河道水尺水位监测系统利用计算机视觉技术对河道湖泊水尺水位进行7*24小时全天候实时监测，当河道水尺水位监测系统监测到河道水位异常变化时，系统立即抓拍存档同步回传图片给后台监控平台，提醒后台工作人员及时处理异常情况，避免更大损失的发生。河道水尺水位监测系统适用于监测河道降雨量的水位等数据，河道水尺水位监测系统为保障河道蓄水和人们生活安全度汛提供及时的水利信息。

从YOLOv1到YOLOv3，每一代性能的提升都与backbone（骨干网络）的改进密切相关。在YOLOv3中，作者不仅提供了darknet-53，还提供了轻量级的tiny-darknet。如果你想检测精度与速度兼备，可以选择darknet-53作为backbone；如果你想达到更快的检测速度，精度方面可以妥协。那么tiny-darknet是你很好的选择。总之，YOLOv3的灵活性使得它在实际工程中得到很多人的青睐。相比于 YOLOv2 的 骨干网络，YOLOv3 进行了较大的改进。借助残差网络的思想，YOLOv3 将原来的 darknet-19 改进为darknet-53。

Darknet-53主要由1x1和3x3的卷积层组成，每个卷积层之后包含一个批量归一化层和一个Leaky ReLU，加入这两部分的目的是为了防止过拟合。卷积层、BN层以及LeakyReLU共同组成Darknet-53的基本CBL。因为在Darknet-53中共包含53个这样的CBL，所以称其为Darkent-53。

与Darknet-19相比，Darknet-53主要做了如下改进：

没有采用最大池化层，转而采用步长为2的卷积层进行下采样。
为了防止过拟合，在每个卷积层之后加入了一个BN层和一个Leaky ReLU。
引入了残差网络的思想，目的是为了让网络可以提取到更深层的特征，同时避免出现梯度消失或爆炸。
将网络的中间层和后面某一层的上采样进行张量拼接，达到多尺度特征融合的目的。

河道水尺水位监测系统 YOLOv3_YOLO

为了解决我们各个城市地区面对严峻的防汛形势，通过Ai视觉技术手段从河道水利流域获取全面真实且实时的水利数据和信息，水利部印发的《智慧水利建设顶层设计》要求构建“天空地”一体化水利感知网，我国大力推进智慧水利建设，强化预报预警进一步加密和优化站网，做好动态预演，强化遥感和视频等监测能力，为指挥调度提供科学全面预案。

import numpy as np
def convert(size, box):
    """
    将标注的 xml 文件生成的【左上角x,左上角y,右下角x，右下角y】标注转换为yolov5训练的坐标
    :param size: 图片的尺寸： [w,h]
    :param box: anchor box 的坐标 [左上角x,左上角y,右下角x,右下角y,]
    :return: 转换后的 [x,y,w,h]
    """

    x1 = int(box[0])
    y1 = int(box[1])
    x2 = int(box[2])
    y2 = int(box[3])

    dw = np.float32(1. / int(size[0]))
    dh = np.float32(1. / int(size[1]))

    w = x2 - x1
    h = y2 - y1
    x = x1 + (w / 2)
    y = y1 + (h / 2)

    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return [x, y, w, h]
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.

河道水尺水位监测系统基于yolov5深度学习模型框架啊和计算机视觉边缘分析技术，对河道水位进行7*24小时实时监测，系统可获取视频图像后，在水尺区域将水尺进行数字分割确定水尺位置，河道水尺水位监测系统然后再通过视频检测水位线的位置，得出水尺读数并将水位数据上传。河道水尺水位监测系统有效弥补人工监控的效率低下的不足，除此之外还可以减少后台监控人工的误报率和漏报率。