基于人工智能的船舶識(shí)別關(guān)鍵技術(shù)研究與應(yīng)用

朱維平 金錢菽 王海華 沈躍忠

摘 要：內(nèi)河航運(yùn)受環(huán)境和航道等因素影響，現(xiàn)有船舶識(shí)別技術(shù)對(duì)船舶身份進(jìn)行識(shí)別，存在識(shí)別不準(zhǔn)確、無法識(shí)別等問題。為解決這一問題，項(xiàng)目課題組首次提出通過人工智能技術(shù)來實(shí)現(xiàn)船舶自動(dòng)識(shí)別。本文提出的基于人工智能的船舶識(shí)別技術(shù)，在湖州的實(shí)驗(yàn)表明，應(yīng)用了人工智能技術(shù)的船舶識(shí)別系統(tǒng)，整體識(shí)別精度達(dá)到95%以上，識(shí)別效果改善明顯。本文將對(duì)人工智能技術(shù)在船舶智能識(shí)別系統(tǒng)中的應(yīng)用進(jìn)行論述，以期為行業(yè)應(yīng)用提供技術(shù)支撐。

關(guān)鍵詞：內(nèi)河航道，船舶、人工智能;識(shí)別

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，水上交通日益繁忙，每天成千上萬的船舶停靠在各個(gè)碼頭和港口，更有不計(jì)其數(shù)的船舶在各水路交通干線上繁忙行駛。隨著船舶數(shù)量的不斷增加，水路交通安全事故頻發(fā)，如何有效監(jiān)管和協(xié)查就成為安全管理的重點(diǎn)。船舶作為水路運(yùn)輸最重要的載體，也是水運(yùn)安全管理的核心。因此，如何自動(dòng)識(shí)別出在航船舶及船舶身份是水路交通安全監(jiān)管的重要環(huán)節(jié)。

當(dāng)前，人工智能、5G等新技術(shù)正在蓬勃發(fā)展，人工智能技術(shù)在自學(xué)習(xí)、高精度和高效率上一直處于技術(shù)領(lǐng)先，也是未來技術(shù)發(fā)展的趨勢。隨著人工智能技術(shù)在識(shí)別領(lǐng)域應(yīng)用的深入，船舶識(shí)別成為人工智能技術(shù)應(yīng)用的一個(gè)新方向[1]。本研究基于人工智能技術(shù)，并結(jié)合視頻、AIS等多種感知技術(shù)的高度融合，對(duì)船舶身份進(jìn)行智能有效識(shí)別，包括船舶船名、救生衣是否穿戴等智能識(shí)別提出關(guān)鍵技術(shù)，為船舶智能監(jiān)管和海事安全管理提供了切實(shí)可行的自動(dòng)化解決方案。

1 船舶識(shí)別技術(shù)應(yīng)用現(xiàn)狀

船舶識(shí)別是港航、海事監(jiān)管的基礎(chǔ)，相關(guān)部門也為此先后推廣應(yīng)用了種種信息化設(shè)備，除了在船體上書寫船名牌、張貼船名牌和安裝船名燈箱外，近十幾年來，為了自動(dòng)獲取船舶身份信息，港航部門又先后推廣應(yīng)用了磁卡、無源IC卡、GPS終端、AIS終端和電子船名牌等信息化設(shè)備，但每種技術(shù)都或多或少存在一定的缺陷，不能徹底解決航道上船舶身份完全自動(dòng)識(shí)別的要求，有時(shí)由于區(qū)域性管理規(guī)定，以至于一艘船舶同時(shí)安裝多種身份識(shí)別設(shè)備。

各類船舶身份標(biāo)識(shí)方式比較對(duì)比如下表：

從近幾年的推廣應(yīng)用情況來看，GPS終端實(shí)時(shí)性好，上線率高，但存在自動(dòng)關(guān)閉、每年需要幾百元不等流量費(fèi)、區(qū)域性船舶安裝等問題，逐漸被海事局推廣的AIS終端所代替;AIS終端雖然是全國統(tǒng)一要求安裝，只需一次性購買終端，實(shí)時(shí)性較好，但存在上線率低，船戶經(jīng)常關(guān)閉、船舶高密度航段收發(fā)可靠性差等問題;為此，浙江省于2016年創(chuàng)新推出了電子船名牌，但電子船名牌也存在區(qū)域性船舶安裝、電池壽命短等問題，只能作為AIS終端的應(yīng)用補(bǔ)充。為了實(shí)現(xiàn)自動(dòng)、高效、可靠的非現(xiàn)場監(jiān)管，內(nèi)河港航、海事部門亟需一種經(jīng)濟(jì)、有效、無須安裝船載設(shè)備，具備廣泛推廣應(yīng)用的船舶身份智能識(shí)別技術(shù)。

2 基于人工智能的船舶識(shí)別

2.1船名識(shí)別

課題組通過采集大量的視頻圖片進(jìn)行人工智能深度學(xué)習(xí)，并通過人工干預(yù)標(biāo)定，確保識(shí)別的準(zhǔn)確性。課題采用人工智能神經(jīng)網(wǎng)絡(luò)，既能保持網(wǎng)絡(luò)結(jié)構(gòu)的稀疏性，又能利用密集矩陣的高計(jì)算性能[2]。本研究將稀疏矩陣聚類為較為密集的子矩陣來提高計(jì)算性能，就如人類的大腦是可以看作是神經(jīng)元的重復(fù)堆積，構(gòu)造一種“基礎(chǔ)神經(jīng)元”結(jié)構(gòu)，來搭建一個(gè)稀疏性、高計(jì)算性能的網(wǎng)絡(luò)結(jié)構(gòu)，即Inceptionv1網(wǎng)絡(luò)結(jié)構(gòu)。結(jié)構(gòu)圖如下：

本研究采用VGG16的基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)，使用前面的前5層，然后利用astrous算法將fc6和fc7層轉(zhuǎn)化成兩個(gè)卷積層。再格外增加了3個(gè)卷積層，和一個(gè)averagepool層。不同層次的featuremap分別用于defaultbox的偏移以及不同類別得分的預(yù)測，最后通過nms得到最終的檢測識(shí)別結(jié)果。

2.2船員救生衣穿戴識(shí)別

船舶在航行期間，海事規(guī)定船員在艙外活動(dòng)時(shí)，必須穿戴救生衣。對(duì)船員是否穿戴救生衣進(jìn)行有效識(shí)別，可以對(duì)監(jiān)管部門執(zhí)法提供有效證據(jù)及報(bào)警提示，加強(qiáng)船員安全防范意識(shí)，保證生命安全。

本項(xiàng)目將采用yolo_v1方法，以簡潔的網(wǎng)絡(luò)結(jié)構(gòu)，簡單的復(fù)現(xiàn)過程。

如上圖所示，輸入圖片被劃分為7x7個(gè)單元格，每個(gè)單元格獨(dú)立作檢測。但是并不是把每個(gè)單獨(dú)的網(wǎng)格作為輸入feed到模型，在inference的過程中，網(wǎng)格只是物體中心點(diǎn)位置的劃分之用，并不是對(duì)圖片進(jìn)行切片，不會(huì)讓網(wǎng)格脫離整體的關(guān)系。相比fasterr-cnn那種two-stage復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)而言，此網(wǎng)絡(luò)結(jié)構(gòu)顯得高效得多。

對(duì)于預(yù)測框的位置、size、種類、置信度（score）等信息的預(yù)測都通過一個(gè)損失函數(shù)來訓(xùn)練。

S2S2表示網(wǎng)格數(shù)，在這里是7x7。BB表示每個(gè)單元格預(yù)測框的個(gè)數(shù)，這里是2。

第一行就總方誤差（sum-squarederror）來當(dāng)作位置預(yù)測的損失函數(shù)，第二行用根號(hào)總方誤差來當(dāng)作寬度和高度的損失函數(shù)。第三行和第四行對(duì)置信度confidence也用SSE作為損失函數(shù)。第五行用SSE作類別概率的損失函數(shù)。最后將幾個(gè)損失函數(shù)加到一起，當(dāng)作網(wǎng)絡(luò)的損失函數(shù)。

以此來檢測船員是否穿戴救生衣。

2.3船名融合、容錯(cuò)算法

在識(shí)別過程中難免碰到船舶文字被遮擋的情況，在文字被遮擋時(shí)，無法通過人工智能識(shí)別方法獲取船舶名稱。因此采用語義分析的方式重新用人工智能方法進(jìn)行挑選最終結(jié)果。

下圖是這是語義分析模型框架如下圖[3]：

本研究開發(fā)兩種容錯(cuò)算法：

（1）Representation-basedMatch算法。該算法更側(cè)重對(duì)表示層的構(gòu)建，盡可能充分地將待匹配的兩端都轉(zhuǎn)換到等長的語義表示向量里。

（2）Interaction-basedMatch算法。該算法更強(qiáng)調(diào)待匹配兩端更充分的交互，以及交互基礎(chǔ)上的匹配。所以不會(huì)在表示層將文本轉(zhuǎn)換成唯一的一個(gè)整體表示向量，而一般會(huì)保留和詞位置相對(duì)應(yīng)的一組表示向量。

以上根據(jù)區(qū)域不同，選擇不同的模型進(jìn)行語義分析提高船名容錯(cuò)率。

3 實(shí)驗(yàn)與討論

為驗(yàn)證本研究的應(yīng)用效果，課題組在湖州進(jìn)行了對(duì)比實(shí)驗(yàn)分析。首先利用本系統(tǒng)前端設(shè)備從某河道現(xiàn)場抓拍 3000個(gè)船舶圖像，然后一組利用AIS（船舶自動(dòng)識(shí)別系統(tǒng)）進(jìn)行識(shí)別，另一組利用基于人工智能的船舶識(shí)別系統(tǒng)進(jìn)行識(shí)別，最后對(duì)比二者的識(shí)別準(zhǔn)確性。下表展示的是前10個(gè)圖片的識(shí)別準(zhǔn)確性對(duì)比情況。

依據(jù)上述實(shí)驗(yàn)結(jié)果可知，前者無論是在數(shù)字識(shí)別率上還是在漢字識(shí)別率上均要高于后者，由此證明基于人工智能的船舶識(shí)別技術(shù)對(duì)改善船舶自動(dòng)識(shí)別系統(tǒng)性能，提高視頻圖像自動(dòng)識(shí)別船舶具有很大的應(yīng)用前景和技術(shù)可靠性。

4 結(jié)論

綜上所述，基于人工智能的船名智能識(shí)別系統(tǒng)是船舶監(jiān)管、卡口管理、自動(dòng)采集數(shù)據(jù)的重要科技手段，對(duì)保證船舶安全航行、提升內(nèi)河航運(yùn)監(jiān)管自動(dòng)化都具有重要的作用。通過實(shí)驗(yàn)數(shù)據(jù)表明，基于人工智能的船舶識(shí)別系統(tǒng)識(shí)別準(zhǔn)確率高，可靠性好，技術(shù)推廣應(yīng)用前景廣闊。這一課題的研發(fā)成功和應(yīng)用，將有效推進(jìn)湖州航區(qū)船舶管理與服務(wù)的科技化轉(zhuǎn)型，對(duì)建設(shè)湖州智慧航區(qū)、航運(yùn)數(shù)據(jù)大腦都具有積極的促進(jìn)作用。

參考文獻(xiàn)：

[1]王依楠.船舶自動(dòng)識(shí)別系統(tǒng)中的計(jì)算機(jī)視覺技術(shù)應(yīng)用[J].艦船科學(xué)技術(shù)，2019，41（1A）：76-78.

[2]陳聞，樊留群.基于計(jì)算機(jī)視覺技術(shù)的工件檢測識(shí)別研究與應(yīng)用[J].機(jī)電一體化，2016，22（2）：8–11.

[3]金佳，帖軍.一種基于語義控制的長事務(wù)工作流模型[J].計(jì)算機(jī)與數(shù)字工程，2012，40（12）：50-52.

科技計(jì)劃編號(hào)：浙江交通科技2020020。