【技术实现步骤摘要】
本专利技术涉及图像处理，具体为一种基于unet语义分割的港口舱盖板边缘定位的方法。
技术介绍
1、随着国家或地区的经济发展，对资源的需求不断增加，港口作为物流运输的重要节点，能够提高进出口贸易的效率和降低成本，因此港口运输建设成为促进经济发展的重要手段，其中的舱盖板边缘定位技术在近些年来也受到了广泛的关注和应用。舱盖板的位置是运输过程中需要准确测量和实时监测的关键技术参数，对实现准确的舱盖板装卸与运输、提高港口运营效率与安全性起着至关重要的作用。随着近年来深度学习和计算机视觉技术的快速发展，基于图像处理的港口舱盖板边缘定位方法逐渐受到关注，其中基于unet语义分割的方法具有高精度、高效率和低成本等优势。
2、在传统的港口舱盖板边缘定位方法中，通常采用目视定位或机械定位的方式，这些方法存在精度低、效率不高或成本高等问题，影响实际的使用效率；鉴于此，我们提出了一种基于unet语义分割的港口舱盖板边缘定位的方法。
技术实现思路
1、本专利技术的目的在于提供一种基于unet语义分割的港口舱盖板边缘定位的方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于unet语义分割的港口舱盖板边缘定位的方法，所述方法包括以下步骤：
3、s1、数据采集：首先需要采集港口舱盖板的图像数据，可以通过摄像头拍摄图像或视频等方式获取；
4、s2、数据预处理：对采集的图像数据进行预处理，包括去除噪声、增强对比度、数据增强等
5、s3、训练unet模型：利用处理后的图像数据训练unet模型，使得模型能够准确地识别出舱盖板的边缘位置；
6、s4、模型测试与优化：对训练好的unet模型进行测试和优化，以提高模型的准确性和泛化能力；
7、s5、语义分割：利用训练好的unet模型对新的港口舱盖板图像进行语义分割，从而确定舱盖板的边缘点集合；
8、s6、边缘定位：使用轮廓提取方法对舱盖板边缘进行提取，进行凸包检测并绘制凸包，遍历角点集合，计算边缘角点到舱盖板正矩形角点的欧式距离的最小值，从而确定舱盖板的边缘最优角点，完成边缘定位工作。
9、可选的，所述s1进一步的包括：
10、s11、搜寻并获取相机信息列表，然后根据相机信息列表打开对应相机，获取相机对象；
11、s12、选择内触发采集模式或者外触发采集模式，内触发采集包括连续采集和单帧采集，外触发包括软触发和硬触发；
12、s13、打开采集流；
13、s14、若采用内触发采集模式，打开采集流就可以采集到图像；若采用外触发采集模式，则发送触发命令；
14、s15、取流抓图，取流抓图的方式分为主动取流抓图和回调取流抓图，若采用回调取流抓图，则注册回调函数操作应放在打开采集流操作之前；
15、s16、关闭采集流；
16、s17、关闭相机。
17、可选的，所述s2进一步的包括：
18、s21、数据清洗，去除异常值、处理缺失值、去除冗余数据，进行原始图像的筛选，剔除原始图像中照明条件不佳、画面模糊、光照条件过强的数据，并选取其中部分图像清晰且包含舱盖板的图像留作备用；
19、s22、对数据进行增强处理。
20、可选的，所述增强处理包括：
21、裁剪缩放处理，通过在图像周围添加一些背景或移除一些边缘像素的裁剪方式来改变图像的大小和视角，通过将图像放大或缩小的缩放方式来改变图像的大小和视角；
22、旋转翻转处理，通过旋转图像一定角度的旋转方式来改变图像的视角和方向，通过将图像水平或垂直翻转一定的角度的翻转方式来改变图像的对称性和方向；
23、颜色变化处理，通过改变图像的亮度、对比度和饱和度来增加数据的多样性和数量；
24、灰度化处理，通过将彩色图像转换为灰度图像的灰度化方式来简化图像处理的复杂度。
25、可选的，所述s3进一步的包括：
26、s31、数据标注处理，选用准备好的包含舱盖板在内的图像1000张，尺寸大小为512×512，通过labelme标注软件进行数据集制作，自定义标签名称，对图像数据中的舱盖板进行区域标记，保存标注结果，生成xml标签数据，并转化成对应的mask掩码图数据；
27、s32、构建模型处理，构建适用于舱盖板语义分割的unet模型，所述模型的网络结构包括：编码器和解码器，编码器负责提取图像的特征信息，解码器则通过上采样的方式将特征信息恢复为与原图像相同尺寸的输出，编码器和解码器之间通过跳跃连接进行信息传递；
28、s33、划分数据集处理，按照设定比例9:1，将数据集划分为训练集和验证集，用于训练和验证模型；
29、s34、配置参数处理，根据实际应用场景，配置模型训练若干参数，将训练数据集与测试数据集路径导入相应的位置；
30、s35、定义损失函数和优化处理，损失函数用于衡量模型的预测结果与真实标签之间的差距，而优化器则用于更新模型的参数以最小化损失函数，常用的损失函数包括交叉熵损失函数和均方误差损失函数；所述优化处理包括梯度下降法、rmsprop算法和adam算法；
31、s36、模型训练处理，将训练样本输入到unet模型中进行训练，通过反复迭代更新模型的参数，以最小化损失函数，得到符合条件的模型权重文件用于后续的预测任务。
32、可选的，所述s4包括以下步骤：
33、s41、模型测试处理，在unet模型的测试阶段，准确率和交并比作为语义分割的评估指标来评估模型的性能，在测试集上多次运行模型并取数据平均值作为最终的结果数据；
34、评估指标的计算方式如下：
35、准确率：
36、accuracy＝ncorrect/ntotal
37、其中，nncorrect为被正确分类的样本个数，ntotal为总样本的个数；
38、交并比：
39、
40、定义矩形a与矩形b的对角坐标分别为[(xmina,ymina),(xmaxa,ymaxa)]、[(xminb,yminb),(xmaxb,ymaxb)]，定义交集矩阵的对角坐标为[(xminab,yminab),(xmaxab,ymaxab)]，于是，交集和并集的计算公式如下：
41、a∩b＝(xmaxab-xminab)*(ymaxab-yminab)
42、wa＝xmaxa-xmina
43、ha＝ymaxa-ymina
44、wb＝xmaxb-xminb
45、hb＝ymaxb-yminb
46、a∪b＝wa*ha+wb*hb-a∩b
47、s42、在unet模型的优化阶段，针对训练模型的测试效果对模型进行优化。
48、可选的，所本文档来自技高网...
【技术保护点】
1.一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述S1进一步的包括：
3.根据权利要求1所述的一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述S2进一步的包括：
4.根据权利要求1所述的一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述增强处理包括：
5.根据权利要求1所述的一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述S3进一步的包括：
6.根据权利要求1所述的一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述S4包括以下步骤：
7.根据权利要求1所述的一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述S5进一步的包括以下步骤：
8.根据权利要求1所述的一种基于Unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述S6进一步的包括：
【技术特征摘要】
1.一种基于unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述s1进一步的包括：
3.根据权利要求1所述的一种基于unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述s2进一步的包括：
4.根据权利要求1所述的一种基于unet语义分割的港口舱盖板边缘定位的方法，其特征在于：所述增强处理包括：
5.根据权...
【专利技术属性】
技术研发人员：黄秀松，杨楣，刘鑫，兰志才，
申请(专利权)人：上海国际港务集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。