| Summary: | Pattern recognition is now considered a fundamental building block in many fields. The ability to interact with a computer or vice versa is no longer limited by how fast the computer is, but rather what an application developer can think of. Today many modern, real-time applications, such as high performance and high quality graphics can be combined with a Xbox Kinect to do object tracking and Google Glass to provide a heads up display. These applications can also be combined with other sensors and actuators to produce monitoring systems that can give facilities' operators "telepresence" throughout a facility. To be able to computationally interpret movement or patterns in an image it is imperative to investigate the application of this technology. The research conducted at Xylem has focused on a very specific problem: How can pattern recognition be utilized to dynamically determine the volume and depth of water in a sump at a pumping station. The equipment currently used to determine the water level depends upon being either below or alongside the water's surface, this puts the equipment under great stress due to the nature of a pumping station. Xylem is one of the leading global water technology companies, hence sewage-pumps are one of its main products. The main equipment utilized in this thesis project consists of a camera attached to the interior at the top of the sump in a pumping station connected to a computer. The software developed includes a simple graphical user interface (GUI). This GUI was implemented in C# and is designed to continuously collect data from a camera for subsequent analysis. Our algorithm utilizes anti-correlation between many images taken during a short interval to determine the actual water level. The known dimensions of the sump are then used to calculate the volume of water. Most of the depth values produced by our software were correct and we were able to correctly estimate the water level with an error of less than 4 cm, this corresponds to a volume error of 62 liters for a 140 cm wide sump. Our algorithm was able to monitor the depth over time inside a pumping station in a simulated live environment. This accuracy is obtained with a time window of 1 second. The results of this system are important because it shows that it is possible to use a camera to measure water depth. This provides pump owners and operators with valuable information regarding the current state of the pump, both in terms of current water depth and an image of possible anomalies such as the presence of foreign objects in the sump. === Mönsterigenkänning betraktas numera som en grundläggande byggsten inom många områden. Möjligheten att kunna interagera med en dator eller vice versa är inte längre begränsat av datorkraft, utan snarare av vilken slags applikation en utvecklare kan komma på. Idag kan många moderna realtidsapplikationer, såsom högpresterande datorer och högkvalitativ grafik kombineras med en Xbox Kinect för att utföra objektspårning och Google Glass för att åstadkomma en huvudburen display. Dessa applikationer kan även kombineras med andra sensorer samt manöverdon för att skapa övervakningssystem som kan ge anläggningsoperatörer möjlighet till fjärrövervakning i en anläggning. För att beräkningsmässigt kunna tolka rörelser eller mönster i en bild är det nödvändigt att utforska tillämpningen av denna teknologi. Forskningen utförd på Xylem har fokuserat på ett väldigt specifikt problem: Hur kan mönsterigenkänning användas för att dynamiskt detektera volymen och vattendjupet i en sumpstation? Utrustningen som vanligen används för detektering av vattennivån är beroende av att vara antingen under eller i linje med vattennivån. Detta utsätter utrustningen för stora påfrestningar på grund av miljön inuti i en pumpstation. Xylem är ett av de globalt ledande företagen inom pumpar, följaktligen är avloppspumpar en av deras huvudsakliga produkter. Den huvudsakliga utrustningen som används i detta projekt är en kamera kopplad till en dator som monteras på den inre och översta delen av en sump i en pumpstation. Programvaran som utvecklats inkluderar ett enkelt grafiskt interface. Detta interface implementerades i C# och är designat för att kontinuerligt samla in data från en kamera för efterföljande analys. Vår algoritm använder sig utav anti-korrelationen mellan många bilder tagna under ett kort intervall för att bestämma det verkliga vattendjupet. De kända dimensionerna av pumpstationen används sedan för att beräkna volymen av vattnet. De flesta djupmätningar genererade av vårt program var korrekta och vi har lyckats korrekt uppskatta vattennivån med ett fel på mindre än 4 cm. Detta motsvarar ett volymfel på 62 liter för en sump med en diameter på 140 cm. Vår algoritm har lyckats övervaka hur djupet ändras med tiden i en live-simulerad miljö. Denna noggrannhet erhålles med ett tidsfönster på 1 sekund. Resultatet av detta system är viktigt eftersom det visar att det är möjligt att använda en kamera för att mäta vattendjup. Detta ger pumpägare och operatörer värdefull information om befintligt skick av en pumpsump, både i form av aktuellt vattendjup samt en bild av möjliga avvikelser såsom förekomsten av främmande objekt inuti sumpen.
|
|---|
