使用Python+OpenCV统计每日用电量（附代码演练）

2023-10-23 11:50
文章标签 python 代码 统计 使用 opencv 每日 演练 用电量

本文主要是介绍使用Python+OpenCV统计每日用电量（附代码演练），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

‍

‍Hexing 预付费电表归PLN所有。这个工具可以用来代替必须由操作人员手动记录的模拟仪表。现在用预付的电表，我可以从KWH，安培，电压和我的信用卡中看到更准确的测量。

本文将是一个使用OpenCV库读取预付表测量值的示例。目前，我使用raspberry pi 4来运行我的代码，使用尺寸为4 x 3.1 x 2.5cm的相机。如果你想要扩展USB线，我建议设置USB线的最大长度为3米。超过3米会失去USB信号，导致摄像头无法连接。

将相机面对预付费电表脉冲LED灯：

设置好相机后，如上图所示，就可以开始测量了。

让我们编码！

kwh_pln_sensor.py

我用这个代码实时监控脉冲LED灯

首先，导入所需的库

from sqlalchemy import create_engine
import cv2
import numpy as np
import pandas as pd
import datetime
import time

  • sqlalchemy是连接数据库(对象关系映射器)的助手，在本例中为PostgreSQL

  • cv2(开源的计算机视觉库，或称为OpenCV):这个python库可以帮助从相机中过滤出像素颜色，用于过滤红色

  • pandas使创建矩阵列和行以将数据保存到数据库变得更容易

  • datetime和time，管理日期和时间格式的库

如果发现ModuleNotFoundError错误，则应该首先安装库

pip install opencv-python
pip install sqlalchemy
pip install pandas

创建连接数据库的引擎

conn = 
create_engine("postgresql+psycopg2://root:12345678@localhost:5432/plnstats").connect()

我用root用户名和密码12345678在本地主机服务器端口5432上创建了名为plnstats的数据库

初始化相机并捕获它。

cap = cv2.VideoCapture(0)
(ret, frame) = cap.read()

cv2.VideoCapture(0)，你可以根据计算机视频设备索引将索引从0更改为1、2，…等。

cap.read()从相机读取正确的状态帧和图像帧

while True:
(ret, frame) = cap.read()
size = frame.size
image = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

将原始帧转换为RGB颜色，image= cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

为了使用遮罩滤镜，设置RGB的上下限，我尝试确定恒定的RGB并应用代码

lower = np.array([168, 25, 0])
upper = np.array([179, 255, 255])
mask = cv2.inRange(image, lower, upper)

计算红色与非红色的百分比

no_red = cv2.countNonZero(mask)
frac_red = np.divide(float(no_red), size)
percent_red = np.multiply((float(frac_red)), 100)

设置阈值，这取决于相机，我使用阈值10.0

if (percent_red >= 10.0):

保存到pd.DataFrame

data_capture = {
'color_percentage': percent_red,
'created_on': datetime.datetime.now()
}
df = pd.DataFrame(columns=['color_percentage','created_on'],data=data_capture,index=[0])

并保存到数据库中

df.to_sql('home_pln_kwh_sensor', schema='public', con=conn, if_exists='append',index=False)

这是kwh_pln_sensor.py的完整代码

from sqlalchemy import create_engine
import cv2
import numpy as np
import pandas as pd
import datetime
import timeconn = create_engine("postgresql+psycopg2://root:12345678@localhost:5432/plnstats").connect()cap = cv2.VideoCapture(0)
(ret, frame) = cap.read()capture_status = Truewhile capture_status:(ret, frame) = cap.read()size = frame.sizeimage = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)lower = np.array([168, 25, 0])upper = np.array([179, 255, 255])mask = cv2.inRange(image, lower, upper)no_red = cv2.countNonZero(mask)frac_red = np.divide(float(no_red), size)percent_red = np.multiply((float(frac_red)), 100)print(percent_red)    if (percent_red >= 10.0): #estimated from the red colour percentage impulse LED lampdata_capture = {'color_percentage': percent_red,'created_on': datetime.datetime.now()}df = pd.DataFrame(columns=['color_percentage','created_on'],data=data_capture,index=[0])df.to_sql('home_pln_kwh_sensor', schema='public', con=conn, if_exists='append',index=False)cap.release()
cv2.destroyAllWindows()

可以删除第31行中的代码。该语句将帮助你检查相机是否成功捕捉到LED闪烁

那么如何总结传感器捕获?

我想提取关于小时使用情况和信用卡使用的信息。之后，我就可以估计自己在家的使用情况，并在我的信用卡被清空之前被注意到。

kwh_pln_calculate.py

与前面一样，导入所需的库

import pandas as pd
from datetime import datetime,timedelta
from sqlalchemy import create_engine

我用timedelta来得到昨天的日期(你也可以用来计算不同的时间)

创建常量。IMPULSE_KWH = 1000表示每1000个LED闪烁表示1千瓦时，RUPIAH_PER_KWH = 1444.70表示R-1型/TR 1.301-2.200 VA为1444.70卢比

IMPULSE_KWH = 1000 
RUPIAH_PER_KWH = 1444.70

这一天的值和昨天的值，格式为年-月-日

now_date = datetime.now().strftime('%Y-%m-%d')
yesterday_date = datetime.now() - timedelta(days=1)
yesterday_date = yesterday_date.strftime('%Y-%m-%d')

连接PostgreSQL数据库

conn = create_engine("postgresql+psycopg2://root:12345678@localhost:5432/plnstats").connect()

我想总结一下昨天kWh的使用情况

df = pd.read_sql(sql='SELECT color_percentage, created_on from public.home_pln_kwh_sensor where created_on >= \'{yesterday} 00:00:00\' and created_on < \'{currdate} 00:00:00\''.format(yesterday=yesterday_date,currdate=now_date),con=conn)

将created_on列转换为pandas datetime

df['created_on'] = pd.to_datetime(df.created_on)
df['created_on'] = df['created_on'].dt.strftime('%Y-%m-%d %H:%M:%S')

规格化数据，其中一秒只有一个LED闪烁

df = df.drop_duplicates(subset=['created_on'])

每小时写一栏，以获取更多说明

df['created_on'] = pd.to_datetime(df.created_on)
df['hour'] = df['created_on'].dt.strftime('%H')
df['day'] =  df['created_on'].dt.strftime('%Y-%m-%d')

创建一天的清单以检查每天的信用卡使用情况

list_day = list(df['day'].unique())

创建一个新的数据帧进行总结

df_summary = pd.DataFrame(columns=['day','hour','sum_impulse','charges_amount'])

计算

for dday in list_day:
list_hour = list(df[df['day'] == str(dday)]['hour'].unique())
for y in list_hour:
wSumKWH = df[(df['day'] == str(dday)) & (df['hour'] == str(y))]
df_summary = df_summary.append({'hour':y,'day':dday,'sum_impulse':wSumKWH.groupby('hour').count()['day'][0],'charges_amount':(wSumKWH.groupby('hour').count()['day'][0])*RUPIAH_PER_KWH/IMPULSE_KWH},ignore_index=True)
df_summary.to_sql('home_pln_kwh_hour', schema='public', con=conn, if_exists='append', index=False)
credit_summary = df_summary[df_summary['day'] == yesterday_date].groupby('day').sum()
credit_summary.to_sql('home_pln_kwh_summary', schema='public', con=conn, if_exists='append', index=True)

你可以在数据库中查询摘要，也可以像这样从数据帧中提取摘要

图1为传感器每小时的分组，图2为千瓦时*千瓦时价格计算后的总结

然后，你可以看到每小时的最高价格。

这是kwh_pln_calculate.py的完整代码

import pandas as pd
from datetime import datetime,timedelta
from sqlalchemy import create_engineIMPULSE_KWH = 1000 #depends on prepaid meter
RUPIAH_PER_KWH = 1444.70  # R-1/TR 1.301 – 2.200 VAdef run_cron():now_date = datetime.now().strftime('%Y-%m-%d')yesterday_date = datetime.now() - timedelta(days=1)yesterday_date = yesterday_date.strftime('%Y-%m-%d')conn = create_engine("postgresql+psycopg2://root:12345678@localhost:5432/plnstats").connect()df = pd.read_sql(sql='SELECT color_percentage, created_on from public.home_pln_kwh_sensor where created_on >= \'{yesterday} 00:00:00\' and created_on < \'{currdate} 00:00:00\''.format(yesterday=yesterday_date,currdate=now_date),con=conn)df['created_on'] = pd.to_datetime(df.created_on)df['created_on'] = df['created_on'].dt.strftime('%Y-%m-%d %H:%M:%S')df = df.drop_duplicates(subset=['created_on'])df['created_on'] = pd.to_datetime(df.created_on)df['hour'] = df['created_on'].dt.strftime('%H')df['day'] =  df['created_on'].dt.strftime('%Y-%m-%d')list_day = list(df['day'].unique())df_summary = pd.DataFrame(columns=['day','hour','sum_impulse','charges_amount'])#DETAIL PER HOURfor dday in list_day:list_hour = list(df[df['day'] == str(dday)]['hour'].unique())for y in list_hour:wSumKWH = df[(df['day'] == str(dday)) & (df['hour'] == str(y))]df_summary = df_summary.append({'hour':y,'day':dday,'sum_impulse':wSumKWH.groupby('hour').count()['day'][0],'charges_amount':(wSumKWH.groupby('hour').count()['day'][0])*RUPIAH_PER_KWH/IMPULSE_KWH},ignore_index=True)df_summary.to_sql('home_pln_kwh_hour', schema='public', con=conn, if_exists='append', index=False)credit_summary = df_summary[df_summary['day'] == yesterday_date].groupby('day').sum()credit_summary.to_sql('home_pln_kwh_summary', schema='public', con=conn, if_exists='append', index=True)if __name__ == '__main__':run_cron()

谢谢你的阅读，希望你可以用它来衡量每个月的用电量

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文。

↓扫描二维码添加小编↓

这篇关于使用Python+OpenCV统计每日用电量（附代码演练）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/267636。

相关文章

中文分词jieba库的使用与实景应用（一）

中文分词jieba库的使用与实景应用（一）

知识星球：https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义： 精确模式（默认模式）： 全模式： 搜索引擎模式： paddle 模式（基于深度学习的分词模式）： 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...
使用SecondaryNameNode恢复NameNode的数据

使用SecondaryNameNode恢复NameNode的数据

1）需求： NameNode进程挂了并且存储的数据也丢失了，如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2）故障模拟 （1）kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 （2）删除NameNode存储的数据（/opt/module/hadoop-3.1.4/data/tmp/dfs/na
阅读更多...
Hadoop数据压缩使用介绍

Hadoop数据压缩使用介绍

一、压缩原则 （1）运算密集型的Job，少用压缩 （2）IO密集型的Job，多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1）为了支持多种压缩/解压缩算法，Hadoop引入了编码/解码器 2）要在Hadoop中启用压缩，可以配置如下参数
阅读更多...
Makefile简明使用教程

Makefile简明使用教程

文章目录 规则makefile文件的基本语法：加在命令前的特殊符号：.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具，常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件
阅读更多...
hdu1496（用hash思想统计数目）

hdu1496（用hash思想统计数目）

作为一个刚学hash的孩子，感觉这道题目很不错，灵活的运用的数组的下标。 解题步骤：如果用常规方法解，那么时间复杂度为O（n^4）,肯定会超时，然后参考了网上的解题方法，将等式分成两个部分，a*x1^2+b*x2^2和c*x3^2+d*x4^2， 各自作为数组的下标，如果两部分相加为0，则满足等式； 代码如下： #include<iostream>#include<algorithm
阅读更多...
使用opencv优化图片（画面变清晰）

使用opencv优化图片（画面变清晰）

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化，使其看起来更清晰，同时保持尺寸不变，通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多，主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器：相机传
阅读更多...
活用c4d官方开发文档查询代码

活用c4d官方开发文档查询代码

当你问AI助手比如豆包，如何用python禁止掉xpresso标签时候，它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来
阅读更多...
【Python编程】Linux创建虚拟环境并配置与notebook相连接

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如，在当前目录下创建一个名为 myenv 的虚拟环境： python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行： source myenv/bin/activate 3.与notebook连接 在虚拟环境中，使用 pip 安装 Jupyter 和 ipykernel： pip instal
阅读更多...
pdfmake生成pdf的使用

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据，将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2