基于AI智能影像识别技术的流量实时在线监测集成与应用

鲁青 张国学 史东华 王巧丽

摘要：中国河流湖库众多、监测站点分散，观测断面条件多样，实现断面流量在线监测将是未来发展趋势。引入了一种基于AI智能影像识别的非接触式流量在线监测技术，具有高集成度、高实时性、高稳定性以及安装维护方便等特点。选取了长江干流上游攀枝花水文站作为试点断面，通过系统集成和比测分析，其监测成果满足流量测验要求。研究成果可为类似测验河段的流量实时在线监测应用提供新的技术方案，具有良好的推广价值。

关键词：影像识别;流速;流量;在线监测;系统集成

中图法分类号：P332.4文献标志码：ADOI：10.15974/j.cnki.slsdkb.2021.09.017

文章编号：1006 - 0081（2021）09 - 0097 - 07

0 引 言

河流流量是单位时间内流过江河某一横断面的水量，是反映水资源和江河、湖泊、水库等水量变化的基本资料，也是重要的水文要素之一。中国河流众多，受自然条件等因素影响天然河流流量大小相差悬殊、变化错综复杂。目前，具有流量监测功能的水文站网大幅增加，以人工监测为主的流量测验方式已经不能较好地满足行业发展的需要，开展流量监测新技术的研究与应用、提高水文监测自动化水平势在必行。

天然河道流量监测技术在中国的研究应用还处于起步阶段，并不十分成熟，每种方案都有其自身的局限性，为研究掌握河流流量变化规律，水文站需根据河流水情变化特点，采用多种流量在线监测方法。目前常用流量在线监测方法有：水平式ADCP测流、非接触式雷达波测流和超声波时差法测流等[1]。这些流量在线监测方法不仅操作复杂，且每次观测歷时较长，工作量大，需要花费较大人力物力，加之江河流量有时变化十分剧烈，仅靠以上监测方法难以全面掌握江河流量的变化过程。

随着AI人工智能及大数据影像识别、自动化测量、无线通信和计算机网络等现代科学技术发展，为野外复杂环境下进行非接触式的河流水文多要素远程在线监测实现提供了技术支撑。通过AI智能图像识别技术进行系统集成，对河流流量进行实时在线监测成为可能。本文对AI智能图像识别技术、流量实时在线系统集成、攀枝花水文站试点应用和比测结果进行了介绍与分析。

1 AI智能图像识别技术

利用图像传感器代替人眼获取水尺图像测量水位，通过AI智能影像识别技术检测水位线对应的读数，从而自动获取水位信息，具有快速、直观、无温漂等优点。表面流速测量以植物碎片、泡沫、细小波纹等跟随表层水流运动的天然漂浮物及水面模式为示踪物，通过图像分析估计示踪物在图像序列中的位移，进而获得表面水流的速度矢量场，具有非接触式瞬时全场流速测量的特点，特别适合于天然河道水流在线监测。

1.1 技术特点

AI智能影像识别技术流量实时在线监测系统投入的人力少、安装方便、观测直观，分析计算快捷，适用于野外河流监测，可应用于河岸稳定、宽度较窄河道以及明渠等断面流速流量等监测。

（1）操作安全。系统主体不接触水体，抗毁性强;系统采用数字化和网络化设计，工作人员可通过网络实现远程监控和系统标定，现场维护仅限于水尺表面的定期清理等低技术和低风险工作，确保人身安全。

（2）易于布设。设备可快速架设于河岸上以倾斜视角探测，无需安装悬臂支架延伸至水面上方，也不依赖于桥梁;采用直接定向摄像测量技术，现场无需布设任何地面控制点，可显著提高野外应急监测的效率。

（3）测量高效。系统能够在数分钟内完成一次测量，得到较稳定的时均水位测量值和测点密集的表面流速分布，流量计算的子断面数可达上百个，使测量具有较高的时间和空间分辨率，有利于捕获水位、流量快速变化的洪水过程。

（4）多要素监测。系统基于单台摄像机即可同时测量河流水位、流速、流量并实现可视化，还可同时输出现场的视频片段和单帧图像，用于测量结果的直观验证、现场工况的实时监视、历史事件的快速检索和回溯分析。

（5）全天候。采用同岸和对岸独立布设的近红外、可见光补光灯分别进行定时照明控制，可有效克服摄像机内置光源照射角度固定、后向散射弱的问题，通过配备雨刮器和自动恒温装置，适用于夜间和阴雨天的持续监测。

（6）低成本、易升级。系统内置嵌入式RTU功能，可基于测站现有的水利视频监控系统改造实现，可采用市面上成熟的硬件产品集成构建;通过更换部件便于提升系统性能，灵活适应不同的测量条件，同时大大降低系统建设和维护成本。

1.2 水尺水位测量原理

图像法水位测量是通过图像处理技术检测水尺水位线，实现水位信息的自动获取。在现实环境中由于光照条件复杂、成像分辨率低和视角倾斜等因素影响，水尺表面字符和刻度线识别率低，多数现有图像法难以保证长期有效测量。对此，采用了一种基于模板图像配准水尺水位测量方法，如图1所示。在摄像机内部存储芯片中预先标定水尺表面近似的平面，其与水尺物理平面在传感器上成像的正射影像间满足透视投影变换关系。对于水尺读数换算，首先设计标准水尺的正射模板图像，然后采用匹配控制点将存在透视畸变的水尺图像配准到正射坐标系下，实现像素对齐;最后通过模板图像的物理分辨率将水位线坐标转换为实际水尺读数。为了滤除水面波动、随机噪声等引起的粗大误差，最终输出的水位值取多次测量的中值[2]。

1.3 表面流速测量原理

表面流速测量可直接利用植物碎片、泡沫、细小波纹等天然漂浮物及水面模式作为水流示踪物，通过图像分析估计示踪物在图像序列中的运动矢量，进而结合帧间隔获得表面水流的速度。针对天然示踪方式存在的示踪物稀疏且时空分布不均问题，采用基于快速傅里叶变换的时空图像测速法（FFT-STIV）获取河流断面方向的表面时均流速分布。基本原理是：对于满足质量守恒定律的目标，其运动在短时内通常满足连续性的假设，使得它们在三维时空域中的位置必然满足某种相关性[3]。这种相关性在一维图像空间和序列时间组成的时空图像中表现为具有显著方向性的纹理特征，反映了目标在指定空间方向上时均运动矢量的大小[4]。FFT-STIV依据傅氏变换的自配准性质，将复杂的纹理主方向检测问题转换到频域解决，如图2所示，通过在时空图像的幅度谱中检测频谱主方向得到与之正交的纹理主方向，进而得到测速线上的时均流速：

[V=DT=d?Sτ?Δt=tanδ?SΔt=v?S] （1）

式中：V为速度，m/s;D为距离，m;T为时间，s;  S为测速线上的物像尺度因子;[τ]为夹角，（°）;d为距离，m;Δt为时间间隔;δ为时空图像的纹理主方向;v为光流运动矢量的大小。

相比用于二维瞬时流场测量的LSPIV方法，FFT-STIV的空间分辨率能够达到单像素，特别适合倾斜视角下一维河流表面时均流场的测量。

1.4 主要技术指标

（1）水位测量。精度为1 cm，和现场测量条件有关;量程为0～5 m，单级水尺;水尺距离为<20 m。

（2）流速测量。分辨力为0.01 m/s;量程为±5 m/s;测量河宽<240 m。

（3）工作环境。连续测量间隔可设置为1 min～24 h;每测量时长为1～30 s可设置;每测量用时<5 min，取决于水尺量程、流速测点数和每测量时长;环境温度为-20℃～60℃。

2 系统集成

2.1 系统总体结构

AI智能影像流量实时在线监测装备集成主要采用AI智能图像识别技术、姿态控制技术、通信控制协议技术、数据接口协议技术、大数据存储技术和实时多任务操作系统进行系统集成。其结构如图3所示，主要包括位于测量现场的摄像测量装置、姿态测量传感器、水面补光灯、4G通信单元、电源设备以及位于远程监测中心的路由器、交换机和视频分析处理计算机组成[4]。图像控摄像测量仪内置800万像素CMOS图像传感器的网络摄像机，拍摄H.264格式的全高清视频（3 840×2 160@25fps）并存储在内置的TF卡中;选择焦距4 mm的低畸变镜头。多要素控制单元（RTU）通过专用接口连接控制网络摄像机进行水尺图像和河流观测断面表面流体图像连续拍摄，同时采集摄像测量装置姿态倾斜角度，RTU通过4G通信单元将采集到的视频数据使用4G移动网传输到监测中心站，监测中心站的视频分析处理计算机对实时接收的视频数据进行处理。水面补光灯采用一台可见光波段的阵列式LED补光灯，用于夜间水面定时补光，由DC12V太阳能供电，功率12W，照射角度60°。

2.2 数据分析与处理

在线定时测量模式下，AI智能图像法流量实时在线监测装备按照设定的时间间隔进行测量，通常单次测量时长小于5 min，测量完成后向监测中心站发送影像数据组。上传数据包含：测量日期、时间、连续图像、姿态倾角等信息，在中心站采用AI智能图像识别技术，实时动态处理图像数据，通过载入的边界条件，自动校验有效数据，然后生成水位线读数、水位、断面平均流速、最大表面流速等信息[5]。同时，通过载入的断面基本参数，自动生成最大水深、水面宽、过水面积、虚流量和断面流量等结果[6]，所生成结果数据符合《水文监测数据通信规约》要求。AI智能影像流量实时在线监测数据处理流程见图4。

由图4可知，AI智能影像流量实时在线监测装备的图像采集与数据处理流程以及监测中心站的影像数据分析处理流程。

2.3 流量计算方法

流量计算采用流速-面积法[7]：以测速垂线为界，将河流断面划分为若干个子断面;将时均表面流速插值到子断面中心，并采用水面流速系数[Av]将其转换为垂线平均流速;根据实测水位、断面地形和平均流速计算各子断面的过水面积及流量;将各个子断面的流量求和得到视场内的实测断面流量[Qmz]。

[Qmz=i=1nViSi=i=1n12V′i-1+V′i×Av×]

[12hi-1+hi×di]                            （2）

式中：[Vi]为第i个子断面的平均流速，m/s;Si为第i个子断面的过水面积，m2;[V′i]为第i条测速垂线的垂线表面流速，m/s;hi为第i条测速垂线处的水深，m;di为第i-1条与第i条测速垂线之间的水平距离，m。

由于垂线流速分布受河床糙率等多重因素的影响，对于不同水位级，水面流速系数Av的取值通常在0.70～0.93间变化[7]。攀枝花水文站AI智能影像流量实时在线监测不同水位级下的水面流速系数见表1。

在断面流量计算中，由于两岸水边界附近可能存在死水区、回水区等流态紊乱、不适宜图像法测量的区域，并且在高水条件下由于水位上涨使得摄像机视场缩小，可能在两岸附近形成测量盲区（图5红色区域），这里设置一个盲区流量系数Adz，并根据测量区域过水面积Smz（图5蓝色区域）占总过水面积Scs的比例估计完整断面流量[Qcs]。

[Qcs=Qmz+QmzScs/Smz-1Adz]         （3）

式中：Qmz为视场内的各子断面流量和值，m3/s;Smz为测量区域过水面积，m2;Scs为总过水面积，m2;Adz为盲区流量系数，与断面地形有关，并随着水位的变化而变化，需要进行率定。计算结果保存至中心站本地数据库服务器中。

3 应用情况

攀枝花水文站于1965年5月设立，位于四川省攀枝花市江南三路三村，是国家重要水文站和报汛站，是雅礱江汇入金沙江前的重要控制站，该站地理位置为东经101°43′，北纬26°35′，集水面积259 177 km2，承担了攀枝花城市防汛、用水安全的重要监测任务。测流断面位于弯道顺直段，断面呈“W”形，左深右浅，两岸为乱石组成，河床为乱石夹沙，断面基本稳定，局部略有冲淤变化。测流断面宽210 m，历史最高水位1 002.07 m，最大流量12 200 m3/s，最低水位984.97 m，最小流量217 m3/s。攀枝花水文站断面位置见图6。

2020年7月25日，在长江上游攀枝花水文站安装了AI智能图像法流量在线监测设备。如图7所示，系统一体化摄像主机采用壁装支架安装在河流右岸站房一侧的边坡上，位于缆道流速仪断面和水尺断面中间，距离断面2.1 m处，对应断面起点距2.906 m，高程1 007.8 m，俯仰角19.8°。一体化摄像机主机采用蓄电池供电和站房接入市电充电方式。对岸安装补光设备，通过微功耗无线电台控制补光过程，并采用12 V 60 Ah蓄电池和太阳能20 W浮充供電。

4 结果分析

AI智能图像法流量观测时间从2020年9月1日至12月31日，每小时观测一次，共收集有效观测数据2 840组，其中，9月717组、10月739组、11月714组、12月670组。AI智能影像流量实时在线监测流量与水文站实测流量对比如图 8所示。2020年9月1日至12月31日 AI智能影像流量实时在线监测流量值与实测断面流量值对比有效率统计见表2。

排除相对误差>10%数据组，观测数据总有效率为94.12%，在此期间开展了6次AI智能影像流量实时在线监测流速与流速仪法测点流速比测实验，高、中、低水期各2次。高水期、中水期、低水期流速对比见图9～11。观测记录统计见表3。

通过6组比测流量数据分析，可知平均相对偏差为3.32%。通过对比流速数据分析，发现AI智能影像流量实时在线监测观测区域近端流速普遍偏大，远端流速测量偏小。分析测量误差的影响因素是环境光照不足，观测区域远端光照偏小导致。

由应用结果可知，AI智能影像流量实时在线监测适用于河道较窄，断面基本稳定，水面示踪物跟随表层水流运动，受风浪影响较小，测量断面无遮挡，夜间补光测量时水面需有一定粗糙度等条件的河流。

5 结 语

通过AI智能影像流量实时在线监测集成解决了多种类型传感器接入与快速测量的技术难题，达到水位、水深、水面流速等多要素动态同步监测目的，同时实现了流量实时在线动态监测。AI智能影像流量实时在线监测装备在攀枝花水文站的应用说明这一技术是目前解决流量在线监测的有效方法之一，也是流量应急监测和快速监测的补充方法。该技术具有建设周期短、系统投入人力少，安装方便，无需长期参数率定、分析计算快捷等优点，适用于宽度较窄的河道、明渠等断面流速流量等监测。在断面无明显冲淤变化的河段，能够取得较为满意的测验精度和良好的运行效果。该方法对于受洪水涨落和工程运用影响下的河道流量自动监测有良好的适应性，能够为水文监测工作以及防汛抗旱、水资源管理服务提供可行的选择方案，具有良好的的应用推广价值。

参考文献：

[1] 徐立中，张振，严锡君，等. 非接触式明渠水流监测技术的发展现状[J]. 水利信息化. 2013（3）：37-44.

[2] 张振，周扬，李旭睿，等. 图像法测流系统开发与应用[J]. 水利信息化. 2018（3）：7-13.

[3] 李蔚，廖谦，唐鸿磊，等. 基于图像处理的山区河道表面流场测算研究[J]. 人民长江，2014（15）：89-92，104.

[4] 张振，徐枫，王鑫，等. 中河流水面成像测速研究进展[J]. 仪器仪表学报，2015，36（7）：1440-1448.

[5] 鲁青，周波，雷昌友. 实时流量在线监测系统开发与实现[J]. 人民长江，2014（2）：90-92.

[6] 周波. 基于指标流速法的流量在线监测系统软件设计与实现[C]// 2016（第四届）中国水利信息化技术论坛. 2016（第四届）中国水利信息化技术论坛论文集. 武汉：北京沃特咨询有限公司，2016：80-88.

[7] 王俊，熊明. 水文监测体系创新及关键技术研究[M]. 北京：中国水利水电出版社. 2015：83-331.

（编辑：唐湘茜）

Integration and application of real-time online flow monitoring based on AI intelligent image recognition technology

LU Qing， ZHANG Guoxue， SHI Donghua， WANG Qiaoli

（Bureau of Hydrology， Changjiang Water Resources Commission， Wuhan  430010， China）

Abstract：Because of numerous rivers， lakes and reservoirs in China， scattered monitoring stations and various conditions of observation cross-section， flow measurement is very difficult. Therefore， the realization of on-line monitoring of cross-section flow will be the future development trend. This paper introduces a non-contact flow on-line monitoring technology based on AI intelligent image recognition， which has the features of high integration， high real-time， high stability and easy installation and maintenance. The Panzhihua Hydrological Station in the upper reaches of the Yangtze River was selected to carry out flow measurement test， and systematic integration and comparative analysis showed that the measurement results meet the requirements of flow measurement.The results can provide a new technical scheme for real-time on-line flow monitoring of similar river sections， and have strong popularization value.

Key words： image recognition; flow velocity;discharge; online monitoring; system integration