基于圖像的船舶水尺自動(dòng)檢測系統(tǒng)是一項(xiàng)全新的技術(shù),它將機(jī)器視覺引入船舶水尺計(jì)重領(lǐng)域。傳統(tǒng)船舶水尺讀數(shù)基本上是采用人眼觀測的方式,但由于該方法存在主觀因素、觀測過程數(shù)據(jù)無法記錄、觀測點(diǎn)少等原因,容易導(dǎo)致船方、港方以及第三方之間對水尺讀數(shù)產(chǎn)生爭執(zhí)。基于圖像的水尺自動(dòng)檢測系統(tǒng)的水尺讀數(shù)僅與水尺視頻有關(guān),不僅有最終讀數(shù)還有連續(xù)波動(dòng)值,讀數(shù)后期可追溯。該技術(shù)將水尺波動(dòng)視頻轉(zhuǎn)化為讀數(shù)波動(dòng)曲線,提高了船舶水尺讀數(shù)的客觀性、精確度、科學(xué)性。本文首先研究了船舶水尺自動(dòng)檢測系統(tǒng)的框架設(shè)計(jì),圍繞圖像采集、無線傳輸和圖像處理模塊設(shè)計(jì)了系統(tǒng)的硬件和軟件框架。硬件平臺(tái)包括圖像采集系統(tǒng),無線傳輸模塊,穩(wěn)定采集支架,軟件平臺(tái)包括開發(fā)框架,視頻解碼庫,深度學(xué)習(xí)框架,圖像處理庫。之后從邊緣檢測、顏色特征、深度學(xué)習(xí)三個(gè)角度研究了船舶吃水線檢測算法,分析了邊緣檢測原理和局部導(dǎo)數(shù)算子檢測水線的過程;在顏色特征角度采用基于RGB直方圖的分割算法、基于RGB向量空間和SVM的分割算法、基于RGB向量空間的水線邊緣檢測算法檢測水線;在深度學(xué)習(xí)角度采用Faster R-CNN算法識(shí)別水線,取得遠(yuǎn)優(yōu)于傳統(tǒng)圖像處理方法的效果。然后研究了船舶...

【文章頁數(shù)】：98 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1公制水尺標(biāo)志針對人工觀測水尺存在的諸多弊端，為了提高船舶水尺讀數(shù)的客觀性、精確度、科

圖1.1公制水尺標(biāo)志針對人工觀測水尺存在的諸多弊端，為了提高船舶水尺讀數(shù)的客觀性、精確度、科學(xué)性，目前行業(yè)已經(jīng)出現(xiàn)了許多船舶水尺自動(dòng)檢測技術(shù)，主要有壓力傳感器法、聲吶測量法、電子水尺法、超聲波測距法、激光測距法、雷達(dá)測距法和基于圖像處理的水尺讀數(shù)法7種。（1）壓力傳感器法....

圖1.2聲吶測量法示意圖

第1章緒論立采用多波束測深聲吶對吃水0.5米的船舶進(jìn)行了實(shí)驗(yàn)，誤差在可接受范圍。該方法尚且還在實(shí)驗(yàn)階段，最大吃水僅有0.5米，且實(shí)驗(yàn)水質(zhì)良好，但需要考慮的是由于聲吶支架長期設(shè)在水底，容易被泥沙、水草覆蓋，需要定期清污，安裝和維護(hù)成本都很高，且測量時(shí)也會(huì)容易受到水中異....

圖1.3Haar-like特征

然后對預(yù)處理好的圖像使用特征算子提取相對應(yīng)的特征，并對這些特征機(jī)器學(xué)習(xí)中的分類器進(jìn)行分類，最終確認(rèn)窗口目標(biāo)的種類。其中，特征提取算法是目標(biāo)檢測算法的重點(diǎn)，特征提取的好壞往往可以決定目標(biāo)檢測算法的好壞。常見的提取算法有基于顏色、紋理、形狀、邊緣和角點(diǎn)等特征的提取算法，以及人工設(shè)計(jì)征....

圖1.4R-CNN框架

哈爾濱工程大學(xué)碩士學(xué)位論文Once）[27]、SSD（SingleShotMultiBoxDetector）[28]、Retina-Net[29]。R-CNN首先在圖像中提取2000個(gè)目標(biāo)候選區(qū)，然后用CNN給每個(gè)目標(biāo)候選區(qū)提取一個(gè)特征向量，然后采用多個(gè)支持向量機(jī)....

本文編號(hào)：3994376