申请/专利权人：南通中远克莱芬船舶工程有限公司;大连海洋大学

申请日：2023-12-12

公开（公告）日：2024-03-22

公开（公告）号：CN117746082A

主分类号：G06V10/762

分类号：G06V10/762;G06V10/30;G06V10/774;G06F17/16;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开一种基于宽度学习的船体锈蚀线检测识别方法，涉及图像处理技术领域，该基于宽度学习的船体锈蚀线检测方法，首先采集待测船体外板的图像，对原始图像进行二值化预处理，利用K‑means对船体舷侧板锈蚀阴影图像特征进行特征提取，作为宽度学习模型的原始输入集，构建船体锈蚀线检测识别模型，最后将待测图像输入已训练完成的船体锈蚀线检测模型，即可判断待检测船体部分区域是否具有锈蚀情况，再通过过渡帧检验识别模型识别动态采集图像过程中的过渡帧图像，对锈蚀线定义图像与除锈作业后图像进行区分，避免重复识别。采用宽度学习模型训练，能减小训练量，并通过此方法可在同领域进行应用，且具备较高的精准度。

主权项：1.一种基于宽度学习的船体锈蚀线检测识别方法，其特征在于，包括以下步骤：步骤S1:获取待检测船体表面照片作为原始图像；步骤S2:采用自适应阈值二值化的图像处理方法对原始图像进行预处理；步骤S3:利用船体锈蚀线阴影图像特征，在预处理过的图像中利用K-means对船体舷侧板锈蚀阴影图像特征进行特征提取；步骤S4:将特征提取后的图像作为输入集对宽度学习模型进行训练，构建船体锈蚀线检测识别模型；步骤S5:采用所述船体锈蚀线检测识别模型，判断待检测图像中是否包含锈蚀线；步骤S6:通过过渡帧检验识别模型识别动态采集图像过程中的过渡帧图像，对锈蚀线定义图像与除锈作业后图像进行区分，避免重复识别。

全文数据：

权利要求：

百度查询： 南通中远克莱芬船舶工程有限公司;大连海洋大学 一种基于宽度学习的船体锈蚀线检测识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD