(大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院，遼寧 大連 116026)

散裝貨船所運(yùn)輸?shù)牡V砂、煤炭、谷物等貨物都具有不易用衡器計(jì)量的特點(diǎn)，國(guó)際上通常利用水尺計(jì)重的方法進(jìn)行交接。船舶水尺計(jì)重依據(jù)阿基米德原理求取載貨量，船舶吃水深度測(cè)量是該過程中最為重要的環(huán)節(jié)，通常需要專業(yè)的水尺檢定人員觀測(cè)吃水線在水尺上的位置來實(shí)現(xiàn)[1]。由于傳統(tǒng)的人工觀測(cè)法容易受到觀測(cè)者經(jīng)驗(yàn)和海浪起伏的影響而產(chǎn)生偏差，近年來超聲波測(cè)距儀被用于測(cè)量甲板和水面之間的距離并由此換算出吃水深度，使用這種方法，溫度和濕度對(duì)測(cè)距精度造成的影響明顯[2]。其他基于電導(dǎo)、電容、光電傳感等測(cè)量方法在實(shí)際測(cè)量中的應(yīng)用也很有限，主要是因?yàn)檫@類傳感器的安裝和日常維護(hù)中的諸多不便[3-5]。為此，考慮基于圖像處理的水尺計(jì)重系統(tǒng)借助具備高清攝像功能的爬壁機(jī)器人采集水尺圖像，利用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)船舶吃水深度的自動(dòng)分析，通過分析涵蓋多個(gè)波浪起伏的多幅水尺圖像來綜合判定吃水深度，降低風(fēng)浪所造成的影響。采用這種方法,整個(gè)測(cè)量過程都可被數(shù)字化地記錄下來，便于在發(fā)生貿(mào)易糾紛時(shí)為事后查驗(yàn)提供證據(jù)。

1 系統(tǒng)構(gòu)成

依據(jù)國(guó)內(nèi)通行的《駁船水尺計(jì)重技術(shù)規(guī)程》，水尺計(jì)重系統(tǒng)由數(shù)據(jù)采集子系統(tǒng)和數(shù)據(jù)處理子系統(tǒng)構(gòu)成，并通過4G網(wǎng)絡(luò)來實(shí)現(xiàn)兩者間的數(shù)據(jù)交換，見圖1。

圖1 船舶水尺計(jì)重系統(tǒng)構(gòu)成

數(shù)據(jù)采集子系統(tǒng)在平板電腦的控制下分別實(shí)現(xiàn)水尺圖像采集、水油倉空當(dāng)高度測(cè)量和港水密度測(cè)量工作，并通過4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至數(shù)據(jù)處理子系統(tǒng)。數(shù)據(jù)處理子系統(tǒng)的核心是一臺(tái)高性能的數(shù)據(jù)服務(wù)器，接收平板電腦傳送的水尺圖像及其他測(cè)量數(shù)據(jù)，計(jì)算得到船舶的載重量。通過4G網(wǎng)絡(luò)回傳測(cè)量結(jié)果至平板電腦進(jìn)行顯示，利用數(shù)據(jù)庫應(yīng)用程序?qū)⑾嚓P(guān)測(cè)量數(shù)據(jù)和計(jì)算結(jié)果保存在數(shù)據(jù)庫中。

借助爬壁機(jī)器人實(shí)現(xiàn)水尺圖像的采集是數(shù)據(jù)采集子系統(tǒng)中的關(guān)鍵。船舶的6面水尺中，近岸側(cè)的3面水尺便于從碼頭上進(jìn)行觀察，另一側(cè)的3面水尺則通常需要借助小艇或繩梯接近觀察。傳統(tǒng)的人工觀測(cè)容易受到風(fēng)浪影響，同時(shí)對(duì)檢定人員的安全也構(gòu)成威脅[6]。借助爬壁機(jī)器人，可接近水尺進(jìn)行圖像采集來替代傳統(tǒng)的人工觀測(cè)。操作者可從船舷任意位置放下爬壁機(jī)器人，根據(jù)攝像機(jī)傳送至平板電腦的實(shí)時(shí)圖像控制機(jī)器人游走于船側(cè)板，即使在非可視區(qū)域也能順利完成水尺圖像采集[7],見圖2。由于輕微風(fēng)浪便會(huì)導(dǎo)致吃水線在水尺上的位置呈現(xiàn)起伏變化，傳統(tǒng)人工觀測(cè)法在風(fēng)浪較大時(shí)準(zhǔn)確地判斷吃水深度較為困難，因此也是檢定過程中最容易引起貨運(yùn)雙方質(zhì)疑的關(guān)鍵。利用數(shù)字圖像處理技術(shù)快速分析能夠涵蓋多個(gè)波浪起伏的水尺圖像，再對(duì)所得的吃水深度求取算術(shù)平均作為輸出結(jié)果，能夠有效提高船舶吃水深度判定的準(zhǔn)確性。

圖2 借助爬壁機(jī)器人進(jìn)行水尺圖像采集現(xiàn)場(chǎng)

2 圖像處理

2.1 水尺數(shù)值化

通常情況下由爬壁機(jī)器人采集的水尺圖像(圖3)并不適合直接進(jìn)行水尺數(shù)值化。主要?dú)w因于受海水侵蝕和污漬影響而產(chǎn)生的圖像噪聲，以及受拍攝位置限制而導(dǎo)致的字符形變。根據(jù)水尺字符的顏色特征和排列特點(diǎn)，利用二值化圖像垂直投影統(tǒng)計(jì)中呈現(xiàn)出的計(jì)數(shù)增高剪裁出圖4a)所示的局部圖像。考慮到標(biāo)準(zhǔn)的米制水尺中作為吃

圖3 爬壁機(jī)器人所采集的某散貨船外側(cè)水尺圖像

圖4 水尺字符圖像的預(yù)處理結(jié)果

水深度參考的字符僅包含數(shù)字“0～9”和字母“M”，可采用處理文字圖像常用的形態(tài)學(xué)算法對(duì)圖像進(jìn)行降噪。對(duì)比圖4a)與圖4b)可以看出，降噪后圖像中的孤立噪聲明顯減少，字符邊緣變得平滑且未發(fā)生結(jié)構(gòu)上的明顯改變。在圖4b)的水平方向上做投影統(tǒng)計(jì)，同樣利用其中呈現(xiàn)出的計(jì)數(shù)增高便可得到圖4c)所示的字符圖像。字符中的錯(cuò)切變形角度則可利用圖4d)所示的投影方法提取，即當(dāng)投影角度θ與錯(cuò)切變形角度相等時(shí)投影長(zhǎng)度L可取得最小值，矯正結(jié)果見圖4e)。

考慮到水尺標(biāo)注通常符合《船舶水尺標(biāo)志勘劃標(biāo)準(zhǔn)》的樣式，采用模板匹配算法對(duì)圖像中的字符進(jìn)行識(shí)別比較快捷[8]。由于該方法僅對(duì)字符的簡(jiǎn)單特征進(jìn)行比較，在區(qū)分“6”“8”“9”幾個(gè)相似字符時(shí)的準(zhǔn)確率稍低，特別是在海水侵蝕導(dǎo)致字符局部污損的情況下。為提高字符識(shí)別的準(zhǔn)確率，采用能夠權(quán)衡字符多個(gè)特征權(quán)重來進(jìn)行判定的神經(jīng)網(wǎng)絡(luò)算法更為合適[9-11]。用于字符識(shí)別的典型三層BP-神經(jīng)網(wǎng)絡(luò)見圖5。

圖5 用于字符識(shí)別的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

設(shè)神經(jīng)網(wǎng)絡(luò)輸入為x1，x2，…，xi，…，xN，則將隱含層輸出y1，y2，…，yj，…，yL和神經(jīng)網(wǎng)絡(luò)輸出o1，o2，…，ok，…，oM表示為

(1)

(2)

BP-神經(jīng)網(wǎng)絡(luò)的輸入層由93個(gè)節(jié)點(diǎn)組成，涵蓋了水尺字符的輪廓特征、網(wǎng)格特征、投影特征等多個(gè)參數(shù)。輸出層由11個(gè)節(jié)點(diǎn)組成，分別對(duì)應(yīng)數(shù)字“0～9”和字母“M”。隱含層由48個(gè)節(jié)點(diǎn)組成，其中每個(gè)節(jié)點(diǎn)都分別與輸入層和輸出層的全部節(jié)點(diǎn)相連接。當(dāng)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果o1，o2，…，ok，…，oM與期望值d1，d2，…，dk，…，dM不相符時(shí)，可將產(chǎn)生的誤差E反向傳輸至網(wǎng)絡(luò)之中。

(3)

按照梯度下降法調(diào)整層間權(quán)值vij和wjk。

(4)

(5)

經(jīng)過多次往復(fù)便可得到正確的輸出結(jié)果，進(jìn)而通過多幅典型水尺圖像的反復(fù)訓(xùn)練，最終形成適應(yīng)性較強(qiáng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

2.2 吃水線識(shí)別

得益于爬壁機(jī)器人在采集水尺圖像時(shí)可以靈活地調(diào)整拍攝角度，吃水線在圖像中的位置和方向可控，給吃水線識(shí)別帶來了較多方便。識(shí)別的關(guān)鍵在于排除水面波動(dòng)引起的反射光干擾，準(zhǔn)確區(qū)分船側(cè)板與水面之間的界線，常用的檢測(cè)算子包括Sobel、Log、Canny等[12-13]。在利用以上傳統(tǒng)邊緣檢測(cè)算子進(jìn)行識(shí)別時(shí)，確定濾波器的大小和閾值存在較大困難，還時(shí)常得到上下2條難辨真假的吃水線。其中的假水線是由于波浪起伏在船側(cè)板留下的水痕，見圖6a)。受到海水浸潤(rùn)的船側(cè)板會(huì)發(fā)生亮度變化，造成其與相鄰區(qū)域灰度值上的不連續(xù)，這種特征在晴朗的天氣下尤為明顯。

圖6 水尺圖像的RGB空間分量及其直方圖

考慮到船側(cè)板與水面在顏色上存在明顯的差異，考慮基于彩色圖像分割算法對(duì)不同顏色空間的圖像進(jìn)行分析，實(shí)現(xiàn)吃水線在水尺圖像中的準(zhǔn)確定位。

觀察水尺圖像6a)所對(duì)應(yīng)的灰度直方圖6e)可以看出，在灰度值分布較為集中的區(qū)域隱約存在雙峰結(jié)構(gòu)。提取RGB空間分量圖6b)、c)、d)，對(duì)比其直方圖6f)、g)、h)的分布特征發(fā)現(xiàn)，R空間直方圖中呈現(xiàn)出明顯的雙峰結(jié)構(gòu)。由于散貨船浸沒在水下部分的側(cè)板通常涂裝具有特殊防腐蝕作用的紅色油漆，而貨物碼頭的渾濁海水多呈現(xiàn)暗綠色至暗黃色，所以兩者之間在灰度值分布上會(huì)呈現(xiàn)出較明顯的差別。于是可以在R空間直方圖中選取兩峰間最低處所對(duì)應(yīng)的灰度為閾值T，對(duì)圖像中的船側(cè)板和水面進(jìn)行準(zhǔn)確分割。則對(duì)于R空間圖像中的任意像素點(diǎn)R(x,y)，根據(jù)閾值T分割得到的像素點(diǎn)RBW(x,y)表示為

(6)

式中：1為目標(biāo)；0為背景。

海水浸潤(rùn)導(dǎo)致對(duì)R空間圖像影響較小，而且以直方圖中2峰間最低處對(duì)應(yīng)的灰度為閾值能夠避免局部顏色差異帶來的干擾，分割結(jié)果中未留下假水線的明顯痕跡，見圖7。

圖7 基于彩色圖像分割的吃水線識(shí)別結(jié)果

進(jìn)一步提取圖7a)所示的分割結(jié)果可得到圖7b)所示的邊緣像素點(diǎn)。所得圖像中一條由邊緣像素點(diǎn)構(gòu)成的吃水線已清晰可辨，不過圖像中的噪聲點(diǎn)也造成了吃水線的不連續(xù)，而且這種情況在吃水線橫跨過水尺字符時(shí)表現(xiàn)得尤為突出。利用霍夫變換把不連續(xù)的像素組裝成線段，并選取其中橫跨整幅圖像的那一條得到圖7c)所示的吃水線。在選取吃水線時(shí)可將其位置限定在下半部分圖像中，將其角度限定在±15°之間，以提高對(duì)其判定的速度和準(zhǔn)確率。再將吃水線重新映射到原圖中，形成圖7d)所示的吃水線位置標(biāo)記。

2.3 吃水深度計(jì)算

吃水深度計(jì)算的關(guān)鍵在于比較吃水線在數(shù)字化水尺上的位置，還應(yīng)特別注意水尺圖像中不同字符間距的變化情況。攝像機(jī)與水尺間的拍攝角度會(huì)導(dǎo)致字符間距發(fā)生變化。通常圖像中越靠近吃水線的字符間距越小，利用非線性擬合確定吃水線上下2個(gè)字符間像素所代表的吃水深度變化量?？紤]到利用霍夫變換求取的吃水線位置可達(dá)到亞像素量級(jí)，使得吃水深度最終計(jì)算精度達(dá)到1 mm，明顯高于規(guī)程中10 mm的單次觀測(cè)精度要求。此外，可進(jìn)一步求取20P連續(xù)水尺圖像的平均吃水深度作為最終輸出結(jié)果，以降低波浪起伏對(duì)吃水深度計(jì)算帶來的影響。

3 實(shí)驗(yàn)結(jié)果

首先在6 000 t遠(yuǎn)洋實(shí)習(xí)船“育鯤”上進(jìn)行船舶水尺計(jì)重系統(tǒng)功能測(cè)試，又在黃驊港的多條散貨船上進(jìn)行了現(xiàn)場(chǎng)實(shí)驗(yàn)。黃驊港某57 000 t散貨船的外側(cè)三面水尺測(cè)量結(jié)果見圖8，利用裝載煤炭的15 min作業(yè)間隔時(shí)段便得以完成測(cè)量，耗時(shí)相對(duì)于借助小艇或繩梯進(jìn)行觀測(cè)的傳統(tǒng)方法優(yōu)勢(shì)明顯。20P連續(xù)水尺圖像的平均吃水深度輸出分別為3.056、5.942和8.786 m，而單幅圖像所得吃水深度的波動(dòng)范圍均超過100 mm。

圖8 某散貨船外水尺測(cè)量結(jié)果

4 結(jié)論

基于圖像采集和處理的水尺計(jì)重方法能夠滿足《駁船水尺計(jì)重技術(shù)規(guī)程》的要求，并且不需要對(duì)船舶進(jìn)行改造或加裝傳感器。借助具備高清攝像功能的爬壁機(jī)器人采集水尺圖像，可以避免檢定人員攀爬繩梯接近水尺的危險(xiǎn)。利用數(shù)字化圖像處理技術(shù)分析吃水深度，可以消除傳統(tǒng)人工觀測(cè)中主觀因素的影響。求取多幅水尺圖像的平均吃水深度作為輸出結(jié)果，更可有效降低風(fēng)浪所造成的影響，特別順應(yīng)現(xiàn)代化港口對(duì)精細(xì)化管理的需求。此外，考慮到水尺計(jì)重工作即使在夜間也應(yīng)照常進(jìn)行，此時(shí)所拍攝水尺圖像中的顏色特征會(huì)發(fā)生明顯變化。因而還需要研究權(quán)衡RGB、YUV、HSV等多種顏色空間分量來綜合判定吃水線位置的方法，以進(jìn)一步提高水尺圖像處理算法的適應(yīng)性。