简介:摘要:随着船运流量的增加,也出现了相应的管理问题,例如对海上非法捕鱼、海盗行为、贩毒、非法货物运输的严厉打击,以及针对海上事故的救援。因此海域管理必须依靠船只巡航以及设备的监控、检测,形成一套实时监测系统,对我国的海洋管理具有重要的理论意义和应用价值。针对海上环境复杂多变、船舶目标检测精度不足和效率低下的问题,提出基于改进yolov5的船舶目标检测算法,在主干网络添加坐标注意力机制,以提升算法的特征提取能力;使用DIOU_Loss代替原有的损失函数,增加检测准确度和定位精度;应用GhostConv卷积,减小模型量的同时而保持精度基本不变。实验结果表明,相比与改进前的yolov5,改进算法的平均精度均值(mAP)、精准率(P)和召回率(R)分别提升了2.0%、1.7%、1.5%,验证了改进算法对船舶识别有很好的效果。
简介:船舶自动识别系统已广泛应用于船舶航运,但在水利滩涂圈围工程中引进与应用该系统尚属首次。上海横沙东滩圈围(七期)工程引进了船舶自动识别系统(AIS),作为安全管理技术人员,须全面掌握和熟练运用各项技术及管理措施。根据中国海事局的相关规范标准,该工程监理从过程管理的角度,制定了施工事前、事中、事后控制的监理流程及措施,较大提升了船舶航行安全的管控水平和船舶航行安全控制的技术水平。
简介:摘要:针对传统船舶监测方法中存在工作量大易误判等问题,提出一种基于改进Faster R-CNN算法的船舶检测识别方法。自行拍摄制作船舶数据集,并通过翻转、裁剪、抖动等方式对数据集进行扩充。基于TensorFlow框架搭建深度学习系统环境,选取VGG16-Net作为特征提取网络。通过微调模型、参数调试等方法优化训练模型,提高了检测模型的识别精度。然后通过Faster R-CNN模型对数据进行训练、学习最终船舶平均识别率mAP指标(mean Average Precision)达到90.7%,通过深度学习达到了使用少量样本获得较高识别率的效果。