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

gitlab安装及邮箱配置和常用使用方式

gitlab安装及邮箱配置和常用使用方式

《gitlab安装及邮箱配置和常用使用方式》：本文主要介绍gitlab安装及邮箱配置和常用使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1.安装GitLab2.配置GitLab邮件服务3.GitLab的账号注册邮箱验证及其分组4.gitlab分支和标签的
阅读更多...
SpringBoot3应用中集成和使用Spring Retry的实践记录

SpringBoot3应用中集成和使用Spring Retry的实践记录

《SpringBoot3应用中集成和使用SpringRetry的实践记录》SpringRetry为SpringBoot3提供重试机制,支持注解和编程式两种方式,可配置重试策略与监听器,适用于临时性故... 目录1. 简介2. 环境准备3. 使用方式3.1 注解方式 基础使用自定义重试策略失败恢复机制注意事项
阅读更多...
nginx启动命令和默认配置文件的使用

nginx启动命令和默认配置文件的使用

《nginx启动命令和默认配置文件的使用》：本文主要介绍nginx启动命令和默认配置文件的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录常见命令nginx.conf配置文件location匹配规则图片服务器总结常见命令# 默认配置文件启动./nginx
阅读更多...
在Windows上使用qemu安装ubuntu24.04服务器的详细指南

在Windows上使用qemu安装ubuntu24.04服务器的详细指南

《在Windows上使用qemu安装ubuntu24.04服务器的详细指南》本文介绍了在Windows上使用QEMU安装Ubuntu24.04的全流程：安装QEMU、准备ISO镜像、创建虚拟磁盘、配置... 目录1. 安装QEMU环境2. 准备Ubuntu 24.04镜像3. 启动QEMU安装Ubuntu4
阅读更多...
使用Python和OpenCV库实现实时颜色识别系统

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》：本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色（红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解
阅读更多...
Windows下C++使用SQLitede的操作过程

Windows下C++使用SQLitede的操作过程

《Windows下C++使用SQLitede的操作过程》本文介绍了Windows下C++使用SQLite的安装配置、CppSQLite库封装优势、核心功能（如数据库连接、事务管理）、跨平台支持及性能优... 目录Windows下C++使用SQLite1、安装2、代码示例CppSQLite：C++轻松操作SQ
阅读更多...
一文深入详解Python的secrets模块

一文深入详解Python的secrets模块

《一文深入详解Python的secrets模块》在构建涉及用户身份认证、权限管理、加密通信等系统时,开发者最不能忽视的一个问题就是“安全性”,Python在3.6版本中引入了专门面向安全用途的secr... 目录引言一、背景与动机：为什么需要 secrets 模块？二、secrets 模块的核心功能1. 基
阅读更多...
python常见环境管理工具超全解析

python常见环境管理工具超全解析

《python常见环境管理工具超全解析》在Python开发中,管理多个项目及其依赖项通常是一个挑战,下面：本文主要介绍python常见环境管理工具的相关资料,文中通过代码介绍的非常详细,需要的朋友... 目录1. conda2. pip3. uvuv 工具自动创建和管理环境的特点4. setup.py5.
阅读更多...
Python常用命令提示符使用方法详解

Python常用命令提示符使用方法详解

《Python常用命令提示符使用方法详解》在学习python的过程中,我们需要用到命令提示符(CMD)进行环境的配置,：本文主要介绍Python常用命令提示符使用方法的相关资料,文中通过代码介绍的... 目录一、python环境基础命令【Windows】1、检查Python是否安装2、 查看Python的安
阅读更多...
OpenCV实现实时颜色检测的示例

OpenCV实现实时颜色检测的示例

《OpenCV实现实时颜色检测的示例》本文主要介绍了OpenCV实现实时颜色检测的示例,通过HSV色彩空间转换和色调范围判断实现红黄绿蓝颜色检测,包含视频捕捉、区域标记、颜色分析等功能,具有一定的参考... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2