Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Investigation of pattern recognition algorithms to determine depth and volume of water inside the sump of a pumping station
KTH, School of Information and Communication Technology (ICT), Communication Systems, CoS, Radio Systems Laboratory (RS Lab). (CCS)
KTH, School of Information and Communication Technology (ICT), Communication Systems, CoS, Radio Systems Laboratory (RS Lab). (ccs)
2014 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

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.

Abstract [sv]

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.

Place, publisher, year, edition, pages
2014. , xi,95 p.
Series
TRITA-ICT-EX, 2014:115
Keyword [en]
Pattern recognition, water level estimation
Keyword [sv]
mönsterigenkänning, vattennivå uppskattning
National Category
Communication Systems
Identifiers
URN: urn:nbn:se:kth:diva-149256OAI: oai:DiVA.org:kth-149256DiVA: diva2:738601
Presentation
2014-08-11, Seminar room Grimeton, Isafjordsgatan 22, Kista, 13:00 (English)
Supervisors
Examiners
Available from: 2014-08-19 Created: 2014-08-18 Last updated: 2014-08-19Bibliographically approved

Open Access in DiVA

fulltext(21159 kB)108 downloads
File information
File name FULLTEXT01.pdfFile size 21159 kBChecksum SHA-512
1c057d80299ae0da4e27b501db2847daf566ea896ccf5c72a76fadc2990e92293dadc5dfbb958f261edb5b80c99a071dd4b52c311e11e7d844f72b8c6308d0eb
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Stjern, MagnusJansson Aldenfalk, Staffan
By organisation
Radio Systems Laboratory (RS Lab)
Communication Systems

Search outside of DiVA

GoogleGoogle Scholar
Total: 108 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 490 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf