一种基于神经网络的潮位水尺读数智能化识别方法

作     者：叶祖超 刘京城 林道宽 孙林 

作者机构：自然资源部北海海洋中心 湖北中南鹏力海洋探测信息系统工程有限公司 

出 版 物：《海洋湖沼通报(中英文)》 (Transactions of Oceanology and Limnology)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0816[工学-测绘科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：自然资源部海洋环境探测技术与应用重点实验室(编号:MESTA-2021-D004) 

主　　题：潮位测量 神经网络 水尺 YOLOv5 摄像头 人工智能 

摘      要：潮汐观测是海洋工程测量、海洋观测等工作的重要组成部分。传统的潮位图像处理识别方法受限于光照、污渍、相机曝光以及图像处理阈值等原因，识别效果不太理想。本论文提出了一种基于神经网络的潮位水尺智能化识别方法，基于单阶段目标检测算法YOLOv5对水尺图片进行标注分类，通过调整YOLOv5模型参数，结合文本检测、图像分割等方法的应用，增强模型对潮位水尺图像中的数字字符的感知和识别能力，从而进行模型训练、测试，并最终完成模型预测、部署。通过对比，本方法较传统方法精度更高，误判率和漏检率更低，识准率达到99.9%。本方法弥补了极端天气数据缺失和人工观测分辨率低的缺点，将有效提高人员工作效率与海洋观测信息化水平，高效率、高准确率实现潮位水尺读数智能化识别。