基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

新冠肺炎疫情防控期间在船船员可远程办理海员证

2020年3月6日,交通运输部海事局发布指南,在新冠肺炎疫情防控期间,持有有效期不足6个月海员证的在船船员,可远程申办海员证,解决因受国外港口疫情管控措施影响导致部分在船船员持有的海员证临近过期问题,支持新冠肺炎疫情防控期间企业复工复产,保护我国海员的合法权益。     

水平定向钻数据采集及远程监控系统研究

文中针对油气长输管道水平定向钻施工,研发了数据采集及远程监控系统。通过数据采集装置将钻机施工中的关键数据进行实时采集、处理和远程无线传输,由手机APP进行远程监控,实现了工程项目的远程管理,预测后续施工中可能出现的问题,降低施工风险,提高施工效率。     

基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。     

船舶故障远程诊断系统

此文对船舶故障远程诊断系统的结构作了比较深入的研究，提出了可行的船舶远程故障诊断系统方案，论文还介绍了自行研制的用于船舶故障诊断的信号采集，存储和处理平台。     

海洋钻井的数据集成原理及实践

介绍将信息技术与传统石油工业相结合的DTS(Data Totalization System)数据集成系统。该系统集成了油田开发过程中钻井、完井、油藏测试等各个阶段的现场数据，形成了完善的钻完井信息管理系统。利用计算机和信息技术对数据进行收集、整理和分析；同时实时传回后方基地对现场远程传输回的数据进行处理，作出对钻井工程具有实际指导意义的决策方案，在公司总部实现对现场施工的远程监控、动态管理，并形成涵盖整个作业区域的钻完井数据库。在过去的两年里，DTS数据集成曾服务于QHD326—A26海底大位移井、中国西北石油局的TK431井。目前已经推广到渤海QHD和SZ36—1作业区及南海作业区。     

数字化硬盘录像系统的软件技术研究

探讨硬盘录像系统的构建与程序设计技术，通过用Delphi设计一个金融保安硬盘录像系统的实例，讲述用图像摄取控件高效设计录像系统的面向对象的程序设计技术。