樊顧飛，高 昂，王芳芳，羅 潔

(南京水利科學(xué)研究院，江蘇 南京 210029)

水利水電工程的過(guò)水建筑物，壁面會(huì)承受不同程度的水壓力，如果某處水壓力超過(guò)設(shè)計(jì)要求，易造成建筑物運(yùn)行異常，甚至產(chǎn)生安全風(fēng)險(xiǎn)，如二灘水電站水墊塘底板因承受較大的水壓力而發(fā)生破壞，對(duì)工程安全產(chǎn)生威脅，也造成了一定的經(jīng)濟(jì)損失[1]。因此，在工程設(shè)計(jì)階段，常采用水工模型試驗(yàn)的方法研究各過(guò)水建筑物邊壁所承受的水壓力。因此，水壓力是水利水電工程模型試驗(yàn)研究中需要關(guān)注的重要指標(biāo)[2]。

水流對(duì)過(guò)流建筑物壁面的水壓力受水流條件、邊壁形狀等因素影響，因此在物理模型試驗(yàn)研究中，如何準(zhǔn)確全面地獲取過(guò)流建筑物各測(cè)點(diǎn)的水壓力一直備受關(guān)注。在物模試驗(yàn)中，水壓力的獲取方式主要有兩種。一種是基于壓力變送器組合而成的自動(dòng)化采集方法，通過(guò)滲壓計(jì)將水壓力轉(zhuǎn)變?yōu)殡娦盘?hào)。該方法存在以下弊端：（1）對(duì)于較大尺度的水工模型試驗(yàn)，試驗(yàn)用水會(huì)挾帶顆粒雜質(zhì)（如泥沙、焊渣、鐵銹等），容易淤堵壓力變送器的采集孔；（2）對(duì)于采集數(shù)據(jù)異常的測(cè)點(diǎn)，不能即時(shí)在試驗(yàn)中發(fā)現(xiàn)并完善，可能會(huì)遺漏關(guān)鍵測(cè)點(diǎn)數(shù)據(jù)；（3）對(duì)于大批量測(cè)點(diǎn)的采集，壓力變送器使用維護(hù)成本較高。另一種是根據(jù)連通器原理將測(cè)壓管與測(cè)點(diǎn)相連，測(cè)壓管內(nèi)部水深能較好地反映該測(cè)點(diǎn)的水壓力值。因此，測(cè)壓管水深是試驗(yàn)中需要獲取的重要參數(shù)。目前常采用人工讀取測(cè)壓管水深的方法，該方法存在以下弊端：（1）對(duì)于大批量測(cè)壓管，需要耗費(fèi)大量的時(shí)間與人力、物力，效率較低；（2）對(duì)測(cè)壓管內(nèi)水深變幅不大的情形適用性好，當(dāng)測(cè)壓管內(nèi)水深變幅較大、變速較快時(shí)，該方法適用性極大受限；（3）難以實(shí)時(shí)、同步獲取各測(cè)壓管內(nèi)水深隨時(shí)間的變化序列；（4）存在人工讀數(shù)誤差，數(shù)據(jù)準(zhǔn)確度不高。人工讀取方法的弊端阻礙了對(duì)過(guò)流建筑物水壓力參數(shù)的深入挖掘與分析。

基于此，本文將圖像識(shí)別技術(shù)應(yīng)用于水力學(xué)模型試驗(yàn)研究，提出了基于圖像識(shí)別技術(shù)的測(cè)壓管群水深智能獲取方法，并建立智能識(shí)別系統(tǒng)，實(shí)現(xiàn)自動(dòng)、同步獲取多個(gè)測(cè)壓管水深隨時(shí)間的變化過(guò)程，可顯著提高模型試驗(yàn)的效率與數(shù)據(jù)的豐富度。

1 研究方法與思路

近年來(lái)，隨著圖像采集技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展，自動(dòng)化、信息化和智能化的圖像識(shí)別技術(shù)已被廣泛應(yīng)用于水利實(shí)踐中。Gao等[3]將無(wú)人機(jī)技術(shù)和圖像識(shí)別技術(shù)應(yīng)用于天然河道水位測(cè)量，顯著提高了野外水位短期測(cè)量的效率；聶鼎等[4]提出了基于圖像處理技術(shù)的水庫(kù)水位獲取方法，可避免外界因素對(duì)水位計(jì)算的干擾，與人工檢測(cè)精度近似，但不適用于夜晚及壩坡不平整的小型水庫(kù)；李翊等[5]提出了基于圖像處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)的水位測(cè)量方法，克服了水尺傾斜及水面干擾帶來(lái)的不利影響，該方法可有效識(shí)別水位，但也存在一定的誤識(shí)別；鮑江等[6]運(yùn)用Haar對(duì)視頻圖像進(jìn)行分段處理，計(jì)算出水位線位置，但受光強(qiáng)影響明顯；徐興等[7]設(shè)計(jì)了基于圖像處理技術(shù)的水位識(shí)別系統(tǒng)，利用裁剪、Cr色度分量提取、二值化等圖像處理方法識(shí)別水中球形浮標(biāo)的位置，檢測(cè)水位高度，測(cè)量精度約0.22 cm；王偉等[8]利用ARM與圖像處理技術(shù)對(duì)水位線與河岸線進(jìn)行提取并計(jì)算水位線高度，實(shí)現(xiàn)二值化與直線提取自動(dòng)化，滿足了水位測(cè)站無(wú)人值守、自動(dòng)測(cè)量的要求；Takagi等[9]運(yùn)用多種算法檢測(cè)標(biāo)尺上的折點(diǎn)來(lái)檢測(cè)水位線，但算法受標(biāo)尺上污點(diǎn)影響較大。上述研究對(duì)基于圖像識(shí)別技術(shù)的水位測(cè)量方法應(yīng)用進(jìn)行了有益探索，論證了圖像識(shí)別技術(shù)在水位識(shí)別中的可行性，但目前還未見對(duì)多個(gè)測(cè)壓管水位同步測(cè)量的方法和系統(tǒng)。

基于此，本文將圖像識(shí)別技術(shù)應(yīng)用于水工模型試驗(yàn)中測(cè)壓管群水位的同步測(cè)量，提出了基于圖像識(shí)別技術(shù)的測(cè)壓管群水深智能獲取方法，具體研究思路為：（1）測(cè)壓管內(nèi)放置可隨水面運(yùn)動(dòng)的浮球；（2）攝像機(jī)側(cè)視拍攝多個(gè)測(cè)壓管內(nèi)浮球隨水面的升降過(guò)程；（3）將拍攝的影像資料導(dǎo)入計(jì)算機(jī)，由軟件識(shí)別系統(tǒng)自動(dòng)同步獲取多個(gè)測(cè)壓管內(nèi)水深變化過(guò)程。系統(tǒng)軟件以 Win10 為操作平臺(tái)，以VC++2017結(jié)合OpenCV[10]為開發(fā)工具，通過(guò)圖像識(shí)別技術(shù)獲取多個(gè)浮球運(yùn)動(dòng)過(guò)程，得到測(cè)壓管群水深實(shí)時(shí)變化過(guò)程。

2 圖像識(shí)別檢測(cè)技術(shù)流程

2.1 圖像采集

清晰的水位變化圖像是后續(xù)圖像處理和水深統(tǒng)計(jì)的基礎(chǔ)，因此圖像的采集必須能獲得清晰可靠的水深變化影像。為使多個(gè)測(cè)壓管中浮球運(yùn)動(dòng)過(guò)程采集更加精準(zhǔn)，需確保各測(cè)壓管平行布置于測(cè)壓排之上，各測(cè)壓管垂直布置并位于同一立面；為有效識(shí)別浮球圖像，浮球與測(cè)壓排的顏色對(duì)比度需要大于預(yù)定值，多次對(duì)比分析后，將測(cè)壓排設(shè)置為白色，浮球采用與測(cè)壓排對(duì)比度高的紅色。

2.2 圖像預(yù)處理

為提高計(jì)算機(jī)對(duì)圖像數(shù)據(jù)的計(jì)算效率，將彩色圖像轉(zhuǎn)化為灰度圖像，灰度圖像仍然可以反映圖像的色度和亮度等級(jí)的分布及特征。將每幀圖像轉(zhuǎn)化為灰度圖，可采用分量法進(jìn)行圖像灰度處理。

采用分量法獲取灰度圖的轉(zhuǎn)換公式如下：

式中：fg(x,y)表 示原始RGB通道上色彩圖轉(zhuǎn)換后的灰度圖；fR(x,y)、fG(x,y)、fB(x,y)分別表示紅、綠、藍(lán)3個(gè)通道的分量圖。

專用程序采用分量法將RGB三色的數(shù)值矩陣轉(zhuǎn)化為灰度圖的數(shù)值矩陣，通過(guò)對(duì)比觀察，選取差異最明顯的綠色通道灰度圖的數(shù)值矩陣。某一幀原始RGB圖見圖1（a），灰度化處理后如圖1（b）所示。

為了將反映測(cè)壓管水深數(shù)據(jù)的紅色浮球與背景分割開來(lái)，對(duì)灰度圖的數(shù)值矩陣進(jìn)行二值化操作。由于受光照不均等因素的影響，圖片不同區(qū)域亮度不同，且不同時(shí)刻拍攝的圖像整體灰度值也會(huì)有差異。因此很難通過(guò)某一個(gè)或某幾個(gè)固定的閾值來(lái)實(shí)現(xiàn)圖像分割。本系統(tǒng)采用自適應(yīng)閾值方法，通過(guò)計(jì)算像素點(diǎn)周圍一定區(qū)域的加權(quán)平均值，然后減去一個(gè)常數(shù)來(lái)得到自適應(yīng)閾值。通過(guò)調(diào)試可得到分割后的二值化圖，見圖1（c），圖中清晰可見8個(gè)浮球的黑色區(qū)域（灰度值為0），背景為白色（灰度值為255）。此外，圖1（c）中左側(cè)邊緣處還可以看到兩處干擾（紅色箭頭處，實(shí)際為安裝螺絲），可能會(huì)被誤判為浮球，需進(jìn)一步處理。特別地，為確保二值化過(guò)程的順利，需要注意提高目標(biāo)點(diǎn)與背景色的對(duì)比強(qiáng)度，如本試驗(yàn)?zāi)繕?biāo)點(diǎn)采用紅色小球，背景采用白色。

圖1 圖像識(shí)別過(guò)程Fig. 1 Image recognition process

為消除圖像左側(cè)邊緣處的兩處干擾，對(duì)浮球輪廓的裂隙進(jìn)行融合，從而更準(zhǔn)確地獲得浮球輪廓。對(duì)二值化圖的數(shù)值矩陣進(jìn)行開操作，開操作[11]主要通過(guò)二值形態(tài)學(xué)中的腐蝕和膨脹操作相結(jié)合完成。腐蝕操作通過(guò)把定義的結(jié)構(gòu)元原點(diǎn)依次在圖像上按像素移動(dòng)實(shí)現(xiàn)，任一位置的腐蝕結(jié)果基本與結(jié)構(gòu)元中心重合。通過(guò)腐蝕操作可以進(jìn)行降噪處理，表達(dá)式如下：

式中：f為待處理的圖像；b為結(jié)構(gòu)元；x、y為任意坐標(biāo)位置像素。

膨脹操作則與腐蝕操作相反，通過(guò)把定義的結(jié)構(gòu)元原點(diǎn)依次在圖像上按像素移動(dòng)，使目標(biāo)圖像相應(yīng)擴(kuò)張，膨脹操作可以填補(bǔ)目標(biāo)區(qū)域中某些空洞及消除包含在目標(biāo)區(qū)域中的小顆粒噪聲，表達(dá)式如下：

開操作的表達(dá)式如下：

式中：f°b代表使用結(jié)構(gòu)元b對(duì)圖像f進(jìn)行開操作處理。

通過(guò)多參數(shù)比選測(cè)試，選擇了合適的結(jié)構(gòu)元大小和開操作的次數(shù)，得到消除干擾后的二值化圖和開操作圖，見圖1（c）、（d）。

2.3 計(jì)算球心坐標(biāo)、統(tǒng)計(jì)水深

根據(jù)二值化圖，采用findContours函數(shù)識(shí)別各浮球輪廓（見圖1（e）），進(jìn)一步獲取各浮球輪廓的質(zhì)心坐標(biāo)，計(jì)算浮球質(zhì)心豎向坐標(biāo)與測(cè)壓排基準(zhǔn)豎向坐標(biāo)的差，得到水深的像素值hp，將水深像素值乘以標(biāo)定系數(shù)r，得到實(shí)際水深值ht。程序?qū)崟r(shí)水深與統(tǒng)計(jì)的歷史最大、最小水深見圖1（f），圖中“2”為當(dāng)前幀數(shù)、“993”為總幀數(shù)、A為各測(cè)壓管最大水深、B為各測(cè)壓管實(shí)時(shí)水深、C為各測(cè)壓管最小水深。各測(cè)壓管水深H隨時(shí)間T變化過(guò)程見圖2。

圖2 各測(cè)壓管水深隨時(shí)間變化Fig. 2 Water depth variation of pressure measuring tubes along time

3 試驗(yàn)驗(yàn)證

3.1 試驗(yàn)條件

為驗(yàn)證該方法的有效性，將其應(yīng)用于某水利樞紐水工模型試驗(yàn)研究。該水利樞紐工程為拱壩，泄洪消能形式為3表孔4深孔的挑流消能，工程對(duì)水墊塘的底板壓力有較高要求，對(duì)模型試驗(yàn)過(guò)程中水墊塘底板多個(gè)測(cè)壓管水深進(jìn)行了智能獲取。模型的水墊塘底部布置多個(gè)測(cè)壓點(diǎn)，測(cè)壓點(diǎn)通過(guò)輸水管與測(cè)壓管相連，測(cè)壓管垂直布置于測(cè)壓排，浮球漂浮于各測(cè)壓管內(nèi)水面處。測(cè)壓管的材質(zhì)為透明玻璃圓管，高度為2 m，內(nèi)徑為1.2 cm；測(cè)壓排為純白色背景，面積為2 m（高）×3 m（寬）；浮球?yàn)榧t色高密度泡沫，直徑為0.6 cm；攝像機(jī)采用索尼FDR-AX45彩色攝像機(jī)。

3.2 實(shí)現(xiàn)過(guò)程

步驟1：攝像機(jī)標(biāo)定，獲取標(biāo)定系數(shù)r（采集區(qū)實(shí)際長(zhǎng)度除以像素長(zhǎng)度），此處為0.001 85（實(shí)際高度為2 m，對(duì)應(yīng)像素長(zhǎng)度為1 080）；得到測(cè)壓排基準(zhǔn)線豎向像素坐標(biāo)為122。

步驟2：攝像機(jī)拍攝浮球運(yùn)動(dòng)視頻；視頻像素為1 080×960（寬×高），幀率為30 Hz，拍攝時(shí)間為33.1 s，共獲得993幀圖像。

步驟3：拍攝結(jié)束后，將攝像機(jī)拍攝的視頻載入計(jì)算機(jī)。

步驟4：圖像識(shí)別模塊采用圖像識(shí)別算法，依次對(duì)視頻內(nèi)每幀圖片中多個(gè)浮球的輪廓進(jìn)行識(shí)別，獲取浮球中心點(diǎn)像素豎向坐標(biāo)，減去測(cè)壓排像素縱坐標(biāo)得到水深的像素值，并根據(jù)標(biāo)定系數(shù)r計(jì)算實(shí)際水深。

步驟5：計(jì)算機(jī)保存識(shí)別和計(jì)算結(jié)果。

3.3 結(jié)果驗(yàn)證

為了驗(yàn)證該方法的有效性，同步采用人工測(cè)量的方法觀察各測(cè)壓管水深變化。人工測(cè)量方法通過(guò)在2 min的試驗(yàn)時(shí)間中不斷追蹤測(cè)壓管群的水位特征高度，獲取各測(cè)壓管的最大水深和最小水深。圖像識(shí)別方法和人工測(cè)量方法得到的水深特征值見表1。分析發(fā)現(xiàn)：（1）圖像識(shí)別的結(jié)果與人工測(cè)量結(jié)果相近，誤差在±1.5%以內(nèi)；（2）人工測(cè)量結(jié)果的平均值是直接由最大值與最小值取平均得出，而圖像識(shí)別結(jié)果的平均值是根據(jù)測(cè)壓管水深隨時(shí)間變化過(guò)程計(jì)算得出的平均值，更能代表水深的實(shí)際平均值。這說(shuō)明提出的基于圖像識(shí)別技術(shù)的測(cè)壓管群水深智能獲取方法有效可行。

表1 水深特征值對(duì)照Tab. 1 Comparison of water depth characteristic values

4 結(jié) 語(yǔ)

（1）本文提出了基于圖像識(shí)別技術(shù)的測(cè)壓管群水深智能獲取方法及其水深獲取系統(tǒng)。系統(tǒng)由圖像采集系統(tǒng)和軟件識(shí)別系統(tǒng)組成，可同時(shí)獲取多個(gè)測(cè)壓管內(nèi)水深隨時(shí)間的變化過(guò)程，迅速得出同一時(shí)刻內(nèi)預(yù)定水域的水面變化狀態(tài)。

（2）軟件識(shí)別系統(tǒng)針對(duì)多測(cè)壓管群水面變化特點(diǎn)，采用灰度化、二值化及開操作等對(duì)圖像進(jìn)行預(yù)處理，顯著提高了浮標(biāo)的準(zhǔn)確識(shí)別效率。

（3）與傳統(tǒng)人工測(cè)量方法相比，該方法自動(dòng)化程度高，人工成本低，可有效避免人為誤差，數(shù)據(jù)更加可信；能統(tǒng)計(jì)出水深的最大值、最小值等特征參數(shù)、水深變化過(guò)程，數(shù)據(jù)更加全面，且特征值的統(tǒng)計(jì)結(jié)果與人工統(tǒng)計(jì)結(jié)果誤差在±1.5%以內(nèi)。因而，研究提出的測(cè)壓管群水深智能獲取方法可應(yīng)用于實(shí)際工程。