王坤1，房玉吉，劉華龍1，劉帥，余淞洋

(1.海裝沈陽局駐大連地區(qū)第一軍事代表室，遼寧 大連 116001；2.中國艦船研究設(shè)計中心，武漢 430064)

外板破損、通海管路破裂等因素會導(dǎo)致艙內(nèi)浸水，要確定進(jìn)水量的大小，預(yù)測浸水的發(fā)展趨勢及破口的大小，確定損害管制措施，都需要能對浸水量進(jìn)行快速準(zhǔn)確的識別。目前，艙底自動測水方法主要是浮子式，壓力式，超聲式和雷達(dá)式水位測量[1]，以及傳統(tǒng)圖像識別法。這些方法存在環(huán)境適應(yīng)性較差、自動化程度不高，前期投入較高，后期維護(hù)工作量大等問題。為此，提出一種基于YOLO-v5[2]和ResNet[3-4]算法的艙底水液位識別算法。

1 液位檢測系統(tǒng)設(shè)計

1.1 流程設(shè)計

為了實現(xiàn)對船艙內(nèi)水位高度的判斷，考慮通過對水箱液位檢測進(jìn)行模擬，在水箱高度已知的條件下，需要識別出液位與箱身在圖像中高度之比即可推出液位實際高度。

工具采用QT和Opencv。圖像的處理算法包含了對獲取的圖像的預(yù)先處理、對圖像的顏色進(jìn)行閾值分割[5]、通過改進(jìn)的Canny進(jìn)行圖像的邊緣檢測、對獲取的圖像與預(yù)先的模板進(jìn)行匹配，并提出通過窗口來搜索的對峰值進(jìn)行檢測的算法，分別將采集圖像、液位界面提取、數(shù)字識別、攝像頭自定位集合在一起，從而使液位圖像數(shù)字化。流程見圖1。

1.2 設(shè)備選擇

整個檢測系統(tǒng)由照明光源、光學(xué)攝像頭、計算機(jī)處理與分析系統(tǒng)組成，見圖2。

其中，采用由發(fā)光二極管(光源發(fā)射二極管，led)組成的圓形光源頂部照射的形式，保證光源的可靠性；利用明場照明漫反射形式的正向照明，防止形成鏡面反射，控制視場中產(chǎn)生陰影而對檢測結(jié)果產(chǎn)生干擾。為了提高系統(tǒng)的分辨率和集成性，攝像機(jī)鏡頭選用高分辨率(1 080×1 920)的互補(bǔ)金屬氧化物半導(dǎo)體圖像傳感器。攝像機(jī)與計算機(jī)之間的信息傳輸采用現(xiàn)場總線的形式，保證了視頻傳輸?shù)目焖傩浴?/p>

1.3 模型算法

艙底水液位對象檢測算法采用YOLO-v5算法模型。此版本的YOLOv5每個圖像的推理時間最快0.007 s，即每秒140幀(FPS)，但YOLOv5的權(quán)重文件大小只有YOLOv4的1/9。延遲是在V100 GPU上對5 000個COCO-val2017中的數(shù)據(jù)進(jìn)行測試的結(jié)果，包含數(shù)據(jù)預(yù)處理、模型推理、后處理以及NMS。平均NMS時間為1.6 ms/image。

在艙底的水液位檢測中，選用resnet 34層網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)中每個殘差塊采用跳層鏈接，解決了層次增加、學(xué)習(xí)退化和深度梯度擴(kuò)散等問題。

2 算法訓(xùn)練

2.1 圖像采集

采用圖像作為ccd相機(jī)拍攝在有光源的環(huán)境中，圖像尺寸為1 920×1 080 ，色彩信息為bgr存儲。由于拍攝視野較大，目標(biāo)對象在采集過程中只占一定的區(qū)域，為了降低需要處理的數(shù)據(jù)，在不失去主要信息的情況下，對源圖像進(jìn)行roi選擇。經(jīng)觀察，主要部分在圖像的上部，選取主要部分進(jìn)行處理，見圖3，提高了圖像處理效率。

圖3 采集源圖像與ROI后圖像

2.2 圖像預(yù)處理

通過高分辨率工業(yè)ccd相機(jī)收集液位信息，在拍攝時可能會由于場景照明不均勻，ccd相機(jī)內(nèi)部的光學(xué)成像畸變，周圍環(huán)境溫度，濕度等因素影響，在獲取液位圖像信息時，通常會夾雜著噪聲，因此需要進(jìn)行一系列圖像預(yù)處理，去除噪聲和背景，從而增強(qiáng)與刻度和數(shù)字字符相對應(yīng)的信息[5]。通常，預(yù)處理的步驟有灰度圖像，數(shù)學(xué)形態(tài)處理，二值化，數(shù)據(jù)平滑，復(fù)原，增強(qiáng)，等等。

2.2.1 去噪

探測系統(tǒng)中成像ccd相機(jī)所獲取的液位圖像受到多種形式噪聲的影響，此時需要使用圖像濾波來處理圖像。圖像濾波能夠在保持圖像細(xì)節(jié)的紋理特征的前提下削減圖像噪聲。圖像過濾可以強(qiáng)化或改變圖像。通過濾波，可以加強(qiáng)某些有用的特征，或者去除圖像中的一些不相關(guān)部分，濾波是鄰域操作算子，它利用對像素周圍的像素值和濾波算子進(jìn)行卷積的計算，以確定該像素最終的輸出值。

本文設(shè)計的雙邊濾波法是一種非線性濾波方法，同時考慮了像素的相似度和圖像空間的鄰近性，屬于一種折中的計算方法。將空域信息及灰度相似度統(tǒng)籌考慮，折中處理，在保證邊緣信息的同時再次去噪聲，具有簡單，局部，非迭代的性質(zhì)[6]。

常用雙邊均值噪聲濾波，高斯濾波和衰減噪聲等處理同時對高頻圖像的邊緣紋理信息節(jié)點(diǎn)進(jìn)行模糊，雙邊均值濾波器很好地充分考慮了這個復(fù)雜點(diǎn)，很好地準(zhǔn)確保存了高頻圖像紋理模糊信息[9]。

之后采用中值濾波器進(jìn)行進(jìn)一步的去噪預(yù)處理，可有效地消除圖像中的椒鹽噪聲，有利于邊緣保留尖銳度。

關(guān)于灰度化的顏色處理，主要采用液位加權(quán)值的平均值對一個液位中的圖像顏色進(jìn)行一次灰度化顏色處理，實現(xiàn)方法過程概要如下：根據(jù)亮度rgb和亮度yuv兩個顏色分量空間之間的亮度變化，建立圖像亮度y與分量r、g、b顏色分量之間的亮度對應(yīng)變化關(guān)系，利用它的亮度對應(yīng)來描述液位圖像的顏色性質(zhì)。

輸入的圖像是bgr彩色圖像，不方便處理，需要將其轉(zhuǎn)換為灰色圖像，對每個像素點(diǎn)的轉(zhuǎn)換公式如下為：

Gray=R*0.299+G*0.587+B*0.114(1)

圖像預(yù)處理后的圖像見圖4。

圖4 預(yù)處理后的灰度圖

2.3 直方圖均衡化

為了增強(qiáng)對比度，使灰度圖中液體與液位上部瓶身灰度區(qū)分更加明顯，采用直方圖均衡化操作。

首先對灰度圖所有像素進(jìn)行掃描，計算出圖像的歸一化直方圖H。

(2)

式中，n是圖像的總數(shù)，k是圖像的第k個灰度級別(k=0,1,2,…,255)；nk是該灰度級的個數(shù)。

再計算直方圖積分。

(3)

最后進(jìn)行圖像轉(zhuǎn)換。

dst(x,y)=H′(src(x,y))

(4)

變換后的結(jié)果見圖5。

圖5 直方圖均衡化圖

2.4 二值化圖像分割

圖像分割可以將目標(biāo)圖像劃分成感興趣的區(qū)域和余下的區(qū)域，然后將感興趣的區(qū)域提取，進(jìn)一步分析。本文以常見最大型間誤差(otsu)、最小型誤差(最大型誤差)、局部型自適應(yīng)閾值(局部型)分割方法為主。

2.4.1 最大類間誤差法

根據(jù)灰度值的不同，對感興趣的目標(biāo)和對不感興趣的背景進(jìn)行區(qū)分。如果目標(biāo)和背景的類之間的差距越大，說明兩者的區(qū)別越小，當(dāng)類之間的方差越大時，錯誤的分類可能性越小。因此，用每個灰度值作為閾值來計算不同的分割類之間的方差，相應(yīng)的閾值為閾值。

2.4.2 最大熵方法

這種最大閾量數(shù)值分割選擇的基本原理也就是，對閾值分割之后的一個有效感興趣的該目標(biāo)信息類和不感興趣的目標(biāo)背景信息類之間的總值和熵值分別進(jìn)行最大的閾值分割，從而可以使其當(dāng)中所含的背景信息數(shù)量最大化。

2.4.3 自適應(yīng)閾值化

本文設(shè)計的是基于局部自適應(yīng)的二值分割法，與全局閾值分割不同，它通過像素窗函數(shù)中的像素值來確定該像素位置的二值分割閾值，是一個局部分割法。因此，每個像素位置的二值化閾值并非定值，而是動態(tài)變化的，它依賴于鄰域像素分布，這是選擇的這種方法的優(yōu)點(diǎn)所在。顯然，在圖像中明亮度更高的像素區(qū)間中，局部自適應(yīng)產(chǎn)生的閾值也較大，在圖像中，明亮度更低的像素區(qū)間中，局部自適應(yīng)產(chǎn)生的閾值將適當(dāng)?shù)乜s小。利用此方法，圖像中亮度不同，細(xì)節(jié)紋理，對比度不同的局部圖像區(qū)域?qū)邢鄳?yīng)的局部二值化閾值。

常用的局部自適應(yīng)閾值分割方式有如下兩種：一種是將該點(diǎn)的局部窗口函數(shù)的平均值設(shè)為該點(diǎn)二值化的閾值。還有一種是對計算該取值點(diǎn)的一個局部窗口化學(xué)函數(shù)的值進(jìn)行高斯加權(quán)，作為計算該取值點(diǎn)的二次取值點(diǎn)在化學(xué)函閾下的值。

本文所設(shè)計的局部自適應(yīng)閾值分割是用鄰域塊的高斯加權(quán)計算的二值閾值，其方法是鄰域塊的高斯加權(quán)。結(jié)果見圖6。

圖6 閾值分割圖

2.5 濾波和形態(tài)學(xué)操作

閾值分割后液體和瓶蓋能大致凸顯出來，但液位上方仍有很多干擾，因此需要再經(jīng)過濾波和形態(tài)學(xué)操作。

濾波依然采用中值濾波，鄰域尺寸選擇7像素點(diǎn)，效果見圖7。

圖7 中值濾波圖

這樣的液位上方的干擾就完全消失了，而液體和瓶蓋的白色部分中也存在著黑洞，有些在黑色部分中也有微型的白塊。為了確保后輪廓識別的唯一性，需要將圖像進(jìn)行形態(tài)操作，將圖像劃分為幾個獨(dú)立的完整區(qū)域。

對濾波后的圖像進(jìn)行先用3×3的核腐蝕，再使用15×15的內(nèi)核膨脹3次，操作后得到的圖像見圖8。

圖8 形態(tài)學(xué)操作后圖像

2.6 輪廓檢索與矩形逼近

在已經(jīng)得到的二值圖像中，液體區(qū)域?qū)?yīng)下方白色區(qū)域，瓶蓋(即瓶身頂部)對于上方小塊白色區(qū)域，背景對應(yīng)像素為黑色，現(xiàn)在對輪廓進(jìn)行檢索。

輪廓檢索選擇多邊形近似的方法,對于一條閉合邊界,當(dāng)多邊形的邊數(shù)目等于邊界上的點(diǎn)數(shù)時,這種近似會變得很精確,此時每對相鄰點(diǎn)定義了多邊形的一條邊。尋找到的輪廓用綠色線標(biāo)出。

輪廓尋找后，為了方便計算像素距離，需要對輪廓繪制邊界框。矩形邊界框的提取基于Douglas-Peucker算法，原理見圖9。

圖9 Douglas-Peucker算法原理

1)將連續(xù)曲線的中段首尾為起點(diǎn)利用a,b之間的一條直線線將ab連接起來，這條線是一條連續(xù)曲線的正弦；

2)得到曲線上離該直線段距離最大的點(diǎn)C，計算其與AB的距離d；

3)對該原點(diǎn)距離和直線預(yù)先確定的原點(diǎn)threshold的直線大小距離進(jìn)行直線比較，如果沒有大于零的threshold，則將該距離直線大小作為近似處理曲線，對該段直線進(jìn)行近似處理；

4)若距離超過閾值，則用 c 將曲線劃分為ac和bc兩段，并分別處理兩段取弦，分別處理為13；

5)在所有的分割曲線點(diǎn)都處理好后，依次將各個被分割出的點(diǎn)所需要形成的兩條折線連接起來，即可形成作為近似點(diǎn)的曲線。

3 結(jié)果計算及分析

最終檢測出一條水平線，整體圖像矩形框出了箱頭，下面框出箱底，輸出為一個Rect變量和一個綠色線高度，這是Opencv中一種數(shù)據(jù)類型，包含成員變量(x,y)(矩形左上角頂點(diǎn))、width(矩形寬度)、height(矩形高度)。最終結(jié)果通過以下式子計算：

(5)

Hw=Rect[2].height

(6)

Hb=Rect[2].y+Rect[2].height-Rect[1].y

(7)

式中量與符號說明見表1。

表1 變量對應(yīng)關(guān)系

計算時需要先輸入瓶身的實際高度，這個可以預(yù)先通過標(biāo)準(zhǔn)直尺測量，這里輸入20。

采用的設(shè)備及試驗結(jié)果見表2。

表2 試驗設(shè)備及結(jié)果

經(jīng)實驗室測量，測量系統(tǒng)具有良好的精確度，能夠保持原儀表的精確度等級。

4 結(jié)論

將YOLO-v5和ResNet算法應(yīng)用于艙底水液位識別，試驗驗證表明，該模型算法識別結(jié)果相對誤差僅為3.27%。模型算法具有自學(xué)習(xí)能力，隨著學(xué)習(xí)訓(xùn)練樣本的不斷增加，識別準(zhǔn)確率也將不斷提高，將來有望取代浮子、壓力式、超聲波和雷達(dá)自動水位式等傳統(tǒng)的監(jiān)測方法。