值和在图像中的边框坐标，并对数字边框坐标进行修正。这种方法对于带数字和“E”字符的水尺的识别并不适合。公布号为CN109508630A的中国专利文献公开了一种基于人工智能识别水尺水位的方法，采用深度学习算法实现，该深度学习算法需要使用已标注的大量水尺图像数据进行预训练，在预训练的基础上才能将算法应用到对未知水尺刻度的水尺图像的预测中。该方法如果没有大量的水尺图像数据效果就会受到很大限制。技术实现要素：本发明的目的为提供一种基于深度学习的水尺识别方法，该方法在进行水位监测的过程中，不仅精度高，在水的颜色和水位线不容易识别情况下也能准确识别，而且网络结构相对简单，软件的调试及后期维护相对容易，很有利于应用推广。为了实现上述目的，本发明提供的基于深度学习的水尺识别方法包括以下步骤：1)采集水尺图像数据；2)对水尺图像中的水尺进行定位；3)识别定位后的水尺图像的水面线，并对水面线以上的图像进行字符分割；4)识别分割的字符，并计算水位值。上述技术方案中，通过深度学习的目标检测算法实现对水尺的定位，并对定位结果进行部分调整；接着将水尺图像从RGB颜色空间转换到Lab颜色空间，使用颜色判定的方法对水尺图像进行二值化，划分水上水下，再通过腐蚀操作和连通域相关的方法获得“E”字符的位置，之后根据位置关系，获得数字字符的位置；接