[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)的船舶水尺讀數(shù)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010445348.7
• 申請(qǐng)日: 2020-05-24
• 公開(kāi)（公告）號(hào): CN111652213A
• 公開(kāi)（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 李俊峰;張鋼強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江理工大學(xué)
• 主分類(lèi)號(hào): G06K9/32
• 分類(lèi)號(hào): G06K9/32;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州中成專(zhuān)利事務(wù)所有限公司 33212
• 代理人: 金祺

本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的船舶水尺讀數(shù)識(shí)別方法，包括以下步驟：輸入采集的至少2000萬(wàn)像素的船舶水尺圖像；吃水線(xiàn)分割；吃水線(xiàn)處的水尺標(biāo)志候選區(qū)域圖像的獲取；非吃水線(xiàn)處水尺標(biāo)志識(shí)別；吃水線(xiàn)處水尺標(biāo)志識(shí)別；水尺標(biāo)志實(shí)際讀數(shù)計(jì)算：根據(jù)相鄰水尺標(biāo)志連通區(qū)域重心的連線(xiàn)計(jì)算出單位像素表示的實(shí)際讀數(shù)，然后基于離吃水線(xiàn)處最近字符區(qū)域上邊緣交點(diǎn)與吃水線(xiàn)交點(diǎn)計(jì)算出船舶水尺的實(shí)際讀數(shù)。本發(fā)明用于對(duì)在船舶水尺規(guī)格不同、復(fù)雜的自然場(chǎng)景導(dǎo)致的采集圖像質(zhì)量較差以及船舶表面彎曲造成的水尺標(biāo)志處圖像失焦等獲取的船舶水尺圖像進(jìn)行識(shí)別和水尺讀數(shù)的獲取。

技術(shù)領(lǐng)域

本發(fā)明屬于深度學(xué)習(xí)的圖像識(shí)別領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的船舶水尺讀數(shù)識(shí)別方法。

背景技術(shù)

水尺計(jì)重又稱(chēng)固體公估，是船舶載重量的統(tǒng)計(jì)的一種方式，這種計(jì)重方式具有一定的科學(xué)性和準(zhǔn)確性，同時(shí)，又因其便利性和快捷性，所以在國(guó)際上被廣泛使用。水尺讀數(shù)的準(zhǔn)確性直接影響到船舶載重量的準(zhǔn)確性，而科學(xué)的水尺觀(guān)測(cè)方法可以保證水尺讀數(shù)的準(zhǔn)確性。

目前，測(cè)量船舶水尺讀數(shù)的方法主要是人工目測(cè)。近些年來(lái)，數(shù)字圖像處理技術(shù)蓬勃發(fā)展，在船舶水尺讀數(shù)識(shí)別方向，已有這方面的研究。彭將輝等提出的一種采用數(shù)學(xué)、形態(tài)學(xué)與Canny算子相結(jié)合的方法識(shí)別水線(xiàn)，該方法對(duì)圖像質(zhì)量要求較高，邊緣提取時(shí)閾值的選取對(duì)于識(shí)別的準(zhǔn)確率有很大的影響；江帆等提出采用投影法對(duì)水尺標(biāo)志進(jìn)行分割，然后通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)水尺字符進(jìn)行識(shí)別，這種方法在船舶表面平整且分割的字符完整的情況下可以保證識(shí)別準(zhǔn)確率；施朝健等通過(guò)Canny算子、幾何矯正和霍夫直線(xiàn)檢測(cè)提取水面線(xiàn)，該方法同樣受環(huán)境影響很大，不能保證提取水面線(xiàn)的準(zhǔn)確；林王峰利用K-Means聚類(lèi)的方法分割出船體區(qū)域和水面區(qū)域，從而提取出吃水線(xiàn)，然后，通過(guò)閾值得到水尺標(biāo)志的二值圖像，最后基于BP網(wǎng)絡(luò)對(duì)水尺標(biāo)志進(jìn)行識(shí)別，該方法無(wú)法適應(yīng)多變的自然環(huán)境，需要人工手動(dòng)的調(diào)整閾值；吳禹辰采用深度學(xué)習(xí)目標(biāo)檢測(cè)模型Faster-RCNN檢測(cè)吃水線(xiàn)位置，然后通過(guò)三次樣條插值法擬合出吃水線(xiàn)，再根據(jù)同樣的模型識(shí)別出水尺標(biāo)志，三次樣條插值擬合吃水線(xiàn)的方法在復(fù)雜環(huán)境下擬合過(guò)程容易存在較大的偏差，檢測(cè)效果不理想；郭秀艷基于色彩空間變化對(duì)船舶進(jìn)行吃水線(xiàn)檢測(cè)，然后自定義閾值提取水尺標(biāo)志，再把水尺標(biāo)志候選區(qū)域進(jìn)行矯正識(shí)別，這種方法在檢測(cè)吃水線(xiàn)時(shí)易受船體顏色和水跡線(xiàn)影響。

水尺數(shù)字由數(shù)字、小數(shù)點(diǎn)和單位組成。水尺標(biāo)志吃水值以1m倍數(shù)進(jìn)行標(biāo)注，在數(shù)字的后面加注單位M或m。水尺標(biāo)志的船身周?chē)话銢](méi)有其它標(biāo)志，水尺標(biāo)志與船身的顏色有顯著的差異，水尺標(biāo)志一般為白色，船身一般為紅色、藍(lán)色或者黑色。水尺標(biāo)志分為帶水尺刻度線(xiàn)和不帶水尺刻度線(xiàn)兩種。

在船舶水尺讀數(shù)識(shí)別過(guò)程中的難點(diǎn)可以分為外部因素和內(nèi)部因素。外部因素包括天氣因素、取景設(shè)備以及取景角度導(dǎo)致的光照不均(圖像過(guò)暗)、高光、水尺傾斜和取景過(guò)程中晃動(dòng)模糊和失焦模糊導(dǎo)致的水尺標(biāo)志粘連；內(nèi)部因素包括船體表面劃痕、水尺標(biāo)志損壞、水尺標(biāo)志形變以及水跡線(xiàn)。這些因素的影響使傳統(tǒng)的數(shù)字圖像處理算法識(shí)別率不高，因此需要一種算法能夠提高水尺讀數(shù)識(shí)別的準(zhǔn)確率，且排除掉環(huán)境變換對(duì)讀數(shù)識(shí)別的影響。

發(fā)明內(nèi)容

本發(fā)明所要解決的問(wèn)題是提供一種基于深度學(xué)習(xí)的船舶水尺讀數(shù)識(shí)別方法，用于在船舶水尺規(guī)格不同、復(fù)雜的自然場(chǎng)景導(dǎo)致的采集圖像質(zhì)量較差以及船舶表面彎曲造成的水尺標(biāo)志處圖像失焦等獲取的船舶水尺圖像識(shí)別和水尺讀數(shù)獲取。

為解決上述問(wèn)題，本發(fā)明提供一種基于深度學(xué)習(xí)的船舶水尺讀數(shù)識(shí)別方法，包括以下步驟：

步驟1，輸入采集的至少2000萬(wàn)像素的船舶水尺圖像；

步驟2，吃水線(xiàn)分割：利用訓(xùn)練好的改進(jìn)后的UNet網(wǎng)絡(luò)模型，對(duì)船舶水尺圖像進(jìn)行吃水線(xiàn)分割，從圖像中分離船舶區(qū)域和水面區(qū)域，從而獲得已分割的船舶水尺圖像；