CN112487987A - 一种船只与水面分界线测定方法 - Google Patents
一种船只与水面分界线测定方法 Download PDFInfo
- Publication number
- CN112487987A CN112487987A CN202011382278.1A CN202011382278A CN112487987A CN 112487987 A CN112487987 A CN 112487987A CN 202011382278 A CN202011382278 A CN 202011382278A CN 112487987 A CN112487987 A CN 112487987A
- Authority
- CN
- China
- Prior art keywords
- boundary
- water surface
- ship
- superposition processing
- hsv
- 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 60
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims abstract description 4
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 3
- 239000013585 weight reducing agent Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种船只与水面分界线测定方法,包括以下步骤：应用深度学习算法预先判断出当前识别场景属于双分界面还是三分界面，船体主体色彩组成；对图像的RGB、HSV分别检测船体边缘获得轮廓线对象组，应用船体色彩矩阵综合判断船体与水面分界的轮廓线，初步定位水面分界线A；增强分界面两侧图像的对比度和分界线与与两侧图像的对比度；将经过HSV叠加处理和RGB叠加处理的图像区域与纵向切分，并以水面分界线A为低点，获得切片分组，对每个切片分别测量，计算获得量值组；将量值组拟合成输出图像等宽的分界线数组输出，用于水尺计量。本发明能够有效的解决船舶水尺测量中的水面分界线精确定位问题。
Description
技术领域
本发明涉及图像识别技术领域，尤其是一种船只与水面分界线测定方法。
背景技术
目前散装货运船只货物交付以水尺计量方式进行贸易结算。水尺计量是以船四周均匀分布的6个刻度尺为依据，取其平均值计算得到的结果，以这样的方式对船的毛重和皮重两个状态分别进行测量、计算，其差值为货物的重量。水尺测量虽然直观，但受江面波浪和人的目测等因素的影响，往往导致测量结果误差大，容易在结算过程有失公允。另外，在整个测量过程中，基本上依赖人工测量，现场测量和计算一般需要近3个小时，效率低影响卸船时间。
采用计算机图像识别技术，处理手机拍摄的视频数据获得水尺读值能够减少人工目测的误差。在水尺计量过程中包括水尺定位、水面分界线定位、水尺读值、装卸量计算四个主要过程，水面分界线是指船只与水面的分界线，水面分界线定位的作用是确定船只与水面的交界点，用于确定水尺读值。
常规方法中，视频图像中水尺区域的水面分界线常无法确认，受以下因素影响水体的清澈度与光线相互作用、不同色彩船体的水渍、水面船体倒影色泽与船体相似、船体自身焊接纹路影响水面分界线判定、阳光反射、部分拍摄视频中存在岸边水面船体三个分界面、部分船体上下两色吃水线靠近水面线等。
发明内容
本发明的目的是提供了一种安全、可靠的船只与水面分界线测定方法。
本发明解决上述技术问题采用的技术方案为：船只与水面的分界线识别流程如下：
场景识别->边缘检测->HSV叠加处理->RGB叠加处理->分界线测量->分界线拟合；水面分界定位的输入是拍摄视频、水尺区域图像、水尺对象集合B，输出是分界线拟合曲线。
场景识别：应用深度学习算法预先判断出当前识别场景属于双分界面还是三分界面，船体主体色彩组成。
边缘检测：对图像的RGB、HSV分别检测船体边缘获得轮廓线对象组，应用船体色彩矩阵综合判断船体与水面分界的轮廓线，初步定位水面分界线A
HSV叠加处理与RGB叠加处理主要是为了增强分界面两侧图像的对比度和分界线与与两侧图像的对比度。
分界线测量:将经过HSV叠加处理和RGB叠加处理的图像区域与纵向切分，并以水面分界线A为低点，获得切片分组，对每个切片分别测量，计算获得量值组。
分界线拟合曲线:将量值组拟合成输出图像等宽的分界线数组输出，用于水尺计量。
本发明与现有技术相比的优点在于：在本发明解决的船舶水尺测量中的水面分界线精确定位问题，拍摄距离可在1-20米内任意调整，达到了计量千分5误差范围内，与人眼观察识别误差<2cm，具有抗干扰能到高，识别率95％以上。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
如图1所示，船只与水面的分界线识别流程如下：
场景识别->边缘检测->HSV叠加处理->RGB叠加处理->分界线测量->分界线拟合；水面分界定位的输入是拍摄视频、水尺区域图像、水尺对象集合B，输出是分界线拟合曲线。
场景识别：应用深度学习算法预先判断出当前识别场景属于双分界面还是三分界面，船体主体色彩组成。本实施例采用的是神经网络学习算法。所述神经网络训练参数包括迭代次数：60000；学习率：0.2；权重减少系数：0.0003，进行神经网络训练训练运用前馈算法进行参数学习。
边缘检测：对图像的RGB、HSV分别检测船体边缘获得轮廓线对象组，应用船体色彩矩阵综合判断船体与水面分界的轮廓线，初步定位水面分界线A
HSV叠加处理与RGB叠加处理主要是为了增强分界面两侧图像的对比度和分界线与与两侧图像的对比度。
分界线测量:将经过HSV叠加处理和RGB叠加处理的图像区域与纵向切分，并以水面分界线A为低点，获得切片分组，对每个切片分别测量，计算获得量值组。
分界线拟合曲线:将量值组拟合成输出图像等宽的分界线数组输出，用于水尺计量。
在本发明解决的船舶水尺测量中的水面分界线精确定位问题，拍摄距离可在1-20米内任意调整，达到了计量千分5误差范围内，与人眼观察识别误差<2cm，具有抗干扰能到高，识别率95％以上。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (3)
1.一种船只与水面分界线测定方法，其特征在于，包括以下步骤：
步骤1，场景识别：应用深度学习算法预先判断出当前识别场景属于双分界面还是三分界面，船体主体色彩组成；
步骤2，边缘检测：对图像的RGB、HSV分别检测船体边缘获得轮廓线对象组，应用船体色彩矩阵综合判断船体与水面分界的轮廓线，初步定位水面分界线A；
步骤3，HSV叠加处理与RGB叠加处理：增强分界面两侧图像的对比度和分界线与与两侧图像的对比度；
步骤4，分界线测量:将经过HSV叠加处理和RGB叠加处理的图像区域与纵向切分，并以水面分界线A为低点，获得切片分组，对每个切片分别测量，计算获得量值组；
步骤5，分界线拟合曲线:将量值组拟合成输出图像等宽的分界线数组输出，用于水尺计量。
2.根据权利要求1所述的一种船只与水面分界线测定方法，其特征在于，应用深度学习算法预先判断出当前识别场景采用的是神经网络学习算法。
3.根据权利要求2所述的一种船只与水面分界线测定方法，其特征在于，所述神经网络训练参数包括迭代次数：60000；学习率：0.2；权重减少系数：0.0003，进行神经网络训练训练运用前馈算法进行参数学习。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011382278.1A CN112487987A (zh) | 2020-11-30 | 2020-11-30 | 一种船只与水面分界线测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011382278.1A CN112487987A (zh) | 2020-11-30 | 2020-11-30 | 一种船只与水面分界线测定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112487987A true CN112487987A (zh) | 2021-03-12 |
Family
ID=74938313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011382278.1A Pending CN112487987A (zh) | 2020-11-30 | 2020-11-30 | 一种船只与水面分界线测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112487987A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104943831A (zh) * | 2015-06-30 | 2015-09-30 | 浙江海洋学院 | 一种基于定点摄像法的水尺检测方法 |
| CN105035279A (zh) * | 2015-06-30 | 2015-11-11 | 浙江海洋学院 | 一种平均水线检测方法 |
| CN110276285A (zh) * | 2019-06-13 | 2019-09-24 | 浙江工业大学 | 一种非受控场景视频中的船舶水尺智能识别方法 |
| CN110334680A (zh) * | 2019-07-12 | 2019-10-15 | 南京海豚梦智能科技有限公司 | 基于爬壁机器人的船舶水尺识别方法、系统、装置 |
| CN111476120A (zh) * | 2020-03-26 | 2020-07-31 | 长江大学 | 一种无人机智能船舶水尺识别方法及装置 |
-
2020
- 2020-11-30 CN CN202011382278.1A patent/CN112487987A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104943831A (zh) * | 2015-06-30 | 2015-09-30 | 浙江海洋学院 | 一种基于定点摄像法的水尺检测方法 |
| CN105035279A (zh) * | 2015-06-30 | 2015-11-11 | 浙江海洋学院 | 一种平均水线检测方法 |
| CN110276285A (zh) * | 2019-06-13 | 2019-09-24 | 浙江工业大学 | 一种非受控场景视频中的船舶水尺智能识别方法 |
| CN110334680A (zh) * | 2019-07-12 | 2019-10-15 | 南京海豚梦智能科技有限公司 | 基于爬壁机器人的船舶水尺识别方法、系统、装置 |
| CN111476120A (zh) * | 2020-03-26 | 2020-07-31 | 长江大学 | 一种无人机智能船舶水尺识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110070142A (zh) | 一种基于yolo神经网络的海上船只目标检测方法 | |
| CN108549894B (zh) | 一种基于深度学习算法的船舶水尺图像自动读数方法 | |
| CN111402247B (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
| CN114862849B (zh) | 一种基于图像处理的铝合板覆膜效果评估方法 | |
| CN105046700B (zh) | 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统 | |
| CN106996751B (zh) | 一种基于视觉图像的运粮车谷物装载状态检测方法及装置 | |
| CN108423136B (zh) | 一种船舶载货重量确定方法及装置 | |
| CN110208806B (zh) | 一种航海雷达图像降雨识别方法 | |
| CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
| CN105954732A (zh) | 一种激光雷达测深数据的海底底质反射率提取方法及系统 | |
| CN114792316B (zh) | 一种盘刹车轴底板点焊缺陷检测方法 | |
| CN112767359B (zh) | 复杂背景下的钢板角点检测方法及系统 | |
| CN109584205A (zh) | 盲元检测方法及装置 | |
| US20140294296A1 (en) | Spatially varying log-chromaticity normals for use in an image process | |
| CN113689426B (zh) | 基于图像处理的消防器械缺陷检测方法 | |
| CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
| CN115359064A (zh) | 工业缺陷检测方法和装置 | |
| CN107256421B (zh) | 一种稻麦籽粒快速计数方法 | |
| CN108681702B (zh) | 一种集装箱装卸积载贝位信息确定方法及系统 | |
| CN112487987A (zh) | 一种船只与水面分界线测定方法 | |
| Bibikov et al. | Detection and color correction of artifacts in digital images | |
| CN112632868B (zh) | 高频地波雷达观测径向流缺失值的填补修正方法及系统 | |
| Wang | Deep Drainage Detection System for Inland Vessels Based on Machine Vision. | |
| CN114596271A (zh) | 一种高反光表面腐蚀特征提取方法 | |
| CN114120061A (zh) | 一种面向电力巡检场景的小目标缺陷检测方法及系统 |
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 |