基于機器視覺的船舶水尺測量

許崇洋 殷永杰 許珂珂 程子豪 郭子楊

摘? 要：本文擬采用機器視覺的相關技術，針對目前大型船舶貨物交接主要依賴人工觀測計重存在的弊端，進行船舶吃水值自動讀取系統的研究和產品開發，其中的關鍵技術在于船舶六面吃水線的提取，船舶水尺字符的識別，以及根據船舶相關圖表計算船舶載貨重量的研究。根據近幾年國內外關于機器視覺在船舶吃水線檢測的研究和字符識別技術的發展與應用，開發一套基于機器視覺的船舶水尺自動計重系統，最終實現對船舶水尺的自動識別和計重處理。

關鍵詞：機器視覺? 船舶水尺? 測量? 圖像處理

中圖分類號：TP391.4? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2020）08（b）-0098-03

Abstract： This paper intends to use the related technology of machine vision， aiming at the disadvantage that the cargo transfer of large ships mainly depends on manual observation and weight measurement， the research and product development of automatic draft reading system for ships are carried out， among which the key technologies are the extraction of the ship's six waterlines， the recognition of the ship's draft characters， and the research of calculating the ship's cargo weight according to the ship's relevant charts. According to the research of ship waterline detection based on machine vision and the development and application of character recognition technology at home and abroad in recent years， a set of automatic weight measurement system of ship draft based on machine vision is developed， and the automatic recognition and weight processing of ship draft are finally realized.

Key Words： Machine vision; Ship draft; Measurement; Image processing

1? 研究內容

1.1 船舶水尺自動計重系統的設計

根據船舶水尺計重的檢定要求、方法，明確系統方案，對系統進行整體設計;研究高清圖像采集系統的機載相機、無線圖傳等相關設備對圖像質量的影響，分析選擇系統圖像采集裝置、無線圖傳設備以及無人機平臺等硬件設備，使自動計重所需的特征（字符、吃水線等）可以清晰成像，便于后續的圖像處理。

1.2 船舶吃水線的自動提取及字符分割

船舶碼頭自然環境比較惡劣，風浪、光照、霧氣、海水反射等都會導致采集到的圖像噪聲比較大，將嚴重影響圖像的質量，從而增加了后續圖像處理和識別的難度。因此，在圖像的預處理過程中，研究比較圖像去噪、增強算法，濾除隨機噪聲和照度噪聲干擾，增強水尺特征成為本研究的基礎和關鍵所在。

圖像分割的目的是簡化或改變圖像的表示形式，使得圖像更容易理解和分析。本項目為了得到船舶吃水線、字符等特征區域，將研究比較差影法、閾值法、邊緣法、主色提取法等主流圖像分割方法，提出快速水尺區域圖像的方法，做到實時準確的分割水尺區域和字符區域，減少圖像處理的運算量。圖像分割的好壞及船舶吃水線的提取精度，將直接影響后續的圖像處理和識別結果，所以圖像濾波和分割方法是本文研究的重點之一。

1.3 船舶水尺的字符識別

圖像特征的提取是水尺字符識別的重要一環，針對字符、刻度線等不同的圖像模式，分析圖像的亮度分布特征和結構特征，研究字符、刻度線等相關的特征提取方法，提出快速精確提取上述圖像特征的算法;研究卷積神經網絡等深度學習算法，提出新特征提取及分類方法，進一步提高字符的識別速度及準確率。

2? 研究意義

水尺計重是一種國際上通用的水上運輸交接方法，它以船本身作為計量工具，根據阿基米德原理對船載貨物進行計重的方法。此方法通過測定船舶裝卸貨前后的船舶吃水值和船用物料，根據船舶相關圖表計算船舶貨物承載量，以此作為買賣雙方進行商務貿易的交接依據。目前大都采用人工觀測船舶水尺的方式，但由于觀測船舶受風浪、天氣等外部因素及觀測人員本身狀態的影響，貿易雙方往往在測量上糾紛不斷。

船舶水尺是在船舶的船艏、船艉及船舯左右兩舷等六個位置繪制的吃水刻度，是進行船舶計重的重要依據。傳統人工觀測水尺的方法，由于主觀或者客觀因素的影響，通常存在誤差大、效率低等缺點。針對人工觀測存在的問題，相關學者們提出了多種船舶水尺檢測方法：（1）雙壓力傳感器船舶吃水檢測方法，此方法存在著傳感器受環境影響較大，且電子線路不易布置等缺點;（2）超聲波水尺，此方法雖然避免了電子傳感器布線不易的缺點，但是由于超聲波受空氣中介質的影響較大，測量精度不高;（3）激光測距儀進行船舶吃水檢測，激光具有光速不變性，成功解決了超聲波傳感器因為介質不均造成的誤差，但是由于光在水面容易散射，實踐證明測距效果并不理想，而且這種方法需要在船身外側按照額外設備，可能給船舶的航行帶來阻礙。

隨著圖像處理技術的發展，基于機器視覺的船舶水尺計重逐漸成為研究的熱點。基于機器視覺的水尺計重方法一般分三部分：吃水線的檢測、水尺字符的識別、水尺計重的計算，其中吃水線的檢測、水尺字符的識別是水尺計重的兩大關鍵問題。為解決自然環境下船舶水尺自動計重問題，本項目擬采用無人機+機器視覺技術，通過無人機采集船舶吃水高清圖像，然后通過圖像處理技術，研究改進圖像分割算法，精確提取船舶吃水線及水尺刻度字符，研究改進卷積神經網絡等相關深度學習算法，實現船舶水尺字符的識別，進而推算船舶吃水狀況，完成船舶水尺的自動計重。

3? 國內外研究現狀

水尺計重是一種國際上通用的水上運輸交接方法，它以船本身作為計量工具，根據阿基米德原理對船載貨物進行計重的方法。此方法通過測定船舶裝卸貨前后的船舶吃水值和船用物料，根據船舶相關圖表計算船舶貨物承載量，以此作為買賣雙方進行商務貿易的交接依據。

船舶水尺是在船舶的船艏、船艉及船舯左右兩舷等六個位置繪制的吃水刻度，是進行船舶計重的重要依據。傳統人工觀測水尺的方法，由于主觀或者客觀因素的影響，通常存在誤差大、效率低等缺點。針對人工觀測存在的問題，相關學者們提出了多種船舶水尺檢測方法。提出了一種雙壓力傳感器船舶吃水檢測方法，此方法存在著傳感器受環境影響較大，且電子線路不易布置等缺點;文獻[2]提出了超聲波水尺，此方法雖然避免了電子傳感器布線不易的缺點，但是由于超聲波受空氣中介質的影響較大，測量精度不高;提出采用激光測距儀進行船舶吃水檢測，激光具有光速不變性，成功解決了超聲波傳感器因為介質不均造成的誤差，但是由于光在水面容易散射，實踐證明測距效果并不理想，而且這種方法需要在船身外側按照額外設備，可能給船舶的航行帶來阻礙。

隨著圖像處理技術的發展，基于機器視覺的船舶水尺計重逐漸成為研究的熱點。基于機器視覺的水尺計重方法一般分三部分：吃水線的檢測、水尺字符的識別、水尺計重的計算，其中吃水線的檢測是水尺計重的關鍵。近年來，學者們提出了多種吃水線的提取算法。采用canny算子和Hough變換的方法檢測出吃水線的位置;利用HIS彩色空間的方向梯度和啟發式自增強的邊緣提取算法提取水線邊緣;通過提取圖像的紋理譜特征，采用K-means聚類的算法實現吃水線的準確定位;采用圖像配準與幀間作差的方法進行圖像預處理，通過三角隸屬函數的迭代分割算法提取出水線輪廓;通過彩色圖像分割和鏈碼跟蹤邊界的方法提取吃水線。

上述這些方法，大都是對在干擾較少的環境下拍攝的圖像進行處理，運用到實際工程中效果并不理想。因此，研究復雜噪聲下的圖像聯合稀疏濾波方法，快速準確的吃水線提取、水尺字符分割、識別算法是系統的關鍵。

4? 數字圖像處理技術

4.1 圖像濾波去噪

通過對相關研究文獻的閱讀和分析，我們采用中值濾波、高斯濾波和NLMeans濾波分別在灰度空間對圖像進行了預處理。

4.2 圖像增強和二值化處理

圖像增強是以改善圖像的視覺效果為根本目的的。在拍攝圖像的過程中會出現曝光過度或者曝光不足的現象，不利于水尺字符的識別。

4.3 水尺區域圖像分割

將這些新像素當作新的種子像素繼續進行上面的過程，直到再沒有滿足條件的像素可被包括進來，再根據先驗知識剔除掉非水尺區域。

4.4 吃水線的確定及字符分割

采用連通域的方法獲取吃水線區域，然后采用canny算子提取邊緣，根據曲線擬合算法及先驗知識，提取船舶吃水線，并提取水尺字符。

4.5 水尺字符的特征提取

方向梯度直方圖是目前計算機視覺和圖像處理中經常使用的特征提取算法。它通過計算和統計局部區域的梯度方向直方圖作為特征，目前HOG特征結合SVM分類器在圖像識別中被廣泛使用。

參考文獻

[1] 朱學海，張帥，張東星，等.基于機器視覺與深度學習的船舶水尺智能識別技術研究與應用[J].檢驗檢疫學刊，2019，29（2）：101-104，110.

[2] 張帥，朱學海，羅隕飛.船舶水尺智能識別技術的研究與進展[J].檢驗檢疫學刊，2019，29（1）：107-110.

[3] 張望，李瑛，許文海.船舶吃水深度的機器視覺檢測[J].光學精密工程，2016，24（10s）：649-656.

[4] 宋濤，吳海，侯培國，等.自然場景下船舶水線提取算法的研究[J].光學技術，2017（1）：61-65.

[5] 許威，胡勇，陳興怖.基于機器視覺的船體雙曲度板測量方法[J].船舶工程，2019，41（5）：101-106.

[6] 張望.李瑛.基于圖像處理的船舶水尺計重系統設計[J].船海工程，2019（3）：175-178，182.

[7] 張昊，金冠，蔣毅，等.基于SVM特征點分類的機器視覺外螺紋參數檢測[J].傳感器與微系統，2019，38（4）：127-130.