基于视频识别自动冰情监测系统研究

尚志宏，李志平，吴高庄，马文喜

（1.松辽水利委员会水文局（信息中心），吉林 长春 130021；2.松辽委水文局黑龙江中游水文水资源中心，黑龙江 佳木斯 154004；3.松辽委水文局黑龙江上文水资源中心，黑龙江 黑河 164300）

1 研究背景

北方地区冬季天气寒冷，每年在河流中都会产生流冰和封冻现象。受气温、河道地形等因素影响，春季开江易形成冰坝，东北及西北地区冰坝灾害更易经常发生，造成上游水位壅高，对桥梁、取水建筑物、码头、堤防工程和沿河人民群众的生命财产安全产生极大威胁。因此，应及时准确监测冰情信息变化情况，特别是春季凌汛期的冰情变化情况，能够有效指导防凌汛工作和预防凌汛造成的灾害。

冰情监测是为了掌握结冰河流情况，通过对江河湖泊固定位置的结冰、流冰、封冻、解冻过程状态的观察、测量和记录，了解冰情变化规律，为水利工程建设及防凌汛工作提供技术支撑。目前，冰情监测主要是采用全站仪、量冰尺、秒表等设备进行人工观测，及时性、有效性较差，并且测验工作需要在寒冷的环境中进行，不能实现全天候全过程测验，劳动强度大、环境艰苦、工作量大，而且具有不安全性，不符合水文现代技术发展和国家对水文工作新要求的需要。

目前，国内已有很多监测单位和科研机构，利用冰雪热力学、卫星遥感图像解析、冰雪光谱学、超声波探测等多种方式进行了对冰情监测大量的研究工作，也取得了一定进展和成果。但是由于受计算手段不足、监测仪器不完善、地区差异较大等诸多原因的影响，还没有形成比较成熟通用的全天候在线实时监测预报冰情要素的监测系统，不能很好地适应冰期水文测验全过程、全要素、全自动的高标准新要求，没有达到安全监测，减轻工作强度和实时高频次监测的目标。本文提出基于视频识别的自动冰情监测系统研究，利用现代技术手段对冰情演变进行实时监测，能够及时准确监测到冰清变化全过程，为水利工程建设和防汛部门提供实时现场冰情信息，为防汛决策提供技术支撑和保障。

2 技术路线

基于视频识别的自动冰情监测研究是通过调研国内外冰情监测工作的现状、技术手段、科研成果和相关产品，在系统分析、现场调研的基础上，利用已建成的视频监控网络、成熟可靠的智能边缘终端计算、人工智能AI技术和云服务等新技术，采用CNN卷积神经网络算法模型建立流冰速度识别模型、疏密度识别模型和自动预警分析引擎，搭载类似Caffe和PyTorch等深度学习框架及其他功能程序，使冰情监测系统具有自我学习、自我增强的人工智能学习模式，通过在不同环境下进行训练、检测和识别，使系统达到适应多种环境的目的，提高对冰体冰块的辨识度和监测结果的可靠度，获取更可靠的河道冰凌密度、最大冰块面积、冰块厚度和岸冰情况等数据，为凌汛期冰凌观测提供强有力的技术支撑。

同时，通过设置前端控制设备对监测数据进行前端处理、分析和计算，实现冰情、水域边界图像等信息在边缘端的协议解析，提升了数据回传、运行状态监控、数据边缘端存储及远程控制升级等能力，解决了传输数据量大、海量存储困难和通信线路要求高等难点问题。

通过监测断面视频图像自动识别处理，实现自动冰情监测系统对冰情全天候在线自动监测和对流冰期的流冰速度、疏密度、敞露水面宽、流冰量的数据整理、统计和报送功能。并通过实时温度、水位、流量和历史系列测验数据建立数学关系模型，根据流冰速度或疏密度预警阈值，生成解冻、封冻和冰坝预警结果，实现冰情灾害的自动报警，并可以利用手机APP自动推送，实现实时自动报警功能。

3 研究成果

此次研究通过采用人工目测、仪器精测数据与自动监测系统结果进行了对比观测分析，以便验证研究成果的可靠性和合理性。首先由技术人员对实时敞露河宽、疏密度、冰流速、冰厚等数据进行了实际测量、估算，再通过与冰情自动监测系统同一时段的计算成果进行对比分析、验证，对比结果见表1，图1。

图1 敞露河宽人工观测与计算结果对比图

表1 人工观测数据与系统监测结果对比表

通过对比分析结果可以看出，虽然系统监测结果和人工观测数据存在一定的误差，但是数据成果总体趋近，初步达到了此次研究的目标，后期通过人工智能模型的自我学习和积累，监测精度将逐步提高。

4 存在误差原因分析

误差存在的因素是多方面的，经过对现场观测、自动监测系统工作过程的研判，以下因素对监测成果的准确性有较大影响：1）由于监控范围需要覆盖全断面，此次实验河段河宽约2 km，摄像头安装高度约10 m，因此，视场宽度和监测倾角较大，致使河道远端边缘图像成像发生畸变，图像不是十分清晰，软件识别成果产生较大误差；2）摄像头安装高度较高，易受到风力干扰，产生轻微抖动，使监测数据出现偏差；3）由于没有准确的现场空间定位和验证，致使图像的像素距离和实际距离存在一定的差异，导致监测结果的计算产生误差；4）不同天气状况使图像中水体和冰体的颜色发生变化，致使系统不能很好地识别水体和冰体，造成计算结果误差；5）由于人工观测在监测目标选取、仪器设备数据读取、视觉误差和测验时间短等方面存在人为误差，且只能选取部分特定的冰块进行观测，而自动监测系统统计时间长，基本涵盖了全断面冰块，这样也使成果对比产生了误差；6）软件的计算方法和参数选用不够成熟完善，人工智能学习和历史观测数据积累不足，也是产生结果误差的原因。

5 结语

通过此次研究基本实现了冰期冰情在线实时监测，并取得了比较理想的成果，在提高自动化监测能力和水平，提前预警预报冰坝冰凌灾害的发生，减轻监测劳动强度，改善寒冷的艰苦工作环境等方面，进行了有益的尝试和探索。今后，该研究在进行经验积累和系统优化升级后，会形成更完整可靠的应用系统，值得在水文行业推广和应用，为做好冰情监测“预报、预警、预演、预案”提供基础数据，为防灾减灾和应急抢险提供决策支持。