大数据图像处理技术在无人船运行自动监测中的应用
发布时间：2021-10-17 17:09
目前无人船运行自动监测方法在监测过程中存在异常,获取数据完整性差,为此分析大数据图像处理技术在无人船运行自动监测中的应用。采用较为先进的数据管理技术,调控无人船运行状态,并设置数据监控装置,时刻监控无人船位置,保证其运行安全,该研究能够完善内部空间信息,提升监测的准确率。实验结果表明,大数据图像处理技术能够有效监测到错误数据,完善船体监测信息,加强自身的船体信息管理能力,更好地实现自动监测。
【文章来源】：舰船科学技术. 2020,42(18)北大核心
【文章页数】：3 页
【部分图文】：
无人船运动坐标系图Fig.1Unmannedshipmotioncoordinatesystemdiagram
虾茫??舷低车牟僮餍枨蟆?参考文献：时俊楠,金久才,张杰.无人船监视图像反光区域检测与去除方法及实验验证[J].海洋科学,2018,42(1):82–87.[1]汤伟,刘思洋,高涵,等.基于改进霍夫变换的水面无人船水界线检测方法[J].科学技术与工程,2018,18(31):36–41.[2]黄志坚.基于回归深度卷积网络的船舶图像与视频检测[J].上海海事大学学报,2019,40(4):83–88.[3]王贵槐,谢朔,初秀民,等.基于深度学习的水面无人船前方船只图像识别方法[J].船舶工程,2018,40(4):28–31+108.[4]图4无人船运行角度图Fig.4Operationangleofunmannedship图5无人船自动监测实验图Fig.5Unmannedshipautomaticmonitoringexperiment第42卷杨琼，等：大数据图像处理技术在无人船运行自动监测中的应用·75·
觯?纱嘶袢〔僮魉?璧慕嵌仁?荩?⑸柚梦?人船运动坐标系如图1所示。图1无人船运动坐标系图Fig.1Unmannedshipmotioncoordinatesystemdiagram图中，无人船数据得到了基础的坐标控制，能够在一定范围内按照收集的图像信息管理自身运行方向，并及时调整船体状态，经过空间数据处理后，挖掘无人船信息数据的存储空间，固定其角度坐标状态，并添加基础控件，将运动后的坐标系记录在监测程序中，并获取模型构建数据，进行无人船船体构建操作。整合无人船坐标系信息，构建新式坐标系模型如图2所示。图2新式坐标系模型图Fig.2Newcoordinatesystemmodeldiagram在经过坐标模型构建处理后，管理内部状态数据，同时查找大数据图像处理技术下的系统方向自动控制空间数据信息，加密该空间的数据信息，确保数据的存储安全。合理利用信息处理手段将收集的存储信息转移至无人船中心监测空间中，检验大数据图像处理技术下的无人船位置信息是否与监测操作相符，由此完成对无人船运行模型的构建操作。2大数据图像处理技术下的无人船运行自动监测在获取构建的模型数据后，调节无人船运行标准，利用大数据图像处理技术远程传输无人船自动监测信息，清晰直观地反应无人船的具体情况，利于实验研究操作。管理内部数据收集空间，初步判断无人船运动轨迹，由于无人船与系统上位机间的距离较远，在操作过程中将产生一定的操作阻碍，为此，优化操作装置信息，设置网络传输层运输无人船传导的数据。选取抗干扰能力较强的网络系统装置，将其安装至无人船监测中心中，创造较为良好的网络数据信息传输环境，避免因信号中断而导致的无人船位置信息接收状态较差的问题。利用MG232模块将传输的无人船运行信息收集至模块空间?
【参考文献】：
期刊论文
[1]基于回归深度卷积网络的船舶图像与视频检测[J]. 黄志坚,张成,王慰慈. 上海海事大学学报. 2019(04)
[2]基于改进霍夫变换的水面无人船水界线检测方法[J]. 汤伟,刘思洋,高涵,陶倩. 科学技术与工程. 2018(31)
[3]基于深度学习的水面无人船前方船只图像识别方法[J]. 王贵槐,谢朔,初秀民,洛天骄. 船舶工程. 2018(04)
[4]无人船监视图像反光区域检测与去除方法及实验验证[J]. 时俊楠,金久才,张杰. 海洋科学. 2018(01)
本文编号：3442122
【文章来源】：舰船科学技术. 2020,42(18)北大核心
【文章页数】：3 页
【部分图文】：
无人船运动坐标系图Fig.1Unmannedshipmotioncoordinatesystemdiagram
虾茫??舷低车牟僮餍枨蟆?参考文献：时俊楠,金久才,张杰.无人船监视图像反光区域检测与去除方法及实验验证[J].海洋科学,2018,42(1):82–87.[1]汤伟,刘思洋,高涵,等.基于改进霍夫变换的水面无人船水界线检测方法[J].科学技术与工程,2018,18(31):36–41.[2]黄志坚.基于回归深度卷积网络的船舶图像与视频检测[J].上海海事大学学报,2019,40(4):83–88.[3]王贵槐,谢朔,初秀民,等.基于深度学习的水面无人船前方船只图像识别方法[J].船舶工程,2018,40(4):28–31+108.[4]图4无人船运行角度图Fig.4Operationangleofunmannedship图5无人船自动监测实验图Fig.5Unmannedshipautomaticmonitoringexperiment第42卷杨琼，等：大数据图像处理技术在无人船运行自动监测中的应用·75·
觯?纱嘶袢〔僮魉?璧慕嵌仁?荩?⑸柚梦?人船运动坐标系如图1所示。图1无人船运动坐标系图Fig.1Unmannedshipmotioncoordinatesystemdiagram图中，无人船数据得到了基础的坐标控制，能够在一定范围内按照收集的图像信息管理自身运行方向，并及时调整船体状态，经过空间数据处理后，挖掘无人船信息数据的存储空间，固定其角度坐标状态，并添加基础控件，将运动后的坐标系记录在监测程序中，并获取模型构建数据，进行无人船船体构建操作。整合无人船坐标系信息，构建新式坐标系模型如图2所示。图2新式坐标系模型图Fig.2Newcoordinatesystemmodeldiagram在经过坐标模型构建处理后，管理内部状态数据，同时查找大数据图像处理技术下的系统方向自动控制空间数据信息，加密该空间的数据信息，确保数据的存储安全。合理利用信息处理手段将收集的存储信息转移至无人船中心监测空间中，检验大数据图像处理技术下的无人船位置信息是否与监测操作相符，由此完成对无人船运行模型的构建操作。2大数据图像处理技术下的无人船运行自动监测在获取构建的模型数据后，调节无人船运行标准，利用大数据图像处理技术远程传输无人船自动监测信息，清晰直观地反应无人船的具体情况，利于实验研究操作。管理内部数据收集空间，初步判断无人船运动轨迹，由于无人船与系统上位机间的距离较远，在操作过程中将产生一定的操作阻碍，为此，优化操作装置信息，设置网络传输层运输无人船传导的数据。选取抗干扰能力较强的网络系统装置，将其安装至无人船监测中心中，创造较为良好的网络数据信息传输环境，避免因信号中断而导致的无人船位置信息接收状态较差的问题。利用MG232模块将传输的无人船运行信息收集至模块空间?
【参考文献】：
期刊论文
[1]基于回归深度卷积网络的船舶图像与视频检测[J]. 黄志坚,张成,王慰慈. 上海海事大学学报. 2019(04)
[2]基于改进霍夫变换的水面无人船水界线检测方法[J]. 汤伟,刘思洋,高涵,陶倩. 科学技术与工程. 2018(31)
[3]基于深度学习的水面无人船前方船只图像识别方法[J]. 王贵槐,谢朔,初秀民,洛天骄. 船舶工程. 2018(04)
[4]无人船监视图像反光区域检测与去除方法及实验验证[J]. 时俊楠,金久才,张杰. 海洋科学. 2018(01)
本文编号：3442122
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3442122.html
