共查询到20条相似文献,搜索用时 15 毫秒
1.
对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。 相似文献
2.
船舶是复杂的大型结构体,船壳、甲板等结构都需要通过焊接来保证整体的密封性和强度,而焊缝的质量直接影响船舶的安全性和可靠性。因此,通过合理的船舶焊缝检测技术,识别出焊缝存在的缺陷,提高船舶大型结构焊接的质量非常重要。近年来,基于计算机视觉的图像识别和处理技术发展迅速,在工业领域的应用也逐渐增加。本文利用计算机视觉和图像处理算法,开发一种船舶焊缝缺陷自动识别系统,可以有效改善船舶焊缝缺陷的识别准确度和效率,有重要的应用价值。 相似文献
3.
计算机视觉在船舶焊缝缺陷识别的应用 总被引:1,自引:0,他引:1
大型集装箱运输船舶在海上航行时,会受到极端恶劣的气象条件影响(海浪、海风等),导致船体结构出故障。由于大型船舶的甲板、船体等壳状结构均采用焊接的方式组成整体,因此,船舶焊接的质量决定了船舶结构强度和防水性等,具有非常重要的意义。为了保证船舶的焊接质量,必须要进行焊缝的缺陷识别与检测。本文基于计算机视觉与图像处理技术,研发了一种新型的船舶焊缝识别系统,对改善船舶焊缝的缺陷检测水平有重要作用。 相似文献
4.
5.
6.
7.
8.
为了更好的识别船舶图像信息,提出基于卷积神经网络的船舶图像增强方法,利用卷积神经网络技术对船舶图像特征进行采集和建模,并对采集到的数据进行降噪,再根据图像颜色特征进行图像缺陷修复和图像的逆向恢复处理,从而获得高品质的船舶图像。最后通过实验证实,卷积神经网络能够有效改善船舶图像的显示质量,满足传播图像增强的设计目标。 相似文献
9.
10.
11.
舰船火灾是危害舰船生命力的关键因素,对于舰船火灾的防控提倡在火灾发生时尽早探测报警,并实施有效灭火,因此舰船火灾的探测识别尤为关键。图像识别火灾探测技术作为一种新型的火灾探测技术具有灵敏度高、准确性好等优势,因此本文从火灾图像探测技术基本原理出发,介绍了火灾图像探测技术的发展现状,并对图像识别火灾探测技术在舰船消防中的适用性进行分析。分析认为将图像识别火灾探测技术运用在舰船上还应在以下领域做出改进:1)火灾图像识别算法对船舶典型火灾的识别能力;2)火灾探测系统对舰船环境的适应能力。 相似文献
12.
近年来,基于无人机的海上探测与侦察技术获得了迅速发展,利用无人机进行海上船舶目标的识别已经成为一项热点研究,基于图像的目标识别也是其中的重点和难点。传统的图像分割包括边缘检测、聚类分割等,本文结合Grabcut算法和卷积神经网络技术,开发一种新型船舶影响目标识别技术,在提高图像目标识别效率的基础上也提高了目标识别的精度,具有实际应用价值。 相似文献
13.
提出一种利用视频技术实现对桥墩防撞预警的方法.用单目摄像机,获取当前江面图像,利用图像识别技术识别过往船舶;并通过单目摄像机测距技术测量船舶与桥墩的相对位置,起到预警作用. 相似文献
14.
随着大数据时代的到来,尤其是在图像识别领域深度学习理论得到了迅速的发展和应用。与经典的主成分分析(PCA)等识别算法相比较,深度学习算法具有识别率高,鲁棒性强。基于卷积神经网络(CNN)原理,提出了一种在复杂环境条件下基于现场可编程门阵列(FPGA)的实时船舶识别算法,该方法提高了库区复杂环境条件下船舶自动识别的速度和准确性。该识别算法基于全面多节点的FPGA构建,实现船舶快速自动监测的目的。测试结果表明,该方法识别速度已达到360帧每秒(FPS)的传输速度,远远超过现有结果。识别率为85%。此外,该算法针对库区复杂光照环境具有很好的鲁棒性。 相似文献
15.
16.
17.
18.
19.
20.
由于传统识别算法多采用GPRS,CDMA或VHF等通信网络进行船舶资源传输,丢包和错误传输现象严重,导致船舶资源识别准确性得不到保证。针对上述情况,研究一种基于公共无线IP网络的船舶资源高效识别算法。算法通过公共无线IP网络保持不间断的传输过程,减少丢包和错误传输现象,为后续识别提供了更为全面的支撑数据。在后续识别阶段,先是进行资源预处理,包括灰度化、去噪以及背景剪除等,后利用卷积神经网络进行船舶资源特征检测,并通过距离计算,实现资源的检索与识别。结果表明,无论是从资源传输错误率和丢包率侧面,还是从识别准确率正面,本算法的表现均要好于3种传统算法,证明了算法性能。 相似文献