云社区 博客 博客详情
云社区 博客 博客详情

基于华为云ModelArts平台对水务信息中水尺智能识别技术的研究

dengxues 发表于 2020-05-24 22:04:12 05-24 22:04
dengxues 发表于 2020-05-24 22:04:12 2020/05/24
0
0

【摘要】 为便于水务管理单位对水位的监测,充分利用“视频监控+智能识别”技术对业务的支撑。利用华为云ModelArts平台,从水尺摄像机视频流中提取水尺图片,筛选符合要求的图片进行模型训练,创建智能水尺识别模型,搭建了一个“以视觉为核心”的水务视觉AI技术平台。

随着全球科技变革深入推进,云计算、物联网、大数据和人工智能,已经从高度技术化与学术化的频率逐步向外延伸,形成万物互联、万物智能的智能化新时代。水务行业也将与智能化相结合,更好地为水务业务服务。目前,已有多项水务行业与人工智能相结合的产物。针对水体颜色、透明度的识别;针对监控区域内游泳、钓鱼及划船等非法闯入的监控预警;针对水面垃圾的识别。通过人工智能技术,自动处理大量的视频、图像文件,识别相关信息,结合水务行业的需求自动推送异常报警信息。水位数据的获取对于日常的水资源调度、汛期的防洪排涝至关重要。近年来,很多省、市的水务局及相关管理单位已建立多个视频监控系统,视频站点覆盖重要大中型水库、流域河道、城市河湖及排水泵站***口等。有很多视频监控站点可直接采集水尺画面。为便于水务管理单位对水位的监测,充分利用视频监控+智能识别技术对业务的支撑,现对水尺智能识别技术进行研究。

1. 水位采集的方式

        1.1人工观测

传统的水位测量方式为安装水尺,进行人工读数,通常为早上8点和下午4点进行2次读数,这种方法费时费力。在降雨时,人员需前往现场进行读数,获取水位信息,在特大暴雨情况下,受天气影响,会造成人员读数不准确,误差增大,对人员安全也会造成威胁。

1.2 自动采集

机械的水位监测为安装水位计,常用的分为静压式水位计、浮子式水位计、雷达水位计、超声波水位计和电子水尺等5种方式,每种方式都有其优缺点。易受温度、湿度及风浪等影响,导致数据准确率降低。

1.3 智能的水位监测方式

利用人工智能技术,已有多家公司进行基于水尺图像的智能识别研发工作并投人试运行,智能水尺识别技术分为基于视频前端识别和基于视频后端识别等2种。基于视频前端识别,以海康威视公司为例,将智能算法做在视频前端,根据环境对图像进行调节和优化,读取准确率高,环境适应性强。采用多视频帧进行识别,通过平均算法,消除风浪影响。基于视频后端平台,以江河瑞通公司为例,基于已建视频统一接人图像,利用图像识别专业GPU服务器对自动获取的图像进行识别,开展模型专属场景训练,使用深度卷积神经网络与机器学习技术作为依托,基于开源的caffepytorch深度学习框架与自研学习模型构建图像识别应用平台。

2. AI开发平台的选择

未来人工智能是中国数字经济发展的主要推动力之一,而作为人工智能生长动力的算法、算力及数据等都在快速发展。

(1) 算法在过去几年迅速发展,不断地有各种各样的创新,深度学习,从DNNRNNCNN、到GAN⋯不断地有新的发明创造出来。算法的迭代从技术层面的创新到思维方式的转变,意味着人工智能乃至社会生态的无限的可能。

(2) 计算能力为技术变革奠定了基础。互联网对于人类日常生活的高度渗透,催生了计算能力的飞速提高。随着计算的成本在不断下降以及服务器变得越来越强大,人工智能技术发展的局限在减小。

(3) 数据样本的大量收集供样本标注。

通过调研了解到多家厂商的开发平台,最终选择华为ModelArts平台,其优势在于算法、算力及在水利中的应用。其中算法可以采用平台中已有的通用算法,大大缩短建立时间,同时降低了技术人员的入门门槛。算力可以根据按需方式租用GPU服务器,降低研究的前期投入。在水利应用中,从智能抄表、防洪减灾到污水处理和生态保护,积极把领先全球的云、大、物及智等信息化技术深度融合于水利行业的发展需求中,驱动水利行业数字化转型,提升水利治理现代化水平。ModelArts是华为全栈全场景AI解决方案面向用户和开发者的门户,作为一站式AI开发平台,能够支撑开发者从数据到AI应用的全流程开发过程。系统架构包含数据处理、模型训练、模型管理及部署等操作,具体架构如图l所示,并且提供AI市场功能,能够在市场内与其他开发者分享模型、API和数据集。

 

                                                                            

   

                                                         1   Mode1Arts架构

 

从技术上看,Mode1Arts底层支持各种异构计算资源,应用者可以根据需要灵活选择使用,而不需要关心底层的技术。同时,ModelArts支持TensorflowMXNet等主流开源的AI开发框架,也支持应用者使用自研的算法框架。ModelArts目前可支持图像分类、图像检测、视频分析及语音识别等多种AI应用场景。

3. 智能水尺识别模型研究

本次利用华为ModelArts平台,通过从水尺摄像机视频流中提取水尺图片,筛选符合要求的图片。创建智能水尺识别模型,开始数据标注,进行模型训练,然后部署上线,通过识别出水尺中刻度线的条数,计算水位线,智能水尺识别模型流程见图2。模型可以通过云端部署方式,通过本地视频图像上传,再经过计算出水位数据,节省人力且精度精准,具有广泛应用前景。

 

 

                图2智能水尺识别模型流程 

        3.1 数据采集及筛选

       首先通过前端摄像机获取水尺视频信息,然后通过抽帧软件提取水尺图像。本次研究以浚河视频监控点为例,此监控站点为数字高清摄像机,夜间图像可清晰展示,选取晴天和雨天早晚多段视频进行截取,抽帧频率为每5分钟抽取1张图片。对已抽帧图像进行筛选,挑选能正常显示水尺刻度条的图像,如图3所示,删除抽帧效果不佳图像。

 

3合格水尺截图 

在抽帧的过程,发现每日凌晨5点半左右,由于自然光、摄像机补光及探照灯补光冲突,造成水尺刻度条无法正常显示,如图4所示。总共截取不同时间段合格截图250张。

 

4不合格水尺截图

3.2  模型选择及建立

在数据标注模块中创建训练模型,分为图像分类、物体检测、预测分析及声音分类等4种类型。图像分类,此模型为识别一张图片中是否包含某种物体;物体检测,此模型为识别出图片中每个物体的位置及类别;预测分析,此模型为对结构化数据做出分类或数值预测;声音分类,此模型为识别一段音频中是否包含某种声音。对于本次水尺识别研究,选用物体检测这个模型,建立项目名称、训练数据输人和输出路径。

3.3  数据标注及模型训练

将筛选合格的图片上传至对象存储服务OBS库的模型数据输入路径中。下一步,对图像进行标注。标注工具提供2D框、3D框、多边形、点、直线、mask及曲线等标注图形。水尺中每个刻度线对应一个水位,需识别出水尺中的每个刻度线。常见的标准水尺长度为l m,有红色和蓝色2种颜色,相互交替组成。水尺中的“E”可标记为红色长边(red)、红色短边(white2)、蓝色长边(blue)和蓝色短边(whitel)4种,如图5所示。人工标注50张后,通过notebook编写脚本进行转换功能,将已标注的图片导入到自动学习所创建的相应模型进行训练,得出训练成果,如图6所示,可以看出标注的准确率,分析出各个标签的精准率,对精准率较低的分析原因,可能是标注数量较少或者框选不够精准造成。最终在250张截图中,red总共标记5900处,blue总共标记2900处,whitel总共标记2000处,white2总共标记3300处,样本的标注数量决定了数据的准确程度。

 

5水尺标注

 

6模型训练结果展示

 

3.4 智能标注

数据标注可能会花费大量研究的时间,通过智能标注功能,大大缩减标注时间。在数据标注模块中,选择项目中未标记的图像,启动智能标注功能,选择自动学习中训练的模型结果进行标注,仅需对智能标注结果进行检查,对位置偏移和遗漏标注的进行手动调整,节约大量时间。

3.5训练版本管理

通过人工标注和智能标注,数据标注的数量逐步增加,继续模型训练,每次训练均生成一个新的训练结果,对于训练结果可以进行管理,可以部署上线或删除,如图7所示。利用精准率高的训练结果可以继续进行标注。

 

7

3.6 部署检测

选择准确率高的训练模型进行部署,上传图像进行检测,得出预测结果,图像中标注出预测标签,右端显示出各标签的精准率,如图8所示。

 

 

 

8

经过部署检测,图片中97%的刻度线均被标识出来,仅有最下端的一条未标识,右端显示的标识大部分准确率在94%以上,个别准确率低,分析原因,由于所选刻度尺上刻度线有轻度破损,造成部署模型所框定的标识范围内容缺失,导致判定的准确率下降。

3.7 水位计算

通过实地测量水尺对应的水位,计算出相应刻度线所对应的水位,通过API端口调用和逻辑计算,得出每段刻度线的横纵坐标,然后计算出实际水位数值。

3.8 现场应用部署

ModelArts支持将训练好的模型一键部署到端、边及云的各种设备上。本次测试,采用端边方式部署,通过边缘节点服务器进行部署模型,图像信息通过抽帧进入边缘服务器,通过模型计算进行逻辑计算,得出水位信息。将现场数据上传至云端,不断迭代训练,将模型迭代优化再下发至边缘服务器。流程如图9所示。

 

 

 

9模型部署流程图


 

4. 模型的适用性分析

本次基于华为ModelArts平台对水尺智能识别技术的研究,获取水尺图像,通过人工智能分析得出水位信息,与常见的人工读数和自动采集相对比,在降雨天气下,减少了人员外出读数的频次及所产生的风险,只需在屋内观看视频图像及所显示水位信息;避免了温度、湿度造成自动采集的影响;获取水位信息的频次变快,同时还能获取水位信息曲线。本次研究是水务基本业务与人工智能相结合的产物,在研究的过程中可能存在诸多不足,不同场景、不同时段、不同条件下,水尺倒影、水尺倾斜角度及水尺被遮挡等问题会产生影响,需增设测试点,采集多种数据,不断迭代优化。同时得出模型计算需满足以下条件:前端摄像机需为星光级数字摄像机,水尺为标准水尺,且刻度线清洗无污物,传输链路速率要求较高。

5. 结论

随着5G时代即将到来,对于数据的上传和下传速度都会有质的飞跃,数据传输会更加迅捷。以视频监控+人工智能技术为基础,搭建以视觉为核心的水务视觉AI技术平台。通过精准算法、高效算力、丰富的视频分析,针对水务管理上的难点等,将在今后的水务业务中提供高效化、智能化的管理手段。为了更好地利用人工智能技术,提升水利业务的信息化,下一步将对垃圾漂浮物识别、城市内涝积水、水体透明度及人员非法闯入等功能开展研究,更好地保护河湖水资源。


登录后可下载附件,请登录或者注册

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:huaweicloud.bbs@huawei.com进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
评论文章 //点赞 收藏 0
点赞
分享文章到微博
分享文章到朋友圈

评论 (0)


0/1000
评论

登录后可评论,请 登录注册

评论

您没有权限执行当前操作

温馨提示

您确认删除评论吗?

确定
取消
温馨提示

您确认删除评论吗?

删除操作无法恢复,请谨慎操作。

确定
取消
温馨提示

您确认删除博客吗?

确定
取消

确认删除

您确认删除博客吗?

确认删除

您确认删除评论吗?

温馨提示

登录超时或用户已下线,请重新登录!!!

确定
取消