魯青 張國(guó)學(xué) 史東華 王巧麗

摘要：中國(guó)河流湖庫(kù)眾多、監(jiān)測(cè)站點(diǎn)分散，觀測(cè)斷面條件多樣，實(shí)現(xiàn)斷面流量在線監(jiān)測(cè)將是未來(lái)發(fā)展趨勢(shì)。引入了一種基于AI智能影像識(shí)別的非接觸式流量在線監(jiān)測(cè)技術(shù)，具有高集成度、高實(shí)時(shí)性、高穩(wěn)定性以及安裝維護(hù)方便等特點(diǎn)。選取了長(zhǎng)江干流上游攀枝花水文站作為試點(diǎn)斷面，通過(guò)系統(tǒng)集成和比測(cè)分析，其監(jiān)測(cè)成果滿(mǎn)足流量測(cè)驗(yàn)要求。研究成果可為類(lèi)似測(cè)驗(yàn)河段的流量實(shí)時(shí)在線監(jiān)測(cè)應(yīng)用提供新的技術(shù)方案，具有良好的推廣價(jià)值。

關(guān)鍵詞：影像識(shí)別;流速;流量;在線監(jiān)測(cè);系統(tǒng)集成

中圖法分類(lèi)號(hào)：P332.4文獻(xiàn)標(biāo)志碼：ADOI：10.15974/j.cnki.slsdkb.2021.09.017

文章編號(hào)：1006 - 0081（2021）09 - 0097 - 07

0 引 言

河流流量是單位時(shí)間內(nèi)流過(guò)江河某一橫斷面的水量，是反映水資源和江河、湖泊、水庫(kù)等水量變化的基本資料，也是重要的水文要素之一。中國(guó)河流眾多，受自然條件等因素影響天然河流流量大小相差懸殊、變化錯(cuò)綜復(fù)雜。目前，具有流量監(jiān)測(cè)功能的水文站網(wǎng)大幅增加，以人工監(jiān)測(cè)為主的流量測(cè)驗(yàn)方式已經(jīng)不能較好地滿(mǎn)足行業(yè)發(fā)展的需要，開(kāi)展流量監(jiān)測(cè)新技術(shù)的研究與應(yīng)用、提高水文監(jiān)測(cè)自動(dòng)化水平勢(shì)在必行。

天然河道流量監(jiān)測(cè)技術(shù)在中國(guó)的研究應(yīng)用還處于起步階段，并不十分成熟，每種方案都有其自身的局限性，為研究掌握河流流量變化規(guī)律，水文站需根據(jù)河流水情變化特點(diǎn)，采用多種流量在線監(jiān)測(cè)方法。目前常用流量在線監(jiān)測(cè)方法有：水平式ADCP測(cè)流、非接觸式雷達(dá)波測(cè)流和超聲波時(shí)差法測(cè)流等[1]。這些流量在線監(jiān)測(cè)方法不僅操作復(fù)雜，且每次觀測(cè)歷時(shí)較長(zhǎng)，工作量大，需要花費(fèi)較大人力物力，加之江河流量有時(shí)變化十分劇烈，僅靠以上監(jiān)測(cè)方法難以全面掌握江河流量的變化過(guò)程。

隨著AI人工智能及大數(shù)據(jù)影像識(shí)別、自動(dòng)化測(cè)量、無(wú)線通信和計(jì)算機(jī)網(wǎng)絡(luò)等現(xiàn)代科學(xué)技術(shù)發(fā)展，為野外復(fù)雜環(huán)境下進(jìn)行非接觸式的河流水文多要素遠(yuǎn)程在線監(jiān)測(cè)實(shí)現(xiàn)提供了技術(shù)支撐。通過(guò)AI智能圖像識(shí)別技術(shù)進(jìn)行系統(tǒng)集成，對(duì)河流流量進(jìn)行實(shí)時(shí)在線監(jiān)測(cè)成為可能。本文對(duì)AI智能圖像識(shí)別技術(shù)、流量實(shí)時(shí)在線系統(tǒng)集成、攀枝花水文站試點(diǎn)應(yīng)用和比測(cè)結(jié)果進(jìn)行了介紹與分析。

1 AI智能圖像識(shí)別技術(shù)

利用圖像傳感器代替人眼獲取水尺圖像測(cè)量水位，通過(guò)AI智能影像識(shí)別技術(shù)檢測(cè)水位線對(duì)應(yīng)的讀數(shù)，從而自動(dòng)獲取水位信息，具有快速、直觀、無(wú)溫漂等優(yōu)點(diǎn)。表面流速測(cè)量以植物碎片、泡沫、細(xì)小波紋等跟隨表層水流運(yùn)動(dòng)的天然漂浮物及水面模式為示蹤物，通過(guò)圖像分析估計(jì)示蹤物在圖像序列中的位移，進(jìn)而獲得表面水流的速度矢量場(chǎng)，具有非接觸式瞬時(shí)全場(chǎng)流速測(cè)量的特點(diǎn)，特別適合于天然河道水流在線監(jiān)測(cè)。

1.1 技術(shù)特點(diǎn)

AI智能影像識(shí)別技術(shù)流量實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)投入的人力少、安裝方便、觀測(cè)直觀，分析計(jì)算快捷，適用于野外河流監(jiān)測(cè)，可應(yīng)用于河岸穩(wěn)定、寬度較窄河道以及明渠等斷面流速流量等監(jiān)測(cè)。

（1）操作安全。系統(tǒng)主體不接觸水體，抗毀性強(qiáng);系統(tǒng)采用數(shù)字化和網(wǎng)絡(luò)化設(shè)計(jì)，工作人員可通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)遠(yuǎn)程監(jiān)控和系統(tǒng)標(biāo)定，現(xiàn)場(chǎng)維護(hù)僅限于水尺表面的定期清理等低技術(shù)和低風(fēng)險(xiǎn)工作，確保人身安全。

（2）易于布設(shè)。設(shè)備可快速架設(shè)于河岸上以?xún)A斜視角探測(cè)，無(wú)需安裝懸臂支架延伸至水面上方，也不依賴(lài)于橋梁;采用直接定向攝像測(cè)量技術(shù)，現(xiàn)場(chǎng)無(wú)需布設(shè)任何地面控制點(diǎn)，可顯著提高野外應(yīng)急監(jiān)測(cè)的效率。

（3）測(cè)量高效。系統(tǒng)能夠在數(shù)分鐘內(nèi)完成一次測(cè)量，得到較穩(wěn)定的時(shí)均水位測(cè)量值和測(cè)點(diǎn)密集的表面流速分布，流量計(jì)算的子斷面數(shù)可達(dá)上百個(gè)，使測(cè)量具有較高的時(shí)間和空間分辨率，有利于捕獲水位、流量快速變化的洪水過(guò)程。

（4）多要素監(jiān)測(cè)。系統(tǒng)基于單臺(tái)攝像機(jī)即可同時(shí)測(cè)量河流水位、流速、流量并實(shí)現(xiàn)可視化，還可同時(shí)輸出現(xiàn)場(chǎng)的視頻片段和單幀圖像，用于測(cè)量結(jié)果的直觀驗(yàn)證、現(xiàn)場(chǎng)工況的實(shí)時(shí)監(jiān)視、歷史事件的快速檢索和回溯分析。

（5）全天候。采用同岸和對(duì)岸獨(dú)立布設(shè)的近紅外、可見(jiàn)光補(bǔ)光燈分別進(jìn)行定時(shí)照明控制，可有效克服攝像機(jī)內(nèi)置光源照射角度固定、后向散射弱的問(wèn)題，通過(guò)配備雨刮器和自動(dòng)恒溫裝置，適用于夜間和陰雨天的持續(xù)監(jiān)測(cè)。

（6）低成本、易升級(jí)。系統(tǒng)內(nèi)置嵌入式RTU功能，可基于測(cè)站現(xiàn)有的水利視頻監(jiān)控系統(tǒng)改造實(shí)現(xiàn)，可采用市面上成熟的硬件產(chǎn)品集成構(gòu)建;通過(guò)更換部件便于提升系統(tǒng)性能，靈活適應(yīng)不同的測(cè)量條件，同時(shí)大大降低系統(tǒng)建設(shè)和維護(hù)成本。

1.2 水尺水位測(cè)量原理

圖像法水位測(cè)量是通過(guò)圖像處理技術(shù)檢測(cè)水尺水位線，實(shí)現(xiàn)水位信息的自動(dòng)獲取。在現(xiàn)實(shí)環(huán)境中由于光照條件復(fù)雜、成像分辨率低和視角傾斜等因素影響，水尺表面字符和刻度線識(shí)別率低，多數(shù)現(xiàn)有圖像法難以保證長(zhǎng)期有效測(cè)量。對(duì)此，采用了一種基于模板圖像配準(zhǔn)水尺水位測(cè)量方法，如圖1所示。在攝像機(jī)內(nèi)部存儲(chǔ)芯片中預(yù)先標(biāo)定水尺表面近似的平面，其與水尺物理平面在傳感器上成像的正射影像間滿(mǎn)足透視投影變換關(guān)系。對(duì)于水尺讀數(shù)換算，首先設(shè)計(jì)標(biāo)準(zhǔn)水尺的正射模板圖像，然后采用匹配控制點(diǎn)將存在透視畸變的水尺圖像配準(zhǔn)到正射坐標(biāo)系下，實(shí)現(xiàn)像素對(duì)齊;最后通過(guò)模板圖像的物理分辨率將水位線坐標(biāo)轉(zhuǎn)換為實(shí)際水尺讀數(shù)。為了濾除水面波動(dòng)、隨機(jī)噪聲等引起的粗大誤差，最終輸出的水位值取多次測(cè)量的中值[2]。

1.3 表面流速測(cè)量原理

表面流速測(cè)量可直接利用植物碎片、泡沫、細(xì)小波紋等天然漂浮物及水面模式作為水流示蹤物，通過(guò)圖像分析估計(jì)示蹤物在圖像序列中的運(yùn)動(dòng)矢量，進(jìn)而結(jié)合幀間隔獲得表面水流的速度。針對(duì)天然示蹤方式存在的示蹤物稀疏且時(shí)空分布不均問(wèn)題，采用基于快速傅里葉變換的時(shí)空?qǐng)D像測(cè)速法（FFT-STIV）獲取河流斷面方向的表面時(shí)均流速分布?；驹硎牵簩?duì)于滿(mǎn)足質(zhì)量守恒定律的目標(biāo)，其運(yùn)動(dòng)在短時(shí)內(nèi)通常滿(mǎn)足連續(xù)性的假設(shè)，使得它們?cè)谌S時(shí)空域中的位置必然滿(mǎn)足某種相關(guān)性[3]。這種相關(guān)性在一維圖像空間和序列時(shí)間組成的時(shí)空?qǐng)D像中表現(xiàn)為具有顯著方向性的紋理特征，反映了目標(biāo)在指定空間方向上時(shí)均運(yùn)動(dòng)矢量的大小[4]。FFT-STIV依據(jù)傅氏變換的自配準(zhǔn)性質(zhì)，將復(fù)雜的紋理主方向檢測(cè)問(wèn)題轉(zhuǎn)換到頻域解決，如圖2所示，通過(guò)在時(shí)空?qǐng)D像的幅度譜中檢測(cè)頻譜主方向得到與之正交的紋理主方向，進(jìn)而得到測(cè)速線上的時(shí)均流速：

[V=DT=d?Sτ?Δt=tanδ?SΔt=v?S] （1）

式中：V為速度，m/s;D為距離，m;T為時(shí)間，s;? S為測(cè)速線上的物像尺度因子;[τ]為夾角，（°）;d為距離，m;Δt為時(shí)間間隔;δ為時(shí)空?qǐng)D像的紋理主方向;v為光流運(yùn)動(dòng)矢量的大小。

相比用于二維瞬時(shí)流場(chǎng)測(cè)量的LSPIV方法，F(xiàn)FT-STIV的空間分辨率能夠達(dá)到單像素，特別適合傾斜視角下一維河流表面時(shí)均流場(chǎng)的測(cè)量。

1.4 主要技術(shù)指標(biāo)

（1）水位測(cè)量。精度為1 cm，和現(xiàn)場(chǎng)測(cè)量條件有關(guān);量程為0～5 m，單級(jí)水尺;水尺距離為<20 m。

（2）流速測(cè)量。分辨力為0.01 m/s;量程為±5 m/s;測(cè)量河寬<240 m。

（3）工作環(huán)境。連續(xù)測(cè)量間隔可設(shè)置為1 min～24 h;每測(cè)量時(shí)長(zhǎng)為1～30 s可設(shè)置;每測(cè)量用時(shí)<5 min，取決于水尺量程、流速測(cè)點(diǎn)數(shù)和每測(cè)量時(shí)長(zhǎng);環(huán)境溫度為-20℃～60℃。

2 系統(tǒng)集成

2.1 系統(tǒng)總體結(jié)構(gòu)

AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)裝備集成主要采用AI智能圖像識(shí)別技術(shù)、姿態(tài)控制技術(shù)、通信控制協(xié)議技術(shù)、數(shù)據(jù)接口協(xié)議技術(shù)、大數(shù)據(jù)存儲(chǔ)技術(shù)和實(shí)時(shí)多任務(wù)操作系統(tǒng)進(jìn)行系統(tǒng)集成。其結(jié)構(gòu)如圖3所示，主要包括位于測(cè)量現(xiàn)場(chǎng)的攝像測(cè)量裝置、姿態(tài)測(cè)量傳感器、水面補(bǔ)光燈、4G通信單元、電源設(shè)備以及位于遠(yuǎn)程監(jiān)測(cè)中心的路由器、交換機(jī)和視頻分析處理計(jì)算機(jī)組成[4]。圖像控?cái)z像測(cè)量?jī)x內(nèi)置800萬(wàn)像素CMOS圖像傳感器的網(wǎng)絡(luò)攝像機(jī)，拍攝H.264格式的全高清視頻（3 840×2 160@25fps）并存儲(chǔ)在內(nèi)置的TF卡中;選擇焦距4 mm的低畸變鏡頭。多要素控制單元（RTU）通過(guò)專(zhuān)用接口連接控制網(wǎng)絡(luò)攝像機(jī)進(jìn)行水尺圖像和河流觀測(cè)斷面表面流體圖像連續(xù)拍攝，同時(shí)采集攝像測(cè)量裝置姿態(tài)傾斜角度，RTU通過(guò)4G通信單元將采集到的視頻數(shù)據(jù)使用4G移動(dòng)網(wǎng)傳輸?shù)奖O(jiān)測(cè)中心站，監(jiān)測(cè)中心站的視頻分析處理計(jì)算機(jī)對(duì)實(shí)時(shí)接收的視頻數(shù)據(jù)進(jìn)行處理。水面補(bǔ)光燈采用一臺(tái)可見(jiàn)光波段的陣列式LED補(bǔ)光燈，用于夜間水面定時(shí)補(bǔ)光，由DC12V太陽(yáng)能供電，功率12W，照射角度60°。

2.2 數(shù)據(jù)分析與處理

在線定時(shí)測(cè)量模式下，AI智能圖像法流量實(shí)時(shí)在線監(jiān)測(cè)裝備按照設(shè)定的時(shí)間間隔進(jìn)行測(cè)量，通常單次測(cè)量時(shí)長(zhǎng)小于5 min，測(cè)量完成后向監(jiān)測(cè)中心站發(fā)送影像數(shù)據(jù)組。上傳數(shù)據(jù)包含：測(cè)量日期、時(shí)間、連續(xù)圖像、姿態(tài)傾角等信息，在中心站采用AI智能圖像識(shí)別技術(shù)，實(shí)時(shí)動(dòng)態(tài)處理圖像數(shù)據(jù)，通過(guò)載入的邊界條件，自動(dòng)校驗(yàn)有效數(shù)據(jù)，然后生成水位線讀數(shù)、水位、斷面平均流速、最大表面流速等信息[5]。同時(shí)，通過(guò)載入的斷面基本參數(shù)，自動(dòng)生成最大水深、水面寬、過(guò)水面積、虛流量和斷面流量等結(jié)果[6]，所生成結(jié)果數(shù)據(jù)符合《水文監(jiān)測(cè)數(shù)據(jù)通信規(guī)約》要求。AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)數(shù)據(jù)處理流程見(jiàn)圖4。

由圖4可知，AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)裝備的圖像采集與數(shù)據(jù)處理流程以及監(jiān)測(cè)中心站的影像數(shù)據(jù)分析處理流程。

2.3 流量計(jì)算方法

流量計(jì)算采用流速-面積法[7]：以測(cè)速垂線為界，將河流斷面劃分為若干個(gè)子斷面;將時(shí)均表面流速插值到子斷面中心，并采用水面流速系數(shù)[Av]將其轉(zhuǎn)換為垂線平均流速;根據(jù)實(shí)測(cè)水位、斷面地形和平均流速計(jì)算各子斷面的過(guò)水面積及流量;將各個(gè)子斷面的流量求和得到視場(chǎng)內(nèi)的實(shí)測(cè)斷面流量[Qmz]。

[Qmz=i=1nViSi=i=1n12V′i-1+V′i×Av×]

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

式中：[Vi]為第i個(gè)子斷面的平均流速，m/s;Si為第i個(gè)子斷面的過(guò)水面積，m2;[V′i]為第i條測(cè)速垂線的垂線表面流速，m/s;hi為第i條測(cè)速垂線處的水深，m;di為第i-1條與第i條測(cè)速垂線之間的水平距離，m。

由于垂線流速分布受河床糙率等多重因素的影響，對(duì)于不同水位級(jí)，水面流速系數(shù)Av的取值通常在0.70～0.93間變化[7]。攀枝花水文站AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)不同水位級(jí)下的水面流速系數(shù)見(jiàn)表1。

在斷面流量計(jì)算中，由于兩岸水邊界附近可能存在死水區(qū)、回水區(qū)等流態(tài)紊亂、不適宜圖像法測(cè)量的區(qū)域，并且在高水條件下由于水位上漲使得攝像機(jī)視場(chǎng)縮小，可能在兩岸附近形成測(cè)量盲區(qū)（圖5紅色區(qū)域），這里設(shè)置一個(gè)盲區(qū)流量系數(shù)Adz，并根據(jù)測(cè)量區(qū)域過(guò)水面積Smz（圖5藍(lán)色區(qū)域）占總過(guò)水面積Scs的比例估計(jì)完整斷面流量[Qcs]。

[Qcs=Qmz+QmzScs/Smz-1Adz]? ? ? ? ?（3）

式中：Qmz為視場(chǎng)內(nèi)的各子斷面流量和值，m3/s;Smz為測(cè)量區(qū)域過(guò)水面積，m2;Scs為總過(guò)水面積，m2;Adz為盲區(qū)流量系數(shù)，與斷面地形有關(guān)，并隨著水位的變化而變化，需要進(jìn)行率定。計(jì)算結(jié)果保存至中心站本地?cái)?shù)據(jù)庫(kù)服務(wù)器中。

3 應(yīng)用情況

攀枝花水文站于1965年5月設(shè)立，位于四川省攀枝花市江南三路三村，是國(guó)家重要水文站和報(bào)汛站，是雅礱江匯入金沙江前的重要控制站，該站地理位置為東經(jīng)101°43′，北緯26°35′，集水面積259 177 km2，承擔(dān)了攀枝花城市防汛、用水安全的重要監(jiān)測(cè)任務(wù)。測(cè)流斷面位于彎道順直段，斷面呈“W”形，左深右淺，兩岸為亂石組成，河床為亂石夾沙，斷面基本穩(wěn)定，局部略有沖淤變化。測(cè)流斷面寬210 m，歷史最高水位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。攀枝花水文站斷面位置見(jiàn)圖6。

2020年7月25日，在長(zhǎng)江上游攀枝花水文站安裝了AI智能圖像法流量在線監(jiān)測(cè)設(shè)備。如圖7所示，系統(tǒng)一體化攝像主機(jī)采用壁裝支架安裝在河流右岸站房一側(cè)的邊坡上，位于纜道流速儀斷面和水尺斷面中間，距離斷面2.1 m處，對(duì)應(yīng)斷面起點(diǎn)距2.906 m，高程1 007.8 m，俯仰角19.8°。一體化攝像機(jī)主機(jī)采用蓄電池供電和站房接入市電充電方式。對(duì)岸安裝補(bǔ)光設(shè)備，通過(guò)微功耗無(wú)線電臺(tái)控制補(bǔ)光過(guò)程，并采用12 V 60 Ah蓄電池和太陽(yáng)能20 W浮充供電。

4 結(jié)果分析

AI智能圖像法流量觀測(cè)時(shí)間從2020年9月1日至12月31日，每小時(shí)觀測(cè)一次，共收集有效觀測(cè)數(shù)據(jù)2 840組，其中，9月717組、10月739組、11月714組、12月670組。AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)流量與水文站實(shí)測(cè)流量對(duì)比如圖 8所示。2020年9月1日至12月31日 AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)流量值與實(shí)測(cè)斷面流量值對(duì)比有效率統(tǒng)計(jì)見(jiàn)表2。

排除相對(duì)誤差>10%數(shù)據(jù)組，觀測(cè)數(shù)據(jù)總有效率為94.12%，在此期間開(kāi)展了6次AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)流速與流速儀法測(cè)點(diǎn)流速比測(cè)實(shí)驗(yàn)，高、中、低水期各2次。高水期、中水期、低水期流速對(duì)比見(jiàn)圖9～11。觀測(cè)記錄統(tǒng)計(jì)見(jiàn)表3。

通過(guò)6組比測(cè)流量數(shù)據(jù)分析，可知平均相對(duì)偏差為3.32%。通過(guò)對(duì)比流速數(shù)據(jù)分析，發(fā)現(xiàn)AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)觀測(cè)區(qū)域近端流速普遍偏大，遠(yuǎn)端流速測(cè)量偏小。分析測(cè)量誤差的影響因素是環(huán)境光照不足，觀測(cè)區(qū)域遠(yuǎn)端光照偏小導(dǎo)致。

由應(yīng)用結(jié)果可知，AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)適用于河道較窄，斷面基本穩(wěn)定，水面示蹤物跟隨表層水流運(yùn)動(dòng)，受風(fēng)浪影響較小，測(cè)量斷面無(wú)遮擋，夜間補(bǔ)光測(cè)量時(shí)水面需有一定粗糙度等條件的河流。

5 結(jié) 語(yǔ)

通過(guò)AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)集成解決了多種類(lèi)型傳感器接入與快速測(cè)量的技術(shù)難題，達(dá)到水位、水深、水面流速等多要素動(dòng)態(tài)同步監(jiān)測(cè)目的，同時(shí)實(shí)現(xiàn)了流量實(shí)時(shí)在線動(dòng)態(tài)監(jiān)測(cè)。AI智能影像流量實(shí)時(shí)在線監(jiān)測(cè)裝備在攀枝花水文站的應(yīng)用說(shuō)明這一技術(shù)是目前解決流量在線監(jiān)測(cè)的有效方法之一，也是流量應(yīng)急監(jiān)測(cè)和快速監(jiān)測(cè)的補(bǔ)充方法。該技術(shù)具有建設(shè)周期短、系統(tǒng)投入人力少，安裝方便，無(wú)需長(zhǎng)期參數(shù)率定、分析計(jì)算快捷等優(yōu)點(diǎn)，適用于寬度較窄的河道、明渠等斷面流速流量等監(jiān)測(cè)。在斷面無(wú)明顯沖淤變化的河段，能夠取得較為滿(mǎn)意的測(cè)驗(yàn)精度和良好的運(yùn)行效果。該方法對(duì)于受洪水漲落和工程運(yùn)用影響下的河道流量自動(dòng)監(jiān)測(cè)有良好的適應(yīng)性，能夠?yàn)樗谋O(jiān)測(cè)工作以及防汛抗旱、水資源管理服務(wù)提供可行的選擇方案，具有良好的的應(yīng)用推廣價(jià)值。

參考文獻(xiàn)：

[1] 徐立中，張振，嚴(yán)錫君，等. 非接觸式明渠水流監(jiān)測(cè)技術(shù)的發(fā)展現(xiàn)狀[J]. 水利信息化. 2013（3）：37-44.

[2] 張振，周揚(yáng)，李旭睿，等. 圖像法測(cè)流系統(tǒng)開(kāi)發(fā)與應(yīng)用[J]. 水利信息化. 2018（3）：7-13.

[3] 李蔚，廖謙，唐鴻磊，等. 基于圖像處理的山區(qū)河道表面流場(chǎng)測(cè)算研究[J]. 人民長(zhǎng)江，2014（15）：89-92，104.

[4] 張振，徐楓，王鑫，等. 中河流水面成像測(cè)速研究進(jìn)展[J]. 儀器儀表學(xué)報(bào)，2015，36（7）：1440-1448.

[5] 魯青，周波，雷昌友. 實(shí)時(shí)流量在線監(jiān)測(cè)系統(tǒng)開(kāi)發(fā)與實(shí)現(xiàn)[J]. 人民長(zhǎng)江，2014（2）：90-92.

[6] 周波. 基于指標(biāo)流速法的流量在線監(jiān)測(cè)系統(tǒng)軟件設(shè)計(jì)與實(shí)現(xiàn)[C]// 2016（第四屆）中國(guó)水利信息化技術(shù)論壇. 2016（第四屆）中國(guó)水利信息化技術(shù)論壇論文集. 武漢：北京沃特咨詢(xún)有限公司，2016：80-88.

[7] 王俊，熊明. 水文監(jiān)測(cè)體系創(chuàng)新及關(guān)鍵技術(shù)研究[M]. 北京：中國(guó)水利水電出版社. 2015：83-331.

（編輯：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