摘要
随着深度学习的发展,通过视频实现水位监测成为近年来研究热点.为了提高水位监测的准确性,研究开发一种结合Mask RCNN和YOLOv5 的新型水位监测方法.首先利用Mask RCNN模型,识别视频画面中的水尺区域并进行精确分割;然后通过YOLOv5 模型,对分割后的水尺区域进行字符识别,准确捕捉水尺上的"m"字符、"E"字符以及数字字符,并记录这些字符在视频画面中的坐标位置;再通过分析字符的代表高度及其坐标位置,计算出水位数据.研究显示,该方法通过精确的区域分割和高效的字符识别,可显著提高水位监测的准确率和可靠性,表明其在水位监测中的应用潜力.
NETL
NSTL
万方数据