【技術實現步驟摘要】
本專利技術涉及船舶水尺識別，尤其涉及一種基于深度學習的船舶水尺讀數方法及裝置。
技術介紹
1、船舶水尺線是在船舶的首、尾及船舶中間兩舷的位置上繪制的刻度，用于估量船舶吃水深度，是進行船舶計重和船舶積載安全評估的重要依據，是船方與港方交接貨物重量的重要手段。
2、傳統的船舶水尺刻度監測主要依靠人工測量，人工測量需要目測來獲取船舶的實際吃水深度。通常為了獲得比較準確的吃水深度，可以讓多組人員來目測，記錄并處理相關數據，取其平均值來獲得一個相對比較客觀的數據。但是這種依靠人工目測的方法由于取決于人的視角、經驗等主觀因素，存在一定局限性，不同人員測出的數據存在浮動。此外，這種方法需要人員在探身越過船舷去觀測數據，存在安全隱患。對于較大尺寸的船舶往往還需要觀測人員搭乘小型船只到達待檢測船舶的吃水線處進行觀測，觀測人員所乘船只在接近待檢船舶時，波浪的起伏也在一定程度上影響了人工觀測的精度。這種觀測方式不僅不符合現代化智慧綠色港的發展方向，還存在一定風險及成本。
技術實現思路
1、本專利技術實施例提供一種基于深度學習的船舶水尺讀數方法及裝置，無需人工讀數，能夠解決現有人工方法中的主觀因素高和具有安全隱患的問題。
2、為了達到上述目的，第一方面，本專利技術實施例提供一種基于深度學習的船舶水尺讀數方法，包括以下步驟：
3、步驟a：獲取關于船舶水尺的目標圖像幀；
4、步驟b：在所述目標圖像幀中確定矩形關注區，所述矩形關注區用以表示船舶水尺在所述目標圖像幀
5、步驟c：利用深度學習技術對所述目標圖像幀進行邊界識別，確定水面與船體之間的邊界線；
6、步驟d：獲取位于所述矩形關注區內的所述邊界線的多個坐標值，并計算所述多個坐標值中的縱坐標值的平均值，根據所述平均值確定船體在矩形關注區的吃水線；
7、步驟e：對所述矩形關注區的圖像進行字符檢測，得到多個字符矩形框以及各字符矩形框對應的置信度，每個所述字符矩形框內含有一個字符，所述字符為字母、文字和數字中的一種；
8、步驟f：根據所述吃水線、多個字符矩形框以及各字符矩形框對應的置信度計算出船舶水尺讀數。
9、進一步地，所述根據所述吃水線、多個字符矩形框以及各字符矩形框對應的置信度計算出船舶水尺讀數，包括：
10、將低于所述吃水線的字符矩形框刪除，得到剩余字符矩形框；
11、從剩余字符矩形框中識別出包含?“m”的字母矩形框；
12、將置信度最高的“m”字母矩形框的左下角點作為關鍵點，從所述剩余字符矩形框中獲取位于所述關鍵點左側的所有連續數字矩形框；
13、獲取所述所有連續數字矩形框中的數字，并將所述所有連續的數字矩形框中的數字所構成的新數字作為船舶水尺讀數的整數數值m；
14、分別獲取以下參數：t、s1、s2、l和r，其中參數t為所述剩余字符矩形框中位于所述關鍵點下方的所有字符矩形框的個數t，s1為所述關鍵點與吃水線之間的距離，s2為所述關鍵點與所述剩余字符矩形框中最靠近所述吃水線的字符矩形框的底框線之間的距離，l為所述剩余字符矩形框之間的平均間隔，r為預設的船舶水尺的最小刻度；
15、根據以下公式一獲取船舶水尺讀數的小數數值d：
16、d=floor(s1,l)×r+mod(s1,l)/l×r????（一）
17、計算m-d的差值，得到船舶水尺讀數。
18、進一步地，所述步驟a：獲取關于船舶水尺的目標圖像幀，包括：
19、獲取采集到的關于船舶水尺的預設時長的原始視頻；
20、依次獲取所述原始視頻的n個原始圖像幀，其中每當前獲取的原始圖像幀作為一個目標圖像幀；
21、所述方法還包括：
22、每獲取一個所述目標圖像幀，則執行步驟b-步驟f，由此得到n個船舶水尺讀數；
23、刪除所述n個船舶水尺讀數中的離群點數值，得到剩余船舶水尺讀數；
24、計算所述剩余船舶水尺讀數的平均值，得到最終的船舶水尺讀數。
25、進一步地，所述依次獲取所述原始視頻的n個原始圖像幀，其中每當前獲取的原始圖像幀作為一個目標圖像幀，包括：
26、依次獲取原始視頻的n個原始圖像幀，每當前獲取一個原始圖像幀，則對當前獲取的原始圖像幀進行縮放，從而得到具有預設固定分辨率的目標圖像幀。
27、進一步地，所述在所述目標圖像幀中確定矩形關注區，包括：
28、將所述目標圖像幀轉換為二值化圖像；
29、確定所述二值化圖像在每列像素上所有像素值為1的像素點，計算所述像素點的像素值之和；
30、根據每列像素的所述像素點的像素值之和，得到字符像素在橫坐標軸上的分布曲線f；
31、獲取所述分布曲線f的最高點縱坐標值h1、次高點的縱坐標值h2、以及所述最高點和次高點連線的中點的縱坐標值c1；
32、根據以下公式二計算左邊界b1和右邊界b2：
33、b1=c1-k1(|h1-h2|)
34、b2=c1+k2(|h1-h2|)??????????（二）
35、其中k1和k2為擴大系數；
36、根據所述左邊界b1和右邊界b2，確定目標圖像幀中的矩形關注區。
37、第二方面，本專利技術實施例還提供一種基于深度學習的船舶水尺讀數裝置，包括：
38、第一獲取模塊，用于獲取關于船舶水尺的目標圖像幀；
39、第一確定模塊，用于在所述目標圖像幀中確定矩形關注區，所述矩形關注區用以表示船舶水尺在所述目標圖像幀中的位置；
40、第二確定模塊，用于利用深度學習技術對所述目標圖像幀進行邊界識別，確定水面與船體之間的邊界線；
41、第二獲取模塊，用于獲取位于所述矩形關注區內的所述邊界線的多個坐標值，并計算所述多個坐標值中的縱坐標值的平均值，根據所述平均值確定船體在矩形關注區的吃水線；
42、檢測模塊，用于對所述矩形關注區的圖像進行字符檢測，得到多個字符矩形框以及各字符矩形框對應的置信度，每個所述字符矩形框內含有一個字符，所述字符為字母、文字和數字中的一種；
43、第一計算模塊，用于根據所述吃水線、多個字符矩形框以及各字符矩形框對應的置信度計算出船舶水尺讀數。
44、進一步地，所述第一計算模塊具體用于：
45、將低于所述吃水線的字符矩形框刪除，得到剩余字符矩形框；
46、從剩余字符矩形框中識別出包含?“m”的字母矩形框；
47、將置信度最高的“m”字母矩形框的左下角點作為關鍵點，從所述剩余字符矩形框中獲取位于所述關鍵點左側的所有連續數字矩形框；
48、獲取所述所有連續數字矩形框中的數字，并將所述所有連續的數字矩形框中的數字所構成的新數字作為船舶水尺讀數的整數數值m；
49、分別獲取以下參數：t、s1、s2、本文檔來自技高網...
【技術保護點】
1.一種基于深度學習的船舶水尺讀數方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，所述根據所述吃水線、多個字符矩形框以及各字符矩形框對應的置信度計算出船舶水尺讀數，包括：
3.根據權利要求2所述的方法，其特征在于，所述步驟a：獲取關于船舶水尺的目標圖像幀，包括：
4.根據權利要求3所述的方法，其特征在于，所述依次獲取所述原始視頻的n個原始圖像幀，其中每當前獲取的原始圖像幀作為一個目標圖像幀，包括：
5.根據權利要求1所述的方法，其特征在于，所述在所述目標圖像幀中確定矩形關注區，包括：
6.一種基于深度學習的船舶水尺讀數裝置，其特征在于，包括：
7.根據權利要求6所述的裝置，其特征在于，所述第一計算模塊具體用于：
8.根據權利要求7所述的裝置，其特征在于，所述第一獲取模塊具體用于：
9.根據權利要求8所述的裝置，其特征在于，所述第一確定模塊具體用于：
10.一種可讀存儲介質，其特征在于，所述可讀存儲介質中存儲有計算機程序，所述計算機程序被處理器執行
...【技術特征摘要】
1.一種基于深度學習的船舶水尺讀數方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，所述根據所述吃水線、多個字符矩形框以及各字符矩形框對應的置信度計算出船舶水尺讀數，包括：
3.根據權利要求2所述的方法，其特征在于，所述步驟a：獲取關于船舶水尺的目標圖像幀，包括：
4.根據權利要求3所述的方法，其特征在于，所述依次獲取所述原始視頻的n個原始圖像幀，其中每當前獲取的原始圖像幀作為一個目標圖像幀，包括：
5.根據權利要求1所述的方法，其特征在于...
【專利技術屬性】
技術研發人員：徐瑞東，吳昊，陸科，安浩，王懷德，馬文達，
申請(專利權)人：安拓博特機器人上海有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。