基于机器视觉的船舶水尺测量

2020-03-02许崇洋殷永杰许珂珂程子豪郭子杨

科技创新导报 2020年23期

许崇洋殷永杰许珂珂程子豪郭子杨

摘要：本文拟采用机器视觉的相关技术，针对目前大型船舶货物交接主要依赖人工观测计重存在的弊端，进行船舶吃水值自动读取系统的研究和产品开发，其中的关键技术在于船舶六面吃水线的提取，船舶水尺字符的识别，以及根据船舶相关图表计算船舶载货重量的研究。根据近几年国内外关于机器视觉在船舶吃水线检测的研究和字符识别技术的发展与应用，开发一套基于机器视觉的船舶水尺自动计重系统，最终实现对船舶水尺的自动识别和计重处理。

关键词：机器视觉船舶水尺测量图像处理

中图分类号：TP391.4 文献标识码：A 文章编号：1674-098X（2020）08（b）-0098-03

Abstract： This paper intends to use the related technology of machine vision， aiming at the disadvantage that the cargo transfer of large ships mainly depends on manual observation and weight measurement， the research and product development of automatic draft reading system for ships are carried out， among which the key technologies are the extraction of the ship's six waterlines， the recognition of the ship's draft characters， and the research of calculating the ship's cargo weight according to the ship's relevant charts. According to the research of ship waterline detection based on machine vision and the development and application of character recognition technology at home and abroad in recent years， a set of automatic weight measurement system of ship draft based on machine vision is developed， and the automatic recognition and weight processing of ship draft are finally realized.

Key Words： Machine vision; Ship draft; Measurement; Image processing

1 研究內容

1.1 船舶水尺自动计重系统的设计

根据船舶水尺计重的检定要求、方法，明确系统方案，对系统进行整体设计;研究高清图像采集系统的机载相机、无线图传等相关设备对图像质量的影响，分析选择系统图像采集装置、无线图传设备以及无人机平台等硬件设备，使自动计重所需的特征（字符、吃水线等）可以清晰成像，便于后续的图像处理。

1.2 船舶吃水线的自动提取及字符分割

船舶码头自然环境比较恶劣，风浪、光照、雾气、海水反射等都会导致采集到的图像噪声比较大，将严重影响图像的质量，从而增加了后续图像处理和识别的难度。因此，在图像的预处理过程中，研究比较图像去噪、增强算法，滤除随机噪声和照度噪声干扰，增强水尺特征成为本研究的基础和关键所在。

图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。本项目为了得到船舶吃水线、字符等特征区域，将研究比较差影法、阈值法、边缘法、主色提取法等主流图像分割方法，提出快速水尺区域图像的方法，做到实时准确的分割水尺区域和字符区域，减少图像处理的运算量。图像分割的好坏及船舶吃水线的提取精度，将直接影响后续的图像处理和识别结果，所以图像滤波和分割方法是本文研究的重点之一。

1.3 船舶水尺的字符识别

图像特征的提取是水尺字符识别的重要一环，针对字符、刻度线等不同的图像模式，分析图像的亮度分布特征和结构特征，研究字符、刻度线等相关的特征提取方法，提出快速精确提取上述图像特征的算法;研究卷积神经网络等深度学习算法，提出新特征提取及分类方法，进一步提高字符的识别速度及准确率。

2 研究意义

水尺计重是一种国际上通用的水上运输交接方法，它以船本身作为计量工具，根据阿基米德原理对船载货物进行计重的方法。此方法通过测定船舶装卸货前后的船舶吃水值和船用物料，根据船舶相关图表计算船舶货物承载量，以此作为买卖双方进行商务贸易的交接依据。目前大都采用人工观测船舶水尺的方式，但由于观测船舶受风浪、天气等外部因素及观测人员本身状态的影响，贸易双方往往在测量上纠纷不断。

船舶水尺是在船舶的船艏、船艉及船舯左右两舷等六个位置绘制的吃水刻度，是进行船舶计重的重要依据。传统人工观测水尺的方法，由于主观或者客观因素的影响，通常存在误差大、效率低等缺点。针对人工观测存在的问题，相关学者们提出了多种船舶水尺检测方法：（1）双压力传感器船舶吃水检测方法，此方法存在着传感器受环境影响较大，且电子线路不易布置等缺点;（2）超声波水尺，此方法虽然避免了电子传感器布线不易的缺点，但是由于超声波受空气中介质的影响较大，测量精度不高;（3）激光测距仪进行船舶吃水检测，激光具有光速不变性，成功解决了超声波传感器因为介质不均造成的误差，但是由于光在水面容易散射，实践证明测距效果并不理想，而且这种方法需要在船身外侧按照额外设备，可能给船舶的航行带来阻碍。

随着图像处理技术的发展，基于机器视觉的船舶水尺计重逐渐成为研究的热点。基于机器视觉的水尺计重方法一般分三部分：吃水线的检测、水尺字符的识别、水尺计重的计算，其中吃水线的检测、水尺字符的识别是水尺计重的两大关键问题。为解决自然环境下船舶水尺自动计重问题，本项目拟采用无人机+机器视觉技术，通过无人机采集船舶吃水高清图像，然后通过图像处理技术，研究改进图像分割算法，精确提取船舶吃水线及水尺刻度字符，研究改进卷积神经网络等相关深度学习算法，实现船舶水尺字符的识别，进而推算船舶吃水状况，完成船舶水尺的自动计重。

3 国内外研究现状

水尺计重是一种国际上通用的水上运输交接方法，它以船本身作为计量工具，根据阿基米德原理对船载货物进行计重的方法。此方法通过测定船舶装卸货前后的船舶吃水值和船用物料，根据船舶相关图表计算船舶货物承载量，以此作为买卖双方进行商务贸易的交接依据。

船舶水尺是在船舶的船艏、船艉及船舯左右两舷等六个位置绘制的吃水刻度，是进行船舶计重的重要依据。传统人工观测水尺的方法，由于主观或者客观因素的影响，通常存在误差大、效率低等缺点。针对人工观测存在的问题，相关学者们提出了多种船舶水尺检测方法。提出了一种双压力传感器船舶吃水检测方法，此方法存在着传感器受环境影响较大，且电子线路不易布置等缺点;文献[2]提出了超声波水尺，此方法虽然避免了电子传感器布线不易的缺点，但是由于超声波受空气中介质的影响较大，测量精度不高;提出采用激光测距仪进行船舶吃水检测，激光具有光速不变性，成功解决了超声波传感器因为介质不均造成的误差，但是由于光在水面容易散射，实践证明测距效果并不理想，而且这种方法需要在船身外侧按照额外设备，可能给船舶的航行带来阻碍。

随着图像处理技术的发展，基于机器视觉的船舶水尺计重逐渐成为研究的热点。基于机器视觉的水尺计重方法一般分三部分：吃水线的检测、水尺字符的识别、水尺计重的计算，其中吃水线的检测是水尺计重的关键。近年来，学者们提出了多种吃水线的提取算法。采用canny算子和Hough变换的方法检测出吃水线的位置;利用HIS彩色空间的方向梯度和启发式自增强的边缘提取算法提取水线边缘;通过提取图像的纹理谱特征，采用K-means聚类的算法实现吃水线的准确定位;采用图像配准与帧间作差的方法进行图像预处理，通过三角隶属函数的迭代分割算法提取出水线轮廓;通过彩色图像分割和链码跟踪边界的方法提取吃水线。

上述这些方法，大都是对在干扰较少的环境下拍摄的图像进行处理，运用到实际工程中效果并不理想。因此，研究复杂噪声下的图像联合稀疏滤波方法，快速准确的吃水线提取、水尺字符分割、识別算法是系统的关键。

4 数字图像处理技术

4.1 图像滤波去噪

通过对相关研究文献的阅读和分析，我们采用中值滤波、高斯滤波和NLMeans滤波分别在灰度空间对图像进行了预处理。

4.2 图像增强和二值化处理

图像增强是以改善图像的视觉效果为根本目的的。在拍摄图像的过程中会出现曝光过度或者曝光不足的现象，不利于水尺字符的识别。

4.3 水尺区域图像分割

将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来，再根据先验知识剔除掉非水尺区域。

4.4 吃水线的确定及字符分割

采用连通域的方法获取吃水线区域，然后采用canny算子提取边缘，根据曲线拟合算法及先验知识，提取船舶吃水线，并提取水尺字符。

4.5 水尺字符的特征提取

方向梯度直方图是目前计算机视觉和图像处理中经常使用的特征提取算法。它通过计算和统计局部区域的梯度方向直方图作为特征，目前HOG特征结合SVM分类器在图像识别中被广泛使用。