在港口散貨交易中,船舶吃水線是直接計(jì)重交易的憑證,吃水線讀取精確與否,直接關(guān)系到交易公平性。目前港口船舶吃水線檢測主要依靠人工目視檢測,這樣的方法由于人為因素影響,容易引起糾紛;同時人工測量速度慢,且在浪大的時候沒法工作。所以怎樣最大降低人為以及環(huán)境因素干擾和快速的檢測水尺線,一直是港口部門急需解決兩個難題。本文設(shè)計(jì)了一套船舶水尺視頻采集裝置,分析了不同階段所采用的采集方案的優(yōu)缺點(diǎn),并詳細(xì)介紹了最終采用的履帶磁吸附爬壁機(jī)器人方案。針對現(xiàn)有傳統(tǒng)機(jī)器視覺船舶吃水線檢測算法存在的缺點(diǎn),本文根據(jù)實(shí)際應(yīng)用中出現(xiàn)的問題,提出分割和邊緣檢測相結(jié)合的方式去除滿載線的干擾,采用邊緣鏈融合算法Msedge有效去除了其他干擾線,使得水線檢測更加容易。傳統(tǒng)的機(jī)器視覺算法都是人工設(shè)計(jì)的特征,單一的算法無法對所有復(fù)雜多變的環(huán)境準(zhǔn)確的處理。本文首次提出通過深度學(xué)習(xí)算法來解決船舶吃水線檢測問題,借鑒先進(jìn)的實(shí)時深度學(xué)習(xí)目標(biāo)檢測網(wǎng)絡(luò),提出一種叫Fine-Mobilenet的語義分割網(wǎng)絡(luò)結(jié)構(gòu),使得系統(tǒng)的檢測精度和魯棒性都有了極大的提升。本文根據(jù)要解決的問題特點(diǎn),分析對比了不同數(shù)據(jù)集標(biāo)注方案,設(shè)計(jì)了一套高效的圖像標(biāo)注工具。本... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

工作人員水尺觀測圖

樣學(xué)習(xí)獲得的單層特征是沒有層次結(jié)構(gòu)的。而深變換，將數(shù)據(jù)樣本在原空間的特征表示轉(zhuǎn)化到新到多個層次的抽象數(shù)據(jù)特征，從而更有利于進(jìn)行網(wǎng)絡(luò)絡(luò)是在現(xiàn)代神經(jīng)生物學(xué)研究的基礎(chǔ)上提出的一種的某些特征。它不是人腦神經(jīng)系統(tǒng)的真實(shí)描述，曾對人工神經(jīng)網(wǎng)絡(luò)的發(fā)展發(fā)揮了極大的作用，是工神經(jīng)網(wǎng)絡(luò)中最為基礎(chǔ)的一種模型。在 20 世紀(jì)blatt 提出了感知器這一概念，主要用于解決線性調(diào)權(quán)值和偏置的神經(jīng)元組成感知器，可以看作一2 所示，輸入三個二進(jìn)制數(shù)1 2 3( x , x , x )，輸出一個二

圖 1-3 Sigmoid 函數(shù)P 神經(jīng)網(wǎng)絡(luò)絡(luò)中，我們使用梯度下降法來學(xué)習(xí)網(wǎng)絡(luò)的權(quán)重和偏置，那呢。在 1970，反向傳播算法就被提出，但一直到 1986 年，中人們才意識到該算法的重要性。反向傳播算法系統(tǒng)解決權(quán)重學(xué)習(xí)問題，并在數(shù)學(xué)上給出了完整推導(dǎo)。人們把反向網(wǎng)絡(luò)具有優(yōu)良的多維函數(shù)映射能力和復(fù)雜的模式分類能力一些其他問題。從結(jié)構(gòu)上講，BP 神經(jīng)網(wǎng)絡(luò)具有輸入層、講，BP 算法分為正向傳遞過程和反向傳遞過程，正向傳入和輸出，反向傳遞過程是通過期望輸出和網(wǎng)絡(luò)的實(shí)際輸偏導(dǎo)數(shù)。之后利用輸出層和隱藏層的輸出來修正權(quán)重值，過程，一直到迭代結(jié)束或者誤差滿足需求。


本文編號：3223353