首页|基于Mask RCNN和YOLOv5的水库水位监测方法

基于Mask RCNN和YOLOv5的水库水位监测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.

方涛

展开 >

贵州省岑巩县水务局,贵州 岑巩 557800

水位监测 深度学习 Mask RCNN YOLOv5

2024

10.3969/j.issn.1006-7175.2024.08.019

水利科技与经济
哈尔滨市水务科学研究院 哈尔滨市水利规划设计研究院 哈尔滨市水利学会

水利科技与经济

影响因子：0.274
ISSN：1006-7175
年,卷(期)：2024.30(8)