CN108423136B - 一种船舶载货重量确定方法及装置 - Google Patents

Abstract

本发明实施例公开了一种船舶载货重量确定方法及装置，该方法包括：获取多个吃水线图像；根据多个所述吃水线图像，确定船舶的多个吃水深度；从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。本发明实施例提供的技术方案，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

Description

一种船舶载货重量确定方法及装置

技术领域

本发明实施例涉及船舶技术领域，尤其涉及一种船舶载货重量确定方法及装置。

背景技术

船舶水尺是在船舶的首、尾及船舶中间两舷的位置上绘制的刻度，用于估量船舶吃水深度，是进行船舶计重和船舶积载安全评估的重要依据。

传统的船舶计重方式，是通过先用摄像机拍摄大量船舶的首、尾及船舶中间两舷处的包含吃水线和船舶水尺的视频，再由人工读取视频中的刻度数值来确定吃水深度，最后算出船舶的重量。这种方式主要依靠人工目测来确定吃水深度，容易受到主观或客观因素的影响，比如，在拍摄船舶视频时，水面始终是波动的，船舶也在上下波动，因此并不能准确地读取数据，需要人工耗费较长的时间，才能从水面长期上下波动的视频中读取中线处的刻度数值，而为了提高准确度，还时常需要通过多人读取刻度数值的方式来相互印证，不仅效率低下、耗时较长，且也无法避免由于人工主观判断或工作不认真而造成的误差较大的情况。

发明内容

本发明实施例提供一种船舶载货重量确定方法及装置，以克服上述传统的人工船舶计重方法的不足。

为达到此目的，本发明实施例采用以下技术方案：

第一方面，本发明实施例提供了一种船舶载货重量确定方法，所述方法包括：

获取多个吃水线图像；

根据多个所述吃水线图像，确定船舶的多个吃水深度；

从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

进一步地，上述方法中，所述获取多个吃水线图像，包括：

根据水面的波动周期，从吃水线视频中，选取一段包含至少一个所述波动周期的视频作为待处理视频；

从所述待处理视频中，获取吃水线的多种波动情况下的图像，得到多个吃水线图像，所述吃水线的多种波动情况均匀分布在所述波动周期内。

进一步地，上述方法中，所述根据多个所述吃水线图像，确定船舶的多个吃水深度，包括：

分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像；

根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值；

根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线；

在每个所述二值化图像中，选取所述吃水线上的一个目标点，并在所述船舶水尺上，确定与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上。

进一步地，上述方法中，所述在所述船舶水尺上，确定与所述目标点对应的刻度数值，包括：

确定所述目标点所在的水平线与船舶水尺的交点；

确定所述交点与船舶水尺上的刻度数值之间的位置关系；

依据船舶水尺上相邻两个刻度数值之间的距离和所述位置关系，确定所述船舶水尺上与所述目标点对应的刻度数值。

进一步地，上述方法中，所述根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线，包括：

从每个所述二值化图像中，确定灰度值等于所述预设交界阈值的所有像素点；

将所述所有像素点的连接线作为吃水线。

进一步地，上述方法中，所述从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，包括：

将多个所述吃水深度进行离群值剔除处理，并计算剔除后的多个所述吃水深度的平均值；

将所述平均值作为目标吃水深度；

根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，所述预设资料库中存储有吃水深度与船舶载货重量对照表。

第二方面，本发明实施例提供了一种船舶载货重量确定装置，所述装置包括：

图像获取模块，用于获取多个吃水线图像；

深度确定模块，用于根据多个所述吃水线图像，确定船舶的多个吃水深度；

载货重量确定模块，用于从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

进一步地，上述装置中，所述图像获取模块包括：

视频选取单元，用于根据水面的波动周期，从吃水线视频中，选取一段包含至少一个所述波动周期的视频作为待处理视频；

图像获取单元，用于从所述待处理视频中，获取吃水线的多种波动情况下的图像，得到多个吃水线图像，所述吃水线的多种波动情况均匀分布在所述波动周期内。

进一步地，上述装置中，所述深度确定模块包括：

图像处理单元，用于分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像；

刻度识别子模块，用于根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值；

吃水线确定子模块，用于根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线；

深度确定单元，用于在每个所述二值化图像中，选取所述吃水线上的一个目标点，并在所述船舶水尺上，确定与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上。

进一步地，上述装置中，所述深度确定单元包括：

目标点选择子单元，用于在每个所述二值化图像中，选取所述吃水线上的一个目标点；

交点确定子单元，用于确定所述目标点所在的水平线与船舶水尺的交点；

位置关系确定子单元，用于确定所述交点与船舶水尺上的刻度数值之间的位置关系；

深度确定子单元，用于依据船舶水尺上相邻两个刻度数值之间的距离和所述位置关系，确定所述船舶水尺上与所述目标点对应的刻度数值，得到多个吃水深度。

进一步地，上述装置中，所述吃水线确定子模块包括：

像素点确定单元，用于从每个所述二值化图像中，确定灰度值等于所述预设交界阈值的所有像素点；

吃水线确定单元，用于将所述所有像素点的连接线作为吃水线。

进一步地，上述装置中，所述载货重量确定模块包括：

深度处理单元，用于将多个所述吃水深度进行离群值剔除处理，并计算剔除后的多个所述吃水深度的平均值；

深度确定单元，用于将所述平均值作为目标吃水深度；

载货重量确定单元，用于根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，所述预设资料库中存储有吃水深度与船舶载货重量对照表。

本发明实施例所提供的技术方案，通过分析船舶和吃水线的波动周期，从初步得到的船舶的水尺数据中，选取多个均匀分布的、能代表吃水线全部波动情况的水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明实施例一提供的船舶载货重量确定方法的流程示意图；

图2a是本发明实施例二提供的船舶载货重量确定方法的流程示意图；

图2b是本发明实施例二提供的水面的波动周期示意图；

图3是本发明实施例三提供的船舶载货重量确定方法的流程示意图；

图4a是本发明实施例四提供的船舶载货重量确定方法的流程示意图；

图4b是本发明实施例四中确定船舶水尺上与目标点对应的刻度数值的示例性原理图；

图5是本发明实施例五提供的船舶载货重量确定方法的流程示意图；

图6是本发明实施例六提供的船舶载货重量确定方法的流程示意图；

图7是本发明实施例七提供的船舶载货重量确定装置的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

请参阅附图1，为本发明实施例一提供的一种船舶载货重量确定方法的流程示意图，该方法适用于对船舶上装载的货物计重的场景，该方法由船舶载货重量确定装置来执行，该装置可以由软件和/或硬件实现，例如可集成于船舶管理系统的内部。该方法具体包括如下步骤：

S101、获取多个吃水线图像。

需要说明的是，吃水线是指船舶没入水中时，其船身与水面的交界线。以该吃水线为界，该吃水线的一边是暴露在空气中的船身，另一边是没入水中的船身。吃水线图像则是指包含船身、船舶水尺、水面以及吃水线的图像。在自然情况下，水面始终是波动的，同时船舶也在上下波动，因此船舶的吃水线也是波动的。

本实施例中原始的船舶数据为视频数据，该视频数据中包含了船舶与水面信息，例如船舶的吃水线情况。示例性的，可采取对视频每间隔相同的时间的方式，从该视频数据中，采集多个吃水线图像。

S102、根据多个所述吃水线图像，确定船舶的多个吃水深度。

需要说明的是，吃水深度是指船舶没入水里的深度，具体是指船舶的底部至船身与水面交界处的垂直距离，它间接反应了船舶在水中所受的浮力，即船舶及其负载货物等的重量。

具体的，从吃水线图像中，确定船舶水尺位置处吃水线所在的刻度数值，根据该刻度数值确定吃水深度。

S103、从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

需要说明的是，目标吃水深度是指船舶和水面都处于相对静止的理想状态下，船舶没入水里的深度。由于船舶和水面的波动，导致实际测量过程中，无法直接得到该目标吃水深度，因此通过采取分析波动周期内的多个吃水深度的方式，确定一个相对接近的吃水深度，一般为上下限的中值，作为目标吃水深度。

本发明实施例所提供的技术方案，通过从初步得到的船舶的水尺数据中，选取多个波动情况下吃水线的水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

实施例二

如图2a所示，本发明实施例二提供的船舶载货重量确定方法，是在实施例一提供的技术方案的基础上，对步骤S101“获取多个吃水线图像”的进一步优化。与上述各实施例相同或相应的术语的解释在此不再赘述。具体的，可以包括如下步骤：

S201、根据水面的波动周期，从吃水线视频中，选取一段包含至少一个所述波动周期的视频作为待处理视频。

其中，至少一个可以是一个、两个或多个。需要说明的是，波动周期是指从一个波峰到另一个波峰或者从一个波谷到另一个波谷所对应的周期。吃水线视频是由摄像机拍摄的，其包含了船舶的首、尾及船舶中间两舷处的吃水线和船舶水尺。

在一种实施方式中，优选的，从摄像机拍摄的包含船舶与水面信息的原始视频数据中，选取在水面上的任意一个点作为目标点，然后按照时间变化将该目标点在一段较长时间内的上下波动变化情况以图表的形式记录下来，则从该图表中可以得到水面的多个波动周期。

具体的，从摄像机拍摄的包含船舶与水面信息的原始视频数据中，根据水面的从一个波峰到另一个波峰，或者从一个波谷到另一个波谷的波动周期，选取水面波动情况较为规律的波动周期所在的一段视频作为待处理视频。

在一个具体的例子中，以一段包含一个波动周期的视频为例，图2b示出了水面的一个波动周期的示意图，可以看出，图2b中的一个波动周期包含一个波峰和一个波谷，波动周期上不同位置的点表示该目标点在不同时间点所处的位置。

S202、从所述待处理视频中，获取吃水线的多种波动情况下的图像，得到多个吃水线图像，所述吃水线的多种波动情况均匀分布在所述波动周期内。

需要说明的是，待处理视频的时间长度为至少一个完整的波动周期，在波动周期内水面的波动是相对规律的。当采取每间隔相同的时间对待处理视频获取多帧吃水线图像，则所获取的多帧吃水线图像可表示波动周期内吃水线的多种波动情况，且该多种波动情况均匀分布在所述波动周期内。

具体的，在波动周期上不同时间点所对应的位置点构成的水平线示出了吃水线在波动周期内的多种波动情况。

S203、根据多个所述吃水线图像，确定船舶的多个吃水深度。

S204、从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

本发明实施例所提供的技术方案，通过分析船舶和吃水线的波动周期，从初步得到的船舶的水尺数据中，选取多个均匀分布的、能代表吃水线全部波动情况的水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

实施例三

如图3所示，本发明实施例三提供的船舶载货重量确定方法，是在实施例一提供的技术方案的基础上，对步骤S102“根据多个所述吃水线图像，确定船舶的多个吃水深度”的进一步优化。与上述各实施例相同或相应的术语的解释在此不再赘述。具体的，可以包括如下步骤：

S301、获取多个吃水线图像。

S302、分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像。

具体的，二值化处理就是将目标图像上的像素点的灰度值设置为0或255，即整个图像呈现出只有黑和白的视觉效果。

S303、根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值。

其中，预设识别规则用于对船舶水尺的刻度数字进行识别，具体的，通过深度学习技术，使系统学习大量船舶刻度数值的图片，能够让系统在图像中准确快速找到并识别出刻度数值。此外，预设识别规则也可以用于对船舶水尺的刻度线进行识别，通过识别刻度线，再进一步识别刻度线对应的刻度值。

在一种实施方式中，优选的，预设识别规则包括模版匹配识别规则和神经网络技术识别规则。具体的，模版匹配识别规则是通过采用大量的模版与船舶水尺的刻度数值或刻度线进行匹配，再将匹配度最高的模版所对应的刻度数值或刻度线作为识别结果输出；而神经网络技术识别规则则是指将从二值化图像中刻度数值区域提取的刻度数值特征或刻度线特征送入BP神经网络中，实现船舶水尺的刻度数值或刻度线的识别。

S304、根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线。

其中，预设交界阈值是指二值化图像中吃水线的灰度值。

需要说明的是，交界主要存在于目标与目标、物体与背景、区域与区域之间。在图像中，交界是指图像局部特性的不连续性，例如二值化图像灰度值的突变，一般的，沿交界走向的灰度值变化平缓，而垂直于交界走向的灰度值变化剧烈。在本实施例中，作为船身与水面交界线的吃水线在二值化图像中处于两个不同灰度值的相邻区域之间，其两边的灰度值有明显的差异，一般的，在二值化图像中，水面的灰度值要大于船身的灰度值。

S305、在每个所述二值化图像中，选取所述吃水线上的一个目标点，并在所述船舶水尺上，确定与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上。

需要说明的是，该二值化图像是所选取的吃水线上一个目标点在波动周期内的位置变化集合。在波动周期上不同时间点所对应的位置点构成的水平线示出了吃水线在波动周期内的多种波动情况，因此不同的二值化图像中目标点需选取同一个点。以该目标点所在的水平线作为吃水线，与船舶水尺上的刻度数值的交点可确定该目标点对应的吃水深度。

S306、从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

本发明实施例所提供的技术方案，通过分析船舶和吃水线的波动周期，从初步得到的船舶的水尺视频中，选取多个吃水线波动周期均匀分布的、能代表吃水线全部波动情况的吃水线图像，再通过对该吃水线图像处理和识别，得到水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

实施例四

如图4所示，本发明实施例四提供的船舶载货重量确定方法，是在实施例三提供的技术方案的基础上，对步骤S305中的“在所述船舶水尺上，确定与所述目标点对应的刻度数值”的进一步优化。与上述各实施例相同或相应的术语的解释在此不再赘述。具体的，可以包括如下步骤：

S401、获取多个吃水线图像。

S402、分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像。

S403、根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值。

S404、根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线。

S405、在每个所述二值化图像中，选取所述吃水线上的一个目标点。

S406、确定所述目标点所在的水平线与船舶水尺的交点。

具体的，针对每个二值化图像，分别选取吃水线上的目标点。

S407、确定所述交点与船舶水尺上的刻度数值之间的位置关系。

在一种实施方式中，可以确定所述交点与船舶水尺上与所述交点相邻的刻度数值之间的位置关系，也即交点落在哪两个刻度数值之间，或者交点落在哪个刻度数值附近且相距多少，是位于该刻度数值的上方还是下方。具体的，该位置关系可以是距离，也就是交点与其相邻的刻度数值所在位置之间的距离，在视频中距离即为像素长；再者，该位置关系还可以是交点在相邻两个刻度数值之间的位置，例如位于某相邻两个刻度数值之间三分之一位置处。而由于船舶水尺上刻度数值之间的间隔是预知且固定的，因此，可以通过交点与刻度数值之间的位置关系推算出交点对应的刻度数值，也就是目标点对应的刻度数值。

S408、依据船舶水尺上相邻两个刻度数值之间的距离和所述位置关系，确定所述船舶水尺上与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上。

示例性的，如图4b所示，示意性地示出了船舶水尺的刻度数值6、4、2，目标点与其所在的水平线与船舶水尺的交点落在了刻度数值2和刻度数值4之间，已知a为船舶水尺上任意相邻两个刻度数值之间的距离20厘米，即像素长，b即为在S407中确定的交点在刻度数值2与刻度数值4之间的位置，那么通过计算可知该交点与刻度数值4相距(20*b/a)厘米的距离，因此，最终计算得到该交点对应的刻度数值为(40-20*b/a)厘米，也即船舶水尺上与目标点对应的刻度数值，从而得到吃水深度。

S409、从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

本发明实施例所提供的技术方案，通过分析船舶和吃水线的波动周期，从初步得到的船舶的水尺视频中，选取多个吃水线波动周期均匀分布的、能代表吃水线全部波动情况的吃水线图像，再通过对该吃水线图像处理和识别，得到水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

实施例五

如图5所示，本发明实施例五提供的船舶载货重量确定方法，是在实施例三提供的技术方案的基础上，对步骤S304“根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线”的进一步优化。与上述各实施例相同或相应的术语的解释在此不再赘述。具体的，可以包括如下步骤：

S501、获取多个吃水线图像。

S502、分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像。

S503、根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值。

S504、从每个所述二值化图像中，确定灰度值等于所述预设交界阈值的所有像素点。

需要说明的是，在每个二值化图像中，灰度值从水面到船身都有明显的突变，而灰度值突变的地方便是水面和船身的交界处。通过预设的灰度值阈值可将二值化图像中灰度值与之相等的像素点挑取出来。

S505、将所述所有像素点的连接线作为吃水线。

具体的，将所有像素点连接起来得到连接线后，选取一段像素点波动较小的连接线作为吃水线，这是为了防止发生选取的部分像素点不属于吃水线。

S506、在每个所述二值化图像中，选取所述吃水线上的一个目标点，并在所述船舶水尺上，确定与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上。

S507、从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

本发明实施例所提供的技术方案，通过分析船舶和吃水线的波动周期，从初步得到的船舶的水尺视频中，选取多个吃水线波动周期均匀分布的、能代表吃水线全部波动情况的吃水线图像，再通过对该吃水线图像处理和识别，将灰度值等于阈值的像素点的连接线作为水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

实施例六

如图6所示，本发明实施例六提供的船舶载货重量确定方法，是在实施例一提供的技术方案的基础上，对步骤S103“从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量”的进一步优化。与上述各实施例相同或相应的术语的解释在此不再赘述。具体的，可以包括如下步骤：

S601、获取多个吃水线图像。

S602、根据多个所述吃水线图像，确定船舶的多个吃水深度。

S603、将多个所述吃水深度进行离群值剔除处理，并计算剔除后的多个所述吃水深度的平均值。

具体的，将多个吃水深度中差异较大作为离群值进行剔除处理，然后将剩下的吃水深度采用统计学方法确定最终的吃水深度。示例性的，本实施例中通过计算多个吃水深度的平均值作为最终的吃水深度。

S604、将所述平均值作为目标吃水深度。

S605、根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，所述预设资料库中存储有吃水深度与船舶载货重量对照表。

本发明实施例所提供的技术方案，通过分析船舶和吃水线的波动周期，从初步得到的船舶的水尺数据中，选取多个均匀分布的、能代表吃水线全部波动情况的水尺数据，再通过对多个水尺数据进行分析和处理，得到较准确的水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

实施例七

请参阅附图7，为本发明实施例七提供的一种船舶载货重量确定装置的结构示意图，该装置适用于执行本发明实施例提供的船舶载货重量方法。该装置具体包含如下模块：

图像获取模块71，用于获取多个吃水线图像；

深度确定模块72，用于根据多个所述吃水线图像，确定船舶的多个吃水深度；

载货重量确定模块73，用于从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。

优选的，所述图像获取模块包括：

视频选取单元，用于根据水面的波动周期，从吃水线视频中，选取一段包含至少一个所述波动周期的视频作为待处理视频；

图像获取单元，用于从所述待处理视频中，获取吃水线的多种波动情况下的图像，得到多个吃水线图像，所述吃水线的多种波动情况均匀分布在所述波动周期内。

优选的，所述深度确定模块包括：

图像处理单元，用于分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像；

刻度识别子模块，用于根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值；

吃水线确定子模块，用于根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线；

深度确定单元，用于在每个所述二值化图像中，选取所述吃水线上的一个目标点，并在所述船舶水尺上，确定与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上。

优选的，所述深度确定单元包括：

目标点选择子单元，用于在每个所述二值化图像中，选取所述吃水线上的一个目标点；

交点确定子单元，用于确定所述目标点所在的水平线与船舶水尺的交点；

位置关系确定子单元，用于确定所述交点与船舶水尺上的刻度数值之间的位置关系；

深度确定子单元，用于依据船舶水尺上相邻两个刻度数值之间的距离和所述位置关系，确定所述船舶水尺上与所述目标点对应的刻度数值，得到多个吃水深度。

优选的，所述吃水线确定子模块包括：

像素点确定单元，用于从每个所述二值化图像中，确定灰度值等于所述预设交界阈值的所有像素点；

吃水线确定单元，用于将所述所有像素点的连接线作为吃水线。

优选的，所述载货重量确定模块包括：

深度处理单元，用于将多个所述吃水深度进行离群值剔除处理，并计算剔除后的多个所述吃水深度的平均值；

深度确定单元，用于将所述平均值作为目标吃水深度；

载货重量确定单元，用于根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，所述预设资料库中存储有吃水深度与船舶载货重量对照表。

本发明实施例通过获取多个吃水线图像；根据多个所述吃水线图像，确定船舶的多个吃水深度；从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量。基于上述方法及装置，通过分析船舶和吃水线的波动周期，从初步得到的船舶的水尺数据中，选取多个均匀分布的、能代表吃水线全部波动情况的水尺数据，最终能够确定船舶的载货重量，克服了在船舶受风浪干扰影响，波浪高低不平的情况下，传统的人工目测读准水尺刻度容易出现误差大、耗时长的技术问题，不仅避免了人工读数带来的主观性误差，提高了测量精度和工作效率，且操作安全、方便、省时、实用性好。

上述装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种船舶载货重量确定方法，其特征在于，包括：

获取多个吃水线图像；

根据多个所述吃水线图像，确定船舶的多个吃水深度；

从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量；

所述根据多个所述吃水线图像，确定船舶的多个吃水深度，具体包括：

分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像；

根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值；

根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线；

在每个所述二值化图像中，选取所述吃水线上的一个目标点，并在所述船舶水尺上，确定与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上；

其中，所述预设识别规则包括：模版匹配识别规则和神经网络技术识别规则；所述模版匹配识别规则是采用多个模版与所述船舶水尺的刻度数值或刻度线进行匹配，再将匹配度最高的模版所对应的刻度数值或刻度线作为识别结果输出；所述神经网络技术识别规则是将从所述二值化图像中刻度数值区域提取的刻度数值特征或刻度线特征送入BP神经网络中，以对所述船舶水尺的刻度数值或刻度线进行识别。

2.根据权利要求1所述的方法，其特征在于，所述获取多个吃水线图像，包括：

根据水面的波动周期，从吃水线视频中，选取一段包含至少一个所述波动周期的视频作为待处理视频；

从所述待处理视频中，获取吃水线的多种波动情况下的图像，得到多个吃水线图像，所述吃水线的多种波动情况均匀分布在所述波动周期内。

3.根据权利要求1所述的方法，其特征在于，所述在所述船舶水尺上，确定与所述目标点对应的刻度数值，包括：

确定所述目标点所在的水平线与船舶水尺的交点；

确定所述交点与船舶水尺上的刻度数值之间的位置关系；

依据船舶水尺上相邻两个刻度数值之间的距离和所述位置关系，确定所述船舶水尺上与所述目标点对应的刻度数值。

4.根据权利要求1所述的方法，其特征在于，所述根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线，包括：

从每个所述二值化图像中，确定灰度值等于所述预设交界阈值的所有像素点；

将所述所有像素点的连接线作为吃水线。

5.根据权利要求1所述的方法，其特征在于，所述从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，包括：

将多个所述吃水深度进行离群值剔除处理，并计算剔除后的多个所述吃水深度的平均值；

将所述平均值作为目标吃水深度；

根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，所述预设资料库中存储有吃水深度与船舶载货重量对照表。

6.一种船舶载货重量确定装置，其特征在于，包括：

图像获取模块，用于获取多个吃水线图像；

深度确定模块，用于根据多个所述吃水线图像，确定船舶的多个吃水深度；

载货重量确定模块，用于从多个所述吃水深度中，确定目标吃水深度，并根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量；

所述深度确定模块具体包括：

图像处理单元，用于分别将多个所述吃水线图像进行二值化处理，得到多个二值化图像；

刻度识别子模块，用于根据预设识别规则，从每个所述二值化图像中，识别出船舶水尺的刻度数值；

吃水线确定子模块，用于根据预设交界阈值，从每个所述二值化图像中，确定船身与水面交界处的吃水线；

深度确定单元，用于在每个所述二值化图像中，选取所述吃水线上的一个目标点，并在所述船舶水尺上，确定与所述目标点对应的刻度数值，得到多个吃水深度，所述目标点在同一条铅垂线上；

其中，所述预设识别规则包括：模版匹配识别规则和神经网络技术识别规则；所述模版匹配识别规则是采用多个模版与所述船舶水尺的刻度数值或刻度线进行匹配，再将匹配度最高的模版所对应的刻度数值或刻度线作为识别结果输出；所述神经网络技术识别规则是将从所述二值化图像中刻度数值区域提取的刻度数值特征或刻度线特征送入BP神经网络中，以对所述船舶水尺的刻度数值或刻度线进行识别。

7.根据权利要求6所述的装置，其特征在于，所述图像获取模块包括：

视频选取单元，用于根据水面的波动周期，从吃水线视频中，选取一段包含至少一个所述波动周期的视频作为待处理视频；

图像获取单元，用于从所述待处理视频中，获取吃水线的多种波动情况下的图像，得到多个吃水线图像，所述吃水线的多种波动情况均匀分布在所述波动周期内。

8.根据权利要求6所述的装置，其特征在于，所述深度确定单元包括：

目标点选择子单元，用于在每个所述二值化图像中，选取所述吃水线上的一个目标点；

交点确定子单元，用于确定所述目标点所在的水平线与船舶水尺的交点；

位置关系确定子单元，用于确定所述交点与船舶水尺上的刻度数值之间的位置关系；

深度确定子单元，用于依据船舶水尺上相邻两个刻度数值之间的距离和所述位置关系，确定所述船舶水尺上与所述目标点对应的刻度数值，得到多个吃水深度。

9.根据权利要求6所述的装置，其特征在于，所述吃水线确定子模块包括：

像素点确定单元，用于从每个所述二值化图像中，确定灰度值等于所述预设交界阈值的所有像素点；

吃水线确定单元，用于将所述所有像素点的连接线作为吃水线。

10.根据权利要求6所述的装置，其特征在于，所述载货重量确定模块包括：

深度处理单元，用于将多个所述吃水深度进行离群值剔除处理，并计算剔除后的多个所述吃水深度的平均值；

深度确定单元，用于将所述平均值作为目标吃水深度；

载货重量确定单元，用于根据所述目标吃水深度，从预设资料库中，确定与所述目标吃水深度对应的船舶载货重量，所述预设资料库中存储有吃水深度与船舶载货重量对照表。