煤炭港在使用装船机的溜筒卸载煤的过程中会产生扬尘，港口为了除尘，需要先对粉尘进行检测。为解决粉尘检测问题，本文提出一种基于深度学习(YOLOv4-tiny)的溜筒卸料煤粉尘的检测方法。利用改进的YOLOv4-tiny算法对溜筒卸料粉尘数据集进行训练和测试，由于检测算法无法获知粉尘浓度，本文将粉尘分为四类分别进行检测，最后统计四类粉尘的检测框总面积，通过对这些数据做加权和计算近似判断粉尘浓度大小。实验结果表明，四类粉尘的检测精度(AP)分别为93.98%、93.57%、80.03%和57.43%，平均检测精度(mAP)为81.27%，接近YOLOv4的83.38%，而检测速度(FPS)为25.1，高于YOLOv4的13.4。该算法较好地平衡了粉尘检测的速率和精度，可用于实时的粉尘检测以提高抑制溜筒卸料产生的煤粉尘的效率。

在港口门机抓斗装卸干散货的作业过程中，人眼观察无法精确判断抓斗所在位置，会带来工作效率低下及安全性等问题。为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法。利用改进的深度卷积神经网络YOLOv3-tiny 对抓斗数据集进行训练及测试，进而学习其内部特征表示。实验结果表明，基于深度学习的门机抓斗检测方法可实现门机抓斗检测速度每秒45 帧，召回率高达95.78%，在很好满足检测实时性与准确性的同时，提高了工业现场作业的安全性及效率。

采用多层相位屏的数值仿真方法,综合考虑大气衰减效应和湍流效应,研究了不同湍流强度和不同源相干度条件下超连续谱激光的光束扩展、光斑漂移以及闪烁特性,并对比分析了超连续谱激光传输与单色激光传输特性的差异.结果表明：湍流越强或源相干度越好,超连续谱激光的相对光束扩展越严重；湍流愈强,光斑漂移愈严重,但不同源相干度的超连续谱激光的质心漂移方差几乎相等；降低超连续谱激光的源相干度可以在一定程度上减弱光强起伏的闪烁效应,并降低闪烁指数对离轴距离的依赖性；与单色激光相比,湍流对超连续谱激光的光束扩展以及闪烁效应影响较弱,而质心漂移效应两者差异不明显.单色激光大气传输的数值仿真结果与理论解析结果基本吻合,在一定程度上说明了数值仿真过程的可靠性.该研究不仅提出了一种获得超连续谱激光大气传输特性规律的有效仿真手段,而且为超连续谱激光传输的工程应用提供参考.

在双目视觉系统立体匹配中, 相似度计算是不可或缺的步骤, 而相似性计算的过程存在着精度和速度上的矛盾关系。就此提出了两个加速策略: 用以减少匹配搜索像素点个数的分层筛选策略和用以减小匹配窗口相似性计算量的自适应间隔策略。以绝对差值和(SAD)算法和归一化互相关(NCC)算法为例阐述了加速策略的实现步骤。实验证明使用分层加速策略和自适应间隔策略的可行性, 使得原始算法在基本保持精度的情况下获得了速度的大幅度提升。

针对双目水下图像匹配不满足空气中常规极线约束的问题, 提出一种基于深度约束的半全局算法以实现水下稠密立体匹配.首先采用深度约束确定匹配过程的深度约束搜索区域.然后, 基于深度约束区域将绝对差值和梯度计算推广到二维区域并进行加权融合.在深度约束区域内的搜索过程中, 采用胜者为王的策略确定某一视差值下的最佳行差及最佳行差下的匹配代价, 并将其作为能量函数的数据项应用于半全局算法中, 进行匹配代价的聚合.最后采用抛物线拟合法得到亚像素级的稠密视差图.在水下图片上进行的稠密立体匹配结果表明: 相较于其他半全局匹配算法, 本文算法在极大提高运行速度的前提下, 可以获得良好的水下稠密立体匹配效果.

水线精确提取是基于机器视觉的水尺计重系统中的技术难题。针对自然场景下采集的图像存在着光照不均匀、场景复杂等问题, 通过帧间作差结合图像配准对图像进行预处理; 提出一种基于三角隶属函数关系的迭代分割方法; 通过线性采样和双线性插值法, 提取出完整的水线。实验证明了该水线提取算法的稳定性和准确性。

针对空气中极线几何不再适用于水下双目图像匹配以及尺度不变特征转换（SIFT）算法只能实现稀疏匹配的问题，提出了基于色彩分割的水下立体匹配算法。获取双目摄像机标定参数、参考图和待匹配图；推导参考图的特征点在待匹配图上对应的曲线表达式，同时利用均值漂移算法对参考图进行图像分割；用像素灰度差的绝对误差和算法进行匹配，根据图像分割结果对窗口内像素分配不同权重，并将搜索范围改为在对应曲线上，提高匹配精度。实验结果表明，该算法优于特征匹配SIFT算法，匹配精度有所提高，成功将区域匹配算法应用于水下图像稠密匹配。

针对水下非平行双目成像系统图像匹配时无法进行平行校正，并且不再满足空气中的极线约束条件这一问题，推导出一种适用于水下的极线约束模型。根据摄像机和防水罩间相对位置关系的不同，把水下双目成像方式分为平行成像、共用折射面成像和独立折射面成像三种情况，并推导了后两种情况的极线约束模型。对摄像机进行标定，利用尺度不变特征变换(SIFT)进行立体匹配，推导了参考图上特征点在待匹配图上所对应的曲线，根据待匹配图上特征点是否在曲线上，剔除误匹配点，提高匹配精度。实验结果表明，利用所推导出的水下曲线约束模型，可以有效地剔除误匹配点，降低误匹配率。

针对应用高阶奇次多项式法和光学折射模型定位误差大、局限性强的问题，提出一种优化的鱼眼镜头成像定位算法。根据镜头的偏心畸变推导出新的畸变模型，进而在此畸变和光学折射模型的基础上建立优化的成像模型，并标定模型参数；对该成像模型进行反投影推导，得到三维点坐标，实现空间目标的精确定位。实验结果表明，当被测物分别处于鱼眼图像中心区域和边缘区域时，该算法的相对定位误差远远小于高阶奇次多项式法和光学折射模型的方法，减小了图像畸变对测量精度的影响，解决了使用光学折射模型定位局限性强的问题。

针对水下双目图像匹配时不再满足空气中极线约束条件以及归一化互相关(NCC)算法处理水下图像计算量大等问题，提出了一种基于最佳搜索域的水下图像区域匹配算法。对双目摄像机进行标定得到相关参数，并获取参考图和待匹配图；运用曲线极线约束计算出与空气中极线的最大偏离值，确定最佳搜索域；用NCC进行匹配，将原来的线性搜索改为在最佳搜索域中进行多行搜索，提高匹配精度；并应用盒滤波技术加速，提高匹配速度。实验结果表明，该算法达到了尺度不变特征变换(SIFT)算法的匹配精度，可以应用在整幅图中进行稠密匹配，且运算速度比原有NCC匹配算法大大提高，成功将区域匹配算法应用于水下环境中。