基于机器视觉的水下网衣破损及附着程度检测方法研究

发布时间：2021-09-29 02:17

　　近年来,为响应海洋强国战略总体要求,我国大力发展海水养殖业,最初以浅海滩涂为主要养殖区域,但随着海水养殖的兴起,诸多问题如水体富营养化、养殖区域过密等相继出现,这就要求开拓更广阔的养殖空间,随后养殖业重心逐渐转向深远海区域,深远海养殖装备也逐渐成为研究热点。但由于深海养殖环境恶劣,常出现台风、风暴潮等海洋灾害性天气,且深海区域常伴有不同程度的风浪流等耦合作用,这就对深远海养殖装备有了很高的要求,要求结构抗风浪性强的同时,一些配套设施也要协同发展。网箱结构系统中最为关键的就是其网衣系统的状态,若网衣系统发生破损情况,则会导致大量鱼类逃逸,这不仅会造成严重的经济损失,还有可能导致生物物种入侵,破坏海洋自然生态环境,这就要求对网箱系统要进行定期的巡检工作。目前的巡检工作主要是通过工作人员潜入深海环境进行网目的排查,标记破损位置,之后进行补救工作。但这种方法不仅效率低成本高,还不能保证工作人员的安全。故而对网箱结构的网衣系统进行非接触式的检测研究亟需进行,为智慧海洋提供新的思路。本文基于机器视觉通过水下机器人ROV对水下网衣状态进行获取,利用数字图像处理相关方法提出新的非接触式网衣破损检测方法... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究进展
        1.2.1 水下机器人发展现状
        1.2.2 水下网衣状态检测研究现状
    1.3 本文的研究工作和内容安排
2 数字图像处理方法概述
    2.1 数字图像概念
    2.2 数字图像处理的基本内容
        2.2.1 数字图像处理的特点
        2.2.2 数字图像处理的运算方法
        2.2.3 数字图像处理的基本内容
    2.3 数字图像处理检测方法
    2.4 小结
3 水下网衣图像预处理
    3.1 关键帧技术
    3.2 ROI区域选取
    3.3 双边带滤波方法
    3.4 基于OSTU法的图像二值化
    3.5 小结
4 水下网衣破损检测
    4.1 Harris角点检测法
    4.2 网孔特征梯度检测方法
        4.2.1 研究对象的转换——二值图像取反
        4.2.2 网孔识别分割法
        4.2.3 网孔特征梯度曲线法
    4.3 小结
5 水下网衣状态检测试验
    5.1 水下实验设备及条件
    5.2 无附着物破损网衣实验及结果
    5.3 实际海域真实带附着物网衣检测实验及结果
        5.3.1 带附着物网衣破损检测结果
        5.3.2 真实海域水下网衣附着程度检测结果
    5.4 小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3413003