典型文献
基于U-net卷积神经网络图像分割的波浪测量方法
文献摘要：
针对水体运动导致电子传感装置测量结果准确性下降的问题和阈值分割法无法在光照场景下测量波面的问题,文章提出了一种基于U-net卷积神经网络的波浪测量方法.实验过程首先由高清摄像机录制水槽中的波浪运动过程,将视频处理成时间连续的波面图像,其次通过U-net卷积神经网络对波面图像进行图像分割并提取水位线数据信息,最后求出波高和周期.以像素识别结果为基准,将本研究方法的测量结果与波高传感器的测量结果进行误差对比,结果表明U-net卷积神经网络的相对误差最大为2.25％,而传感器误差最大为4.15％,且实验组中U-net卷积神经网络测得平均波高的相对误差均在2.5％以内,平均周期的误差都低于1％.因此,基于U-net卷积神经网络的测量方法可用于实验室的波浪测量.
文献关键词：
U-net卷积神经网络;阈值分割;图像分割;波高;周期
中图分类号：
作者姓名：
任志伟;陈松贵;王收军;王佳伟
作者机构：
天津理工大学机电工程国家级实验教学示范中心,天津300384;交通运输部天津水运工程科学研究院 港口水工建筑技术国家工程实验室,天津300456
文献出处：
引用格式：
[1]任志伟;陈松贵;王收军;王佳伟-.基于U-net卷积神经网络图像分割的波浪测量方法)[J].中国海洋大学学报（自然科学版）,2022(09):125-132
A类：
B类：
net,网络图像,图像分割,波浪测量,致电,传感装置,结果准确性,阈值分割,分割法,波面,高清摄像,摄像机,录制,水槽,波浪运动,视频处理,取水,位线,波高,像素识别,平均周期
AB值：
0.275386
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
