基于深度學習算法的水位識別方法研究

王 磊 ，陳明恩 ，孟凱凱 ，溫進化 ，周鵬程

（1. 浙江省水資源管理中心，浙江 杭州 310007；2. 杭州定川信息技術有限公司，浙江 杭州 310020；3. 杭州朗澈科技有限公司，浙江 杭州 311100；4. 浙江省水利河口研究院，浙江 杭州 310020）

1 研究背景

水位是河流湖庫的基本水文要素之一，也是國家水資源監控能力灌區農業在線計量監測點建設需要采集的關鍵數據，因此穩定可靠的水位監測數據對于流域水資源管理具有重要意義。當前，水位自動監測方法主要有浮子式、壓力式、超聲波式和雷達式自動水位計等，以及傳統的圖像識別方法。這些方法存在自動化程度低、建設運維成本高、易受現場環境影響、適應性較差等問題。

2012 年，Krizhevsky 等人基于深度學習理論搭建的 AlexNet[1]在圖像分類比賽 ILSVRC[2]中贏得冠軍，不管是分類效果還是速度都表現出絕對的優勢。深度學習理論在計算機視覺領域迅速發展，獲得 ILSVRC 大賽冠軍的 ZFNet[3]，VGG-Net[4]，GoogleNet[5]和 ResNet[6]均是基于深度學習的圖像分類算法，這些算法分類正確率越來越高，訓練速度也越來越快。另外，基于深度學習的對象檢測算法也日趨成熟，多階段方式的 R-CNN[7]是第 1 個將深度學習理論有效應用于對象檢測任務的算法，隨后發展出許多單階段和多階段方式的優秀算法[8-13]，這些算法不僅在精度上大幅提升，而且在推理速度上不斷加快。目前，基于深度學習的計算機視覺技術已成功應用于安防監控、電子醫療、無人駕駛、智能支付等領域。

為解決現有水位監測方法存在的問題，本研究提出了一種基于深度學習算法的實時水位識別方法，并初步應用于國家水資源監控能力項目運行中。……