近日，我院薛昕惟副教授与建设工程学院李昱教授团队在水文机会感知领域取得研究进展。研究成果“基于视频的降雨机会感知”(Video-Based Rainfall Opportunistic Sensing in Hydrology: A Lightweight Machine Learning Approach)被水资源领域顶尖刊物Water Resources Research收录。该成果由金勇成和朱喆（24级硕士研究生和20级博士）、薛昕惟副教授、Guangtao Fu（英国埃克塞特大学水系统中心教授）、张弛（建设工程学院教授）和李昱教授共同完成。

图1: 基于视频的降雨机会感知方法框架

准确观测“落地雨”的强度与时程是水文水资源领域的重点和难点。依托全域布设的监控摄像头与民用智能手机开展降雨连续自动监测，为降雨观测提供新的技术路径。然而，其实际应用面临两大挑战：其一，降雨视频中的雨滴运动轨迹（雨痕）易受复杂背景噪声干扰，导致雨滴识别算法精度低、鲁棒性差；其二，边缘端算力资源有限，难以满足视频实时处理效率与降雨量观测精度的双重需求。针对以上挑战，研究团队提出了基于图像增强与渐进时序融合网络的轻量化视频测雨方法（CIEGA-NET），显著提升了视频雨量观测的计算效率和大雨场景监测能力。

该方法基于团队提出的渐进时序聚合去雨算法，构建轻量化视频测雨网络，通过恢复图像差分反向分离弱通量雨痕信号特征，建立特征与降雨强度的定量映射。团队在公开数据集，以及大连、深圳、杭州三地监控、手机实拍的23段真实降雨视频完成测试，平均相对误差仅8.2%，大雨场景下相比传统视频测雨方法误差最高减少25%，同时可实现实时降雨量监测。对于当前我国数字孪生水网建设、城市内涝预警等工作具有重要意义。

图2: 多场景真实降雨视频中的雨痕分离效果(论文配图)

本研究不仅突破降雨机会感知领域的关键技术难题，也充分彰显了学科交叉驱动的创新优势。恰如“汝之砒霜，吾之蜜糖”所言，软件学院团队长期攻关视频去雨与视觉增强技术，视雨痕为必除之干扰；而建设工程学院团队针对降雨机会感知、“摄像头移动雨量计”的研发，却视雨痕为测算雨量的核心密钥。两学院研究方向形成互补，二者跨界融合，为解决视频定量测雨难题开辟了全新路径。

近年来，依托学校建设工程学院、信息与通信工程学院、软件学院三方共建的水网系统智能监测与调控学科平台，以学科交叉为抓手，平台在水文水资源领域顶尖刊物Water Resources Research、《水利学报》等国内外权威期刊发表多篇论文，相关人员搭建开源代码库与七十余万字技术文档体系，标志着我校在水利+计算机领域的研究成果得到了同行的关注和认可。

文章来源：综合办公室

编辑排版：陆勇青

审核校对：薛昕惟 徐子川 刘日升