姜 莉1 姜海航2 王行正2* 于恒智3 刘煜琦3 王庆生3

Research on Application of Draft Survey

JIANG Li1 JIANG Hai-Hang2 WANG Xing-Zheng2*

YU Heng-Zhi3 LIU Yu-Qi3 WANG Qing-Sheng3

Abstract China is an importer of bulk commodities, mainly imports crude oil, ore products, soybeans, etc. In order to

determine the weight of the shipment, draft survey therefore plays an important role. Customs officers in China are not only faced

with the challenge of a speedier clearance, but also the requirements of a higher work efficiency and data accuracy. Draft survey

includes two parts, data collection and processing. The traditional modes of data collection rely more on human experiences like

taking a tugboat, climbing a gangway or placing water level on deck, which are both dangerous and with visual deviation. In terms of

data processing, the original data from various ports and departments is fragmented, failing to form big data with high efficiency. To

begin with UAV data collection and AI data processing, this paper aims to make a change to the current mode of low-efficiency data

collection. By integrating the fragment data and improving the inspection efficiency of draft survey, a whole-process supervision has

been made possible.

Keywords draft survey; UAV; AI data analysis

基金项目：海关总署科研项目（2019HK152）

第一作者：姜 莉（1966—），女，汉族，辽宁沈阳人，研究员，主要从事进出口商品检验，E-mail: z88588@126.com

通讯作者：王行正（1981—），男，汉族，辽宁大连人，硕士，主要从事进出口商品检验研究，E-mail: 240840557@qq.com

1. 沈阳海关 沈阳 110179

2. 中国检验认证集团辽宁有限公司锦州分公司 锦州 121007

3. 锦州海关 锦州 121001

1. Shenyang Customs, Shenyang 110179

2. China Certification and Inspection Group Liaoning co Ltd. Jinzhou Branch, Jinzhou 121007

3. Jinzhou Customs, Jinzhou 121001

40

中国口岸科学技术

水尺计重 [1-2] 是进出境贸易中计量大宗散、固态 该深度学习算法需要使用已标注的大量水尺图像数据

货物重量的一种常用方法，其结果不仅是贸易结算依 进行预训练，在预训练的基础上才能将算法应用到对

据，也是通关计税的依据之一。传统的水尺计重关键 未知水尺刻度的水尺图像预测中，所以本算法的主要

环节在于检验员对船舶六面吃水的读取和依据水尺鉴 工作由两部分组成，即算法训练阶段和预测阶段，其

定规程 [3]，以及利用相关船用图表完成一系列吃水校 技术方案要点是能够解决自动水位计成本高且精度易

正、排水量校正、压载水等的查表计算。水面的上下 受环境影响，以及传统图像识别方法灵活度较低的弊

浮动使得读取环节受个人主观经验影响较大。此外， 端，在降低水尺识别成本的同时，提高识别灵活性和

不仅查表计算过程烦琐、校正计算符号的识别也较为 识别精度。

复杂，而且不同船舶有不同的使用要求。基于上述原 AI 图像识别主要包括以下步骤：(1) 根据已安装

因，水尺计重工作需要具备一定专业知识，如果只是 的摄像头获取水尺图像；(2) 根据获取的大量水尺图

机械地套用常规方法，可能会导致较大的计算误差。 像数据，通过训练算法得到人工智能算法模型，此为

由于水尺计重检验现场具有不可还原性，水尺计重误 算法训练阶段；(3) 使用人工智能算法模型，对水尺

差会给事中事后监管带来极大障碍，也给少数缺乏职 图像上数字和刻度的统计数据进行预测，此为预测阶

业素养的第三方检验机构留下权力寻租的空间。 段；(4) 使用误差校正算法对检测出的统计数据进行

校正，并在校正后将刻度换算为实测水位深度。

1 研究概述 2.1.1 算法训练阶段

算法训练阶段包括两部分，即水尺对象检测模

本文将探讨利用 PC+WEB+ UAV+AI 技术实现水 块和水尺刻度识别模块。水尺对象检测模块用于识

尺计重的观测、读取、计算、分析和监管等环节。无 别水尺在图像数据中的位置信息。通过水尺对象检

人机 [4-7]（UAV）作为船舶水尺的观测平台，可以取代 测模块的训练，由基于深度学习的机器视觉对象检

传统的乘拖轮、爬舷梯或在甲板上放水平管观测，具 测算法实现，对输入预标注且处理好的水尺图像数

有安全、便捷、经济 3 个主要优点。无人机采集数据 据进行训练，经多次迭代训练，得到满足预期精度

将利用 AI 技术，通过深度学习，以自动读取水尺读数 的水尺对象检测模型。水尺刻度识别模块用于对水

取代人工读取的传统方式，从根源上杜绝主观经验带来 尺对象检测模块检测出的水尺位置周边范围内的图

的寻租空间。采集的现场数据通过 5G[8] 传输到数据中 像数据进行数字和刻度的特征提取，并依据提取的

心，可实现数据中心对现场数据采集的逆向远程控制。 特征预测水尺图像中出现的数字和刻度的统计数据。

通过上述技术，可最大程度地还原水尺计重检验现场， 通过水尺刻度识别模块的训练，使用深度卷积神经

为事中事后监管创造条件。此外，对于第三方检验机构 网络算法，有监督地提取已标注的图像中水尺的数

水尺计重业务的监管不再依赖人盯人式的定点、定期抽 字和刻度的图像特征并提取学习，在多次迭代中深

查的落后模式，而是可以充分利用大数据优势，实现随 度卷积神经网络算法对特征分布不断拟合学习，得

时随地的监督管理。系统架构包括 WEB 端和移动端两 到满足预期精度的水尺数据识别网络模型。水尺对

部分，其核心模块包括“图像识别分析”“工作单”“原 象检测模型和水尺数据识别网络模型构成人工智能

始记录单”和“报告”。系统底层依赖 MBPM 研发平台。 算法模型。

2.1.2 预测阶段

2 技术路线 预测阶段主要包括两个步骤，即水尺原图采集与

预处理、水尺对象识别及刻度推理。水尺原图采集与

2.1 AI图像识别 预处理是基于摄像头获取水尺图像，对其中大小进行

AI 图像识别技术通过深度学习算法得以实现， 调整以满足算法模型输入要求。水尺对象识别及刻度

41

CHINA PORT SCIENCE AND TECHNOLOGY

推理是将预处理好的水尺图像输入到水尺对象的检测

模型中，检测出图像中的水尺位置，基于预测的水尺

位置截取出原图中的水尺图像，然后将水尺图像输入

到水尺刻度识别网络模型中，输出水尺图像中出现的

数字和刻度的统计数据。

2.2 水尺计算模块

2.2.1 船舶纵倾时吃水校正正负号判别和校正公式准

确使用

纵倾吃水校正 [10] 实际是把艏、舯、艉观测吃水校

dF # T dM # T

正到其垂线上的吃水，为拱陷校正后查船舶平浮状态 Fc = Mc =LBP + dF - dA LBP + dF - dA

下的排水量。而拱陷校正后的吃水才是平浮状态下的 Ac dA # T=

LBP + dF - dA

吃水。船舶艏、舯、艉纵倾吃水校正公式最常用的分

图1 船舶吃水校正示意图

别为：

Fig.1 Schematic diagram of the ship's draft correction

Fc dF= #

T Mc dM # T

LBP - dF - dA = LBP - dF - dA 表1 吃水校正公式中字母表示的含义

Table 1 The meaning of the letters in the draft correction

Ac dA T= # formula

LBP - dF - dA

字母 含义 单位

上式中，分母中的dF、dA取值及正负与艏、艉垂线

dF 船艏吃水点距其艏垂线的距离 m

在其吃水点的前后位置有关。依据吃水校正公式推导

dM 船舯吃水点距其舯垂线的距离 m

原理和相似三角形方法，推导出纵倾时艏、舯、艉吃

dA 船艉吃水点距其艉垂线的距离 m

水校正公式可能分别有4种情形：

T 船艉两边平均吃水与船艏两边平均吃水差 m

Fc dF= #

T Mc dM= #

T Fc 船艏吃水校正值 m

LBP ! dF ! dA LBP ! dF ! dA

Mc 船舯吃水校正值 m

Ac dA T= # Ac 船艉吃水校正值 m

LBP ! dF ! dA

LBP 船艏艉两垂线间的距离 m

上式中，艏、舯、艉校正值Fc、Mc、Ac的正负不仅

与垂线在其吃水点的前后位置有关，而且与船舶是艏 2.2.2 确认拱陷校正后吃水与查排水量表的吃水是否

倾还是艉倾有关。在程序设计中，将纵倾吃水校正公 一致

式4种可能出现的情形全部考虑在内。计算时可使用 船舶吃水有型吃水和实际吃水之分。型吃水与实

两种方法得出吃水校正值：一是按上述公式，输入 际吃水标记的水尺零点不同，往往会差一个钢板厚度

艏、舯、艉吃水点距离其垂线的距离，并依据自动弹 （特别情形艏、舯、艉分别差不同钢板厚度）。计算

出的垂线所在其前后位置的提示，自动选用公式和确 排水量前，要明确对应排水量的吃水是否与船舶观测

定其校正值的正负；二是船方如果有吃水校正值数据 的吃水定义一致，如果不一致，拱陷校正后的吃水

表，那么就直接查表输入艏、舯、艉吃水校正值，输 ± 钢板厚度转换到排水量对应的吃水，然后再查排

入后再依据自动弹出的垂线所在其前后位置的提示确 水量计算。程序设计为在输入对应的吃水的靠近值时

定其校正值的正负。 提示可输入钢板厚度实现转换，而不必对六面水尺分

42

中国口岸科学技术

别 ± 钢板厚度再作拱陷校正。 态货船往往具有多个压载 [12-14]、淡水舱，如顶部双边

2.2.3 漂心距离和漂心正负号判别及吃水差的定义 舱、底部双边舱等。为简化输入过程，首次舱号输入

在排水量纵倾校正计算中，漂心 [11] 以船舶资料 按其排列顺序，设计为记忆顺序自动输入。这一方法

中规定的距离输入。规定的距离可以是漂心到船舯的 比 Excel 先选定后拖拉的方法更加简易，前提条件是

距离也可以是漂心到船艉的距离。如果给出的是漂心 输入舱号最后一个字符是左 X（P）、中 X（C）、

到船舯的距离，那么就分两步处理：第一步，在输入 右 X（S）或左 X（P）、右 X（S），然后在下一舱

漂心值后自动出现提示信息；第二步，根据提示信息 计算时自动记忆输入舱号左 X+1（P）、中 X+1（C）、

确认已知漂心所在船舯位置，并按水尺鉴定规程中规 右 X+1（S）或左 X+1（P）、右 X+1（S），即依次

定的判别方法确定其符号。如果给出的是漂心到船艉 递增自动完成舱号输入。中次、末次压舱水、淡水计

的距离，那么自动以 LCA-LBP/2 转换到漂心到船舯 算不必再进行舱号输入。

的距离，并以该值的正负自动确认所在船舯位置和正 （2）适用压舱水、淡水深度 / 空距横倾、纵倾

负号。 校正和体积校正的内插计算器。在压载水、淡水计算

在一些常见的船舶资料中，漂心规定为“－”表 中可能需要测量深度 / 空距和对应的体积进行横倾、

示在船舯位置后，“+”表示在船舯位置前，这与水 纵倾校正计算。因此，设计出内插计算器自动提取测

尺鉴定规程中的规定正好相反。虽然如此，按船方校 量深度 / 空距数据、横倾值、纵倾值，查表输入相关

正方法计算出的校正值正负与水尺鉴定规程中规定的 数据一步完成横倾、纵倾校正计算或体积校正计算，

方法计算出的校正值正负是一致的。因为两者吃水差 并对深度 / 空距校正值自动记忆，默认为输入下一个

的定义不同，所以漂心无论正负仅知道在船中前后位 舱计算时的校正值。

置即可，即带不带符号计算，最终都能自动识别得出 （3）压载水、淡水关联计算。计算压载水、淡

准确结果。 水重量基本公式：重量＝查表体积 × 舱水密度。首

排水量纵倾校正公式： 次压载水、淡水所用密度多为船方提供或需逐舱测量。

b Tc l b Tc 2 dm l 设计为 P ≤ 1 为淡水，P ＞ 1 为压载水（海水）。中Z = 100 # # Tpc # CF + 50LBP # LBP # dz 次或末次压载水、淡水重量计算分两种情形自动判别

和选择计算水重量：舱水没有变化或部分排出，即小

表2 排水量纵倾校正公式中字母表示的含义

Table 2 The meaning of the letters in displacement trim 于或等于前次舱水体积，以公式计算舱水重量（重量

correction formula ＝查表体积 × 舱水密度）；舱水有增量变化，即大

于前次舱水体积，以（本次水体积－前次水体积）×

字母 含义 单位

已知停泊处水密度 + 前次水重量的方法计算舱水重

Tc 船艉、艏平均吃水纵倾校正后的吃水差 m

量。压载水前次与后次相互关联计算，以停泊处水密

Tpc 拱陷校正后相应吃水处每厘米吃水吨 t/cm

度替代压载水密度，省略了逐舱测量密度的烦琐过程。

CF 拱陷校正后相应吃水处漂心到船舯的距离 m

（4）多票计算简化输入。可通过各操作及显示

拱陷校正后相应吃水处漂心到船艉的距离

LCA m 界面，一次完成 2 票计算，如果多于 2 票，在末次水

(CF＝LCA－LBP/2)

尺操作、显示界面，设置一命令键，可一键把末次数

纵倾力矩，距离拱陷校正后相应吃水处的吃

dm/dz t·m/cm

水上半米和下半米差的绝对值 据导入首次水尺和压载水、淡水操作、显示界面，作

Z 纵倾校正后的排水量 t 为下一票的首次计算数据，并自动以新建记录命名。

以此类推，完成多票计算。

2.2.4 影响货物重量的压载水、淡水简化关联计算 （5）数据结果自动修约。依据水尺鉴定规程，

（1）压载水、淡水水舱号简化输入。散装、固 按“四舍六入五化偶”的修约规则对重量结果自动修

43

CHINA PORT SCIENCE AND TECHNOLOGY

约保留到整数位。 插计算器以及未在文中表述的船舯一侧水尺倾角计

算和拱陷极限值合理区间内的自动判别，都体现出

3 结语 水尺计重上的省时、简便、准确等方面的明显优势。

同时，建立大数据库使数据汇总分析变得更为便捷。

应用 PC+WEB+UAV+AI 技术开发出水尺计重 水尺计重应用程序智能化不仅是实践工作的产

智能化应用程序，通过采集不同的船舶数据进行测 物，也是顺应社会发展的必然趋势，水尺计重智能化

试，可以避免常规易发生的读数视差、校正计算、 的实现为水尺计重应用能力的提高和工作效率的提升

识别等人为方法上的判断失误；简化压载水、淡水 提供了可能，在很大程度上满足了水尺计重工作发展

舱号及多票计算输入方法，提高观测精度、添加内 需求。

参考文献

[1] 中华人民共和国海关总署 . 无人机在水尺计重中的应用规程 : SN/T 5314-2021[S]. 北京 : 中国标准出版社 , 2021.

[2] 何红想 , 阮勇防 . 船舶水尺观测简易辅助设备的设计 [J]. 船舶标准化与质量 , 2021, (1): 24-25+50.

[3] 中华人民共和国海关总署 . 进出口商品重量鉴定规程 第 2 部分 : 水尺计重 : SN/T3023.2-2021[S]. 北京 : 中国标准出版社 , 2021.

[4] 刘杨睿 , 汤宏兵 . 进出口商品鉴定专业基础 [M]. 北京 : 中国标准出版社 , 2007(3): 115-188.

[5] 张帅 , 朱学海 , 罗陨飞 . 船舶水尺智能识别技术的研究与进展 [J]. 检验检疫学刊 , 2019, 29(1): 101-104.

[6] 黄彪斌 , 赖华海 , 周立群 , 等 . 无人机在水尺计重领域的应用 [J]. 中国水运 , 2020(12): 77-79.

[7] 杨宝军 . 水尺计重作业有了新“利器”[J]. 中国检验检疫 , 2019(5): 48-51.

[8] 杨卫星 , 胡广粗 , 汪琳 , 等 . AI 技术在水尺计重领域应用研究 [J]. 中国口岸科学技术 , 2021(1): 72-76.

[9] 吴禹辰 . 基于图像的船舶水尺自动检测系统设计 [D]. 哈尔滨 : 哈尔滨工程大学 , 2019.

[10] 崔刚 . 散装货物运输中水尺计重研究 [J]. 青岛远洋船员职业学院学报 , 2014, 35(4): 8-12.

[11] 李翔 , 朱明伟 , 陈猛 , 等 . 提高水尺计重准确度的研究 [J]. 中国计量 , 2019(10): 104-107.

[12] 李洪星 , 包彦夫 , 徐兆阳 . 船舶水尺计重中压载水体积和密度计算 [J]. 检验检疫学刊 , 2014, 24(4): 9-13.

[13] 郭广正 , 于照世 . 精确水尺计量技巧探讨 [J]. 青岛远洋船员学院学报 , 2011, 32(3): 16-18.

[14] 林永波 . 浅析水尺计重工作中的五个常见误解 [J]. 中国水运 ( 下半月 ), 2013, 13(11): 352-354.

（文章类别：CPST-C）

44

第3卷 第12期

2021年12月

中国口岸科学技术

Applied Research / 应用研究

科技征文 奋斗百年路