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。第五行用SSE作类别概率的损失函数。最后将几个损失函数加到一起，当作网络的损失函数。

以此来检测船员是否穿戴救生衣。

2.3船名融合、容错算法

在识别过程中难免碰到船舶文字被遮挡的情况，在文字被遮挡时，无法通过人工智能识别方法获取船舶名称。因此采用语义分析的方式重新用人工智能方法进行挑选最终结果。

下图是这是语义分析模型框架如下图[3]：

本研究开发两种容错算法：

（1）Representation-basedMatch算法。该算法更侧重对表示层的构建，尽可能充分地将待匹配的两端都转换到等长的语义表示向量里。

（2）Interaction-basedMatch算法。该算法更强调待匹配两端更充分的交互，以及交互基础上的匹配。所以不会在表示层将文本转换成唯一的一个整体表示向量，而一般会保留和词位置相对应的一组表示向量。

以上根据区域不同，选择不同的模型进行语义分析提高船名容错率。

3 实验与讨论

为验证本研究的应用效果，课题组在湖州进行了对比实验分析。首先利用本系统前端设备从某河道现场抓拍 3000个船舶图像，然后一组利用AIS（船舶自动识别系统）进行识别，另一组利用基于人工智能的船舶识别系统进行识别，最后对比二者的识别准确性。下表展示的是前10个图片的识别准确性对比情况。

依据上述实验结果可知，前者无论是在数字识别率上还是在汉字识别率上均要高于后者，由此证明基于人工智能的船舶识别技术对改善船舶自动识别系统性能，提高视频图像自动识别船舶具有很大的应用前景和技术可靠性。

4 结论

综上所述，基于人工智能的船名智能识别系统是船舶监管、卡口管理、自动采集数据的重要科技手段，对保证船舶安全航行、提升内河航运监管自动化都具有重要的作用。通过实验数据表明，基于人工智能的船舶识别系统识别准确率高，可靠性好，技术推广应用前景广阔。这一课题的研发成功和应用，将有效推进湖州航区船舶管理与服务的科技化转型，对建设湖州智慧航区、航运数据大脑都具有积极的促进作用。

参考文献：

[1]王依楠.船舶自动识别系统中的计算机视觉技术应用[J].舰船科学技术，2019，41（1A）：76-78.

[2]陈闻，樊留群.基于计算机视觉技术的工件检测识别研究与应用[J].机电一体化，2016，22（2）：8–11.

[3]金佳，帖军.一种基于语义控制的长事务工作流模型[J].计算机与数字工程，2012，40（12）：50-52.

科技计划编号：浙江交通科技2020020。