基于人工智能的船舶識別關鍵技術研究與應用

朱維平 金錢菽 王海華 沈躍忠

摘 要：內河航運受環境和航道等因素影響，現有船舶識別技術對船舶身份進行識別，存在識別不準確、無法識別等問題。為解決這一問題，項目課題組首次提出通過人工智能技術來實現船舶自動識別。本文提出的基于人工智能的船舶識別技術，在湖州的實驗表明，應用了人工智能技術的船舶識別系統，整體識別精度達到95%以上，識別效果改善明顯。本文將對人工智能技術在船舶智能識別系統中的應用進行論述，以期為行業應用提供技術支撐。

關鍵詞：內河航道，船舶、人工智能;識別

隨著社會經濟的發展，水上交通日益繁忙，每天成千上萬的船舶停靠在各個碼頭和港口，更有不計其數的船舶在各水路交通干線上繁忙行駛。隨著船舶數量的不斷增加，水路交通安全事故頻發，如何有效監管和協查就成為安全管理的重點。船舶作為水路運輸最重要的載體，也是水運安全管理的核心。因此，如何自動識別出在航船舶及船舶身份是水路交通安全監管的重要環節。

當前，人工智能、5G等新技術正在蓬勃發展，人工智能技術在自學習、高精度和高效率上一直處于技術領先，也是未來技術發展的趨勢。隨著人工智能技術在識別領域應用的深入，船舶識別成為人工智能技術應用的一個新方向[1]。本研究基于人工智能技術，并結合視頻、AIS等多種感知技術的高度融合，對船舶身份進行智能有效識別，包括船舶船名、救生衣是否穿戴等智能識別提出關鍵技術，為船舶智能監管和海事安全管理提供了切實可行的自動化解決方案。

1 船舶識別技術應用現狀

船舶識別是港航、海事監管的基礎，相關部門也為此先后推廣應用了種種信息化設備，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，為了自動獲取船舶身份信息，港航部門又先后推廣應用了磁卡、無源IC卡、GPS終端、AIS終端和電子船名牌等信息化設備，但每種技術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識別的要求，有時由于區域性管理規定，以至于一艘船舶同時安裝多種身份識別設備。

各類船舶身份標識方式比較對比如下表：

從近幾年的推廣應用情況來看，GPS終端實時性好，上線率高，但存在自動關閉、每年需要幾百元不等流量費、區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終端雖然是全國統一要求安裝，只需一次性購買終端，實時性較好，但存在上線率低，船戶經常關閉、船舶高密度航段收發可靠性差等問題;為此，浙江省于2016年創新推出了電子船名牌，但電子船名牌也存在區域性船舶安裝、電池壽命短等問題，只能作為AIS終端的應用補充。為了實現自動、高效、可靠的非現場監管，內河港航、海事部門亟需一種經濟、有效、無須安裝船載設備，具備廣泛推廣應用的船舶身份智能識別技術。

2 基于人工智能的船舶識別

2.1船名識別

課題組通過采集大量的視頻圖片進行人工智能深度學習，并通過人工干預標定，確保識別的準確性。課題采用人工智能神經網絡，既能保持網絡結構的稀疏性，又能利用密集矩陣的高計算性能[2]。本研究將稀疏矩陣聚類為較為密集的子矩陣來提高計算性能，就如人類的大腦是可以看作是神經元的重復堆積，構造一種“基礎神經元”結構，來搭建一個稀疏性、高計算性能的網絡結構，即Inceptionv1網絡結構。結構圖如下：

本研究采用VGG16的基礎網絡結構，使用前面的前5層，然后利用astrous算法將fc6和fc7層轉化成兩個卷積層。再格外增加了3個卷積層，和一個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測，最后通過nms得到最終的檢測識別結果。

2.2船員救生衣穿戴識別

船舶在航行期間，海事規定船員在艙外活動時，必須穿戴救生衣。對船員是否穿戴救生衣進行有效識別，可以對監管部門執法提供有效證據及報警提示，加強船員安全防范意識，保證生命安全。

本項目將采用yolo_v1方法，以簡潔的網絡結構，簡單的復現過程。

如上圖所示，輸入圖片被劃分為7x7個單元格，每個單元格獨立作檢測。但是并不是把每個單獨的網格作為輸入feed到模型，在inference的過程中，網格只是物體中心點位置的劃分之用，并不是對圖片進行切片，不會讓網格脫離整體的關系。相比fasterr-cnn那種two-stage復雜的網絡結構而言，此網絡結構顯得高效得多。

對于預測框的位置、size、種類、置信度（score）等信息的預測都通過一個損失函數來訓練。

S2S2表示網格數，在這里是7x7。BB表示每個單元格預測框的個數，這里是2。

第一行就總方誤差（sum-squarederror）來當作位置預測的損失函數，第二行用根號總方誤差來當作寬度和高度的損失函數。第三行和第四行對置信度confidence也用SSE作為損失函數。第五行用SSE作類別概率的損失函數。最后將幾個損失函數加到一起，當作網絡的損失函數。

以此來檢測船員是否穿戴救生衣。

2.3船名融合、容錯算法

在識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，無法通過人工智能識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行挑選最終結果。

下圖是這是語義分析模型框架如下圖[3]：

本研究開發兩種容錯算法：

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

（2）Interaction-basedMatch算法。該算法更強調待匹配兩端更充分的交互，以及交互基礎上的匹配。所以不會在表示層將文本轉換成唯一的一個整體表示向量，而一般會保留和詞位置相對應的一組表示向量。

以上根據區域不同，選擇不同的模型進行語義分析提高船名容錯率。

3 實驗與討論

為驗證本研究的應用效果，課題組在湖州進行了對比實驗分析。首先利用本系統前端設備從某河道現場抓拍 3000個船舶圖像，然后一組利用AIS（船舶自動識別系統）進行識別，另一組利用基于人工智能的船舶識別系統進行識別，最后對比二者的識別準確性。下表展示的是前10個圖片的識別準確性對比情況。

依據上述實驗結果可知，前者無論是在數字識別率上還是在漢字識別率上均要高于后者，由此證明基于人工智能的船舶識別技術對改善船舶自動識別系統性能，提高視頻圖像自動識別船舶具有很大的應用前景和技術可靠性。

4 結論

綜上所述，基于人工智能的船名智能識別系統是船舶監管、卡口管理、自動采集數據的重要科技手段，對保證船舶安全航行、提升內河航運監管自動化都具有重要的作用。通過實驗數據表明，基于人工智能的船舶識別系統識別準確率高，可靠性好，技術推廣應用前景廣闊。這一課題的研發成功和應用，將有效推進湖州航區船舶管理與服務的科技化轉型，對建設湖州智慧航區、航運數據大腦都具有積極的促進作用。

參考文獻：

[1]王依楠.船舶自動識別系統中的計算機視覺技術應用[J].艦船科學技術，2019，41（1A）：76-78.

[2]陳聞，樊留群.基于計算機視覺技術的工件檢測識別研究與應用[J].機電一體化，2016，22（2）：8–11.

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

科技計劃編號：浙江交通科技2020020。