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

Python调用Orator ORM进行数据库操作

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O
阅读更多...
Java中String字符串使用避坑指南

Java中String字符串使用避坑指南

《Java中String字符串使用避坑指南》Java中的String字符串是我们日常编程中用得最多的类之一,看似简单的String使用,却隐藏着不少“坑”,如果不注意,可能会导致性能问题、意外的错误容... 目录8个避坑点如下：1. 字符串的不可变性：每次修改都创建新对象2. 使用 == 比较字符串，陷阱满
阅读更多...
Python使用国内镜像加速pip安装的方法讲解

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip？2. 什么是 -i 参数？二、国内镜像源的选择三、如何
阅读更多...
使用C++实现链表元素的反转

使用C++实现链表元素的反转

《使用C++实现链表元素的反转》反转链表是链表操作中一个经典的问题,也是面试中常见的考题,本文将从思路到实现一步步地讲解如何实现链表的反转,帮助初学者理解这一操作,我们将使用C++代码演示具体实现,同... 目录问题定义思路分析代码实现带头节点的链表代码讲解其他实现方式时间和空间复杂度分析总结问题定义给定
阅读更多...
Linux使用nload监控网络流量的方法

Linux使用nload监控网络流量的方法

《Linux使用nload监控网络流量的方法》Linux中的nload命令是一个用于实时监控网络流量的工具,它提供了传入和传出流量的可视化表示,帮助用户一目了然地了解网络活动,本文给大家介绍了Linu... 目录简介安装示例用法基础用法指定网络接口限制显示特定流量类型指定刷新率设置流量速率的显示单位监控多个
阅读更多...
JavaScript中的reduce方法执行过程、使用场景及进阶用法

JavaScript中的reduce方法执行过程、使用场景及进阶用法

《JavaScript中的reduce方法执行过程、使用场景及进阶用法》：本文主要介绍JavaScript中的reduce方法执行过程、使用场景及进阶用法的相关资料,reduce是JavaScri... 目录1. 什么是reduce2. reduce语法2.1 语法2.2 参数说明3. reduce执行过程
阅读更多...
如何使用Java实现请求deepseek

如何使用Java实现请求deepseek

《如何使用Java实现请求deepseek》这篇文章主要为大家详细介绍了如何使用Java实现请求deepseek功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1.deepseek的api创建2.Java实现请求deepseek2.1 pom文件2.2 json转化文件2.2
阅读更多...
Java调用DeepSeek API的最佳实践及详细代码示例

Java调用DeepSeek API的最佳实践及详细代码示例

《Java调用DeepSeekAPI的最佳实践及详细代码示例》：本文主要介绍如何使用Java调用DeepSeekAPI,包括获取API密钥、添加HTTP客户端依赖、创建HTTP请求、处理响应、... 目录1. 获取API密钥2. 添加HTTP客户端依赖3. 创建HTTP请求4. 处理响应5. 错误处理6.
阅读更多...
python使用fastapi实现多语言国际化的操作指南

python使用fastapi实现多语言国际化的操作指南

《python使用fastapi实现多语言国际化的操作指南》本文介绍了使用Python和FastAPI实现多语言国际化的操作指南,包括多语言架构技术栈、翻译管理、前端本地化、语言切换机制以及常见陷阱和... 目录多语言国际化实现指南项目多语言架构技术栈目录结构翻译工作流1. 翻译数据存储2. 翻译生成脚本
阅读更多...
C++ Primer 多维数组的使用

C++ Primer 多维数组的使用

《C++Primer多维数组的使用》本文主要介绍了多维数组在C++语言中的定义、初始化、下标引用以及使用范围for语句处理多维数组的方法,具有一定的参考价值,感兴趣的可以了解一下... 目录多维数组多维数组的初始化多维数组的下标引用使用范围for语句处理多维数组指针和多维数组多维数组严格来说,C++语言没
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2