船舶引航梯安全檢測(cè)方法

(1.廣州航海學(xué)院 海運(yùn)學(xué)院，廣州 510725；2.廣州海事局 VTS中心，廣州 510700)

目前引航梯的安全檢測(cè)主要依賴于人工檢測(cè)，用肉眼觀察其外觀是否完好，腳踩試探其結(jié)構(gòu)強(qiáng)度是否滿足標(biāo)準(zhǔn)。引航梯損壞事故頻發(fā)，導(dǎo)致引航員受到人身傷害。如何通過簡單的方法來檢測(cè)引航梯的結(jié)構(gòu)強(qiáng)度和裂縫信息，對(duì)提升引航員安全、預(yù)防引航事故具有重要意義[1]。基于此，提出一種基于圖像處理的引航梯安全檢測(cè)方法，結(jié)合采集的引航梯圖像信息，對(duì)船舶縫隙特征進(jìn)行提取，選擇Adaboost方法對(duì)提取到Haar特征進(jìn)行訓(xùn)練及融合，精準(zhǔn)地識(shí)別引航梯的裂縫，完成引航梯安全狀態(tài)檢測(cè)。

1 基于圖像處理的檢測(cè)方法及步驟

1.1 檢測(cè)系統(tǒng)組成

引航梯安全檢測(cè)硬件設(shè)備包括圖像采集單元、數(shù)據(jù)傳輸單元、以及計(jì)算機(jī)終端。其中，圖像采集單元包括CCD攝像機(jī)和圖像采集卡；數(shù)據(jù)傳輸單元用于CCD攝像機(jī)和計(jì)算機(jī)終端之間的數(shù)據(jù)傳輸；計(jì)算機(jī)終端內(nèi)配置有引航梯裂縫檢測(cè)單元，用于對(duì)采集圖像的引航梯缺陷檢測(cè)，其中裂縫檢測(cè)單元包括圖像預(yù)處理模塊、裂縫缺陷檢測(cè)模塊以及裂縫缺陷識(shí)別模塊。

1.2 實(shí)施步驟

檢測(cè)步驟見圖1。

圖1 引航梯圖像檢測(cè)步驟

步驟1。采集引航梯裂縫圖像，并將采集到的裂縫圖像數(shù)字化存入計(jì)算機(jī)內(nèi)。

步驟2。對(duì)被檢測(cè)的引航梯圖像進(jìn)行預(yù)處理，獲取二值圖像。利用中值濾波方法對(duì)采集的圖像進(jìn)行去噪處理，消除背景邊緣，同時(shí)，利用OTSU方法對(duì)去噪的圖片進(jìn)行二值化處理。

1)中值濾波去噪。通過手持照相機(jī)采集的圖像有一定的噪聲，采用中值濾波方法對(duì)采集的圖像進(jìn)行去噪處理。其基本理論是對(duì)引航梯圖像內(nèi)的像素值進(jìn)行排序，取其中值代替相應(yīng)的像素值。濾波窗口采用3×3大小，以實(shí)際實(shí)施過程對(duì)中值濾波進(jìn)行說明。使用3×3窗口對(duì)圖像進(jìn)行卷積處理，在卷積過程中，每一個(gè)窗口所得值呈3×3矩陣形式，共9個(gè)像素值，存儲(chǔ)值pixel[2]數(shù)組中。對(duì)pixel數(shù)組進(jìn)行排序處理，取排序后序列中第5個(gè)像素值，即pixel(4)作為替代為模板所處位置像素值。當(dāng)模板遍歷整幅圖像后，即完成了中值濾波去噪過程[3]。

2)OTSU二值化。在獲得去噪圖像之后，利用OTSU方法對(duì)圖像進(jìn)行二值化處理。OTSU方法的基本理論是尋找到分類閾值，實(shí)現(xiàn)圖像中背景和前景的類間方差達(dá)到最大，其具體實(shí)施方式如下。

假設(shè)T為二值化分類閾值，N為引航梯圖像像素總數(shù)。圖像整體平均灰度值與前景和背景像素的方差和可由式(1)、式(2)表示。

u=w0×u0+w1×u1

(1)

g=w0×(u0-u)2+w1×(u1-u)2

(2)

式中：w0為前景點(diǎn)與像素點(diǎn)的比值；u0為其平均灰度值；w1為背景點(diǎn)與像素點(diǎn)的比值；u1為其平均灰度。

由式(1)、式(2)可得：

(3)

對(duì)T進(jìn)行遍歷取值，一直到所取T值后所得的g值，即類間差最大，則該閾值T即為所求閾值。

步驟3。二值圖像Haar特征提取。針對(duì)引航梯裂縫二值圖像特征，構(gòu)建10種Haar特征模板，包括邊緣特征模板、線性特征模板以及對(duì)角特征模板，通過積分圖方法，對(duì)引航梯裂縫二值圖像Haar特征進(jìn)行提取，其結(jié)構(gòu)見圖2。

圖2 Haar結(jié)構(gòu)示意

取4×4大小Haar特征模板[4]，其中白色區(qū)域大小4×2，黑色區(qū)域大小4×2。在實(shí)際圖像中覆蓋該模板，則Haar特征值為黑色區(qū)域像素值之和減去白色區(qū)域像素值之和，可表達(dá)為

v=Sum(黑)-Sum(白)

(4)

步驟4。Adaboost分類器檢測(cè)。通過已知引航梯裂縫缺項(xiàng)樣本對(duì)Adaboost分類器進(jìn)行構(gòu)建，所得強(qiáng)分類器給出離散結(jié)果；將步驟3中獲得的Haar特征作為強(qiáng)分類器輸入輸入至Adaboost分類器，根據(jù)所得結(jié)果對(duì)引航梯裂縫進(jìn)行檢測(cè)。

首先，選取若干張(本實(shí)施例取100張)引航梯裂縫缺陷圖像，提取裂紋缺陷若干個(gè)(本實(shí)施例取141個(gè))，鏈狀氣孔若干個(gè)(本實(shí)施例取76個(gè))，氣孔缺陷若干個(gè)(本實(shí)施例取61個(gè))，夾雜缺陷若干個(gè)(本實(shí)施例取37個(gè))，未融合缺陷若干個(gè)(本實(shí)施例取19個(gè))，以上缺陷特征圖像作為樣本集；其次，將每一個(gè)訓(xùn)練樣本歸一化至N×N(本實(shí)施例取24×24)大小，并通過圖像預(yù)處理的方式消除其噪聲及明暗度的影響；然后，初始化Adaboost權(quán)值，以100輪為訓(xùn)練終止輪次，在迭代計(jì)算中，以最小誤差率為目標(biāo)，調(diào)整正負(fù)引航梯裂縫樣本權(quán)重，獲取最終強(qiáng)分類器；最后，將Haar特征計(jì)算結(jié)果作為強(qiáng)分類器輸入，由輸出結(jié)果判斷區(qū)域是否為船舶引航梯裂縫。

其中，關(guān)于分類器的訓(xùn)練及分類器的檢測(cè)，分別結(jié)合實(shí)例進(jìn)行如下說明。

1)分類器訓(xùn)練。分類器訓(xùn)練過程見圖3。

圖3 Adaboost訓(xùn)練過程

在圖像所得Haar特征中，每一個(gè)haar特征可視為一個(gè)弱分類器，定義如下。

(5)

式中：h(x)為簡單分類器的值，其中1表示為引航梯裂縫，0表示非引航梯裂縫；θ為分類閥值；p取值為-1或+1；x為一個(gè)待檢子窗口；f(x)為特征值計(jì)算函數(shù)[9]。

將引航梯裂縫缺陷圖像樣本193個(gè)作為訓(xùn)練集，標(biāo)記為正樣本；取無引航梯裂縫缺陷樣本200個(gè)作為負(fù)樣本。分別標(biāo)記檢測(cè)值：yi∈Y={-1,+1}。其中，-1和1分別表示負(fù)樣本和正樣本。初始化權(quán)值。

(6)

取訓(xùn)練輪次100輪，將弱學(xué)習(xí)算法在權(quán)值Dt下訓(xùn)練，得到弱分類器：ht:X→[-1,+1]。錯(cuò)誤率按照下式計(jì)算。

(7)

根據(jù)上述錯(cuò)誤率更新權(quán)值，獲得強(qiáng)分類器H(x)。

(8)

(9)

對(duì)強(qiáng)分類器進(jìn)行權(quán)值歸一化

(10)

H(x)是由訓(xùn)練所得的多個(gè)弱分類器合并而成，其可以給出2個(gè)離散的結(jié)果，即0和1。0表示檢測(cè)到縫隙，1表示為非縫隙。

2)引航梯裂縫缺陷檢測(cè)。對(duì)于待檢測(cè)圖像，通過積分圖方法建立不同尺度下Haar特征模板值，將模板值輸入至強(qiáng)分類器H(x)，強(qiáng)分類器給出離散的結(jié)果。結(jié)合實(shí)例說明如下，積分圖計(jì)算方式見圖4。

圖4 積分圖計(jì)算方式示意

圖4中，點(diǎn)1的積分特征值為

(11)

則陰影區(qū)域D的區(qū)域像素點(diǎn)之和為

Sd=ii4+ii1-ii2-ii3

(12)

遍歷圖像后，通過積分圖計(jì)算不同尺度下的圖像Haar特征值，將該特征值輸入分類器，根據(jù)分類器輸出結(jié)果對(duì)引航梯裂縫進(jìn)行檢測(cè)[3-6]。

通過已知引航梯裂縫缺項(xiàng)樣本對(duì)Adaboost分類器進(jìn)行構(gòu)建，所得強(qiáng)分類器給出離散結(jié)果；將步驟3中獲得的Haar特征作為強(qiáng)分類器輸入輸入至Adaboost分類器，根據(jù)所得結(jié)果對(duì)引航梯裂縫進(jìn)行檢測(cè)[7-8]。

2 實(shí)船案例分析

2.1 引航梯圖像采集

以長江引航中心2018年6月31日所引航船舶NO.2 ASIAN PIONEER的引航梯為例。對(duì)其進(jìn)行圖像采集，利用OK_VGA41A圖像采集卡，最大傳輸速度達(dá)480 MByte/s。CCD相機(jī)采用DO3THINK的YS510相機(jī)，該攝像機(jī)感光尺寸為2/3，分辨率為1 360×1 024，像素?cái)?shù)量為1.4 MP，其像素規(guī)格滿足系統(tǒng)所需要求。總線采用采用PCI Express X4總線作為數(shù)據(jù)存取通道[15-16]。現(xiàn)場(chǎng)采集的引航梯圖像見圖5。

圖5 NO.2 ASIAN PIONEER輪的引航梯

2.2 圖像處理與裂紋分析

為了提升圖像處理的精度，以圖5中所標(biāo)注區(qū)域?yàn)槔凑請(qǐng)D1的引航梯圖像檢測(cè)實(shí)施步驟進(jìn)行處理，NO.2 ASIAN PIONEER的引航梯裂紋結(jié)果見圖6。

圖6 引航梯所檢測(cè)到的裂紋信息

2.3 結(jié)果驗(yàn)證

通過所提出的基于圖像的引航梯裂縫檢測(cè)方法，實(shí)現(xiàn)引航梯中微小裂縫的檢測(cè)和識(shí)別，結(jié)果表明NO.2 ASIAN PIONEER引航梯存在一些裂紋，除了圖6中第一排左1、第二排左1和左2裂紋較深以外，其他裂紋的深度和寬度較小。另外，第一排左1、第二排左1和左2裂紋為制造引航梯是有一木板縮水而導(dǎo)致的正常裂縫，與實(shí)際檢測(cè)結(jié)果一致。

3 結(jié)論

1)針對(duì)人工檢測(cè)引航梯安全耗時(shí)、費(fèi)力等特點(diǎn)，基于圖像處理的引航梯安全監(jiān)測(cè)方法，利用Adaboost及Haar特征對(duì)船舶引航梯的微小裂縫進(jìn)行檢測(cè)。經(jīng)過實(shí)船案例分析，基于圖像處理的檢測(cè)結(jié)果與實(shí)際結(jié)果相吻合，驗(yàn)證了此方法的可行性。

2)在圖像處理過程中，針對(duì)引航梯的圖像特征，構(gòu)建相應(yīng)的點(diǎn)、線等Haar特征模板，對(duì)船舶引航梯的縫隙特征進(jìn)行提取，并引入積分圖加快了檢測(cè)速度，實(shí)際結(jié)果顯示，檢測(cè)精度和速度得到進(jìn)一步提升。