| 成果基本信息 | ||||||
| 关键词: | 船舶干舷检测 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明公开了一种基于深度强化神经网络的内河船舶干舷检测方法,将激光雷达与联动云台设立在内河岸边的高杆上,云台带动激光雷达调整检测高度和朝向角,对船舶的一侧进行扫描,获取不同检测参数下的船舶轮廓图像,利用强化学习神经网络作为强化学习值函数的逼近器,将船舶轮廓信息输入强化学习神经网络,从而确定当前激光雷达与联动云台做出何种动作来正确识别当前船舶干舷。本发明基于卷积神经网络对图像的识别能力,结合强化学习算法共同构建了深度强化神经网络,克服了深度学习网络在船舶超载识别领域现有的技术不足,提升了激光雷达对船舶干舷信息的检测能力,从而为内河船舶吃水情况的自动判别提供了技术支持 |