基于计算机视觉实现船舶载重判别方法及系统与流程

本发明涉及计算机视觉领域，具体地，涉及一种基于计算机视觉实现船舶载重判别方法及系统。

背景技术：

1、船舶载重识别在两方面领域会有较大的应用，分别为船舶交通安全领域与船舶合法作业监管领域。在船舶交通安全领域，因船舶过载导致的交通事故偶有发生，造成巨大的生命财产损失，负责船舶交通安全的海事等单位，急需一种可以实施监测船舶载重情况的技术手段；在船舶合法作业领域，用户需要监控各类型船舶的载重情况，发现并判别改装船、运载非法货物船等违法作业船舶。

2、综上所述，对船舶载重识别的需求应运而生。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种基于计算机视觉实现船舶载重判别方法及系统。

2、根据本发明提供的一种基于计算机视觉实现船舶载重判别方法，包括：

3、步骤s1：采集航行船舶图像数据作为训练集；

4、步骤s2：对数据集进行船舶及船舱位置标记，训练船舶及船舱检测模型；

5、步骤s3：得到模型后，输入待检测视频及图片，得到图像中目标船舶和船舱位置及尺寸数据；

6、步骤s4：利用检测到的目标船舶和船舱位置及尺寸数据，判别船舶载重情况。

7、优选地，在所述步骤s1中：

8、船舱样本采集使用系统自动抓拍船舶，对船舶图片进行采集

9、图片类型包括可见光和红外下抓拍的船舶图片；

10、在各种天候下采集，傍晚光线较暗时船舱可见度低、夜间红外图像中船舱纹理信息较少、逆光时整条船一片漆黑的情形；

11、在各种视角下采集，包括侧面、前方、后方和斜向视角；

12、采集各种类型的船舶包括客船、货船、集装箱船、沙船、快艇、渔船、舢板和执法艇。

13、优选地，在所述步骤s2中：

14、使用labelimg标注工具将船舱外框绘制出来，给予类别标签；外框要求将船舶的所有部分囊括进来，标注信息以文档形式存储，供后续的训练过程使用；标注为不同的类别以文档形式保存下来；一张图片对应一个文档，供后续的训练过程使用。

15、训练yolov5网络将船舱从图像中检测出，得到船舱外框的位置信息；

16、使用yolov5框架训练过程：采用收集的船舶样本，经过标注步骤后，划分为训练集和验证集，对yolov5网络中的参数进行训练，直到检测率满足要求，训练的输入为被标注好的带有船的图片，以及位置数值和类别信息；训练结束后，得到训练好的模型的权重文件；真实用作检测时，输入是图片和权重文件，输出是其中包含的所有船的船舱的位置坐标。

17、优选地，在所述步骤s3中：

18、完成模型训练后，将待检测图像数据送入模型，得到图像中目标船舶位置及尺寸数据包括：xship,yship,wship,hship，船舱位置及尺寸数据包括：xcabin,ycabin,wcabin,hcabin；

19、其中，xship为船舶检测框左上角水平像素坐标，yship为船舶检测框左上角垂直像素坐标，wship为船舶检测框宽度，hship为船舶检测框高度；xcabin为船舱检测框左上角水平像素坐标，ycabin为船舱检测框左上角水平像素坐标，wcabin为船舱检测框宽度，hcabin为船舱检测框高度。

20、优选地，在所述步骤s4中：

21、计算载重系数：

22、coefload＝wcabin/hcabin

23、设定船舶空载、半载、满载coefload数值范围，确定目标船舶处于空载、半载、满载状态，数值范围依据工程检验，用户认可的数值，在不同项目中该数值有变化；

24、空载与半载之间的阈值为loadhalf，半载与满载之间的阈值为loadfull，当coefload>loadhalf时，认为船舶空载；当loadfull<coefload<loadhalf时为半载，当coefload<loadfull时，认为船舶满载。

25、根据本发明提供的一种基于计算机视觉实现船舶载重判别系统，包括：

26、模块m1：采集航行船舶图像数据作为训练集；

27、模块m2：对数据集进行船舶及船舱位置标记，训练船舶及船舱检测模型；

28、模块m3：得到模型后，输入待检测视频及图片，得到图像中目标船舶和船舱位置及尺寸数据；

29、模块m4：利用检测到的目标船舶和船舱位置及尺寸数据，判别船舶载重情况。

30、优选地，在所述模块m1中：

31、船舱样本采集使用系统自动抓拍船舶，对船舶图片进行采集

32、图片类型包括可见光和红外下抓拍的船舶图片；

33、在各种天候下采集，傍晚光线较暗时船舱可见度低、夜间红外图像中船舱纹理信息较少、逆光时整条船一片漆黑的情形；

34、在各种视角下采集，包括侧面、前方、后方和斜向视角；

35、采集各种类型的船舶包括客船、货船、集装箱船、沙船、快艇、渔船、舢板和执法艇。

36、优选地，在所述模块m2中：

37、使用labelimg标注工具将船舱外框绘制出来，给予类别标签；外框要求将船舶的所有部分囊括进来，标注信息以文档形式存储，供后续的训练过程使用；标注为不同的类别以文档形式保存下来；一张图片对应一个文档，供后续的训练过程使用。

38、训练yolov5网络将船舱从图像中检测出，得到船舱外框的位置信息；

39、使用yolov5框架训练过程：采用收集的船舶样本，经过标注步骤后，划分为训练集和验证集，对yolov5网络中的参数进行训练，直到检测率满足要求，训练的输入为被标注好的带有船的图片，以及位置数值和类别信息；训练结束后，得到训练好的模型的权重文件；真实用作检测时，输入是图片和权重文件，输出是其中包含的所有船的船舱的位置坐标。

40、优选地，在所述模块m3中：

41、完成模型训练后，将待检测图像数据送入模型，得到图像中目标船舶位置及尺寸数据包括：xship,yship,wship,hship，船舱位置及尺寸数据包括：xcabin,ycabin,wcabin,hcabin；

42、其中，xship为船舶检测框左上角水平像素坐标，yship为船舶检测框左上角垂直像素坐标，wship为船舶检测框宽度，hship为船舶检测框高度；xcabin为船舱检测框左上角水平像素坐标，ycabin为船舱检测框左上角水平像素坐标，wcabin为船舱检测框宽度，hcabin为船舱检测框高度。

43、优选地，在所述模块m4中：

44、计算载重系数：

45、coefload＝wcabin/hcabin

46、设定船舶空载、半载、满载coefload数值范围，确定目标船舶处于空载、半载、满载状态，数值范围依据工程检验，用户认可的数值，在不同项目中该数值有变化；

47、空载与半载之间的阈值为loadhalf，半载与满载之间的阈值为loadfull，当coefload>loadhalf时，认为船舶空载；当loadfull<coefload<loadhalf时为半载，当coefload<loadfull时，认为船舶满载。

48、与现有技术相比，本发明具有如下的有益效果：

49、1、本发明从计算机视觉角度，提供一种船舶载重识别的技术方案，提升船舶载重在船舶各项治理方面的应用广度，提升治理、执法效率；

50、2、本发明船舶载重的识别可在船舶航行安全、船舶合法作业等领域得到广泛应用。