原文传递
基于图像处理的船舶水尺检测算法研究
| 论文题名： | 基于图像处理的船舶水尺检测算法研究 |
| 关键词： | 船舶运输;水尺计重;图像处理;吃水线检测;深度学习 |
| 摘要： | 船舶运输在国家之间的运输扮演着非常重要的角色，世界上散货的运输大都通过船舶运输。目前，大宗散货商品的通关计税和价格结算一般采用水尺计重且以人工读取的水线为主，所以其精确度直接取决于人工读取水线的准确性。此外，近年来长江内河航道，因船舶吃水超过规定而酿成重大海事事故屡屡发生。传统船舶吃水线测量方法大都依靠人工、传感器等手段，在精度和可靠性方面还存在一定问题，因此，亟需寻找一种更高效、精确且安全的船舶水尺检测方法。 针对传统水尺检测的缺陷，本文提出一种高效、精确且安全的基于图像识别的船舶水尺检测方法，优化了传统水线边缘检测算法、船舶水尺字符识别算法和吃水值读数算法。首先介绍了传统的边缘检测算法，主要是利用不同局部算子对获取的水尺数据图像进行检测，并主要对一阶局部导数Sobel算子和一阶局部导数Canny算子检测结果进行对比分析。接着综合传统边缘检测的优缺点以及船舶吃水线特点，设计了基于颜色特征的水线检测算法，利用颜色特征实现了对水线图像的分割，然后用霍夫直线检测出了船舶水线。然后介绍了传统的字符识别算法，神经网络和FasterR-CNN的算法原理，针对采集的图像水尺字符类别单一、背景颜色不同，且对比度不佳，对此深度神经网络识别水尺字符具有一定的可行性，因此提出一种基于FasterR-CNN的水尺字符检测算法，最后通过实验精确定位到了水尺字符并正确识别。最后利用像素距离转换求得水尺图像的单位像素距离，针对不同情况分别进行吃水值计算，同时也考虑到了实际中存在水尺字符倾斜和水尺图像俯视变形的特殊情况，分别采用倾斜校正和透视变换去解决，并初步讨论了如何解决波浪对读数的影响。 本文的算法均基于Python和OPENCV的平台实现，通过大量的实验证明该算法准确，高效，能适应各种不同的水尺检测环境，尤其对于一些不常见的船体颜色以及水体颜色背景下的水尺，检测效果明显优于传统算法。基于图像处理的船舶吃水线检测算法具有重要的理论和现实意义。 |
| 作者： | 乔志凯 |
| 专业： | 航海科学与技术 |
| 导师： | 陈世才 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
