基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类。算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实。实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别。     

基于深度神经网络的船舶图像识别检索研究

对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。     

基于神经网络的船舶红外图像边缘检测方法

本文提出一种基于卷积神经网络的船舶红外图像边缘检测方法。首先,介绍船舶红外探测技术的基本原理,针对船舶红外图像的预处理进行研究,包括灰度的均衡化、红外图像的背景抑制、图像分割等。设计了一个基于卷积神经网络的红外图像边缘检测模型,该模型采用多层卷积和池化操作,以及非线性激活函数,能够有效地捕捉图像中的边缘信息。最后,通过对模型进行训练和优化,得到了准确度较高的船舶红外图像探测算法,为后续船舶的目标识别和跟踪提供了有效的基础。     

大数据技术在单目标船舶移动位置跟踪中的应用

由于在利用原有方法进行单目标船舶移动位置跟踪时,在船舶行驶里程为10 000～30 000 km的范围内,存在目标识别速度较慢的问题,因此将大数据技术应用于单目标船舶移动位置跟踪中,提出一种基于大数据技术的单目标船舶移动位置跟踪方法。通过混合高斯背景模型降低背景的干扰程度,并通过三帧差分降低光照突变时产生的误差,利用与计算融合获取结果,对潜在区域实施检测。通过构建LS SVM分类器,并对分类器进行训练识别单目标船舶移动目标。基于大数据技术,通过融合运动特征、边缘、色调的Camshift跟踪算法与卡尔曼无损滤波器实现单目标船舶移动位置跟踪。通过对比实验证明该方法的目标识别速度高于原有方法,实现了目标识别性能的提升。     

基于PCA与BP神经网络的危险化学品船舶识别

对危险化学品船舶进行识别有利于保障海上航道安全和维护海洋生态环境。本文通过PCA算法进行危险化学品船舶的特征提取,并且测试集和训练集样本都投影到特征空间中,利用BP神经网络进行分类识别。最后进行BP神经网络分类器中不同阈值和不同隐层数量的仿真实验。     

基于神经网络特征提取的SSA-SVM船舶目标识别方法

运用神经网络图像特征提取联合SSA-SVM分类算法,对通航区域图像中的典型船舶目标进行识别以实现船舶目标的自动分类。首先通过摄像机获得通航区域的高分辨率图像,以AlexNet深度学习网络为基础经迁移学习后提取典型船舶目标特征,获得4种船舶类型、共5 505 024个特征数的典型船舶目标特征矩阵。以特征矩阵为训练依据训练SSA-SVM算法,在种群寻优下获得最佳识别参数,经训练得出在小数据集下具有较强辨识能力的SSA-SVM船舶目标识别模型。实验表明,相比于深度学习的大数据集驱动识别算法,使用AlexNet特征提取的SSASVM算法能够在数据量较少的情况下对散货船、集装箱船等典型船舶目标进行有效识别,识别准确率为88.87%、训练时长为1 856 s,满足实用需求,为水上监管提供了可靠的技术支持。     

基于深度学习网络的舰船识别方法

合成孔径雷达SAR由于穿透力强,可全天候工作,目前在海上目标探测等领域获得了非常广泛的应用,SAR图像的舰船识别技术也成为一项热点研究。本文研究侧重于利用深度学习算法和卷积神经网络,实现海上舰船SAR图像的快速、准确识别。首先介绍深度学习和卷积神经网络的原理,然后基于深度学习网络建立了SAR图像船舶快速识别算法,最后结合海上SAR图像数据进行了舰船识别的仿真试验。     

基于深度学习的船舶设备信息智能化识别技术

针对船舶设备信息识别问题，提出采用基于深度学习的方法识别船舶设备种类信息。根据船舶设备特点进行图像预处理和图像样本标记，建立卷积神经网络。经训练得到可用于船舶设备信息识别的模型。对模型进行评估，调整网络结构和训练参数，得到准确率达到期望值的船舶设备信息识别模型。经预测和优化得到基于深度学习的船舶设备信息智能化识别模型，可实现船舶设备仓储管理智能化，在较大程度上提升管理效率。     

基于AP聚类和深度卷积网络的船舶焊缝缺陷检测

针对船舶焊缝缺陷检测中存在定位困难和识别效率低问题,提出基于AP聚类和深度卷积神经网络的检测方法.采用基于距离最值的M-SMOTE算法进行焊缝样本不平衡数据集处理,实现少数类新样本的精细化生成,并提出基于AP聚类的深度卷积神经网络模型.模型先基于几何特征、强度特征和背景对比反差进行11个焊缝缺陷特征提取和AP聚类,并将聚类结果作为神经网络输入;采用自适应PCA法对网络进行降维,在保证识别准确率的基础上,通过参数化方法简化降维步骤.试验表明,在通用焊缝数据集上,文中模型的识别率高达98.87％,与准确率较高的VGG模型相比,训练时间缩短12.10％,模型存储减小11.94％;在船舶焊缝数据集上,文中模型的总体识别率达到98.00％,对比准确率较高的DNN模型,其准确率提高了 3.33％.     

基于小波包分析和深度学习的舰船辐射噪声识别

为提高舰船辐射噪声识别的准确率,针对辐射噪声这种非平稳、复杂的信号,提出一种基于小波包分解与多特征融合的特征提取方法.同时,引入深度学习模型,将提取到的特征作为识别分类的依据,采用卷积神经网络和长短时记忆神经网络作为分类器.对单一特征的分类结果与融合的多特征分类结果进行比较,对直接提取的特征分类结果与基于小波包分解提取的特征分类结果进行比较,对卷积神经网络、长短时记忆神经网络和机器学习的识别分类结果进行比较,结果表明,采用基于小波包分解与特征融合的特征提取方法和基于深度学习的分类识别方法能显著提高舰船辐射噪声识别的准确率.     

基于ARM的CAN总线机舱测量系统的研究

采用ARM作为机舱测量系统中的主控制器，利用ARM的高性能和可裁减性构建CAN总线通信控制网络，可以实现系统全部节点之间的数据共享以及相互之间的协同工作。     

基于网络的随船器材全资可视化系统的研究

依托有线专网和北斗卫星网,研制覆盖随船器材供应链和被服务方的全资可视化系统,实现被服务方随时获取自己申请单的供应链信息,包括器材申领、器材批复、器材运输、器材维修等信息,达到被服务方对整个随船器材服务流程的全维可视和全程可控的目的,从而为随船器材的精确化保障提供技术手段。     

浅谈网络财务

随着网络技术的飞速发展,以网络为基础的电子商务改变着企业的经营管理模式,形成全球化的网络经济.网络财务以其独特优势随之产生并发展,它突破了时空的限制,实行了适应网络环境的新处理方式,必将大大提高企业的管理效率,为企业创造更多的财富.文章介绍了网络财务产生的必然性、特点、应用及存在问题.     

面向研究生创新能力培养的电子导师平台建设探索

创新教育是研究生教育质量的灵魂.本文在分析了电子导师这一新型的研究生教育培养模式的基础上,实现了一种面向研究生创新能力培养的电子导师平台,并对平台的定位和作用进行了深入研究,同时还分析了平台的总体设计思想和技术实现框架,电子导师解决研究生教学中的一些基础问题的意义,促进电子导师在培养研究生创造性思维中的作用,具有重要的理论意义及广泛的应用前景.     

基于FAHP法的造船起重机结构安全性评价研究

针对目前国内外造船起重机安全性评价方法的不足,研究基于模糊层次综合评判法(FAHP)的造船起重机金属结构安全性评价方法,采用层次分析法(AHP)确定指标权重,将模糊综合评判理论运用于起重机金属结构综合评估中。以造船门座起重机为例,建立多指标、多层次安全性评价模型,对指标状态值进行无量纲化处理,运用层次分析法确定权重值,采用模糊综合评判理论计算各层评价值,并最终得到整机金属结构安全指数,为起重机使用企业和特检部门开展工作提供参考依据。     

船舶非单点搁浅受力分析

用力学分析的方法,解决船舶非单点搁浅时船底受力大小及脱浅拖力最小值的计算方法问题,并由此提出船舶自行脱浅的两种方法。     

针对持续性跟踪无人艇的探测技术

美国国防先期研究计划局(DARPA)提出的持续性跟踪无人艇(ACTUV)项目对潜艇的隐蔽性和安全性形成重大挑战。加强对ACTUV的搜索、探测、定位,保障潜艇部队安全,是我国海军面临的新任务。本文研究从天基、海基、空基进行搜索侦察,并提出一种多维数据融合定位技术,为相关科研项目提供参考。     

基于表面温度的电机红外无损检测研究

对红外诊断技术的基本原理、技术特点、分析方法作简介,对电机故障红外诊断的判断方法作论述。通过红外检测工作的诊断实践证明,红外无损检测技术对于及时发现电机设备的外部缺陷和部分内部缺陷非常有效,对保降电机设备的安全运行起到积极有效的作用。     

基于AHP-RS的沿海都市带主要港口评价实证分析

区域港口群资源整合已成为当前航运业发展热点之一,文章从港口规模角度,研究区域范围意义下的主要港口评价问题。以改进后的港口吞吐量和集装箱吞吐量指标为基础,构建区域范围意义下的主要港口评价指标体系,以国内外沿海都市带为例,运用AHP-RS法对都市带内主要港口进行相关评价分析。为客观认识和评价港口自身相对规模水平提供参考,也为沿海都市带框架下的区域港口群有序规划发展提供了依据和思路。通过实例验证了AHP-RS综合评价法在港口评价应用中的科学有效性,值得进一步推广。     

一种基于特征的全景图拼接算法研究

提出并实现了一种基于特征的全景图拼接算法,该算法应用sobel算子对待拼接的两幅图像分别进行处理,以获取图像边缘及特征点,确定两幅图像重叠部分的灰度差以去除伪特征点并消除外界噪声,选取方差最小的两组特征点作为缝合点,从而确定两图像的相对位置,通过对图像重叠部分进行平滑处理实现了全景图的无缝生成。实验结果证明算法合理,运算速度快,效果良好。