基于Mask RCNN的河湖水位识别方法

徐志; 高凯; 高希超; 梁犁丽; 易攀

doi:10.20040/j.cnki.1000-7709.2023.20222376

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于Mask RCNN的河湖水位识别方法

水文水资源与环境 | 更新时间：2026-02-25

- 基于Mask RCNN的河湖水位识别方法
- 基于Mask RCNN的河湖水位识别方法
- 水电能源科学 2023年第7期页码：23-26
- 作者机构：
  
  1. 中国长江三峡集团有限公司科学技术研究院
  2. 中国水利水电科学研究院
  3. 北京市水文总站
- 作者简介：
- 基金信息：
  
  中国长江三峡集团有限公司科研项目(202203050);流域水循环模拟与调控国家重点实验室团队项目(SKL2022TS11)
- DOI：10.20040/j.cnki.1000-7709.2023.20222376
  中图分类号： P332.3;TP183;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
徐志, 高凯, 高希超, 等. 基于Mask RCNN的河湖水位识别方法[J]. 水电能源科学, 2023,(7):23-26.

徐志, 高凯, 高希超, et al. 基于Mask RCNN的河湖水位识别方法[J]. 2023, (7): 23-26.
徐志, 高凯, 高希超, 等. 基于Mask RCNN的河湖水位识别方法[J]. 水电能源科学, 2023,(7):23-26. DOI： 10.20040/j.cnki.1000-7709.2023.20222376.

徐志, 高凯, 高希超, et al. 基于Mask RCNN的河湖水位识别方法[J]. 2023, (7): 23-26. DOI： 10.20040/j.cnki.1000-7709.2023.20222376.

摘要

随着深度学习和图像识别技术的发展，通过视频实现城市河湖水位监测成为近年来研究热点。为全面监测城市河湖水位，提出了基于Mask RCNN的河湖水位识别方法，通过视频画面中的水尺字符及其位置关系得到水尺水位，并使用山东省东营市的现实水位站点监控视频进行了验证。结果表明，在现实水位站点监控视频识别中，水尺水位识别结果与实测数据对比误差小于2、3、5 cm的概率分别为68.5%、76.9%、93.5%

平均误差为2.1 cm

均方根误差为3.0 cm

满足《数字孪生流域建设技术大纲(试行)》中对视频识别水尺水位的识别精度要求，故模型识别效果较好，且具有一定应用前景。

Abstract

关键词

Keywords

references

基于深度学习的货架状态画像研究与实现[D]. 任娣声.西安理工大学,2021(01)

河道流量视频测验技术应用研究及误差分析[J]. 陈梦;陈华;黄贵平;王衡生;王晓昇;高亚芬;项伍林;刘炳义;王俊.中国农村水利水电,2023(05)

基于语义分割的水位监测方法研究[J]. 傅启凡;路茗;张质懿;纪立;丁华泽.激光与光电子学进展,2022(04)

图像法水位检测研究进展[J]. 张衎;王剑平;张果;刘铭辉.电子测量技术,2021(13)

浏览量

244

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

模型驱动辅助的高土石坝监测数据处理与变形预测方法研究

基于CNN-LSTM模型的城市洪水二维时空预测研究

基于多层感知机和编码器解码器架构的混凝土坝长期变形预测

基于水动力模型和深度学习的缺资料河段水位预测研究

基于下垫面智能识别和水动力仿真的LID城市降雨径流调控优化