System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及轨道交通领域,尤其涉及一种确定缆绳松紧状态的方法、装置、设备及存储介质。
技术介绍
1、缆绳系统一般由缆绳、缆绳绷力装置、缆绳调节器等组成,用于保证船舶处于稳定的停泊状态。当货船装卸货物时,缆绳的松紧就会发生变化,卸货时吃水减少,缆绳处于绷直状态;装载货物时吃水增加,缆绳也随之弯曲。确保缆绳的张力始终处于合适的状态,可以有效避免事故发生,保障靠泊船只的安全。目前,通常以人工的方式判断缆绳松紧,由港口及船只工作人员时刻观察,并结合大量经验进行判断,但这种方式存在稳定性差,专业知识要求高,及时性低,高度依赖人工,以及无法全天运行等缺点。
技术实现思路
1、本申请实施例提供了一种确定缆绳松紧状态的方法、装置、设备及存储介质,能够过网络模型识别的方式确定缆绳分布数据,再结合设计的缆绳状态计算公式自动计算缆绳的松紧状态,从而解决实际工程中人为判断稳定性差、效率低的问题,达到高效、准确运行的目的。
2、第一方面,本申请实施例还提供了一种确定缆绳松紧状态的方法,该方法包括:
3、获取目标检测图片、缆绳识别模型、语义分割模型和缆绳状态计算公式;
4、其中,缆绳识别模型是经过训练得到的,缆绳状态计算公式包括三个常数和点坐标参数;
5、根据目标检测图片和缆绳识别模型确定缆绳分布数据;
6、基于语义分割模型结合霍夫变换算法对缆绳分布数据进行处理,确定出霍夫变换结果;
7、根据霍夫变换结果和缆绳状态计算公式确定目标检测图片中
8、可选地,训练上述缆绳识别模型包括:
9、获取待训练缆绳数据集和待训练模型;
10、对待训练缆绳数据集进行降噪处理,得到第一数据集;
11、对第一数据集进行增强处理,得到第二数据集;
12、对第二数据集中的缆绳部分进行标注,得到语义分割数据集;
13、根据语义分割数据集对待训练模型进行训练,得到缆绳识别模型。
14、可选地,上述对第一数据集进行增强处理,得到第二数据集,包括:
15、采用多种增强方式对第一数据集进行增强处理,得到第二数据集。
16、可选地,在根据目标检测图片和缆绳识别模型确定缆绳分布数据之前,方法还包括:
17、对目标检测图片进行降噪处理;
18、对降噪后的目标检测图片进行二值化处理。
19、可选地,上述根据目标检测图片和缆绳识别模型确定缆绳分布数据,包括:
20、将目标检测图片划分为多个单元格;
21、检测单元格内缆绳识别模型提取的中心点;
22、基于单元格预测边界框和边界框的置信度;
23、基于中心点、边界框和置信度进行预测,确定缆绳分布数据。
24、可选地,上述基于语义分割模型结合霍夫变换算法对缆绳分布数据进行处理,确定出霍夫变换结果,包括:
25、基于语义分割模型结合霍夫变化算法对缆绳分布数据进行曲线拟合,得到缆绳弯曲点集合;
26、将缆绳弯曲点集合确定为霍夫变换结果。
27、可选地,上述缆绳状态计算公式包括:
28、
29、其中,xi,yi分别为缆绳弯曲点集合中点的横纵坐标值,a、b、c分别为直线a*x2+b*x+c=0中的参数,且直线为缆绳弯曲点集合中表示缆绳两个端点的坐标点之间的连线。
30、第二方面,本申请实施例还提供了一种确定缆绳松紧状态的装置,该装置包括:
31、获取模块,用于获取目标检测图片、缆绳识别模型、语义分割模型和缆绳状态计算公式;
32、其中,缆绳识别模型是经过训练得到的,缆绳状态计算公式包括三个常数和点坐标参数;
33、第一确定模块,用于根据目标检测图片和缆绳识别模型确定缆绳分布数据;
34、第二确定模块,用于基于语义分割模型结合霍夫变换算法对缆绳分布数据进行处理,确定出霍夫变换结果;
35、第三确定模块,用于根据霍夫变换结果和缆绳状态计算公式确定目标检测图片中缆绳的松紧状态。
36、第三方面,本申请实施例还提供了一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,当处理器执行程序时,实现如本申请任意实施例提供的一种确定缆绳松紧状态的方法。
37、第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如本申请任意实施例提供的一种确定缆绳松紧状态的方法。
38、本申请实施例提供了一种确定缆绳松紧状态的方法、装置、设备及存储介质,包括:获取目标检测图片、缆绳识别模型、语义分割模型和缆绳状态计算公式;其中,缆绳识别模型是经过训练得到的,缆绳状态计算公式包括三个常数和点坐标参数;根据目标检测图片和缆绳识别模型确定缆绳分布数据;基于语义分割模型结合霍夫变换算法对缆绳分布数据进行处理,确定出霍夫变换结果;根据霍夫变换结果和缆绳状态计算公式确定目标检测图片中缆绳的松紧状态。上述方案通过网络模型识别的方式确定缆绳分布数据,再结合设计的缆绳状态计算公式自动计算缆绳的松紧状态,能够解决实际工程中人为判断稳定性差、效率低的问题,达到高效、准确运行的目的。
本文档来自技高网...【技术保护点】
1.一种确定缆绳松紧状态的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,训练所述缆绳识别模型包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述第一数据集进行增强处理,得到第二数据集,包括:
4.根据权利要求1所述的方法,其特征在于,在所述根据所述目标检测图片和所述缆绳识别模型确定缆绳分布数据之前,所述方法还包括:
5.根据权利要求1或4所述的方法,其特征在于,所述根据所述目标检测图片和所述缆绳识别模型确定缆绳分布数据,包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述语义分割模型结合霍夫变换算法对所述缆绳分布数据进行处理,确定出霍夫变换结果,包括:
7.根据权利要求6所述的方法,其特征在于,所述缆绳状态计算公式包括:
8.一种确定缆绳松紧状态的装置,其特征在于,所述装置包括:
9.一种计算机设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-7任一项所述的确
10.一种设备可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时,实现如权利要求1-7任一项所述的确定缆绳松紧状态的方法。
...【技术特征摘要】
1.一种确定缆绳松紧状态的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,训练所述缆绳识别模型包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述第一数据集进行增强处理,得到第二数据集,包括:
4.根据权利要求1所述的方法,其特征在于,在所述根据所述目标检测图片和所述缆绳识别模型确定缆绳分布数据之前,所述方法还包括:
5.根据权利要求1或4所述的方法,其特征在于,所述根据所述目标检测图片和所述缆绳识别模型确定缆绳分布数据,包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述语...
【专利技术属性】
技术研发人员:陈致远,孟磊,闫家鹏,刘强,李刚,刘华琳,崔永祥,赵德林,刘华实,李林,刘永昌,李泽琦,姜来福,张延军,郝晨旭,林科,齐若文,陆尧,
申请(专利权)人:国能黄骅港务有限责任公司,
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。