武大AiFlow手持式视觉测流仪在水文监测中的应用实践
Practical Application of Wuhan University AiFlow Handheld Visual Flowmeter in Hydrological Monitoring
DOI: 10.12677/jwrr.2024.133029, PDF, HTML, XML, 下载: 8  浏览: 13  科研立项经费支持
作者: 顾 琦:天津市水务工程调度中心,天津;刘明君:张家口市清水河河务中心,河北 张家口;冀冠杰:天津市水文水资源管理中心,天津;陆 超, 万朕华, 易 凡:武汉大水云科技有限公司,湖北 武汉;秦 强:湖南省水务规划设计院有限公司,湖南 长沙;刘炳义:武汉大水云科技有限公司,湖北 武汉;武汉大学水资源工程与调度全国重点实验室,湖北 武汉
关键词: 手持式图像识别人工智能流速测量流量计算Handheld Image Recognition Artificial Intelligence Flow Velocity Measurement Flow Rate Calculation
摘要: 在洪水应急巡测场景下,往往存在着许多困难与挑战,如测量设备安装速度慢、携带不便、操作复杂以及测量精度差等。针对上述问题,本文研发了一种便携、高效且测量精确的武大AiFlow手持式视觉测流仪,并在湖北襄阳马良坪水文站点和河北张家口石匣里水文站点进行比测实验,同时还在遵义赤水水文站和四川青衣江水文站参与了防洪演练,并在演练中展现出了较好的性能。应用结果表明该设备系统误差均满足测量精度的要求。此外,能为水文应急监测工作提供了强有力的设备支持与技术支撑。
Abstract: In flood emergency patrol scenarios, there are often many difficulties and challenges, such as slow installation of measurement equipment, inconvenient carrying, complicated operation and poor measurement accuracy. In response to the above problems, a portable, efficient and accurate Wuhan University AiFlow handheld visual flowmeter was developed in this paper, and comparative experiments were conducted at Maliangping Hydrological Station, Xiangyang, Hubei and Shizhali Hydrological Station, Zhangjiakou, Hebei. It was also participated in flood control exercises at Chishui Hydrological Station in Zunyi and Qingyijiang Hydrological Station in Sichuan, where the device shows better performance. The application results show that the systematic errors of this instrument meet the requirements of measurement accuracy. In addition, it can provide strong equipment support and technical support for hydrological emergency monitoring.
文章引用:顾琦, 刘明君, 冀冠杰, 陆超, 万朕华, 易凡, 秦强, 刘炳义. 武大AiFlow手持式视觉测流仪在水文监测中的应用实践[J]. 水资源研究, 2024, 13(3): 249-255. https://doi.org/10.12677/jwrr.2024.133029

1. 引言

水文监测作为水资源管理和防洪减灾的重要组成部分,在当今社会变化和发展的背景下显得尤为重要[1]。随着气候变化和人类活动的影响,水资源的可持续利用面临着越来越大的挑战,特别是气候变暖所造成的降雨模式不稳定以及极端天气事件增加等现象的出现,导致水资源的供给和分配带来了很大的不确定性。洪水灾害作为水资源管理中的重大挑战之一,不仅对人们的生命和财产安全造成了巨大威胁,同时还严重影响了社会经济,尤其是在山区与河流丰水期间,洪水灾害更是多发频发且损失重大。在这种背景下,实现流速和流量的精确测量就成为了保障水资源利用与防洪工作的重要基础,只有通过准确监测和分析流速流量数据,才能更合理地规划和利用水资源、了解水资源的变化规律、及时预警洪水灾害并采取相应的防治措施。

目前技术成熟且可靠性高的ADCP和转子流速仪在水文监测领域应用最为广泛,但仍然存在着一些难以克服的缺陷[2]。受到地形和气候条件的限制,这些设备无法在某些复杂地势和恶劣环境下对水文信息进行有效监测,比如山区或者丛林密布的场景中,设备的部署和操作难度都将会大大增加,无法达到预期的监测效果。除此之外,传统的水文监测设备通常具有较大的体积与重量,无法实现便捷携带和快速部署,在响应速度和预警时效性上也相对欠缺。

随着科技的不断进步,尤其是图像处理和人工智能等领域的快速发展,通过将新型技术应用到水文监测中来实现效率和准确性的提升已然成为一种发展趋势。本文在分析目前水文监测现状的基础上,研发了武大AiFlow手持式视觉测流仪,该设备以计算机视觉领域为基础[3]-[5],融合图像处理技术和人工智能算法[6] [7],实现利用现场实时视觉数据快速准确地计算流速和流量,并选择湖北襄阳马良坪水文站站点和河北张家口石匣里水文站进行比测分析,验证武大AiFlow手持式视觉测流仪的稳定性和准确性。

2. 武大AiFlow手持式视觉测流仪系统架构

2.1. 系统框架

武大AiFlow手持式视觉测流仪主要由手持式视觉测流仪、激光测距仪、三脚架、手持式操作系统等硬件设备及分析系统平台组成,如图1所示,具有易携带、操作流程简单、非接触、可视化等特点。

1. 设备组件图

1) 手持式视觉测流仪:作为整个系统的核心部分,主要用于拍摄河流表面视频影像数据。通过分析这些数据,就可以计算出河流的流速和流量。

2) 激光测距仪:这是一个辅助设备,用于获取水面到终端摄像头的垂直高度数据,将作为标定的重要参考指标,直接影响流速的计算。

3) 三脚架:为了确保拍摄的视频数据的稳定性和准确性,通常会采用一个带有三维云台的三脚架来固定和调整摄像头位置。目的是为了保证摄像头始终对准河流的表面,从而获得最准确的测量结果。

武大AiFlow手持式视觉测流仪的测流界面如图2所示。将手持式视觉测流仪安装在三脚架上,并使用激光测距仪确定摄像头与水面的垂直距离。开启视觉测流仪并拍摄河流表面的视频影像数据,将采集的视频数据传输到分析系统中,通过边缘计算处理提取出流速和流量信息,同时将计算结果用户界面直接显示出来,以便用户进行查看和分析。

2. 武大AiFlow手持式视觉测流仪测流界面

2.2. 手持式视觉测流仪工作原理

手持式视觉测流仪结合了图像处理技术和人工智能技术,并将若干种视觉影像测流方法应用到设备内部来精确估计河流表面的流速,其中主要以STIV法[6] (时空图像流速测量法)为核心算法,同时融合了OP法[8] (光流法)、SIFT (动态特征匹配法)等多种视觉测流改进算法[9]。主要工作原理是沿水流方向在待测河流断面上设置一系列测速线,逐帧提取从视频首帧到尾帧在每条测速线上的灰度值,并按照取帧顺序将每一帧的灰度值进行拼接来获得每条测速线上的时空图像。若河流表面存在定向移动并且短时不变的流动特征,则河流表面由于流动带来的灰度变化将体现为时空图像中的近似平行的带状纹理,而带状纹理与水平方向的夹角则反映了对应特征的像素运动速度[10] [11]

手持式视觉测流仪基于表面流速计算出断面虚流量,再结合流速–面积法[12]和断面综合流量系数得出实测流量。断面综合流量系数取值可参考浮标系数的选取,山区的断面综合流量系数经验取值见表1,其中一般情况主要指天然河道自然流的测流场景,而特殊情况指的是系数受到环境影响下的测流场景。对于垂线流速梯度较小或水深较大的测验河段,宜取较大值;反之,则取较小值。流速与流量计算方法参考GB 50179-2015《河流流量测验规范》[13]

1. 断面综合流量系数经验取值

测验河段条件

干旱地区小河流

湿润地区小河流

K (一般情况)

0.70~0.80

0.75~0.85

K (特殊情况)

0.65~0.70

0.90~1.00

3. 对比观测实验与分析

3.1. 比测实验

在湖北襄阳马良坪水文站进行的比测实验中,将研发的武大AiFlow手持式视觉测流仪和传统的ADCP与转子流速仪进行对比。实验时间在2024年3月21日,比测当日河宽为38.7 m、水位为2.37 m (低水位),实验过程采用了一次ADCP测量、二次转子流速仪测量以及二十次的手持式视觉测流仪测量。在河北省张家口市石匣里水文站点进行的对比实验中,本文将手持式视觉测流仪与传统的转子流速仪进行了详细对比。实验时间选取在2024年4月2日,比测当日河宽为24.5 m、水位为97.32 m,实验数据采用了一次转子流速仪测量以及十二次手持式测量。马良坪站点和石匣里站点的断面数据如图3所示。

(a) 马良坪站 (b) 石匣里站

3. 马良坪站与石匣里站断面数据

3.2. 比测分析

3.2.1. 手持式视觉测流仪与转子流速仪对比分析

马良坪站和石匣里站转子流速仪与手持式视觉测流仪测得的流速对比分析图如图4所示。

(a) 马良坪站 (b) 石匣里站

4. 转子流速仪与武大AiFlow手持式视觉测流仪流速对比图

图4中可以看出,手持式视觉测流仪测得的表面流速与转子流速仪垂线平均流速分布趋势基本一致,分布规律基本与大断面地势吻合,而且视觉测流仪流速大于转子流速仪流速,这与该类测流断面垂线流速分布规律相符,说明手持式视觉测流仪监测表面流速数据更为合理。

3.2.2. 比测结果及误差分析

1) 马良坪站

武大AiFlow手持式视觉测流仪和转子流速仪于2024年3月21日开展比测实验,其中手持式一共采集了20组数据(上午15组,下午5组),而转子流速仪仅获取两组数据(上午1组,下午1组)。

2. 马良坪站转子流速仪与武大AiFlow手持式视觉测流仪断面综合流量系数和误差分析


转子流速仪

武大AiFlow手持式视觉测流仪

系数率定

断面综合
流量系数

施测时间

水位(m)

转子流速仪流量(m3/s)

施测时间

虚流量(m3/s)

断面流量(m3/s)

2024/3/21
10:12:00~11:04:00

2.37

5.77

2024/3/21 10:13:02

13.95

\

0.41

2024/3/21 10:29:07

13.75

\

0.42

2024/3/21 10:33:46

12.75

\

0.45

2024/3/21 10:40:40

14.55

\

0.40

2024/3/21 11:07:19

13.23

\

0.44

2024/3/21 11:16:31

13.32

\

0.43

2024/3/21 11:29:32

13.71

\

0.42

2024/3/21 11:34:53

13.21

\

0.44

2024/3/21
14:02:00~14:52:00

2.37

5.57

2024/3/21 14:38:34

12.25

\

0.47

2024/3/21 14:52:38

12.58

\

0.46

续表

相对误差

监测时间

水位(m)

转子流速仪流量(m3/s)

监测时间

虚流量(m3/s)

断面流量(m3/s)

相对误差

2024/3/21
10:12:00~11:04:00

2.37

5.77

2024/3/21 10:16:27

13.86

5.96

3.34%

2024/3/21 10:24:57

14.07

6.05

4.91%

2024/3/21 10:45:48

13.64

5.87

1.70%

2024/3/21 10:50:16

13.83

5.95

3.12%

2024/3/21 10:52:01

14.00

6.02

4.39%

2024/3/21 10:59:27

14.07

6.05

4.91%

2024/3/21 11:25:09

13.41

5.77

−0.01%

2024/3/21 14:34:59

12.50

5.38

−3.45%

2024/3/21
14:02:00~14:52:00

2.37

5.57

2024/3/21 14:41:26

12.36

5.31

−4.53%

2024/3/21 14:49:20

12.56

5.40

−2.99%

根据数据科学的基本原则,将部分数据用于率定,其余数据用于检验,因此在上午和下午的数据中各自随机划分为两组,上表2记录了两个时间段内的断面综合流量系数大小和比测误差。在转子流速仪施测期间,手持式视觉测流仪的虚流量与转子流速仪流量的相应流量系数虽然在一定范围内波动,但由于差异较小,故暂定断面综合流量系数为各测次相应流量系数的均值,即0.43。

将检验样本中武大AiFlow视觉测流仪测得的虚流量换算成断面流量,再计算与同时段转子流速仪流量的相对误差,通过上表2中的数据可以看出相对误差均在±5%以内,且系统误差仅为1.14%,符合《河流流量测验规范》中条件较差情况下、测验系统误差不超过±2%的精度要求。此外,武大AiFlow手持式视觉测流仪在操作便捷性、数据获取速度和环境适应性方面均表现出显著优势。

2) 石匣里站

武大AiFlow手持式视觉测流仪和转子流速仪的比测实验于2024年4月2日在石闸里站开展,其中手持式视觉测流仪采集到12组数据,同时段内转子流速仪采集到1组数据。随机选取6组手持式视觉测流仪的虚流量数据与同时段转子流速仪数据进行断面综合流量系数率定,从表3中可以看出,在转子流速仪施测期间,手持式视觉测流虚流量与转子流速仪流量的相应流量系数在一定范围内波动,但差异相对较小,故暂定断面综合流量系数为各测次相应流量系数的均值,即0.69。

根据前面率定的断面综合流量系数对剩余6组手持式视觉测流虚流量进行换算,并分析其与对应时段的转子流速仪流量的相对误差,基本都在±5%以内,系统误差为0.43%,满足《河流流量测验规范》精度要求。

3. 石匣里站转子流速仪与武大AiFlow手持式视觉测流仪断面综合流量系数和误差分析


转子流速仪

武大AiFlow手持式视觉测流仪

系数率定

断面综合
流量系数

施测时间

水位(m)

转子流速仪流量(m3/s)

施测时间

虚流量(m3/s)

断面流量(m3/s)

2024/4/2
13:12:00~14:04:00

97.32

16.7

2024/4/2 13:13

23.3

\

0.72

2024/4/2 13:21

26.3

\

0.64

2024/4/2 13:36

23.9

\

0.70

2024/4/2 13:44

24.6

\

0.68

2024/4/2 13:47

25.8

\

0.65

2024/4/2 14:04

22.2

\

0.75

续表

相对误差

监测时间

水位(m)

转子流速仪流量(m3/s)

监测时间

虚流量(m3/s)

断面流量(m3/s)

相对误差

2024/4/2
13:12:00~14:04:00

97.32

16.7

2024/4/2 13:48

24.1

16.7

−0.26%

2024/4/2 13:51

24.6

16.9

1.48%

2024/4/2 13:53

26.0

17.9

7.22%

2024/4/2 13:55

23.8

16.4

−1.75%

2024/4/2 13:57

24.0

16.5

−0.92%

2024/4/2 14:01

23.4

16.2

−3.19%

4. 结论

武大AiFlow手持式视觉测流仪可广泛应用于水流表面流场及流量应急监测,该产品的推广对于水文现代化建设以及监测体系的完善具有重大意义。本文分别在湖北襄阳马良坪水文站和河北张家口水文站进行比测分析,并于贵州、四川等地开展防洪应急演练,结果均表明武大AiFlow手持式视觉测流仪在稳定性和准确性等方面存在较大优势,可以显著提高应急巡测的效率和准确性,在水文应急监测领域中提供一种便携、稳定、高效、可靠且低成本的解决方案,为实现水文现代化建设提供了有力支持。

基金项目

感谢湖南水利科技计划项目(XSKJ2019081-60)对本研究的支持。

NOTES

作者简介:顾琦(1969-),江苏泰州人,本科,高级工程师,主要从事水文水资源管理、水务工程运行调度、信息化建设等工作,Email: guqi_tj@163.com

参考文献

[1] 郭道冉, 孙静, 高尚嵘, 等. 水文水资源管理对防洪减灾的意义[J]. 清洗世界, 2021(6): 75-76.
[2] 王俊, 刘东生, 陈松生, 等. 河流流量测验误差的理论与实践[M]. 武汉: 长江出版社, 2017.
[3] CARREL, M., DETERT, M., PEÑA-HARO, S., et al. Evaluation of the DischargeApp: A smartphone application for discharge measurements. HydroSenSoft, International Symposium and Exhibition on Hydro-Environment Sensors and Software, Madrid, 26 February-1 March 2019, 41-49.
[4] 王铁胜. 计算机视觉技术的发展及应用[J]. 信息系统工程, 2022(4): 63-66.
[5] 赵立, 荆亚昊, 廖勇. 人工智能技术在水利行业中的应用综述[J]. 长江信息通信, 2023, 36(6): 9-12.
[6] 赵浩源, 陈华, 刘维高, 等. 基于河流表面时空图像识别的测流方法[J]. 水资源研究, 2020, 9(1): 1-11.
https://doi.org/10.12677/jwrr.2020.91001
[7] ZHAO, S. L., HUANG, W. X., YANG, M. X., et al. Real rainy scene analysis: A dual-module benchmark for image deraining and segmentation. 2023 IEEE International Conference on Multimedia and Expo Workshops (ICMEW), Brisbane, 10-14 July 2023, 69-74.
https://doi.org/10.1109/ICMEW59549.2023.00018
[8] 王剑平, 朱芮, 张果, 等. 帧差与快速密集光流结合的图像法测流研究[J]. 工程科学与技术, 2022, 54(4): 195-207.
[9] ZHAO, H. Y., CHEN, H., LIU, B. Y., et al. An improvement of the space-time image velocimetry combined with a new denoising method for estimating river discharge. Flow Measurement and Instrumentation, 2021, 77(1): 101864.
https://doi.org/10.1016/j.flowmeasinst.2020.101864
[10] 嵇莹, 刘炳义. 一种基于图像质量的表面流速计算方法[P]. 中国专利, 202211409538.9. 2023-03-24.
[11] 刘炳义, 吕华飞, 黄东旭, 等. 一种基于人工智能的便携式水位流速一体测量设备[P]. 中国专利, 202223388280.7. 2023-03-28.
[12] 陈华, 赵浩源, 刘炳义, 等. 基于河流表面流速的河道断面流量计算方法[P]. 中国专利, 202011381025.2. 2022-04-29.
[13] GB 50179-2015. 河流流量测验规范[S]. 北京: 中国计划出版社, 2016.