仪器仪表学报

作者：曹文卓，王太固，徐 兵，冯玉凯，王化明

单位：曹文卓,1. 南京航空航天大学机电学院,,王太固,2. 扬州市港航事业发展中心,,徐 兵,2. 扬州市港航事业发展中心,,冯玉凯,3. 扬州市港航事业发展中心运东船闸运行中心,,王化明,1. 南京航空航天大学机电学院,

关键词：水位测量;水位线检测;语义分割;卷积神经网络

基金：江苏省交通运输科技项目(2017Y10)资助

针对船闸水位传感器精度易受水质影响、传统图像检测方法适应性差等问题,提出一种基于语义分割和由粗到精策略的水位线检测方法,建立分段对照的标定模型计算水位。结合水位线长程相关性的特点,设计条带状空洞空间金字塔池化模块,针对分割边界模糊的问题,设计多路聚合上采样模块并引入在线困难样本挖掘,提升语义分割模型的分割精度。采用改进的语义分割模型在由原图像经压缩后的低分辨率图像中进行粗检测,分割图像中的水区域与非水区域,根据模型输出的掩膜图得到水位线的粗检测结果,然后在原图像中裁剪粗检测水位线的邻域并采用该模型进行精检测,得到水位线的精检测结果。建立分段对照的标定模型,获取像素坐标与世界坐标之间的映射关系,根据水位线精检测结果计算水位。在构建的水位图像数据集上进行试验,结果表明:在验证集上,改进后的语义分割模型粗检测和精检测的平均交并比分别提升了2.58%和1.98%,水位线精检测结果的平均像素误差为1.89pixel,相比粗检测结果降低了52.3%,以水尺人工观测的读数为基准,摄像机在23m工作距离下水位测量结果置信水平为95%的不确定度为0.026m。所提方法对晴天、阴天、雨天、雪天等多种室外环境具有良好的适应性,为船闸水位检测提供了一种可行的方法。

来源：2023年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第2期