[发明专利]一种船舶水尺自动检测方法及系统

权利要求书

1.一种船舶水尺自动检测方法，其特征在于，所述检测方法包括：

利用无人机获取不同船舶的视频影像，得到训练视频影像集；

将所述训练视频影像集中的每个训练视频影像逐帧转化为训练水尺刻度图片，得到训练水尺刻度图片集；

采用船舶水尺读数经验读取训练水尺刻度图片集中每张训练水尺刻度图片的实际水尺刻度；

建立包括训练水尺刻度图片和所述训练水尺刻度图片对应的实际水尺刻度的训练数据集；

建立结合了批量标准化处理的深度学习VGG网络模型；

利用所述训练数据集对所述深度学习VGG网络模型进行训练，得到训练后的深度学习VGG网络模型；

利用无人机获取待检测船舶的视频影像，得到待测视频影像；

将所述待测视频影像逐帧转化为测试水尺刻度图片，得到测试水尺刻度图片集；

将所述测试水尺刻度图片集输入所述训练后的深度学习VGG网络模型，得到输出水尺刻度集；

计算所述输出水尺刻度集中的所有输出水尺刻度的平均值，作为待检测船舶的水尺刻度。

2.根据权利要求1所述的船舶水尺自动检测方法，其特征在于，所述建立包括训练水尺刻度图片和所述训练水尺刻度图片对应的训练水尺刻度的训练数据集，之前还包括：

利用Multi-Scale方式将所述训练水尺刻度图片集中每张训练水尺刻度图片扩充成多张训练水尺刻度子图片。

3.根据权利要求2所述的船舶水尺自动检测方法，其特征在于，所述利用Multi-Scale方式将所述训练水尺刻度图片集中每张训练水尺刻度图片扩充成多张训练水尺刻度子图片，具体包括：

将所述训练水尺刻度图片按照不同的长宽进行裁剪；

将裁剪后的每张训练水尺刻度图片缩放成224*224的图片，得到多张训练水尺刻度子图片。

4.根据权利要求1所述的船舶水尺自动检测方法，其特征在于，所述利用所述训练数据集对所述深度学习VGG网络模型进行训练，得到训练后的深度学习VGG网络模型，具体包括：

将所述训练数据集中的训练数据样本输入深度学习VGG网络模型，得到训练输出结果；

利用交叉熵损失函数计算所述训练输出结果与实际水尺刻度的误差值；

判断所述误差值是否小于预设阈值，得到判断结果；

若所述判断结果表示所述误差值不小于预设阈值，则根据所述误差值调整所述输入深度学习VGG网络模型中每层网络的权重和相邻两层网络之间的偏差值，得到更新后的深度学习VGG网络模型，将所述训练数据集中的训练数据样本输入更新后的深度学习VGG网络模型，得到训练输出结果，返回步骤“利用交叉熵损失函数计算所述训练输出结果与实际水尺刻度的误差值”；

若所述判断结果表示所述误差值小于预设阈值，则输出训练后的深度学习VGG网络模型。

5.根据权利要求1所述的船舶水尺自动检测方法，其特征在于，所述计算所述输出水尺刻度集中的所有输出水尺刻度的平均值，作为待检测船舶的水尺刻度，之前还包括：

将所述输出水尺刻度集中的最大的输出水尺刻度和最小的输出水尺刻度删除。