CN115457563A - 一种零漏检兼低误识的船体水尺读取方法 - Google Patents
一种零漏检兼低误识的船体水尺读取方法 Download PDFInfo
- Publication number
- CN115457563A CN115457563A CN202211015661.2A CN202211015661A CN115457563A CN 115457563 A CN115457563 A CN 115457563A CN 202211015661 A CN202211015661 A CN 202211015661A CN 115457563 A CN115457563 A CN 115457563A
- Authority
- CN
- China
- Prior art keywords
- scale
- small
- area
- water gauge
- window
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 2
- 210000000476 body water Anatomy 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
一种零漏检兼低误识的船体水尺读取方法,属于机器视觉技术领域。它包括以下步骤:S1、通过无阈值搜索法定位水尺刻度区域的位置;S2、对水尺刻度区域进行包围盒分割;S3、在水尺刻度区域内搜索定位大标,对大标进行定界;S4、定位、定界小标,并对最后一个小标进行定高;S5、计算水尺刻度值。本发明通过无阈值搜索法定位水尺刻度区域位置,对水尺刻度区进行包围盒分割,并采用大标分割、识别及小标计数,最终根据得到的大标数值、小标的数目、最后一个小标的高度及其占整个小标的比例,计算水尺刻度值;能够达到零漏检率、且低误识率的检测效果。
Description
技术领域
本发明属于机器视觉技术领域,具体涉及一种零漏检兼低误识的船体水尺读取方法。
背景技术
传统上,海关在检验货船载重时具有复杂的流程,首先派出小艇去围绕货船一周,检验人员在小艇上观察读数,费时、费力、费人工。后来有了视频方案,一般是使用无人机围绕船体一周,然后检验人员通过无人机摄录的视频图像进行读取,仍然比较费时费力。随着计算机人工智能的发展,越来越多的自动化、智慧化方案进行深入应用以替代人工,在水尺测量方面就有这样的需求,在无人机环绕船体四周飞行时,能使用机器视觉进行刻度的自动提取或读取。这不仅是节省人力的需要,更重要的是由于人员读数的主观性,往往造成运方和验方的双方对载重数值的分歧与争议;而只有使用仪器自动读取才能保证数据读取的客观性,从而得到双方的认同,减少争议的发生。
另外在使用计算机软件作模式识别的机器智能解决方案时往往面临两个挑战,一、目标模式的漏检问题,即实际有目标模式存在,但没有检测到,所以也没有识别;二、误识别,即实际没有目标模式存在,但检测到了,这样后面的识别肯定是错误的。
造成漏检的原因往往在信号检测阶段,很多方法都会采用阈值相关、或阈值组合的策略来进行模式检测的决策,一旦阈值过高就会造成漏检;还有一些方法表面上不涉及阈值,但是其实质仍是依赖阈值的。只有真正的不依赖阈值的决策才能避免造成漏检,但是此时必然会造成很多非目标的模式被检测为目标模式,如果在识别时没有稳定的鉴别排除就有可能造成大量的误识别。可见低漏检率就会造成高误识别率,而低误识别率就要往往依赖高漏检率。
发明内容
针对现有技术中存在的上述问题,本发明的目的在于提供一种不依赖任何阈值的信号检测和识别方法,能够达到零漏检率、且低误识率的水尺检测读取方法。
本发明提供如下技术方案:
一种零漏检兼低误识的船体水尺读取方法,包括以下步骤:
S1、通过无阈值搜索法定位水尺刻度区域的位置;
S2、通过自适应定界,对水尺刻度区域进行包围盒分割;
S3、在水尺刻度区域内使用无阈值搜索法,搜索定位大标,再对大标进行定界,然后将大标区域的图像馈入SVM识别器进行刻度的识别;
S4、在大标右侧平行位置定位、定界首个小标,然后沿着首个小标向下逐一搜索定位其余小标,直到刻度区域底部为止,并对最后一个小标进行定高;
S5、通过识别的大标数值、小标的数目、最后一个小标的高度及其占整个小标的比例,计算水尺刻度值。
进一步的,所述步骤S2中,水尺刻度区域分割的具体过程如下:
2.1)将原始彩色RGB图转成灰度图,并对灰度分布进行伽玛纠正;
2.2)以灰度阈值T作计数依据,设定一个固定大小的窗口,将窗口在图像全域内滑动,每滑动到一个位置就计算窗口内高于灰度阈值T的像素数目,最后将窗口定位在全域内灰度高于灰度阈值T的像素数量最多的位置;
2.3)将步骤2.2)中得到的最终窗口进行定界,作为第一个候选刻度区域;
2.4)在图像全域中去掉上面定出的刻度候选区域后,再重复步骤S2、S3依照最大值搜索法找出第二个候选刻度区域,得到的两个候选刻度区域中,其中一个含有真正的刻度区域;
2.5)勘验候选刻度区域是否可分割,满足分割条件时,将候选刻度区域进行分割;
2.6)将候选刻度区域内的图像数据馈入已经预先训练好的SVM识别器进行是否为刻度区域的甄别,将得分最高者判定为刻度区域。
进一步的,所述步骤2.3)的具体过程如下:
依次序对包围盒的四条边进行上下或左右平移,依据包围盒的边与刻度白像素相切而停止移动。
进一步的,所述步骤2.5)中,使用垂线去勘验刻度候选区域是否可分割,当存在垂线不与刻度区域白点像素相交,则沿这个垂线位置将刻度候选区域进行分割。
进一步的,所述步骤S3的具体过程如下:
3.1)以灰度阈值T作计数依据,设定另一个固定大小的窗口,将窗口在刻度区域内滑动,每滑动到一个位置就计算窗口内的高于灰度阈值T的像素数目,将窗口定位在刻度区域域内具有最高数量的灰度高于灰度阈值T的像素的位置;
3.2)将定位到的大标窗口定界,即分别将大标包围盒的四条边上下或左右平移,直到其与大标白点相切为止;
3.3)将大标包围盒内的图像数据馈入为识别所有大标数字而设计训练的一组SVM识别器进行数字字符识别。
进一步的,所述步骤S4的具体过程如下:
4.1)在定位到的大标右侧定位首个小标,且对该小标的包围盒伸缩定界,记录该小标的宽、高规格;
4.2)以首个小标的宽、高规格定义一个扫描窗,在预定的下一个小标区域扫描确定小标的位置;
4.3)不断地重复步骤4.2),直到上一个小标的位置抵近水尺刻度区域包围盒底部为止;
4.4)对当前得到的一个小标包围盒序列,取最末两个包围盒内图像数据馈入预先训练的用于小标鉴别的SVM识别器,以鉴别是否为小标;
4.5)将步骤4.4里鉴别出的误识别小标删除出小标序列,对保留的最后一个小标的水面部分高度相对于整个小标高度的比例进行定高计算。
通过采用上述技术,与现有技术相比,本发明的有益效果如下:
本发明通过无阈值搜索法定位水尺刻度区域位置,对水尺刻度区进行包围盒分割,并采用大标分割、识别及小标计数,最终根据得到的大标数值、小标的数目、最后一个小标的高度及其占整个小标的比例,计算水尺刻度值;其基于依序两次定位候选刻度区域的机制及SVM识别器的甄别,能够达到零漏检率、且低误识率的检测效果。
附图说明
图1为本发明的方法流程图;
图2为本发明实施例中,分割效果较好的分割示意图;
图3为本发明实施例中,分割效果较差的分割示意图;
图4为本发明实施例中,水尺刻度区域内大标、小标的定位定界示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合说明书附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
请参阅图1-4,一种零漏检兼低误识的船体水尺读取方法,船体的颜色使用深色油漆,刻度使用白漆标记;具体包括以下步骤:
S1、通过无阈值搜索法定位水尺刻度区域的位置,优选采用最大值搜索法。
S2、通过自适应定界,对水尺刻度区域进行包围盒分割:即在整个视频帧画面内使用矩形包围盒检测出刻度区域范围;分割时,要求将刻度区域完整包含在内,且以刻度区域刚好与包围盒周界相切(靠近)为高质量的分割,同时合格的分割必须底部要含水线区域;图2为分割效果较好的实例,图3为分割效果较差的实例。
具体过程如下:
2.1)将原始彩色RGB图转成灰度图,并对灰度分布进行伽玛纠正。
2.2)以灰度阈值T作计数依据,设定一个固定大小的窗口,将窗口在图像全域内滑动,每滑动到一个位置就计算窗口内高于灰度阈值T的像素数目,最后将窗口定位在全域内灰度高于灰度阈值T的像素数量最多的位置;其中,本实施例中所谓“无阈值法”指的是搜寻定位符合刻度像素要求的像素点数最多,不需要对这个数目作阈值规范,而并非指判断符合刻度像素要求时对像素值的阈值T的定义或使用,实际上该T值也并非敏感参数,其在一个区间内即可。
2.3)将步骤2.2)中得到的最终窗口进行定界,作为第一个候选刻度区域;定界的方法为依次序对包围盒的四条边进行上下或左右平移,依据候选刻度区域的边与刻度白像素相切而停止移动。
2.4)在图像全域中去掉第一刻度候选区域后,再重复步骤S2、S3依照最大值搜索法找出第二个候选刻度区域,得到的两个候选刻度区域中,其中一个含有真正的刻度区域。
2.5)勘验候选刻度区域是否可分割,满足分割条件时,将候选刻度区域进行分割,即不能分割时得到两个候选刻度区域,能够分割时,得到六个候选刻度区域(包括原始的两个候选刻度区域)。
2.6)将得到的候选刻度区域内的图像数据馈入已经预先训练好的SVM识别器进行是否为刻度区域的甄别,将得分最高者判定为刻度区域。
S3、然后在水尺刻度区域内使用无阈值搜索法,搜索定位大标,再对大标进行定界,然后将大标区域的图像馈入SVM识别器进行刻度的识别。
在得到的刻度区域里至少有一个大标(假设识别刻度时,取景画面一定要包含大标),对候选刻度区域搜索大标,这一步骤称为大标定位;在得到大标的初步位置后,对大标进行定界,即对包围盒的四条边进行上下或左右的平移,直到与大标的白点像素相切为止;最后,将分割得到的大标区域图像馈入预先训练的另外一组SVM识别器得到大标数值。
具体过程如下:
3.1)以灰度阈值T作计数依据,设定另一个固定大小的窗口,将窗口在刻度区域内滑动,每滑动到一个位置就计算窗口内的高于灰度阈值T的像素数目,将窗口定位在刻度区域域内具有最高数量的灰度高于灰度阈值T的像素的位置;
3.2)将定位到的大标窗口定界,即分别将大标包围盒的四条边上下或左右平移,直到其与大标白点相切为止;
3.3)将大标包围盒内的图像数据馈入为识别所有大标数字而设计训练的一组SVM识别器进行数字字符识别;如图4所示,在水尺刻度区域内定位、定界出大标15。
S4、在大标右侧平行位置定位、定界首个小标,然后沿着首个小标向下逐一搜索定位其余小标,直到刻度区域底部为止,并对最后一个小标进行定高;具体过程如下:
4.1)在定位到的大标右侧定位首个小标,且对该小标的包围盒伸缩定界,记录该小标的宽、高规格;
4.2)以首个小标的宽、高规格定义一个扫描窗,在预定的下一个小标区域扫描确定小标的位置;
4.3)不断地重复步骤4.2),直到上一个小标的位置抵近水尺刻度区域包围盒底部为止;
4.4)对当前得到的一个小标包围盒序列,取最末两个包围盒内图将数据馈入预先训练的用于小标鉴别的SVM识别器,以鉴别是否为小标;该步骤是针对接触水面的区域由于水面透明导致的小标倒影、以及太阳光对水面的反光会使得步骤S2、S3的操作导致一些小标的误识别,即把不是小标的水波、或者是水里的小标作为小标;其中,步骤S2、S3不会造成小标的漏检,因而使用预训练的用于小标鉴别的SVM识别器有助于降低误识率。
4.5)将步骤4.4里鉴别出的误识别小标删除出小标序列,对保留的最后一个小标的水面部分高度相对于整个小标高度的比例进行定高计算。
如图4所示,大标15旁边及以下的一串小标。
S5、通过识别的大标数值、小标的数目、最后一个小标的高度及其占整个小标的比例,计算水尺刻度值。
具体的计算过程如下:假设小标个数为n,n是浮点数,最后一个小标的高度占比为n的小数部分,n整数部分为小标计数得到的总数目减去1;水尺刻度值的计算公式为:刻度值=大标值-(n-1)/5。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种零漏检兼低误识的船体水尺读取方法,其特征在于:包括以下步骤:
S1、通过无阈值搜索法定位水尺刻度区域的位置;
S2、通过自适应定界,对水尺刻度区域进行包围盒分割;
S3、在水尺刻度区域内使用无阈值搜索法,搜索定位大标,再对大标进行定界,然后将大标区域的图像馈入SVM识别器进行刻度的识别;
S4、在大标右侧平行位置定位、定界首个小标,沿着首个小标向下逐一搜索定位其余小标,直到刻度区域底部为止,并对最后一个小标进行定高;
S5、通过识别的大标数值、小标的数目、最后一个小标的高度及其占整个小标的比例,计算水尺刻度值。
2.根据权利要求1所述的一种零漏检兼低误识的船体水尺读取方法,其特征在于所述步骤S2中,水尺刻度区域分割的具体过程如下:
2.1)将原始彩色RGB图转成灰度图,并对灰度分布进行伽玛纠正;
2.2)以灰度阈值T作计数依据,设定一个固定大小的窗口,将窗口在图像全域内滑动,每滑动到一个位置就计算窗口内高于灰度阈值T的像素数目,最后将窗口定位在全域内灰度高于灰度阈值T的像素数量最多的位置;
2.3)将步骤2.2)中得到的最终窗口进行定界,作为第一个候选刻度区域;
2.4)在图像全域中去掉上面定出的刻度候选区域后,再重复步骤S2、S3依照最大值搜索法找出第二个候选刻度区域,得到的两个候选刻度区域中,其中一个含有真正的刻度区域;
2.5)勘验候选刻度区域是否可分割,满足分割条件时,将候选刻度区域进行分割;
2.6)将候选刻度区域内的图像数据馈入已经预先训练好的SVM识别器进行是否为刻度区域的甄别,将得分最高者判定为刻度区域。
3.根据权利要求2所述的一种零漏检兼低误识的船体水尺读取方法,其特征在于所述步骤2.3)的具体过程如下:
依次序对包围盒的四条边进行上下或左右平移,依据包围盒的边与刻度白像素相切而停止移动。
4.根据权利要求2所述的一种零漏检兼低误识的船体水尺读取方法,其特征在于所述步骤2.5)中,使用垂线去勘验刻度候选区域是否可分割,当存在垂线不与刻度区域白点像素相交,则沿这个垂线位置将刻度候选区域进行分割。
5.根据权利要求2所述的一种零漏检兼低误识的船体水尺读取方法,其特征在于所述步骤S3的具体过程如下:
3.1)以灰度阈值T作计数依据,设定另一个固定大小的窗口,将窗口在刻度区域内滑动,每滑动到一个位置就计算窗口内的高于灰度阈值T的像素数目,将窗口定位在刻度区域域内具有最高数量的灰度高于灰度阈值T的像素的位置;
3.2)将定位到的大标窗口定界,即分别将大标包围盒的四条边上下或左右平移,直到其与大标白点相切为止;
3.3)将大标包围盒内的图像数据馈入为识别所有大标数字而设计训练的一组SVM识别器进行数字字符识别。
6.根据权利要求5所述的一种零漏检兼低误识的船体水尺读取方法,其特征在于所述步骤S4的具体过程如下:
4.1)在定位到的大标右侧定位首个小标,且对该小标的包围盒伸缩定界,记录该小标的宽、高规格;
4.2)以首个小标的宽、高规格定义一个扫描窗,在预定的下一个小标区域扫描确定小标的位置;
4.3)不断地重复步骤4.2),直到上一个小标的位置抵近水尺刻度区域包围盒底部为止;
4.4)对当前得到的一个小标包围盒序列,取最末两个包围盒内图像数据馈入预先训练的用于小标鉴别的SVM识别器,以鉴别是否为小标;
4.5)将步骤4.4里鉴别出的误识别小标删除出小标序列,对保留的最后一个小标的水面部分高度相对于整个小标高度的比例进行定高计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015661.2A CN115457563A (zh) | 2022-08-24 | 2022-08-24 | 一种零漏检兼低误识的船体水尺读取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015661.2A CN115457563A (zh) | 2022-08-24 | 2022-08-24 | 一种零漏检兼低误识的船体水尺读取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115457563A true CN115457563A (zh) | 2022-12-09 |
Family
ID=84298392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211015661.2A Pending CN115457563A (zh) | 2022-08-24 | 2022-08-24 | 一种零漏检兼低误识的船体水尺读取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457563A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115909298A (zh) * | 2022-09-26 | 2023-04-04 | 杭州数聚链科技有限公司 | 一种基于机器视觉的货船水尺标度读取方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367310A (zh) * | 2017-07-11 | 2017-11-21 | 华南理工大学 | 一种基于计算机视觉的河流水位远程监测方法 |
CN110223341A (zh) * | 2019-06-14 | 2019-09-10 | 北京国信华源科技有限公司 | 一种基于图像识别的智能水位监测方法 |
CN110619328A (zh) * | 2019-08-28 | 2019-12-27 | 南京理工大学 | 基于图像处理和深度学习的船舶水尺读数智能识别方法 |
CN111361700A (zh) * | 2020-03-23 | 2020-07-03 | 南京畅淼科技有限责任公司 | 基于机器视觉的船舶空重载识别方法 |
CN112528982A (zh) * | 2020-11-18 | 2021-03-19 | 燕山大学 | 一种用于检测船舶水尺线的方法、装置及系统 |
CN112598001A (zh) * | 2021-03-08 | 2021-04-02 | 中航金城无人系统有限公司 | 一种基于多模型融合的船舶水尺读数自动识别方法 |
CN114387235A (zh) * | 2021-12-30 | 2022-04-22 | 重庆知行数联智能科技有限责任公司 | 一种水环境监测方法及系统 |
-
2022
- 2022-08-24 CN CN202211015661.2A patent/CN115457563A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367310A (zh) * | 2017-07-11 | 2017-11-21 | 华南理工大学 | 一种基于计算机视觉的河流水位远程监测方法 |
CN110223341A (zh) * | 2019-06-14 | 2019-09-10 | 北京国信华源科技有限公司 | 一种基于图像识别的智能水位监测方法 |
CN110619328A (zh) * | 2019-08-28 | 2019-12-27 | 南京理工大学 | 基于图像处理和深度学习的船舶水尺读数智能识别方法 |
CN111361700A (zh) * | 2020-03-23 | 2020-07-03 | 南京畅淼科技有限责任公司 | 基于机器视觉的船舶空重载识别方法 |
CN112528982A (zh) * | 2020-11-18 | 2021-03-19 | 燕山大学 | 一种用于检测船舶水尺线的方法、装置及系统 |
CN112598001A (zh) * | 2021-03-08 | 2021-04-02 | 中航金城无人系统有限公司 | 一种基于多模型融合的船舶水尺读数自动识别方法 |
CN114387235A (zh) * | 2021-12-30 | 2022-04-22 | 重庆知行数联智能科技有限责任公司 | 一种水环境监测方法及系统 |
Non-Patent Citations (2)
Title |
---|
李茂月等: ""基于机器视觉的智能车辆鲁棒车道线识别方法"", 《中国机械工程》, 31 January 2021 (2021-01-31), pages 242 - 251 * |
郑莹莹等: ""基于图像处理方法的人眼动姿态识别技术的研究"", 《工业控制计算机》, 31 December 2015 (2015-12-31), pages 31 - 33 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115909298A (zh) * | 2022-09-26 | 2023-04-04 | 杭州数聚链科技有限公司 | 一种基于机器视觉的货船水尺标度读取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114757949B (zh) | 基于计算机视觉的电线电缆缺陷检测方法及系统 | |
CN108918536B (zh) | 轮胎模具表面字符缺陷检测方法、装置、设备及存储介质 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN113506286A (zh) | 基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN102975826A (zh) | 基于机器视觉的便携式船舶水尺自动检测和识别方法 | |
CN115100221A (zh) | 一种玻璃缺陷分割方法 | |
CN116563237B (zh) | 一种基于深度学习的鸡胴体缺陷高光谱图像检测方法 | |
CN111652213A (zh) | 一种基于深度学习的船舶水尺读数识别方法 | |
CN111260645B (zh) | 基于分块分类深度学习的篡改图像检测方法及系统 | |
CN106096610A (zh) | 一种基于支持向量机的文档图像二值化方法 | |
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 | |
CN111476120A (zh) | 一种无人机智能船舶水尺识别方法及装置 | |
CN113192059A (zh) | 一种红外遥感图像在轨舰船检测方法 | |
CN113850749A (zh) | 训练缺陷侦测器的方法 | |
CN110738106A (zh) | 一种基于fpga的光学遥感图像船舶检测方法 | |
CN116523923B (zh) | 一种电池外壳缺陷识别方法 | |
CN116934761B (zh) | 一种乳胶手套缺陷自适应检测方法 | |
CN111951218A (zh) | 一种混合深度学习模型的口红质检系统 | |
CN110689003A (zh) | 低照度成像车牌识别方法、系统、计算机设备及存储介质 | |
CN114240886A (zh) | 基于自监督对比表征学习技术的工业生产中钢材图片缺陷检测方法 | |
CN113012153A (zh) | 一种铝型材瑕疵检测方法 | |
CN116823768A (zh) | 一种基于感知自编码器的表面缺陷检测方法及相关装置 | |
CN119068270A (zh) | 一种基于机器视觉的调料包封装完整性检测方法及系统 | |
CN115457563A (zh) | 一种零漏检兼低误识的船体水尺读取方法 |
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 |