基于卷积神经网络的船舶吃水线检测算法

发布时间：2021-06-10 23:47

　　在港口散货交易中,船舶吃水线是直接计重交易的凭证,吃水线读取精确与否,直接关系到交易公平性。目前港口船舶吃水线检测主要依靠人工目视检测,这样的方法由于人为因素影响,容易引起纠纷;同时人工测量速度慢,且在浪大的时候没法工作。所以怎样最大降低人为以及环境因素干扰和快速的检测水尺线,一直是港口部门急需解决两个难题。本文设计了一套船舶水尺视频采集装置,分析了不同阶段所采用的采集方案的优缺点,并详细介绍了最终采用的履带磁吸附爬壁机器人方案。针对现有传统机器视觉船舶吃水线检测算法存在的缺点,本文根据实际应用中出现的问题,提出分割和边缘检测相结合的方式去除满载线的干扰,采用边缘链融合算法Msedge有效去除了其他干扰线,使得水线检测更加容易。传统的机器视觉算法都是人工设计的特征,单一的算法无法对所有复杂多变的环境准确的处理。本文首次提出通过深度学习算法来解决船舶吃水线检测问题,借鉴先进的实时深度学习目标检测网络,提出一种叫Fine-Mobilenet的语义分割网络结构,使得系统的检测精度和鲁棒性都有了极大的提升。本文根据要解决的问题特点,分析对比了不同数据集标注方案,设计了一套高效的图像标注工具。本... 

【文章来源】：燕山大学河北省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

工作人员水尺观测图

样学习获得的单层特征是没有层次结构的。而深变换，将数据样本在原空间的特征表示转化到新到多个层次的抽象数据特征，从而更有利于进行网络络是在现代神经生物学研究的基础上提出的一种的某些特征。它不是人脑神经系统的真实描述，曾对人工神经网络的发展发挥了极大的作用，是工神经网络中最为基础的一种模型。在 20 世纪blatt 提出了感知器这一概念，主要用于解决线性调权值和偏置的神经元组成感知器，可以看作一2 所示，输入三个二进制数1 2 3( x , x , x )，输出一个二

图 1-3 Sigmoid 函数P 神经网络络中，我们使用梯度下降法来学习网络的权重和偏置，那呢。在 1970，反向传播算法就被提出，但一直到 1986 年，中人们才意识到该算法的重要性。反向传播算法系统解决权重学习问题，并在数学上给出了完整推导。人们把反向网络具有优良的多维函数映射能力和复杂的模式分类能力一些其他问题。从结构上讲，BP 神经网络具有输入层、讲，BP 算法分为正向传递过程和反向传递过程，正向传入和输出，反向传递过程是通过期望输出和网络的实际输偏导数。之后利用输出层和隐藏层的输出来修正权重值，过程，一直到迭代结束或者误差满足需求。


本文编号：3223353