使用Python+OpenCV统计每日用电量（附代码演练）

点击下面卡片关注“AI算法与图像处理”，选择加"星标"或“置顶”

重磅干货，第一时间送达

‍

让我们编码！

kwh_pln_sensor.py

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

pip install opencv-python
pip install sqlalchemy
pip install pandas

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

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

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)

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)

if (percent_red >= 10.0):

data_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)

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

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

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

capture_status = True



while capture_status:
    (ret, frame) = cap.read()

    size = frame.size

    image = 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 lamp
        data_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()

kwh_pln_calculate.py

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

IMPULSE_KWH = 1000 
RUPIAH_PER_KWH = 1444.70

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'])

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)

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

IMPULSE_KWH = 1000 #depends on prepaid meter
RUPIAH_PER_KWH = 1444.70  # R-1/TR 1.301 – 2.200 VA

def 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 HOUR
    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)


if __name__ == '__main__':
    run_cron()

个人微信（如果没有备注不拉群！）
请注明：地区+学校/企业+研究方向+昵称



下载1：何恺明顶会分享

在「AI算法与图像处理」公众号后台回复：何恺明，即可下载。总共有6份PDF，涉及 ResNet、Mask RCNN等经典工作的总结分析

下载2：终身受益的编程指南：Google编程风格指南

在「AI算法与图像处理」公众号后台回复：c++，即可下载。历经十年考验，最权威的编程规范！

下载3 CVPR2021

在「AI算法与图像处理」公众号后台回复：CVPR，即可下载1467篇CVPR 2020论文 和 CVPR 2021 最新论文