申请/专利权人：北京市智慧水务发展研究院

申请日：2023-11-06

公开（公告）日：2024-04-12

公开（公告）号：CN117437519B

主分类号：G06V10/82

分类号：G06V10/82;G06V10/44;G06V10/46;G06V10/75;G06T7/10;G06T5/80;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明提出了一种无水尺水位识别方法及装置，联合sift与MoCB‑Unet网络进行无水尺水位识别。所述方法包括：构建MoCB‑Unet网络用于分割水位图像中的水位线；对MoCB‑Unet模型，使用训练集训练模型，进行参数更新；将训练后参数最优的模型输出到文件；把模型部署在边缘侧设备，将获取到的实时水位图像送入设备模型进行水位线分割，得到水面分割结果的像素坐标，通过拟合将像素坐标转换为实际水位高度。本发明在解码部分与相邻的高层特征进行跳跃式连接，逐层提升水位线分割的精度；最后，联合sift算子和Flann算法修正相机抖动造成的水位线错位问题，同时可部署于边缘端设备上无水尺水位智能识别技术。

主权项：1.一种无水尺水位识别方法，联合sift与MoCB-Unet网络进行无水尺水位的识别，其特征在于，包括如下步骤：S1构建MoCB-Unet网络用于分割水位图像中的水位线；S2对MoCB-Unet模型，使用训练集训练模型，进行参数更新；S3模型输出，将训练后参数最优的模型输出到文件；S4模型使用，把模型部署在边缘侧设备，将获取到的实时水位图像送入设备模型进行水位线分割，得到水面分割结果的像素坐标，通过拟合将像素坐标转换为实际水位高度；所述S1构建MoCB-Unet网络用于分割水位图像中的水位线具体包括：S1.1在传统U-net网络编码部分的主干特征提取网络部分，使用MobilenetV2的深度可分离卷积取代传统卷积，进行特征提取；S1.2对所述特征，采用MobilenetV2的倒残差结构，实现U-net编码部分的特征提取；S1.3对上述获取的最高层编码特征，采用倒残差网络和卷积核为3×3的卷积操作，扩大原特征通道数，并上采样到与相邻低层特征相同的尺度，用于与相邻低层特征的跳跃式连接；S1.4除最高层特征外，将编码部分获取的逐层特征，首先分别输入CBAM模块，生成通道注意力特征映射；S1.5将CBAM模块获取逐层通道注意力特征作为输入，接着分别输入CBAM模型的空间注意力部分，得到空间注意力特征映射；S1.6将空间注意力特征和通道注意力特征点乘，最终得到结合了CBAM注意力机制的特征映射；S1.7将所述结合了CBAM注意力机制的特征映射，在跳跃式连接部分，与上采样后的相邻高层特征相融合。

全文数据：

权利要求：

百度查询： 北京市智慧水务发展研究院 一种无水尺水位识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD