【技术实现步骤摘要】
本专利技术属于智慧航道领域，具体为一种基于yolo-bp网络的航道表面流态特征碍航风险感知方法。
技术介绍
1、特定的航道水流条件是保障船舶安全高效航行的必要条件；大流量条件下，船舶航行姿态和航线易受航道表面碍航流态的干扰。航道表面流态特征的识别与风险感知是研究智慧航道问题重要方面。
2、传统的航道表面流态特征识别方法，往往依赖于人工观测或基于经验的推测方法，其对流态特征的识别准确率受限于不同观测人员的经验和观测条件，对流态风险评估的准确性和及时性有待提高。已有的基于机器视觉的图像特征提取技术较多，但未见用于提取航道表面流态特征的案例，对于风险流态的感知方法还需进一步开发。
技术实现思路
1、为解决现有观测方法的不足，本专利技术提出一种基于yolo-bp网络的航道表面流态特征碍航风险感知方法，以满足船舶通航时对风险流态及时感知并进行规避的需求，且能实时、准确、便捷的得到航道表面流态特征数据，并排除了人工观测的迟滞性、危险性和误差性，使本专利技术的方法相较以往技术具备更强的准确性、通用性和易用性。
2、为了实现上述的技术特征，本专利技术的目的是这样实现的：一种基于yolo-bp网络的航道表面流态特征碍航风险感知方法，包括：
3、步骤1，图像输入：
4、获取航道目标水域的图像数据，并将获取的图像数据输入到计算机；
5、步骤2，图像前处理：
6、通过opencv库对获取的图像数据进行前处理，得到校正后的二值化图像数据
7、步骤3，流态特征提取：
8、将二值化图像数据使用labelimg进行流态特征的框选并进行训练样本的制作，将训练样本输入yolov5s网络框架进行训练，提取流态特征数据；
9、步骤4，流态碍航风险评估：
10、将经人工评估后的流态特征数据训练样本输入bp神经网络进行循环迭代训练，得到最优的流态数据碍航风险评估数值。
11、优选的，所述步骤1中具体步骤为：
12、步骤1.1，在目标水域附近安装摄像头；
13、步骤1.2，通过摄像头获取目标水域的视频图像数据；
14、步骤1.3，将获取的视频图像数据传输到计算机。
15、优选的，所述步骤2中具体步骤为：
16、步骤2.1，使用opencv库中的cv2.videocapture.read ()函数提取视频中的每一帧图像，使用cv2.undistort()函数和cv2.warpperspective()函数对图像进行畸变矫正；
17、步骤2.2，对图像进行灰度、对比度和伽玛校正，并使用cv2.threshold()函数进行图像的全局阈值二值化处理；
18、步骤2.3，最终得到校正后的二值化图像数据，并使用cv2.imwrite()函数将处理后的图像数据保存在本地，准备进行后续流程的处理。
19、优选的，所述步骤3中具体步骤为：
20、步骤3.1，使用labelimg对二值化图像数据进行流态特征的框选和标注；
21、步骤3.2，在完成所有图像数据的标注后，标注文件将保存在指定的目录中，并进行训练样本的制作；
22、步骤3.3，将训练样本输入yolov5s网络框架，基于yolov5s框架对样本进行训练和验证检测，提取出目标水域影像资料中的流态特征数据，以数据文件的形式将目标水域的流态特征保存到本地以供分析。
23、优选的，所述步骤4中具体步骤为：
24、步骤4.1，基于步骤3中得到的流态特征数据，进行流态风险分级的人工评估，并制作训练样本；
25、步骤4.2，将训练样本输入bp神经网络进行循环迭代训练，得到最优的wij和bij，所述wij和bij为bp神经网络隐含层神经元的权重值和偏置值，其中ij表示第j层隐含层的第i个神经元；
26、步骤4.3，输出值为所输入流态对应的风险分级评估数值。
27、优选的，还包括步骤5，流态碍航风险评估结果的展示：
28、通过步骤1~步骤4的流程后，得到了视频画面中目标水域的表面流态特征数据与各流态所对应的风险分级评估数据，同时将得到的流态特征数据和各流态所对应的风险分级评估数据发布到任意匹配的固定式或便携式终端设备上进行实时展示。
29、本专利技术有如下有益效果：
30、1、本专利技术通过基于yolov5s提取流态特征，使用bp神经网络对不同流态特征的风险分级进行评估，以机器学习的方式代替人工对航道表面流态进行识别，及时发现并评估风险碍航流态，具有能够高效便捷实时地识别出目标水域表面风险流态特征的优点，可为防范化解碍航流态导致的通航安全风险提供技术支撑。
31、2、本专利技术通过在目标水域附近安装摄像头，将目标水域的表面流态影像资料保存在本地并传输到计算机，其范围可覆盖数百米长×宽的水域。
32、3、本专利技术通过对目标水域的视频图像资料沿时间顺序提取出帧图像，并进行前处理，包括图像的二值化处理、图像降噪、畸变矫正等，并使用labelimg制作训练样本。
33、4、本专利技术通过基于yolov5s框架对样本进行训练和验证检测，提取出目标水域影像资料中的流态特征数据，以数据文件的形式将目标水域的流态特征保存到本地以供分析。
34、5、本专利技术通过基于流态特征数据制作目标水域流态特征的风险分级训练样本，使用bp神经网络对流态风险进行评估训练，可准确、快速、大批量地得到目标水域的风险流态信息，对船舶通航安全管控提供数据支持。
本文档来自技高网...【技术保护点】
1.一种基于YOLO-BP网络的航道表面流态特征碍航风险感知方法，其特征在于，包括：
2.根据权利要求1所述一种基于YOLO-BP网络的航道表面流态特征碍航风险感知方法，其特征在于，所述步骤1中具体步骤为：
3.根据权利要求1所述一种基于YOLO-BP网络的航道表面流态特征碍航风险感知方法，其特征在于，所述步骤2中具体步骤为：
4.根据权利要求1所述一种基于YOLO-BP网络的航道表面流态特征碍航风险感知方法，其特征在于，所述步骤3中具体步骤为：
5.根据权利要求1所述一种基于YOLO-BP网络的航道表面流态特征碍航风险感知方法，其特征在于，所述步骤4中具体步骤为：
6.根据权利要求1所述一种基于YOLO-BP网络的航道表面流态特征碍航风险感知方法，其特征在于，还包括步骤5，流态碍航风险评估结果的展示：
【技术特征摘要】
1.一种基于yolo-bp网络的航道表面流态特征碍航风险感知方法，其特征在于，包括：
2.根据权利要求1所述一种基于yolo-bp网络的航道表面流态特征碍航风险感知方法，其特征在于，所述步骤1中具体步骤为：
3.根据权利要求1所述一种基于yolo-bp网络的航道表面流态特征碍航风险感知方法，其特征在于，所述步骤2中具体步骤为：
4.根据权利要求1所...
【专利技术属性】
技术研发人员：郑卫力，彭新颜，江蓓，刘振嘉，李明伟，周引平，张红，闵小飞，梁锴，陈学文，韩越，吕洋，
申请(专利权)人：长江三峡通航管理局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。