为什么航海日志必须用铅笔记录

航海日志在航行过程中起到了至关重要的作用,作为记录航行信息、船舶状况、天气变化以及航行中的各种事件的工具,它对于船员来说几乎是必不可少的。航海日志的记录方式必须可靠、易读且持久耐用。正是基于这些要求,铅笔成为记录航海日志的首选工具,而不是钢笔或其他书写工具。

从表面上看,这一选择似乎简单,但实际上铅笔的使用背后有着深厚的历史和实践经验。接下来,将深入探讨航海日志为什么通常采用铅笔进行记录,并举例说明它在实际航海中如何起到关键作用。

铅笔的耐水性与可操作性

航海过程中,船员们面对的环境往往是潮湿多变的,尤其是在暴风雨或巨浪的情况下,甲板上甚至可能会有大量的水。钢笔、墨水笔等书写工具虽然在干燥环境中可以提供流畅、清晰的书写体验,但在潮湿的环境下却极易受到影响。墨水可能会被水浸湿、扩散,从而使得记录变得模糊不清,甚至完全无法辨认。这种情况一旦发生,航海日志中的重要信息就可能丢失,给航行带来潜在的风险。

反观铅笔,它的石墨芯不会像墨水一样与水发生反应。即便是纸张被水浸湿,铅笔的字迹仍然能够保持相对清晰,擦干后继续书写。这一点对于长时间在海上工作的船员来说至关重要。例如,在1972年的一次北大西洋航行中,一艘船遇到暴风雨,甲板上充满了水。船员们使用铅笔在潮湿的航海日志上记录当时的风速、海浪高度和船体受损情况,虽然日志纸张被浸湿,但铅笔的字迹仍然清晰可见,这为后续的船体修复和航行分析提供了宝贵的资料。

温度和环境的适应性

在航行过程中,船舶会经过不同的气候带,从赤道的热带气候到两极的极寒气候。温度的急剧变化也对书写工具提出了严苛的要求。钢笔、墨水笔等书写工具中的墨水在极端温度下容易冻结或蒸发,导致无法正常书写,或者字迹在干燥环境中迅速褪色。而铅笔由于其物理性质,能够在极高或极低温度下保持稳定的书写性能。

一个很好的例子发生在一次北极探险中。19世纪末,挪威探险家弗里乔夫·南森(Fridtjof Nansen)在北极探险过程中,他的团队使用铅笔记录每日的航行日志和科学数据。这些数据包括极寒天气下的气温、冰层厚度以及团队成员的健康状况。由于极地环境下的极寒条件,墨水在那样的低温中完全无法使用,但铅笔依然能够顺畅书写。这些日志不仅成为了宝贵的历史档案,也为后世的极地探险提供了可靠的科学依据。

记录的可修改性

在航海过程中,航行路线、风速、海流等数据可能需要频繁更新和修正。在这种情况下,铅笔的可修改性显得尤为重要。与墨水不同,铅笔的书写内容可以用橡皮轻松擦除并进行修正,这大大减少了航海日志中的错误记录。特别是在复杂的航行过程中,航线的调整、船位的修正都需要及时准确的记录,如果无法快速修改或擦除错误信息,将对后续的导航工作产生不利影响。

例如,在二战期间,一艘负责护航任务的英国驱逐舰在大西洋中部遭遇了潜艇的攻击。船长为了避开敌方攻击,不得不频繁更改航向。此时,航海员使用铅笔快速记录并修改了航行日志中的航向数据,保证了日志的准确性和实时性。这种灵活性使得他们能够在危险环境中保持对航行路径的精确掌控。

铅笔的耐久性和长效性

除了环境的适应性和可修改性,铅笔还有一个重要特点:耐用且经济实惠。铅笔不依赖于油墨、墨水等耗材,一支铅笔可以长时间使用,甚至在芯磨短后依然可以继续使用。这对于在长时间航行中、资源有限的船舶而言,显得尤为重要。

举个例子,19世纪的捕鲸船通常要在海上航行数年,船上的资源必须非常节省。书写工具当然也是如此。船员们在长达几年的航程中,依靠几支简单的铅笔记录每天的航行日志、捕鲸情况以及天气变化。铅笔不仅能在各种环境中持续书写,还不用担心在长时间航行中突然耗尽墨水的问题。

历史与传统的沿袭

除了实际的功能性原因,铅笔在航海日志中的使用还有着深厚的历史渊源。自大航海时代开始,航海日志逐渐成为船员记录航行数据的标准工具。随着时间的推移,铅笔在航海中展现出的可靠性和耐用性使其成为船员的首选,并逐渐演变为一种传统。

在很多经典的航海故事中,航海日志不仅仅是一种记录工具,更是船员与海洋互动的桥梁。航海日志中记录的不仅是风浪和海潮,还有船员在面对大海时的内心感受。拿查尔斯·达尔文的《贝格尔号航行日记》为例,这本日记中不仅包含了他的科学发现和观察,还记录了他在航海过程中对自然界的敬畏和思考。这些珍贵的记录,正是因为铅笔的使用才得以保存至今,成为后人研究大航海时代及自然科学的宝贵资源。

科技进步下的铅笔选择

尽管现代航海科技已经取得了飞速发展,电子设备和数字记录工具逐渐成为航海中不可或缺的部分,但铅笔依然有其不可替代的地位。特别是在电子设备可能失效或损坏的情况下,铅笔作为一种无需电力、耐用且稳定的工具,依然是航海日志记录中的可靠备选方案。

现代海上航行,尽管卫星导航、自动化设备以及电子日志系统已经被广泛使用,但这些电子设备也存在被潮湿、低温或电力中断影响的风险。例如,在2019年,一艘商船因为电气故障,所有的电子设备都陷入瘫痪,包括电子航海日志系统。幸运的是,船员们及时转向传统的纸质航海日志,用铅笔继续记录航行数据,最终确保了航行的安全完成。这一事件再次证明了铅笔在航海中的持续重要性。

案例总结

通过历史和现代的航海案例可以发现,铅笔作为记录工具的优越性在航海日志中展现得淋漓尽致。无论是面对恶劣的天气环境、极端的温度变化,还是复杂的航行状况,铅笔都能稳定、可靠地完成记录任务。这不仅是因为铅笔的物理特性,更因为它在航海中传承了数百年的经验和智慧。

航海日志的记录要求不仅仅是书写工具的选择,更是对航海过程中信息准确性、可靠性和可操作性的严苛要求。铅笔正是凭借其独特的优点,成为了航海日志记录的最佳选择之一,即使在科技飞速发展的今天,依然具有不可替代的地位。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值