CN109815862A - 基于图像识别水尺刻度的识别系统及其测量方法 - Google Patents
基于图像识别水尺刻度的识别系统及其测量方法 Download PDFInfo
- Publication number
- CN109815862A CN109815862A CN201910025706.6A CN201910025706A CN109815862A CN 109815862 A CN109815862 A CN 109815862A CN 201910025706 A CN201910025706 A CN 201910025706A CN 109815862 A CN109815862 A CN 109815862A
- Authority
- CN
- China
- Prior art keywords
- unit
- image
- output end
- recognition unit
- input terminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 73
- 238000000691 measurement method Methods 0.000 title claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000009434 installation Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 10
- 238000003706 image smoothing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000013505 freshwater Substances 0.000 claims description 4
- 239000000295 fuel oil Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 12
- 238000011160 research Methods 0.000 description 11
- 238000003709 image segmentation Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像识别水尺刻度的识别系统及其测量方法,包括基于机器视觉捕捉的摄像头,摄像头的输出端与视频图像处理单元的输入端相连,视频图像处理单元的输出端与刻度字符识别单元、水位线识别单元及等差分析单元的输入端相连,刻度字符识别单元、水位线识别单元和等差分析单元为相互独立的单元,且依刻度字符识别单元、水位线识别单元和等差分析单元顺序依次配合设置,刻度字符识别单元、水位线识别单元及等差分析单元的输出端与数值统计计算单元的输入端相连,数值统计计算单元的输出端与终端装置的输入端相连。本发明能提升效率、提高准确度、可追溯。
Description
技术领域
本发明属于水尺刻度测量领域,尤其涉及一种基于图像识别水尺刻度的识别系统及其测量方法。
背景技术
1、图像识别技术的概述
图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别,以识别各种不同模式的目标和对像的技术。
为了编制模拟人类图像识别活动的计算机程序,人们提出了不同的图像识别模型。例如模板匹配模型。这种模型认为,识别某个图像,必须在过去的经验中有这个图像的记忆模式,又叫模板。当前的刺激如果能与大脑中的模板相匹配,这个图像也就被识别了。例如有一个字母A,如果在脑中有个A模板,字母A的大小、方位、形状都与这个A模板完全一致,字母A就被识别了。图像识别中的模式识别(PatternRecognition),是一种从大量信息和数据出发,在专家经验和已有认识的基础上,利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。
2、图像识别技术范畴
图像识别技术的研究目标是根据观测到的图像,对其中的物体分辨其类别,做出有意义的判断。即利用现代信息处理与计算技术来模拟和完成人类的认识,理解过程。一般而言,一个图像识别系统主要由三个部分组成,分别是图像分割,图像特征提取以及分类器的识别分类。
其中,图像分割将图像划分为多个有意义的区域,然后将每个区域的图像进行特征提取,最后分类器根据提取的图像特征对图像进行相应的分类。实际上,图像识别和图像分割并不存在严格的界限。从某种意义上,图像分割的过程就是图像识别的过程。图像分割着重于对象和背景的关系,研究的是对象在特定背景下所表现出来的整体属性,而图像识别则着重于对象本身的属性。图像分割以及识别技术在航空航天、医学、通信。工业自动化、机器人、及军事等领域均有着广泛的应用。
3、图像识别的国内外技术发展现状
图像的识别与分割是图像处理领域研究最多的课题之一,但它们依然是众多研究人员的研究重心,因为己经取得的成果远没有待解决的问题多。
图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。文字识别的研究是从1950年开始的,一般是识别字母、数字和符号,从印刷文字识别到手写文字识别,应用非常广泛,并且已经研制了许多专用设备。数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储,传输方便可压缩、传输过程中不易失真、处理方便等巨大优势,这些都为图像识别技术的发展提供了强大的动力。物体的识别主要指的是对三维世界的客体及环境的感知和认识,属于高级的计算机视觉范畴。它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向,其研究成果被广泛应用在各种工业及探测机器人上。现代图像识别技术的一个不足就是自适应性能差,一旦目标图像被较强的噪声污染或是目标图像有较大残缺往往就得不出理想的结果。
图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前,在图像识别的发展中,主要有三种识别方法:统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术,自20世纪70年代,其研究已经有几十年的历史,一直都受到人们的高度重视,至今借助于各种理论提出了数以千计的分割算法,而且这方面的研究仍然在积极地进行着。
现有的图像分割的方法有许多种,有阈值分割方法,边缘检测方法,区域提取方法,结合特定理论工具的分割方法等。从图像的类型来分有:灰度图像分割、彩色图像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子,使得边缘检测产生了不少经典算法。但在近二十年间,随着基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术的迅速发展,有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、方法和工具,如基于数学形态学的图像分割、基于小波变换的分割、基于遗传算法的分割等。
目前国内外各大港口进出口船舶货物贸易过程中,测算货物重量的核心技术暨水尺计重,指的是在阿基米德原理的基础上,以船本身为计量工具,对船载货物进行计量的一种方法。
传统的检验方式,通过人工肉眼的方式对船舶六面水尺的观测,压载水、淡水及燃油的测量,港口密度的检测,最终确定货物装(卸)情况。传统水尺计重由鉴定人员乘坐小艇绕到轮船外侧人工观测水尺数据,存在效率低、误差大、风险高、追溯难等问题;传统的查验方式已不能很好的满足现状的业务需求,通过利用智能化、数字化的查验工具依然成为目前的迫切所需。其中,现有的检验方式存在以下缺陷:
1)效率低
国内外各大港口进出口船舶货物重量鉴定计算,仍然是通过传统人工肉眼观测船舶水尺刻度的方式进行,大部分船体有六条刻度线,人工观测需耗费大量的时间效率极低,无法满足目前港口业务日常的货物计重业务需求。
2)误差大
传统人工观测方式,每个专家或鉴定人员所读出的刻度值存在一定的误差,取决于现场的环境、人工经验等客观因素所导致。而对于千万吨级别的货物来讲,水尺刻度的偏差更会造成货物计重的误差,失之毫厘差之千里,最后影响的是贸易征税、货物的经济价值。
3)风险高
基本上人工方式鉴定一条船舶,需要租赁快艇开艇到船身周围进行人工肉眼观测,而在海港、大型江港风浪交大环境下,对鉴定观测人员存在了一定的安全风险。
4)追溯难
人工观测方式,没有视频记录只有纸质文档材料记录,对于当时鉴定的环境、船舶刻度无法进行后期追溯。
发明内容
为解决上述技术问题,本发明的目的是提供一种基于图像识别水尺刻度的识别系统及其测量方法。
为实现上述目的,本发明采用如下技术方案:
基于图像识别水尺刻度的识别系统,包括基于机器视觉捕捉的摄像头、视频图像处理单元、刻度字符识别单元、水位线识别单元、等差分析单元、数值统计计算单元及终端装置,所述摄像头的输出端与视频图像处理单元的输入端相连,所述视频图像处理单元的输出端与刻度字符识别单元、水位线识别单元及等差分析单元的输入端相连,刻度字符识别单元、水位线识别单元和等差分析单元为相互独立的单元,且依刻度字符识别单元、水位线识别单元和等差分析单元顺序依次配合设置,所述刻度字符识别单元、水位线识别单元及等差分析单元的输出端与数值统计计算单元的输入端相连,所述数值统计计算单元的输出端与终端装置的输入端相连。
优选的,所述视频图像处理单元由图像解码模块、图像缩放模块、图像去噪模块、自适应二值化模块、图像平滑模块,所述摄像头的输出端与图像解码模块的输入端相连,所述图像解码模块的输出端与图像缩放模块的输入端相连,所述图像缩放模块的输出端与图像去噪模块的输入端相连,所述图像去噪模块的输出端与自适应二值化模块的输入端相连,所述自适应二值化模块的输出端与图像平滑模块的输入端相连,所述图像平滑模块的输出端刻度字符识别单元、水位线识别单元、等差分析单元的输入端相连。
优选的,所述摄像头为无人机拍摄的摄像头,或为手持DV机,或为pad的摄像头。
基于图像识别水尺刻度的测量方法,包括以下步骤:
步骤1:水尺刻度识别处理,通过摄像头来识别刻度字符、水位线及等差,将由数值统计计算单元及终端装置将其数据计算;
步骤2:货物计重数据的处理,结合水尺刻度数据、船舱查表数据、淡水、燃油和压舱水数据,进行数据合并,计算出货物计重值;
步骤3:数据上传处理,将每次作业的数据上传至服务器中,进行存储备份。借由上述方案,本发明至少具有以下优点:
1)提升效率,通过信息化手段,利用视频采集对船舶水尺刻度的视频采集,然后直接进行智能识别分析出刻度值,对比传统方式大大减少了人工鉴定的花费时间,有效提升船舶货物鉴定效率。
2)提高准确度,视频智能识别分析,对比人工经验判断,是基于专家经验的基础上采用大量数据统计分析所得,对比人工读数大大提高了准确度。
3)增强人员安全性,有效避免鉴定人员需要租赁快艇进行鉴定,在岸边即可进行视频数据采集并通过本发明专利进行刻度识别。
4)可追溯,所有数据均可存储在本地及服务器端,后期货物重量一旦有争议,即可进行现场情况还原追溯。
5)节省成本,人力成本。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1是本发明的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1所示,基于图像识别水尺刻度的识别系统,包括基于机器视觉捕捉的摄像头1、视频图像处理单元2、刻度字符识别单元3、水位线识别单元4、等差分析单元5、数值统计计算单元6及终端装置7,所述摄像头1的输出端与视频图像处理单元2的输入端相连,所述视频图像处理单元2的输出端与刻度字符识别单元3、水位线识别单元4及等差分析单元5的输入端相连,刻度字符识别单元3、水位线识别单元4和等差分析单元5为相互独立的单元,且依刻度字符识别单元3、水位线识别单元4和等差分析单元5顺序依次配合设置,所述刻度字符识别单元3、水位线识别单元4及等差分析单元5的输出端与数值统计计算单元6的输入端相连,所述数值统计计算单元6的输出端与终端装置7的输入端相连。
本发明中所述视频图像处理单元2由图像解码模块、图像缩放模块、图像去噪模块、自适应二值化模块、图像平滑模块,所述摄像头的输出端与图像解码模块的输入端相连,所述图像解码模块的输出端与图像缩放模块的输入端相连,所述图像缩放模块的输出端与图像去噪模块的输入端相连,所述图像去噪模块的输出端与自适应二值化模块的输入端相连,所述自适应二值化模块的输出端与图像平滑模块的输入端相连,所述图像平滑模块的输出端刻度字符识别单元、水位线识别单元、等差分析单元的输入端相连。
图像解码模块
视频文件的格式是多样性的(MP4\AVI\MOV….),首先做的就是将视频文件进行解码。并实现解码速度效率上各项优化,由于是在安卓平板下进行的,必须支持调用安卓环境下的解码库。
图像缩放模块
图像缩放模块是指对数字图像的大小进行调整的过程。图像缩放虽然常用,但也是一种非常不简单的处理,需要在处理效率以及结果的平滑度和清晰度上做一个权衡。这里主要使用双线性插值对图像进行缩小,主要目标是在保持图像清晰性的基础上,大幅减少数据量,从而为后续的高效处理做好准备。
图像去噪模块
现实中的图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪,噪声是图象干扰的重要原因。主要使用中值滤波进行去噪处理,它可以在保持文字字符边缘的清晰性和平滑性的基础上,很好地去除冲击噪声。
自适应二值化模块
图像的二值化处理就是将图像上的点的灰度值为0或255,也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
图像平滑模块
图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分,使图像亮度平缓渐变,减小突变梯度,改善图像质量的图像处理方法。这里我们使用高斯图像平滑,主要目标是是字符边缘保持渐变性和平滑性,防止阶跃,从而防止出现过多的误识别。
本发明中所述摄像头为无人机拍摄的摄像头,或为手持DV机,或为pad的摄像头,可以依据不同装置来进行随时的操作,有效的提高工作效率,同时还能确保实时的记录。
刻度字符识别单元
将水尺刻度视频中的刻度,通过视频样本训练获得比较好的字符识别模型;并通过大量的视频样本收集,不断的进行模型优化,来识别水尺刻度中的字符。
水位线识别单元
在识别刻度字符后,通过交叉验证方式,进行水位线的识别。
等差分析单元
结合识别的水位线及水位线以上的第一个字符,进行等差分析并结合正射投影的计算法则,从而识别出当前视频帧的刻度数值。
数值统计计算单元
基于投票的加权平均统计法,视频通过抽帧进行识别各帧的刻度值后;会基于置信率可靠度的投票,票数最多的则是可靠值,在可靠值附近的数值进行加权平均;最后获得最终数值。
终端装置
该装置将上述的视频图像处理单元2、刻度字符识别单元3、水位线识别单元4、等差分析单元5、数值统计计算单元6都统一管理,并将其汇集至终端装置内。
基于图像识别的水尺刻度测量的方法,包括以下步骤:
步骤1:水尺刻度智能识别处理,通过视频识别算法,将含有水尺刻度的视频进行识别分析出刻度数据;
步骤2:货物计重数据的处理,结合水尺刻度数据、船舱查表数据、淡水、燃油和压舱水数据,进行数据合并,计算出货物计重值;
步骤3:数据上传处理,将每次作业的数据上传至服务器中,进行存储备份。
步骤1中
水尺视频识别
1)选择AP、MP、FP、AS、MS、FS等按钮,会弹出视频导入对话,系统支持多源视频的导入接入,无人机拍摄的(对话框中为DJI)、或者PAD本地拍摄(对话框中为相册)的等等;导入视频后,算法进入计算状态,此时会出现百分比读取状态值;计算结束后,会直接反馈读数结果。
2)如算法给出的刻度数值,使用人员有疑问;可以进行视频播放来进行人工观测对比,如读数确实有误,则系统允许手动录入刻度。
步骤2中
计重数据处理
1)系统支持并发模式,即一名工作人员进行水尺刻度数据及查表任务、另外一名工作人员进行水油仓数据处理;
2)水尺刻度完成后,则进入船舱数据录入环节;
3)如对数据录入情况需要复核检查,则点击右上角按钮,或右侧往左滑动;进行数据检查;
4)水油仓数据录入;
5)通过初始化水油仓模块,进行水油仓建仓;
6)水油仓仓数过多的情况,可以通过屏幕滑动,来进行录入;
7)数据推送合并,两名工作人员将水尺刻度和查表数据、水油仓等全部执行完后,确认数据无误,可通过蓝牙模块(基于现场没有WIFI、或运营商网络未覆盖的考虑)进行数据合并。
事项数据上传
在历史模块中,可以针对保存的各项数据,可以进行便捷修改,确认无误后,通过账号、上传服务器进行备份。
PC端后台数据维护
生成报告
前尺数据录入处理完成后,并完成后尺数据处理,系统即可自动生成水尺计重报告,并提供了电子签名功能。
数据上传
对于前尺、中尺、后尺的数据,系统都可以从pad端通过账号登录后进行上传至服务器端,并同时可以将视频数据一键上传。
操作便捷化
通过系统的建设,提供高效便捷的水尺计重工具;主要体现在两个方面,一个是系统本身提供一系列模块化的工具给到查验人员便捷去操作水尺计重的各项数据;另外、系统本身它的形态上,为了不去增加工作人员额外的携带装备附带,本次采用了基于安卓环境的PAD下开发的APP系统形态进行试用。
系统应用价值化,随着系统完善后实际投入使用,能够在实际应用过程中产生价值,为检验局系统内部节省人力、物力资源。
视频观测识别的数据标准统一化,无人机拍摄的水尺刻度视频,通过系统智能识别刻度后精度的不断提升;最终能够在检验系统内部,形成视频观测水尺数据的标准避免观测数据的纠纷。
基于视频流进行图像识别刻度值,视频识别分析的算法为核心关键技术点,准确率达到3cm以内(举例读出数据是12.31m,准确度达到小数点第二位,且与实际真值偏差控制在3cm以内。)
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (4)
1.基于图像识别水尺刻度的识别系统,其特征在于,包括基于机器视觉捕捉的摄像头、视频图像处理单元、刻度字符识别单元、水位线识别单元、等差分析单元、数值统计计算单元及终端装置,所述摄像头的输出端与视频图像处理单元的输入端相连,所述视频图像处理单元的输出端与刻度字符识别单元、水位线识别单元及等差分析单元的输入端相连,刻度字符识别单元、水位线识别单元和等差分析单元为相互独立的单元,且依刻度字符识别单元、水位线识别单元和等差分析单元顺序依次配合设置,所述刻度字符识别单元、水位线识别单元及等差分析单元的输出端与数值统计计算单元的输入端相连,所述数值统计计算单元的输出端与终端装置的输入端相连。
2.根据权利要求1所述的基于图像识别水尺刻度的识别系统,其特征在于:所述视频图像处理单元由图像解码模块、图像缩放模块、图像去噪模块、自适应二值化模块、图像平滑模块,所述摄像头的输出端与图像解码模块的输入端相连,所述图像解码模块的输出端与图像缩放模块的输入端相连,所述图像缩放模块的输出端与图像去噪模块的输入端相连,所述图像去噪模块的输出端与自适应二值化模块的输入端相连,所述自适应二值化模块的输出端与图像平滑模块的输入端相连,所述图像平滑模块的输出端刻度字符识别单元、水位线识别单元、等差分析单元的输入端相连。
3.根据权利要求1所述的基于图像识别水尺刻度的识别系统,其特征在于:所述摄像头为无人机拍摄的摄像头,或为手持DV机,或为pad的摄像头。
4.基于图像识别水尺刻度的测量方法,其特征在于,包括以下步骤:
步骤1:水尺刻度识别处理,通过摄像头来识别刻度字符、水位线及等差,将由数值统计计算单元及终端装置将其数据计算;
步骤2:货物计重数据的处理,结合水尺刻度数据、船舱查表数据、淡水、燃油和压舱水数据,进行数据合并,计算出货物计重值;
步骤3:数据上传处理,将每次作业的数据上传至服务器中,进行存储备份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025706.6A CN109815862A (zh) | 2019-01-11 | 2019-01-11 | 基于图像识别水尺刻度的识别系统及其测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025706.6A CN109815862A (zh) | 2019-01-11 | 2019-01-11 | 基于图像识别水尺刻度的识别系统及其测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109815862A true CN109815862A (zh) | 2019-05-28 |
Family
ID=66604082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910025706.6A Pending CN109815862A (zh) | 2019-01-11 | 2019-01-11 | 基于图像识别水尺刻度的识别系统及其测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815862A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111998910A (zh) * | 2020-08-26 | 2020-11-27 | 河海大学 | 一种多级水尺水位视觉测量方法及测量系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102295061A (zh) * | 2011-05-19 | 2011-12-28 | 上海海事大学 | 基于图像处理的船舶水尺自动检测方法 |
CN102975826A (zh) * | 2012-12-03 | 2013-03-20 | 上海海事大学 | 基于机器视觉的便携式船舶水尺自动检测和识别方法 |
CN103523185A (zh) * | 2013-09-22 | 2014-01-22 | 郑恒强 | 基于移动智能终端、网络技术的船舶水尺计重系统 |
CN105046263A (zh) * | 2015-06-30 | 2015-11-11 | 浙江海洋学院 | 一种基于机器视觉的水尺自动检测系统 |
CN107145104A (zh) * | 2017-05-17 | 2017-09-08 | 中国计量大学 | 内河船舶载重测量系统及其测量方法 |
CN108549894A (zh) * | 2018-04-03 | 2018-09-18 | 哈尔滨哈船智控科技有限责任公司 | 一种基于深度学习算法的船舶水尺图像自动读数方法 |
-
2019
- 2019-01-11 CN CN201910025706.6A patent/CN109815862A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102295061A (zh) * | 2011-05-19 | 2011-12-28 | 上海海事大学 | 基于图像处理的船舶水尺自动检测方法 |
CN102975826A (zh) * | 2012-12-03 | 2013-03-20 | 上海海事大学 | 基于机器视觉的便携式船舶水尺自动检测和识别方法 |
CN103523185A (zh) * | 2013-09-22 | 2014-01-22 | 郑恒强 | 基于移动智能终端、网络技术的船舶水尺计重系统 |
CN105046263A (zh) * | 2015-06-30 | 2015-11-11 | 浙江海洋学院 | 一种基于机器视觉的水尺自动检测系统 |
CN107145104A (zh) * | 2017-05-17 | 2017-09-08 | 中国计量大学 | 内河船舶载重测量系统及其测量方法 |
CN108549894A (zh) * | 2018-04-03 | 2018-09-18 | 哈尔滨哈船智控科技有限责任公司 | 一种基于深度学习算法的船舶水尺图像自动读数方法 |
Non-Patent Citations (2)
Title |
---|
范新云等: "水尺与压力式水位计数据关系的算法研究", 《第四届长三角论坛——测绘分论坛论文集》 * |
黄伟: "山区河流通航环境建模及可视化研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111998910A (zh) * | 2020-08-26 | 2020-11-27 | 河海大学 | 一种多级水尺水位视觉测量方法及测量系统 |
CN111998910B (zh) * | 2020-08-26 | 2021-09-24 | 河海大学 | 一种多级水尺水位视觉测量方法及测量系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062282B (zh) | 基于改进yolov3模型的变电站指针式仪表识别方法 | |
CN103886589B (zh) | 面向目标的自动化高精度边缘提取方法 | |
CN109767422A (zh) | 基于深度学习的管道检测识别方法、存储介质及机器人 | |
Khan et al. | An improved K-means clustering algorithm based on an adaptive initial parameter estimation procedure for image segmentation | |
CN109671124B (zh) | 一种矿物浮选泡沫图像颜色校正方法及泡沫颜色检测系统 | |
CN113808180B (zh) | 一种异源图像配准方法、系统及装置 | |
CN111445459A (zh) | 一种基于深度孪生网络的图像缺陷检测方法及系统 | |
CN116167668A (zh) | 基于bim的绿色节能建筑施工质量评价方法及系统 | |
CN102565074B (zh) | 小张清分机疑似缺陷产品图像复检系统及方法 | |
CN110458792A (zh) | 人脸图像质量的评价方法及装置 | |
CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN109815862A (zh) | 基于图像识别水尺刻度的识别系统及其测量方法 | |
CN114241522A (zh) | 现场作业安全穿戴识别方法、系统、设备及存储介质 | |
CN103136530A (zh) | 在复杂工业环境下的视频图像中自动识别目标图像的方法 | |
CN105205476A (zh) | 一种基于lbp特征的人脸识别硬件架构 | |
CN117131022A (zh) | 一种电力信息系统的异构数据迁移方法 | |
CN109543571A (zh) | 一种面向复杂产品异形加工特征的智能识别与检索方法 | |
CN116612461A (zh) | 一种基于目标检测的指针式仪表全过程自动读数方法 | |
CN109785261A (zh) | 一种基于灰度体元模型的机载lidar三维滤波方法 | |
CN107193965A (zh) | 一种基于BoVW算法的快速室内定位方法 | |
CN115063679A (zh) | 一种基于深度学习的路面质量评估方法 | |
CN116798087A (zh) | 员工在岗状态检测方法及系统 | |
CN205929382U (zh) | 一种基于小波钝化的嵌入式模具保护装置 | |
CN117115140B (zh) | 基于点云分割配准的3d打印混凝土柱表面裂缝检测方法 | |
Sun et al. | Character recognition method for low-contrast images of numerical instruments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |