一种基于视觉的船舶舱底水系统积水监测方法及系统技术方案

本发明专利技术提供一种基于视觉的船舶舱底水系统积水监测方法，其特征在于，包括：获取封闭舱室地面图像，通过自适应阈值分割对所述封闭舱室地面图像进行处理，从而判断地面是否存在积水；如地面存在积水，则对积水图像进行预处理后输入训练好的积水类型识别模型进行积水类型判断，所述积水类型识别模型用于对预处理后的积水图像进行分类，输出积水图像所属的积水类型；通过边缘检测对积水图像进行处理获取积水区域，对积水区域进行液位高度估计从而确定积水深度；将积水深度数据输入训练后的BP神经网络进行积水深度变化预测，并输出积水深度超过警戒深度的预测时间。本发明专利技术能够大大减少船上人员的工作量，同时能够实现异常情况的快速识别。识别。识别。

【技术实现步骤摘要】
一种基于视觉的船舶舱底水系统积水监测方法及系统


[0001]本专利技术涉及船舶智能运维
，具体而言，尤其涉及一种基于视觉的船舶舱底水系统积水监测方法及系统。

技术介绍

[0002]舱底水系统在船上扮演重要角色，其是重要的保船系统，它不仅要求在船舶正常航行时，对水密舱室内生成的舱底水能有效地排除(机器处所的含油舱底水须经分离油分后排放)，而且在紧急情况下，对水密舱室在有限进水情况下也能进行有效地排水。如果舱底水不能及时排出，会对船体产生诸多不利：1)舱底污水对船体有腐蚀作用；2)机舱、泵舱等机器处所积水过多，会影响人员操作，还可能导致机电设备受潮或浸水损坏；3)严重的舱底积水甚至会影响船舶的浮力和稳性。所以运用机器视觉对船舶舱底水系统进行检测是非常有必要的。
[0003]目前在船舶运行的过程中主要是由船上工作人员定时对船舶舱底水系统进行检查维护工作，工作内容主要包括：1)日用舱底泵、舱底消防泵应按运行周期进行保养、检修，定期检查水泵运行状态。2)平时保持机舱内花钢板下洁净，并定期清洗污水井泥箱。3)定期试验各舱污水井高位报警功能是否正常。4)对管路系统上的阀门应定期活络，以防锈死。
[0004]采用人工巡检方式进行积水监测不仅浪费人力，而且对突发异常情况难以快速察觉，容易导致故障扩大，造成巨大损失。

技术实现思路

[0005]鉴于现有技术的不足，本专利技术提供一种基于视觉的船舶舱底水系统积水监测方法及系统。能够提高船舶航行安全性，延长舱室中设备的使用寿命。大大减少安装维护的复杂性，以及船上人员的工作量，同时能够实现异常情况的快速识别。
[0006]本专利技术采用的技术手段如下：
[0007]一种基于视觉的船舶舱底水系统积水监测方法，包括：
[0008]获取封闭舱室地面图像，通过自适应阈值分割对所述封闭舱室地面图像进行处理，从而判断地面是否存在积水；
[0009]如地面存在积水，则对积水图像进行预处理后输入训练好的积水类型识别模型进行积水类型判断，所述积水类型识别模型用于对预处理后的积水图像进行分类，输出积水图像所属的积水类型；
[0010]通过边缘检测对积水图像进行处理获取积水区域，对积水区域进行液位高度估计从而确定积水深度；
[0011]将积水深度数据输入训练后的BP神经网络进行积水深度变化预测，并输出积水深度超过警戒深度的预测时间，所述BP神经网络隐含层节点数根据以下计算获取：
[0012][0013]其中，m表示隐含层节点数，x表示输入层中的节点数，y表示输出层中的节点数，k
是一个不大于20的常数。
[0014]进一步地，通过自适应阈值分割对所述封闭舱室地面图像进行处理，从而判断地面是否存在积水，包括：
[0015]根据所述封闭舱室地面图像的像素均值确定自适应阈值；
[0016]通过定义感兴趣区域得到封闭舱室地面的分割图像；
[0017]统计分割图像的像素特征与预设的阈值进行比较，根据比较结果判断是否存在积水。
[0018]进一步地，所述积水类型识别模型的训练步骤包括：
[0019]获取船舶封闭舱室各种类型积水的图片作为训练样本；
[0020]对训练样本进行预处理，所述预处理包括尺寸剪裁、样本采样以及均值归一化；
[0021]将预处理后的图片作为模型输入，将对应的积水类型作为模型输出对积水类型识别模型进行训练。
[0022]进一步地，所述积水类型识别模型采用支持向量机模型。
[0023]进一步地，对积水区域进行液位高度估计从而确定积水深度，包括：
[0024]基于Auto CAD软件对积水区域进行三维实体建模，利用Auto CAD本身自带的massprop命令计算液位高度。
[0025]较现有技术相比，本专利技术具有以下优点：
[0026]本专利技术根据布置的摄像头获取的图像数据，通过算法，及时发现船舶封闭舱室积水情况并通知船舶工作人员。当船舶封闭舱室有异常积水情况时可以第一时间发现并通知船上工作人员，为船舶安全航行提供了保障，提高了封闭舱室的安全性，以及舱室内设备的使用寿命，并且可以有效减少船上工作人员的工作量。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0028]图1为本专利技术一种基于视觉的船舶舱底水系统积水监测方法流程图。
[0029]图2为实施例中积水检测流程图。
[0030]图3为实施例中积水类型判断流程图。
[0031]图4为Hough变换原理示意图。其中，(a)为平面坐标系下的Hough变换原理，(b)为极坐标系下的Hough变换原理。
[0032]图5为实施例中积水深度估计流程图。
[0033]图6为实施例中BP神经网络架构图。
具体实施方式
[0034]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人
员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0035]如图1所示，本专利技术提供了一种基于视觉的船舶舱底水系统积水监测方法，包括：
[0036]S1、获取封闭舱室地面图像，通过自适应阈值分割对所述封闭舱室地面图像进行处理，从而判断地面是否存在积水。包括：
[0037]S101、根据所述封闭舱室地面图像的像素均值确定自适应阈值；
[0038]S102、通过定义感兴趣区域得到封闭舱室地面的分割图像；
[0039]S103、统计分割图像的像素特征与预设的阈值进行比较，根据比较结果判断是否存在积水。
[0040]具体来说，本专利技术中通过计算摄像头获取的图像的均值得到自适应阈值，并通过定义感兴趣区域得到封闭舱室地面的分割图像。随后对分割图像进行阈值化处理得到积水区域轮廓，通过统计该二值图像中大于阈值的像素个数来判断是否是积水区域。在有积水的情况下，进行后续处理，积水检测算法流程如图2所示。
[0041]单一阈值对图像进行处理的效果不理想，因为其不能兼顾图像不同区域的情况，尤其是在光线复杂的环境。为了提高算法的鲁棒性，使用算法通过计算图像的均值获取到自适应阈值T，其计算公式为：
[0042][0043]式中：L为灰度级总数，值为255；Z
i
表示第i个灰度级的值；p(Z
i
)表示灰度Z
i
在归一化直方图灰度级分布中的概率。得到自适应阈值T之后对图像进行阈值化操作，也就是将图像中大于阈值T的像素设为白色像素25本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉的船舶舱底水系统积水监测方法，其特征在于，包括：获取封闭舱室地面图像，通过自适应阈值分割对所述封闭舱室地面图像进行处理，从而判断地面是否存在积水；如地面存在积水，则对积水图像进行预处理后输入训练好的积水类型识别模型进行积水类型判断，所述积水类型识别模型用于对预处理后的积水图像进行分类，输出积水图像所属的积水类型；通过边缘检测对积水图像进行处理获取积水区域，对积水区域进行液位高度估计从而确定积水深度；将积水深度数据输入训练后的BP神经网络进行积水深度变化预测，并输出积水深度超过警戒深度的预测时间，所述BP神经网络隐含层节点数根据以下计算获取：其中，m表示隐含层节点数，x表示输入层中的节点数，y表示输出层中的节点数，k是一个不大于20的常数。2.根据权利要求1所述的一种基于视觉的船舶舱底水系统积水监测方法，其特征在于，通过自适应阈值分割对所述封闭舱室地面图像进行处理，从而判断地面是否存在积水，包括：根据所述封闭舱室地面...

【专利技术属性】
技术研发人员：张跃文，尹衍楚，王飞，张鹏，邹永久，姜兴家，杜太利，段绪旭，孙培廷，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：