船舶水线识别系统产品系统

传统靠泊作业中，船舶载重需依据吃水线判定，但因船岸距离较远，目视读数易受视角与波浪干扰。为此，引入无人机搭载高分辨率相机，近距离采集水尺图像，并借助机器学习算法对刻度进行实时识别与解析，从而自动、精准地输出船舶吃水深度，有效提升数据可靠性与作业效率。

1. 水尺区域智能定位与矫正
利用目标检测算法，系统能从复杂的船体背景（锈迹、水渍、船名喷涂）中精准分割出水尺刻度盘区域。针对无人机倾斜拍摄带来的透视畸变，系统内置了透视变换矫正功能，自动将倾斜视角还原为正视平面图像，有效消除因拍摄角度偏差带来的读数误差。

2. 水位线精准分割与刻度动态识别
这是系统的核心算法层。通过语义分割模型对图像中的水面交界处进行像素级处理，精确描绘出水线边缘，并自动去除波浪碎花造成的干扰噪点。同时，OCR（光学字符识别）模型对水尺上的数字和刻度标记进行实时读取，结合刻度间的实际物理间距，实现亚刻度级（精确到厘米甚至毫米）的吃水深度推算。

3. 实时读数输出与动态滤波平滑
识别结果以毫秒级延迟在地面站终端界面实时刷新。考虑到海面涌浪会使船舶周期性横摇纵摇，系统采用时序滤波算法，对连续多帧的识别数据进行动态平均处理，剔除因瞬间波浪覆盖造成的极大/极小离群值，最终输出稳定、平滑的真实静水吃水深度。

4. 数据自动留痕与报告生成
每次测量任务完成后，系统自动将原始拍摄图像、水尺标注截图、识别置信度、最终吃水数值及GPS坐标时间戳打包归档。支持一键生成《船舶吃水检验报告》电子表单，便于后期复核、审计以及与装载计算机数据进行交叉比对，实现全流程数据可追溯。

系统算法运行遵循以下主线流程：
第一步：图像采集与预处理——无人机悬停后连续采集水尺区域视频流，按固定帧抽取单帧图像，统一调整分辨率至1280×720。针对雾天、逆光等恶劣环境，采用直方图均衡化和暗通道去雾处理增强图像清晰度。
第二步：水尺区域智能定位——利用目标检测模型（如改进的YOLO系列）从复杂船体背景中精准检测出水尺字符及刻度区域。针对无人机倾斜拍摄带来的透视畸变，采用透视变换算法将图像矫正为正视平面。
第三步：水位线精准分割——通过语义分割模型（如改进UNet、PSPNet或SAM）对水面与船体交界处进行像素级分割，精确描绘水线边缘。模型能有效去除波浪碎花、水面反光及漂浮物造成的干扰。
第四步：字符识别与读数计算——采用OCR模型识别水尺上的数字与字母刻度。结合水位线位置与最临近整数刻度，通过像素—实际距离换算（每个刻度高度10cm），计算出精确的吃水深度。针对船体腐蚀造成的字符磨损，系统内置字符校验机制，依据字符排列规律自动校正漏检与错检。
第五步：动态滤波与稳定输出——针对海面涌浪导致的船舶周期性摇晃，采用时序滤波算法对连续多帧识别结果进行平滑处理，剔除离群值，输出稳定可靠的静水吃水值。