复杂场景下无水尺水位的影像水位反演智能检测方法

实现精细化水务管控和洪涝灾害预警，需要实时、准确感知水位突变事件。现有技术不能满足夜晚、雾霾、雨天、雪天、漂浮物遮挡及阴影等复杂恶劣环境下的水位识别需求。为此，本文提出一种融合改进YOLOv5与卡尔曼滤波原理的无水尺水位智能检测技术：(1)引入YOLOv5对水位线(水岸分界线)进行检测，并利用线性拟合方法获得实际水位线；(2)针对水位线在延伸方向无限大而在其法向无限小特点，提出强化中尺度特征的多层级特征融合方法改进原YOLOv5算法；(3)利用卡尔曼滤波引入水位历史信息作为先验知识，提高本技术对复杂恶劣环境的泛化性能；(4)将图像中事先标定的固定的标志物加入到深度学习网络中训练，根据标志位真实尺寸解算实际水位高程，实现无水尺检测方案。相关试验和实践表明，改进的YOLOv5更加轻量化；本文所述水位智能检测技术斜率准确性为97.3%,较原算法提高了2.4%;截距准确性为99.3%,较原算法提高了0.5%;在夜晚、雾霾、雨天、雪天、漂浮物遮挡及阴影等复杂恶劣环境下可以自动、准确识别出水位高程，误差小于0.1 m。