【技术实现步骤摘要】
本专利技术涉及船舶，具体涉及一种基于图像自动计算船舶甲板使用率的方法及系统。
技术介绍
1、在海洋石油船舶运输过程中，需要对船舶每次进出港时的载货量进行记录，目前在对船舶甲板使用率的计算方法中，一般都是靠有经验的工作人员进行人工估算，手动记录在纸质文档中。然而基于有经验的工作人员估算，由于港口的船舶数量较多，且无论春夏秋冬、刮风下雨都需要外出进行估算，存在工作强度大、估算效率低和估算精度低且估算精度还会随工作人员的工作经验波动的问题。
2、因此，亟需一种基于图像自动计算船舶甲板使用率的方法及系统，以解决上述问题。
技术实现思路
1、本专利技术的目的是为了解决现有技术中针对港口船舶甲板使用率的计算，一般都是基于有经验的工作人员估算存在工作强度大、估算效率低和估算精度低且估算精度还会随工作人员的工作经验波动的问题，提供一种基于图像自动计算船舶甲板使用率的方法及系统。
2、为了实现上述目的，本专利技术第一方面提供了一种基于图像自动计算船舶甲板使用率的方法，该方法包括如下步骤：
3、s1、获取包含船舶甲板和货物的图像；
4、s2、基于卷积神经网络模型对图像中的船舶甲板进行检测，若能够得到船舶甲板目标框，则进入步骤s3，若不能得到船舶甲板目标框，则返回步骤s1；
5、s3、获取船舶甲板目标框在图像内的长度像素值和宽度像素值，并基于长度像素值和宽度像素值之积得到船舶甲板在图像内所占据的像素点的个数；
6、s4、将船舶甲板目
7、s5、基于roi区域内所有货物的像素点的个数占roi区域内像素点个数的比值得到船舶甲板使用率。
8、优选地，在步骤s3中，所述获取船舶甲板目标框在图像内的长度像素值和宽度像素值之前还包括：
9、若图像中存在多个船舶甲板目标框，计算每个船舶甲板目标框的中心点坐标与图像中心点坐标之间的偏差，选择偏差最小的船舶甲板目标框作为期望船舶甲板目标框。
10、优选地，在步骤s4中，所述基于二维矩阵数组计算roi区域内所有货物所占据的像素点的个数，具体包括：
11、基于卷积神经网络模型获取roi区域内所有货物的货物目标框，并基于二维矩阵数组对roi区域内的所有像素点坐标进行逐一判定，若当前像素点存在货物，则将货物所占据的像素点的个数加一，直至完成对roi区域内所有像素点坐标的判定，并统计roi区域内所有货物所占据的像素点的个数。
12、优选地，步骤s2中，所述卷积神经网络模型采用yolov5算法进行训练。
13、优选地，步骤s1中，所述获取包含船舶甲板和货物的图像，具体包括：
14、获取包含完整船舶甲板和货物且没有物体遮挡的图像。
15、优选地，步骤s1中，使目标船舶甲板在图像的中心位置。
16、优选地，步骤s1中，图像的最小分辨率为1280*720。
17、优选地，步骤s1中，图像获取设备包括手机和摄像机。
18、本专利技术第二方面提供了一种基于图像自动计算船舶甲板使用率的系统，应用于上述所述的方法，该系统包括：
19、图像获取单元，用于获取包含船舶甲板和货物的图像；
20、船舶甲板检测单元，用于基于卷积神经网络模型对图像中的船舶甲板进行检测，若不能够得到船舶甲板目标框，则重新获取包含船舶甲板和货物的图像，直至得到船舶甲板目标框；
21、船舶甲板像素点获取单元，用于获取船舶甲板目标框在图像内的长度像素值和宽度像素值，并基于长度像素值和宽度像素值之积得到船舶甲板在图像内所占据的像素点的个数；
22、货物像素点获取单元，用于将船舶甲板目标框作为货物检测的roi区域，并基于二维矩阵数组计算roi区域内所有货物所占据的像素点的个数；
23、船舶甲板使用率计算单元，用于基于roi区域内所有货物的像素点的个数占roi区域内像素点个数的比值得到船舶甲板使用率。
24、优选地，所述获取船舶甲板目标框在图像内的长度像素值和宽度像素值之前还包括：
25、若图像中存在多个船舶甲板目标框，计算每个船舶甲板目标框的中心点坐标与图像中心点坐标之间的偏差，选择偏差最小的船舶甲板目标框作为期望船舶甲板目标框。
26、根据上述技术方案，基于该基于图像自动计算船舶甲板使用率的方法，通过s1、获取包含船舶甲板和货物的图像；s2、基于卷积神经网络模型对图像中的船舶甲板进行检测，若能够得到船舶甲板目标框，则进入步骤s3，若不能得到船舶甲板目标框，则返回步骤s1；s3、获取船舶甲板目标框在图像内的长度像素值和宽度像素值，并基于长度像素值和宽度像素值之积得到船舶甲板在图像内所占据的像素点的个数；s4、将船舶甲板目标框作为货物检测的roi区域，并基于二维矩阵数组计算roi区域内所有货物所占据的像素点的个数；s5、基于roi区域内所有货物的像素点的个数占roi区域内像素点个数的比值得到船舶甲板使用率。在实际应用时，可有效提高对船舶甲板使用率的计算效率和计算精度。
27、同时，通过设置所述获取船舶甲板目标框在图像内的长度像素值和宽度像素值之前还包括：若图像中存在多个船舶甲板目标框，计算每个船舶甲板目标框的中心点坐标与图像中心点坐标之间的偏差，选择偏差最小的船舶甲板目标框作为期望船舶甲板目标框，可避免图像中多个船舶甲板目标框造成的干扰，从而准确对期望船舶甲板的使用率进行计算。
28、通过所述基于二维矩阵数组计算roi区域内所有货物所占据的像素点的个数，具体包括：基于卷积神经网络模型获取roi区域内所有货物的货物目标框，并基于二维矩阵数组对roi区域内的所有像素点坐标进行逐一判定，若当前像素点存在货物，则将货物所占据的像素点的个数加一，直至完成对roi区域内所有像素点坐标的判定，并统计roi区域内所有货物所占据的像素点的个数，可基于二维矩阵数组的逐个像素点判定，有效避免多个货物目标框重叠所带来的计算误差，从而提高计算准确度。
本文档来自技高网...【技术保护点】
1.一种基于图像自动计算船舶甲板使用率的方法，其特征在于，该基于图像自动计算船舶甲板使用率的方法包括如下步骤：
2.根据权利要求1所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，在步骤S3中，所述获取船舶甲板目标框在图像内的长度像素值和宽度像素值之前还包括：
3.根据权利要求1或2所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，在步骤S4中，所述基于二维矩阵数组计算ROI区域内所有货物所占据的像素点的个数，具体包括：
4.根据权利要求1所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，步骤S2中，所述卷积神经网络模型采用yolov5算法进行训练。
5.根据权利要求1所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，步骤S1中，所述获取包含船舶甲板和货物的图像，具体包括：
6.根据权利要求1或5所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，步骤S1中，使目标船舶甲板在图像的中心位置。
7.根据权利要求6所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，步骤S1中，图像
8.根据权利要求5所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，步骤S1中，图像获取设备包括手机和摄像机。
9.一种基于图像自动计算船舶甲板使用率的系统，其特征在于，应用于上述权利要求1-8中任意一项所述的方法，该系统包括：
10.根据权利要求9所述的基于图像自动计算船舶甲板使用率的系统，其特征在于，所述获取船舶甲板目标框在图像内的长度像素值和宽度像素值之前还包括：
...【技术特征摘要】
1.一种基于图像自动计算船舶甲板使用率的方法，其特征在于，该基于图像自动计算船舶甲板使用率的方法包括如下步骤：
2.根据权利要求1所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，在步骤s3中，所述获取船舶甲板目标框在图像内的长度像素值和宽度像素值之前还包括：
3.根据权利要求1或2所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，在步骤s4中，所述基于二维矩阵数组计算roi区域内所有货物所占据的像素点的个数，具体包括：
4.根据权利要求1所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，步骤s2中，所述卷积神经网络模型采用yolov5算法进行训练。
5.根据权利要求1所述的基于图像自动计算船舶甲板使用率的方法，其特征在于，步骤s1中，所述获取包含...
【专利技术属性】
技术研发人员：陈守文，张祥，刘春昊，乔寅，王向明，苏萌，李寅昌，崔雅然，钱兴维，王爱民，
申请(专利权)人：中海油信息科技有限公司，
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。