一种船舶水尺识别方法、设备及存储介质技术

本发明专利技术涉及一种船舶水尺识别方法、设备及存储介质，方法包括：获取船舶水尺原始视频；利用水线识别模型识别出所述船舶水尺原始视频每一帧中的水位线识别框后，得到每个所述水位线识别框的中心坐标并进行筛选后，求取筛选出的各个中心坐标中的纵坐标的平均值；利用水尺数字识别模型，识别出所述船舶水尺原始视频中最靠近水位线的水尺数字标签值，以及最靠近水位线的水尺数字所在位置的纵坐标，并根据所述水尺数字标签值以及所述水尺数字所在位置的纵坐标计算出比例尺；根据所述筛选出的各个中心坐标中的纵坐标的平均值、水尺数字标签值、水尺数字所在位置的纵坐标和比例尺进行水尺识别。本发明专利技术解决了目前水尺识别精度低、具有安全隐患的问题。

【技术实现步骤摘要】
一种船舶水尺识别方法、设备及存储介质
本专利技术涉及船舶水尺检测
，尤其涉及一种船舶水尺识别方法、设备及存储介质。
技术介绍
随着全球贸易的进一步加深，国家各大港口的贸易量日益增长，随之带来的是对港口计量自动化的需求越来越紧迫。在过去的2019年，我国的各个港口的外贸和出口货物吞吐量都是稳中有进，上半年大型港口例如宁波舟山港，吞吐量达到了112.009吨，同比增长7.9％。停泊在港口的大型轮船一般采用利用吃水线深度来进行船舶载重测量。目前，国内主要采用的水尺检测方法有人工读数，超声波传感器，压力传感器，激光测距仪等方法。1、人工观测：由于人工观测受人的主观和客观因素多方面干扰，即使是多人对水尺进行观测，最后的结果也不太科学，而当水面波动比较大时，不仅检测误差还会再次增大，同时也可能导致检测人员的生命遭到威胁，除此，一般检测需要租赁小艇，靠近船舶进行检测，不仅在经济上不划算，而且有较大的人力以及时间浪费。2、超声波传感器来测量船舶的水位：这样的方法在加入了均值滤波等降噪方法后，能优化到误差在0.05m以内。但是对于要本文档来自技高网...

【技术保护点】
1.一种船舶水尺识别方法，其特征在于，包括如下步骤：/n获取无人机拍摄的船舶水尺原始视频；/n利用第一训练神经网络训练得到的水线识别模型，识别出所述船舶水尺原始视频每一帧中的水位线识别框后，得到每个所述水位线识别框的中心坐标并进行筛选后，求取筛选出的各个中心坐标中的纵坐标的平均值；/n利用第二训练神经网络训练得到的水尺数字识别模型，识别出所述船舶水尺原始视频中最靠近水位线的水尺数字标签值，以及最靠近水位线的水尺数字所在位置的纵坐标，并根据所述水尺数字标签值以及所述水尺数字所在位置的纵坐标计算出比例尺；/n根据所述筛选出的各个中心坐标中的纵坐标的平均值、水尺数字标签值、水尺数字所在位置的纵坐标和...

【技术特征摘要】
1.一种船舶水尺识别方法，其特征在于，包括如下步骤：
获取无人机拍摄的船舶水尺原始视频；
利用第一训练神经网络训练得到的水线识别模型，识别出所述船舶水尺原始视频每一帧中的水位线识别框后，得到每个所述水位线识别框的中心坐标并进行筛选后，求取筛选出的各个中心坐标中的纵坐标的平均值；
利用第二训练神经网络训练得到的水尺数字识别模型，识别出所述船舶水尺原始视频中最靠近水位线的水尺数字标签值，以及最靠近水位线的水尺数字所在位置的纵坐标，并根据所述水尺数字标签值以及所述水尺数字所在位置的纵坐标计算出比例尺；
根据所述筛选出的各个中心坐标中的纵坐标的平均值、水尺数字标签值、水尺数字所在位置的纵坐标和比例尺进行水尺识别。


2.根据权利要求1所述的船舶水尺识别方法，其特征在于，所述水线识别模型和所述水尺数字识别模型的训练过程具体为：
获取无人机在多角度和多距离情况下拍摄的船舶训练视频，并对所述船舶训练视频进行预处理，以得到包含多个船舶图像样本的训练数据集；其中，所述训练数据集至少包括水线训练数据集和水尺训练数据集；
构建第一训练神经网络，利用所述第一训练神经网络对所述水线训练数据集进行训练，得到水线识别模型；
构建第二训练神经网络，利用所述第二训练神经网络对所述水尺训练数据集进行训练，得到水尺数字识别模型。


3.根据权利要求2所述的船舶水尺识别方法，其特征在于，采用Yolov3算法构建第一神经网络。


4.根据权利要求2所述的船舶水尺识别方法，其特征在于，采用Yolov3算法构建第二神经网络。


5.根据权利要求1所述的船舶水尺识别方法，其特征在于，筛选各个所述水位线识别框的中心坐标的方法具体为：
求取所有的所述水位线识别框的方差，将各个所述水位线识别框的中心坐标与所...

【专利技术属性】
技术研发人员：孙泳，詹炜，朱晨光，
申请(专利权)人：长江大学，
类型：发明
国别省市：湖北;42