基于人工智能的船舶识别关键技术研究与应用.docx

?

?

基于人工智能的船舶识别关键技术研究与应用

?

?

朱维平金钱菽王海华沈跃忠

摘要：内河航运受环境和航道等因素影响，现有船舶识别技术对船舶身份进行识别，存在识别不准确、无法识别等问题。为解决这一问题，项目课题组首次提出通过人工智能技术来实现船舶自动识别。本文提出的基于人工智能的船舶识别技术，在湖州的实验表明，应用了人工智能技术的船舶识别系统，整体识别精度达到95%以上，识别效果改善明顯。本文将对人工智能技术在船舶智能识别系统中的应用进行论述，以期为行业应用提供技术支撑。

关键词：内河航道，船舶、人工智能;识别

随着社会经济的发展，水上交通日益繁忙，每天成千上万的船舶停靠在各个码头和港口，更有不计其数的船舶在各水路交通干线上繁忙行驶。随着船舶数量的不断增加，水路交通安全事故频发，如何有效监管和协查就成为安全管理的重点。船舶作为水路运输最重要的载体，也是水运安全管理的核心。因此，如何自动识别出在航船舶及船舶身份是水路交通安全监管的重要环节。

当前，人工智能、5G等新技术正在蓬勃发展，人工智能技术在自学习、高精度和高效率上一直处于技术领先，也是未来技术发展的趋势。随着人工智能技术在识别领域应用的深入，船舶识别成为人工智能技术应用的一个新方向[1]。本研究基于人工智能技术，并结合视频、AIS等多种感知技术的高度融合，对船舶身份进行智能有效识别，包括船舶船名、救生衣是否穿戴等智能识别提出关键技术，为船舶智能监管和海事安全管理提供了切实可行的自动化解决方案。

1船舶识别技术应用现状

船舶识别是港航、海事监管的基础，相关部门也为此先后推广应用了种种信息化设备，除了在船体上书写船名牌、张贴船名牌和安装船名灯箱外，近十几年来，为了自动获取船舶身份信息，港航部门又先后推广应用了磁卡、无源IC卡、GPS终端、AIS终端和电子船名牌等信息化设备，但每种技术都或多或少存在一定的缺陷，不能彻底解决航道上船舶身份完全自动识别的要求，有时由于区域性管理规定，以至于一艘船舶同时安装多种身份识别设备。

各类船舶身份标识方式比较对比如下表：

从近几年的推广应用情况来看，GPS终端实时性好，上线率高，但存在自动关闭、每年需要几百元不等流量费、区域性船舶安装等问题，逐渐被海事局推广的AIS终端所代替;AIS终端虽然是全国统一要求安装，只需一次性购买终端，实时性较好，但存在上线率低，船户经常关闭、船舶高密度航段收发可靠性差等问题;为此，浙江省于2016年创新推出了电子船名牌，但电子船名牌也存在区域性船舶安装、电池寿命短等问题，只能作为AIS终端的应用补充。为了实现自动、高效、可靠的非现场监管，内河港航、海事部门亟需一种经济、有效、无须安装船载设备，具备广泛推广应用的船舶身份智能识别技术。

2基于人工智能的船舶识别

2.1船名识别

课题组通过采集大量的视频图片进行人工智能深度学习，并通过人工干预标定，确保识别的准确性。课题采用人工智能神经网络，既能保持网络结构的稀疏性，又能利用密集矩阵的高计算性能[2]。本研究将稀疏矩阵聚类为较为密集的子矩阵来提高计算性能，就如人类的大脑是可以看作是神经元的重复堆积，构造一种“基础神经元”结构，来搭建一个稀疏性、高计算性能的网络结构，即Inceptionv1网络结构。结构图如下：

本研究采用VGG16的基础网络结构，使用前面的前5层，然后利用astrous算法将fc6和fc7层转化成两个卷积层。再格外增加了3个卷积层，和一个averagepool层。不同层次的featuremap分别用于defaultbox的偏移以及不同类别得分的预测，最后通过nms得到最终的检测识别结果。

2.2船员救生衣穿戴识别

船舶在航行期间，海事规定船员在舱外活动时，必须穿戴救生衣。对船员是否穿戴救生衣进行有效识别，可以对监管部门执法提供有效证据及报警提示，加强船员安全防范意识，保证生命安全。

本项目将采用yolo_v1方法，以简洁的网络结构，简单的复现过程。

如上图所示，输入图片被划分为7x7个单元格，每个单元格独立作检测。但是并不是把每个单独的网格作为输入feed到模型，在inference的过程中，网格只是物体中心点位置的划分之用，并不是对图片进行切片，不会让网格脱离整体的关系。相比fasterr-cnn那种two-stage复杂的网络结构而言，此网络结构显得高效得多。

对于预测框的位置、size、种类、置信度（score）等信息的预测都通过一个损失函数来训练。

S2S2表示网格数，在这里是7x7。BB表示每个单元格预测框的个数，这里是2。

第一行就总方误差（sum-squarederror）来当作位置预测的损失函数，第二行用根号总方误差来当作宽度和高度的损失函数。第三行和第四行对置信度confidence也用SSE作为损失函数。第