利用视觉技术在线检测船体变形缺陷方法

传统船体变形缺陷检测方法存在微变形缺陷识别误判问题,导致船体轻微变形区域无法在线瞬态识别,影响在线检测效果。为此,提出利用视觉技术在线检测船体变形缺陷方法。通过引入视觉技术,对船体结构进行扫描,建立船体结构变形模型;根据模型输出参量,利用粒子群算法对参量进行结构识别。最后,通过对结构体挠度计算确认变形位置,完成对船体变形缺陷的在线检测。通过与传统变形检测方法的对比,证明提出方法的高效性与准确性。     

基于机器视觉的大规模船舶航行数据自适应识别方法

传统船舶航行数据识别方法,存在瞬态识别数据规模局限性大,超规模阈值下的数据识别准确率过低的问题。在当前船舶航行数据处理规模下,无法高效准确完成船舶航行数据的处理任务。为了在根源解决上述问题,引入机器视觉技术,提出基于机器视觉的大规模船舶航行数据自适应识别方法。首先基于机器视觉技术,对航行数据的识别标准进行定义,同时完成对相关不符识别量进行修正;接着对全局航行数据对应的轨迹信息进行机器视觉结构处理;最后完成对数据的自适应识别计算。通过与传统方法的多组航行数据模拟测试发现,采用提出识别方法的航行数据识别结果,相较传统识别方法具有识别速度快、准确率高、数据规模自适应性强的特点。     

基于视觉传达优化的低清晰度船舶图像复原研究

针对图像复原易出现复原图像颜色视觉特征失真问题,提出基于视觉传达优化的低清晰度船舶图像复原方法。该方法通过帧扫描方法,提取低清晰度船舶图像视觉传达信息的像素二维特征;使用基于最大后验概率的高分辨率船舶图像重组方法,将所提取低清晰度船舶图像视觉传达信息的像素二维特征,进行高分辨率特征重组,并引入基于视觉颜色模型的视觉传达效果优化复原方法,优化高分辨率特征重组后复原图像的颜色视觉传达效果。实验数据验证：该方法对低清晰度海域通行船舶监控图像复原处理后,图像视觉传达效果得到明显提升,且复原后船舶图像峰值信噪比、结构相似性指数接近1,图像特征失真小;复原后图像颜色特征显著性指数最大值达1.0,颜色特征细节显著性得以改善。     

船舶电气绝缘检查及缺陷处理方法优化研究

针对传统船舶电气绝缘检查方法存在单侧极上集中侵限绝缘检测识别度低的问题,提出船舶电气绝缘检查及缺陷处理方法优化研究。首先,对船舶电气电路进行检测结构的建立;确定检测结构后,进行检查策略参量的设定,通过设定参量找出缺陷参量;最后,对问题参量进行优化计算,完成对检测方法缺陷的优化计算。为了确认提出方法的可行性,设计一组仿真实验来对提出的设计方法进行验证,通过对比数据证明优化方法能够有效解决传统方法在电气单侧极集中侵限绝缘检测识别上存在的缺陷问题。     

基于计算机视觉的船舶焊缝缺陷识别系统研究

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。     

利用视觉图像的吃水线检测报警系统研究

传统船舶吃水线检测报警系统多采用液体感应检测方式,来实现船舶吃水线位置的实时检测报警。但此种方法受到天气环境与水文状态因素的影响较大,经常出现船舶吃水线检测报警位置与实际吃水线位置误差较大的问题。因此,本文提出利用视觉图像的吃水线检测报警系统的研究。通过创建基于视觉检测技术的检测硬件平台,实现对船舶吃水线视觉图像检测数据的采集;同时引入多维度水线特征识别算法,对采集的水线位置图像数据进行多维度特征分析计算,得到准确的船舶吃水线位置图像,解决报警准确度低的问题。最后利用仿真实验方式,对比证明设计系统的可行性与有效性。     

图像增强技术在码头水下结构外观巡检中的应用*

定期开展码头水下结构的外观巡检是码头平稳运行的重要保障。通过分析现有的检测方法，发现获取图像质量不佳是采用视觉技术实施外观巡检的主要限制条件。结合相关检测作业的要求，创新提出将人造多幅欠曝光算法与颜色通道补偿方式进行融合，并通过试验验证使用图像增强算法的水下拍摄图像的视觉质量。结果表明，多曝光与颜色补偿可有效提升水下图像的对比度、恢复细节信息并进行颜色矫正，且运算效率高；图像增强算法可有效提升水下拍摄图像的视觉质量，帮助技术人员及时识别水下结构缺陷；试验中SIFT特征点匹配数量说明提出的算法有利于后续开展缺陷的自动识别及测量研究。     

基于改进YOLOv5s的铝型材表面弱缺陷识别方法

针对采用传统的机器视觉方法识别铝型材表面弱缺陷存在的效率低和精度差的问题，提出一种将数据增强与YOLOv5s相结合的铝型材表面弱缺陷识别方法。采用anchor-free方法简化人工设计YOLOv5参数的步骤，降低检测复杂度；利用解耦检测器解决YOLOv5s检测中分类与回归任务冲突的问题，加快损失函数的收敛速度。通过优化算法的边界框回归损失函数，提高算法模型的定位精度；同时引入γ参数解决弱缺陷样本不平衡的问题。通过图像马赛克与像素混合方法提升模型对弱缺陷图像的识别能力。试验结果表明，改进算法的检测平均精度均值为93.3%，检测速度为41帧/秒，能提高船舶类铝型材弱缺陷检测的效率和自动化程度。     

图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。     

船舶移动网络大数据异常数据优化识别研究

异常数据对船舶移动网络通信产生干扰,而当前船舶移动网络的异常数据优化方法的效果差,无法满足船舶移动网络通信要求,为此设计了一种基于大数据分析技术的船舶移动网络异常数据优化识别方法。首先分析当前船舶移动网络异常数据优化研究方法,指出它们各自存在的缺陷,然后引入大数据分析技术对船舶移动网络异常数据进行优化和识别,最后进行船舶移动网络异常数据优化识别的实例分析,结果表明,本文方法可以描述船舶移动网络异常数据变化特点,提高船舶移动网络异常数据识别的正确率,而且船舶移动网络异常数据识别时间要短于其它方法,获得了令人满意的船舶移动网络异常数据识别结果。     

计算机视觉在船舶焊缝缺陷识别的应用

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。     

基于人机合作的船舶舱内管路布局优化算法

现有船舶舱内管路布局优化算法由于应用技术的缺陷,存在着算法收敛代数多、算法收敛时间长的问题,无法满足目前船舶舱内管路布局的需求,故提出基于人机合作的船舶舱内管路布局优化算法研究。为了简化船舶舱内管路布局优化问题,对管路布局要素进行数学抽象,通过数学形式表示管路布局要素,以此为基础,依据人机合作与多蚁群进化算法构建管路布局优化模型,确定人工个体加入时机,制定管路布局优化算法流程,即可实现船舶舱内管路布局的优化。实验数据表明,与现有算法相比较,提出算法收敛代数较少、收敛时间较短,证实提出算法应用性能更好,可以获得更好的管路布局优化效果。     

大雾天气海上船舶交通异常挖掘识别方法

传统船舶交通异常识别方法在大雾天气环境下,存在挖掘算法对船舶轨迹异常状态辨识度降低的问题。通过分析发现,原因在于传统方法中没有引入大雾天气对船舶轨迹检测信号的扰动变量,导致轨迹检测数据与挖掘算法之间出现数据断链,降低了数据挖掘的识别效果。因此,提出大雾天气海上船舶交通异常挖掘识别方法分析。首先通过LSTM算法,将大雾天气扰动特征代入挖掘神经网络,获得带有大雾扰动特征神经网络;接着,根据大雾扰动特征建立混合高斯船舶轨迹模型,为交通异常识别提供基础数据;然后,通过Spark分布式挖掘算法,完成对船舶交通异常数据的挖掘识别。通过仿真实验,对传统挖掘识别方法与提出方法效果进行多组数据对比,证明提出挖掘识别方法的有效性。     

基于多特征点的船舶焊缝图像缺陷识别技术

现有船舶焊缝图像缺陷识别技术存在着缺陷边缘定位功能差、缺陷识别效率低的缺陷。为了解决上述问题,基于多特征点研究船舶焊缝图像缺陷识别技术。以获取的船舶焊缝图像为基础,采用图像分割方法提取焊缝图像缺陷,通过锐化处理增强缺陷边缘信息,利用数学形态法提取缺陷边缘。以得到的缺陷边缘信息为依据,通过标度转换算法计算多特征点参数,实现船舶焊缝图像缺陷的识别。实验结果表明,与现有船舶焊缝图像缺陷识别技术相比,提出的船舶焊缝图像缺陷识别技术极大提升了缺陷边缘定位功能与缺陷识别效率,说明提出的船舶焊缝图像缺陷识别技术具备更好的识别性能。     

基于机器视觉的船舶吃水线自动检测方法分析

传统的船舶吃水线自动检测方法自动化水平较低,无法获取精准的检测结果。为了解决该问题,提出基于机器视觉的船舶吃水线自动检测方法。从机器视觉系统提取吃水异常数据,在采用修正思想对船舶吃水异常数据进行补偿,在此基础上,应用定量分析表,设置船舶吃水线自动检测标准,待完成上述操作步骤后,对船舶吃水线进行自动检测,由此完成基于机器视觉的船舶吃水线自动检测方法的设计。实验选择在水质较为清晰的水域,并随机选取8个实验参数,对2种检测方法进行实验对比,实验结果表明,所提方法的自动检测结果更精准。     

基于视觉技术的船舶船身锈蚀检测

由于基于无人机的锈蚀检测技术具有船身锈蚀检测范围小的缺陷,为了扩大船身锈蚀的检测范围,提出了基于视觉技术的船舶船身锈蚀检测。在检测船身锈蚀之前,采用视觉技术对锈蚀图像去噪并归一化处理,得到船舶船身锈蚀的预处理流程,完成船舶船身锈蚀的预处理;在视觉技术的基础上,通过船舶船身锈蚀的产生机理,得到锈蚀检测算法设计流程,完成锈蚀检测算法的设计;最后通过采用视觉技术检测船舶船身锈蚀的基本步骤,实现了基于视觉技术的船舶船身锈蚀检测。实验结果表明,基于视觉技术的锈蚀检测技术相比于基于无人机的锈蚀检测技术,船身锈蚀的检测范围更大。     

多源融合的船舶身份智能识别与验证技术

针对船舶污染物监管场景需求,提出了船舶申报信息、船舶自动识别系统和摄像头图像检测多源融合的船舶目标智能识别和验证方法。从申报信息中获取船舶水上移动通信业务标识码身份,利用该标识码提取船舶自动识别系统参数,判断船舶是否达到现场;通过改进的YOLOv5检测模型从摄像头获取现场船舶的视觉目标检测框;采用视觉目标检测框与船舶自动识别系统目标在摄像头像素坐标系映射标定框的交叉匹配算法,完成船舶目标的融合验证。在SeaShips公开数据集上的试验表明,相较原始YOLOv5模型,提出的船舶视觉目标检测模型平均精确度指标提升了3.14%,达到80.83%;且利用TensorRT加速使得模型推理速度提升了73%,帧率达到64.18。船舶自动识别系统目标与视觉目标的匹配融合满足船舶污染物接收现场船舶身份的识别和验证需求。     

船舶视觉图像优化检测方法研究

对海域的船舶进行智能图像监控是一项很重要的技术,但该技术容易受到海上背景光线变化、遮挡阴影区域及小范围船舶聚集等因素的干扰,导致当前基于智能视觉的船舶检测在背景更换的阀值判断上存在较大缺陷。本文提出改进的基于智能图像处理的船舶快速检测方法,通过差分运算、阈值生成、二值化、去噪和形态学处理等操作对获取的智能图像进行预处理,依据经预处理后二值图像,引入异常比率的概念对所监控图像范围的船舶状态进行判断,以动态阈值和静态阈值的联系,判断是否需要更换背景的条件,实现高精度船舶图像检测。仿真实验结果表明,所提方法能够准确地对船舶图像进行检测,具有较高的检测精度。     

船舶变频器高次谐波干扰自动抑制方法

现有的变频器高次谐波干扰自动抑制方法存在着高次谐波分量检测率与高次谐波抑制有效率低的缺陷,为此提出船舶变频器高次谐波干扰自动抑制方法研究。根据现有方法,引入有源滤波器,以此为工具,结合傅里叶变换器对变频器高次谐波进行检测,得到补偿电流信号,以得到的变频器高次谐波补偿电流信号为基础,采用脉宽调制技术对高次谐波干扰进行消除,实现了船舶变频器高次谐波干扰的自动抑制。通过测试结果显示,与现有的变频器高次谐波干扰自动抑制方法相比较,提出的船舶变频器高次谐波干扰自动抑制方法极大地提升了高次谐波分量检测率与高次谐波抑制有效率,充分说明提出的变频器高次谐波干扰自动抑制方法具备更好的抑制效果。     

基于视觉显著性的船舶结构缺陷检测研究

针对船舶结构缺陷图像中背景结构复杂,缺陷不易检测的难题,提出基于视觉显著性的缺陷检测算法。该算法采用自适应全变分模型替代FT算法的高斯滤波器并融入H分量来构建改进型FT算法,以增强缺陷图像背景的平滑和缺陷局部颜色对比度的表达能力;利用SMD算法捕捉图像结构信息及分解图像特征矩阵,凸显船舶缺陷与背景的差异性;通过自适应融合算法将改进型FT算法和SMD算法生成的显著图融合为综合显著图。对船舶缺陷进行对比实验,结果表明,提出的算法能够有效检测出船舶缺陷区域,提高缺陷检测精确率。