视频监控与人工智能技术越来越广泛应用在水利智慧化建设方面,数字孪生建设是构建智慧水利的关键和核心。针对水利数字孪生建设实际需求,利用视频监控、图像处理、人工智能等技术手段,研发视频智能识别模型系统,通过智能模拟,实现与物理要素仿真运行、虚实交互。主要针对视频智能识别在水利数字孪生中主要应用场景进行系统化设计,实现如水尺识别、漂浮物识别、地表水体检测等应用。从实际运行情况来看,视频智能识别系统能够实现对物理对象进行不间断监控、分析、识别及预测预警,在水利智慧化建设方面具有较大的应用价值。
Abstract
Video surveillance and artificial intelligence technologies are increasingly widely used in the construction of smart water conservancy. Digital twin construction is the key and core of building smart water conservancy. In line with the actual needs of water conservancy digital twin construction, we developed a video intelligent recognition model system using video monitoring, image processing, artificial intelligence and other technical means. With this system, intelligent simulation could interact with physical element videos. We highlight the systematic design of main application scenarios such as water gauge recognition, floating object recognition, surface water body detection and others. According to actual operation, the video intelligent recognition system can monitor, analyze, identify, predict and early warn physical objects continuously, hence has great application value in the intelligent construction of water conservancy.
关键词
人工智能 /
数字孪生 /
水尺识别 /
漂浮物识别 /
地表水体检测
Key words
artificial intelligence /
digital twin /
water gauge recognition /
floating object recognition /
surface water body detection
{{custom_sec.title}}
{{custom_sec.title}}
{{custom_sec.content}}
参考文献
[1] 孙维亚,王 达,许 帅,等.基于计算机视觉的水位检测算法[J].应用科学学报,2022,40(3):434-447.
[2] 程 诚,董晨龙,李 宏,等.智慧视频识别在水利信息化中的应用[J].四川水利,2019,40(3):124-128.
[3] 王 磊,陈明恩,孟凯凯,等.基于深度学习算法的水位识别方法研究[J].水利信息化,2020(3):39-43,56.
[4] 张铭飞,高国伟,胡敬芳,等.基于卷积神经网络的遥感图像水体提取[J].传感器与微系统,2022,41(1):72-74,88.
[5] 刘 瑶. 基于深度学习的多光谱遥感影像水体识别[D].南京:南京信息工程大学,2021.
[6] 屈慧慧,裴 亮,桑学锋,等.基于MNDWI特征空间的水体追踪识别方法研究[J].测绘工程,2021,30(2):32-35,44.
[7] 刘 伟,王源楠,江 山,等.基于Mask R-CNN的水面漂浮物识别方法研究[J].人民长江,2021,52(11):226-233.
[8] 李国进,姚冬宜,艾矫燕,等.基于改进YOLOv3算法的水面漂浮物检测方法[J].广西大学学报(自然科学版),2021,46(6):1569-1578.
[9] 徐 浩. 基于深度学习的水面漂浮物目标识别算法研究[D].上海:华东师范大学,2021.
[10] 高 强.基于深度学习的河道水面漂浮物检测研究[J].电子技术与软件工程,2021(18):127-128.
[11] 朱艳妮. 基于视觉分析的河道漂浮物检测与跟踪方法研究[D].杭州:浙江大学,2021.
[12] GOODFELLOW I,BENGIO Y,COURVILLE A. Deep Learning (Vol.1)[M].Cambridge:MIT Press,2016:326-366.
[13] LECUN Y, KAVUKCUOGLU K, FARABET C. Convolutional Networks and Applications in Vision[C]//DOI: 10.1109/ISCAS.2010.5537907.
基金
国家自然科学基金重点项目(52130903)
PDF(2574 KB)
