基于深度学习的船舶水尺识别研究

船舶水尺的检测与识别对于实现精准水尺计重至关重要。针对传统人工观测存在的主观性强、有误差和高成本等问题,提出了一种基于深度学习的船舶水尺读数方法。首先,使用YOLOv8检测算法对水尺区域进行字符目标检测,然后,使用分割一切模型(SAM)分割水面区域,最后,通过形态学操作与计算得到最终读数。实验结果表明,该方法在船舶水线检测和水尺识别精度方面均表现出明显的优越性,机器视觉水尺读数精度达到99.7%。

一种稳健的船舶水尺检测与识别方法

船舶水尺的检测与识别是实现精准水尺计重的关键。针对人工读取过程容易产生主观性误差以及人力成本较高等问题,提出一种基于计算机视觉的船舶水尺自动检测与识别方法。首先利用SegNet网络结合形态学操作精确定位吃水线位置,然后检测船舶的水尺区域,在水尺区域中使用轮廓检测算法定位水尺字符候选区域并通过卷积神经网络对水尺字符候选区域进行分类,最终根据水尺字符和水线的空间位置关系计算出水尺读数。在相关数据集上对所提方法进行测试,结果表明,所使用的算法在船舶水线检测中效果明显,在船舶水尺字符识别任务中识别准确率达到了94.8%。