结合空洞编码器和特征金字塔的中心点船舶检测

为了进一步提高基于深度学习的船舶目标检测技术的检测精度，在无锚框中心点检测算法基础上，提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取，引入基于空洞残差的空洞编码器（DE）增大32倍下采样特征图的感受野，生成覆盖多个目标尺度的特征图，并采用特征金字塔网络（FPN）进行上采样，在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图，从而提取到更丰富的船舶特征信息，提升船舶检测效果。结果表明，改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升，相比SSD和YOLOv3算法具有更高的精度优势。     

基于边缘计算改进的MobileNetV1-SSD表面缺陷视觉检测方法

表面缺陷检测是产品质检的重要工序之一,现有边缘端视觉检测大多存在识别率低、模型结构复杂、部署困难、模型推理实时性差等问题。为此,本文以STM32H747微控制器为边缘设备,基于MobileNetV1-SSD轻量化模型,研究了一种融合CBAM注意力机制的表面缺陷视觉检测方法。首先,融合CBAM注意力机制,添加在最后一层的特征提取网络之后,使缺陷目标在检测模型中的特征表达能力得到增强,模型在仅增加少量的参数量的基础上提升模型的检测准确率;其次,对CBAM-MobilenetV1-SSD模型进行预处理;最后,采用X-CUBE-AI工具包在STM32H747微控制器中实现了模型的移植和部署。通过对比实验表明,融合CBAM注意力机制的模型mAP达到83.75%,精度比原算法提高2.75%,参数量仅为1.67M,模型大小为622KB,且部署在边缘设备对软包锂电池表面缺陷检测精度有显著提升。     

基于YOLOv3的船舶目标检测算法

为提高船舶目标智能检测的精度和实时性,提出一种基于YOLOv3算法的船舶目标检测方法,可用于视频图像的监测与跟踪。参照PASCAL VOC数据集格式,构建船舶目标检测数据集,采用k-means聚类先验框、mixup、标签平滑化等方法对算法进行改进和优化,在GPU(Graphic Processing Unit)云服务器中完成算法模型的训练和检测,并与FasterR-CNN、SSD(Single Shot MultiBox Detector)、原始YOLOv3等算法进行模型性能的试验对比。试验结果表明:改进的算法明显优于其他算法,其在测试集上的平均精度均值(mean Average Precision,mAP)和检测速度分别达到89.90%和30每秒检测帧数(Frames Per Second,FPS)。     

基于改进YOLOv4算法的船舶目标检测方法

针对海面环境复杂、船舶目标检测存在检测精度不高和效率低的问题，以及船舶数据集不平衡的现象，提出一种改进YOLOv4算法的船舶目标检测方法。对图像进行预处理，增强船舶图像的有用信息，减少计算量；采用图像增强方法扩充不平衡数据集的小样本数量，提高各类船舶目标检测的准确性；采用改进的K-means++聚类方法重新设计先验锚框，使锚框和目标的边界框更加匹配；采用Softer-NMS对非极大值抑制算法进行优化，对预测框进行后处理，提升模型对密集船舶的检测能力和定位精度。通过开展多组对比试验发现，采用改进的检测算法对10类船舶目标进行识别，精确率P、召回率R和交并比（IOU）等都有很大提高，平均精确率（m AP）值达到96.78%，相比YOLOv4算法提升23.79%；检测速度达到31.2帧/秒，在显著提高检测精度的同时，能缩短检测时间，达到很好的检测效果。     

云计算船舶移动网络强入侵攻击防御研究

为了提高船舶移动网络的安全性,提出基于云计算的船舶移动网络强入侵攻击防御方法。建立的船舶移动网络强入侵信号模型,采用频谱滤波方法进行船舶移动网络强入侵的干扰抑制,结合多径合并方法进行船舶移动网络强入侵特征关联规则挖掘,提取船舶移动网络强入侵的异常波谱特征量,根据谱分布的差异性,实现对船舶移动网络强入侵特征的模糊聚类处理。在云计算环境下,建立船舶移动网络强入侵的攻击防御滤波检测模型,实现船舶移动网络强入侵攻击防御优化。仿真结果表明,采用该方法进行船舶移动网络强入侵攻击防御的有效性较好,提高了入侵检测能力。     

船舶无线传感网络节点数据的采集方法研究

通过对船舶无线传感网络节点数据,进行船舶无线传感组网设计,提高对船舶运行状态的分析和监测能力,提出一种基于量化融合跟踪和多线程总线调度的船舶无线传感网络节点数据的采集方法。进行船舶无线传感网络的路由拓扑结构设计,进行网络节点的最优分布路由控制和定位。在传感器节点优化定位算法设计的基础上,进行数据采集系统的硬件设计,采用32位数据总线进行船舶无线传感数据的高速捕获和总线传输,在FIFO RAM缓冲区采用连续脉冲冲激方法进行数据激发,将采集的数据存储在SCSI数据硬盘和局部总线中,实现数据实时调度和分析。测试结果表明,该采集方法能有效实现船舶无线传感网络节点数据的多线程多通道采集,数据检测和输出的准确性和实时性较好。     

基于RNN-LSTM的船舶运动轨迹预测

针对船舶轨迹预测精确性与实时性的需求，从数据层面探究影响船舶航行轨迹的特征，通过相关性分析确定网络的输入，提出结合循环神经网络-长短期记忆（Recurrent Neural Networks - Long Short Term Memory，RNN-LSTM）的船舶航行轨迹预测模型。通过船舶Z形试验相关数据与实船实际航行数据对网络模型进行训练，并对未来船舶航行轨迹进行预测。对未来轨迹的预测值与实际值进行对比。结果表明，模型预测误差小，验证该方案在船舶轨迹预测中的实用性和有效性。     

网络优化调度算法在船舶大数据通信中的应用

我国常用的船舶通信网络技术难以满足当前持续增长的海量信息量数据通信需求,易造成信息传递延时问题,严重影响船舶航行安全。因此结合网络优化调度算法对船舶通信系统进行分析和设计,以达到提高船舶网络信息通信质量和网络通信的传输速率,有效保障船舶航行安全的目的。为检验网络优化调度算法对船舶网络通信的实时性影响,对应用于船舶通信网络系统中常见的延时问题进行实验检测,以此考察在交换式船舶通信网络通信效果。数据检测结果表明网络优化调度算法可有效提高船舶通信效果,有效解决网络信息传输延时问题,满足船舶在航行过程中对网络通信的实时性需求。     

内河船舶AIS与雷达动态信息集成性融合

针对船载传感器信息的多源性、多维性和异构性特征,构建船舶动态信息融合模型,以提高内河航行中船员对目标船动态的感知和辨析能力。通过分析船载导航设备在船舶动态辨析中的局限性和互补性,构建集成卡尔曼滤波、自适应加权和神经网络等方法的多源异构数据融合模型,并通过实测和模拟数据计算对该模型进行验证,确定系统的可靠性、稳定性和精确性。该模型不仅对保障内河船舶航行安全、提高内河水上交通效率具有重要的理论参考价值,而且对内河水运安全的保障工作具有积极的现实意义。     

智能型船舶操纵模拟器的网络架构及其实现

在传统船舶操纵模拟器的基础上,针对其目标船不具备自动避让它船能力的现状,提出了将液压伺服平台、六自由度船模、自动避碰成果等引入新型船舶操纵模拟器的研发中,自主研发了智能型船舶操纵模拟器.将整个船舶操纵模拟器系统抽象成3个相对独立的网络,提出了一种基于TCP的IOCP模型和基于UDP的阻塞模型相结合的通信网络架构,给出了系统的通信流程和通信协议.测试结果表明,这种解决方案较大地提高了船舶操纵模拟器的本船端容量,可以满足船舶操纵模拟器桌面系统的多本船端配置需求.     

深度学习的SAR图像海洋涡旋自动检测及其特征提取

本文针对SAR卫星遥感图像海洋涡旋自动检测问题,提出一种基于YOLOX高性能目标检测的海洋涡旋检测模型YOLOX-EDDY,该模型能够精准检测到亚中尺度海洋涡旋。根据SAR图像海洋涡旋的螺旋线形态,本文提出了涡旋中心位置、涡旋尺度和涡旋边缘位置等特征参数自动提取方法,实现了从海洋涡旋自动检测到涡旋特征信息提取的自动化处理。利用国家卫星海洋应用中心和中国资源卫星应用中心提供的高分三号卫星海洋涡旋SAR图像,构建SAR图像涡旋样本库,进行涡旋自动检测模型训练与验证、涡旋特征参数提取实验。实验表明,本文提出方法具有较强的泛化能力,能够实现海洋涡旋精准检测和涡旋特征参数提取。     

基于MOHSSA的组立装焊线混流低碳调度研究

以最小化完工时间、最小化碳排放为目标，建立船舶组立混流生产线低碳调度模型，并提出一种多目标混合麻雀搜索算法进行求解。基于离散问题设计一种二维向量编码方式，利用排序值规则实现连续位置与离散调度之间的转换；采用基于混沌映射和反向学习策略的种群初始化来改善初始解的质量；在保留麻雀搜索算法框架的基础上融合粒子群算法和鸡群算法，同时采取多种混合策略来提高算法的寻优能力；通过算例试验测试和某船厂的生产实例仿真验证了模型和多目标算法的有效性。     

基于注意力融合的海上目标检测算法

准确识别海上目标对提高舰船航行安全、维护海上权益意义重大。YOLOv7作为YOLO系列算法的最新成果,在目标检测任务中拥有良好的速度和精度。但通用化的网络应用于特定场景时,由于权重过大可移植性差,优势并不明显。本文根据海上目标分布及背景特点,利用注意力机制提升网络的特征提取与特征融合能力,提出一种基于注意力融合的海上目标检测算法CS-YOLOv7s。在新加坡海上数据集中的实验结果表明,本文所提网络在少量降低准确率的同时,大幅度降低网络权重,提高检测速度,可满足海上目标实时检测任务需要。     

RBF神经网络模型在遥感目标检测中的应用

光学遥感成像是一种常见的船舶目标图像获取方法,对其图像中的船舶目标检测正逐渐成为研究热点。本文利用RBF神经网络模型对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种常见船舶光学遥感图像进行检测,首先结合kmeans和区域增长法对遥感图像进行分割,接着对船舶区域提取灰度一致性矢量和距离直方图2个特征。最后用聚类方法对RBF网络训练,并用其对船舶目标进行训练和检测。检测结果表明,本文的RBF神经网络模型对船舶目标的检测准确率为86%左右,有效实现了常见船舶目标的检测。     

船舶无线传感网络安全态势异常检测方法

为了更好保障船舶航行安全,避免船舶航行过程中常见的无线传感网络异常导致的船舶航行过程中信号网络信息处理效果不佳的问题,对船舶无线传感网络安全态势异常检测方法进行研究。通过对无线传感网络安全信息进行采集分类,实现对船舶网络信号特征的实时检测和提取。根据检测结果进行无线传感网络安全异常数据的修正,提高船舶网络运行安全。实验证实,船舶无线传感网络安全态势异常检测方法在实际应用过程中具有更高的准确性,可以更好实现对复杂船舶网络数据异常区域进行快速检测和修正的研究目标,从而更好地提高船舶航行安全效果。     

基于Yolox-BTFPN网络的输送带表面损伤检测方法

针对现有输送带表面损伤视觉检测方法的精度和泛化能力受限于样本量和特征丰富性问题,提出一种Yolox-BTFPN检测方法,基于泊松融合算法实现输送带损伤样本的快速增广,并设计偏置纹理特征融合网络BTFPN,使模型能更准确地捕捉输送带表面缺陷。试验结果表明,Yolox-BTFPN网络的可靠性和收敛性可明显提高。     

灰色模型的船舶物联网异常行为实时检测

当前船舶网络异常行为检测逐渐成为航海领域研究的重点问题之一,为了更好保障船舶航行效果,避免航行过程中信息传输和处理的干扰问题,对灰色模型的船舶物联网异常行为实时检测方法进行优化,基于传统实时检测过程中,数据量较大、处理效果不佳、准确率低等问题,结合灰色模型,对船舶网络信息特征行为进行采集和去噪处理,实现对船舶异常行为信息的有效分类和传输,以提高船舶网络异常行为实时检测的准确性和有效性。最后通过实验证实,灰色模型的船舶物联网异常行为实时检测方法在实际应用过程中,处理效果明显更好,且准确性也得到明显提高,充分满足研究要求。     

图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。     

支持向量机算法在船舶网络入侵检测中的应用

入侵行为严重威胁船舶网络安全,对其入侵检测进行研究具有重要的意义,针对当前船舶网络入侵检测存在精度低、错误率高等不足,设计了一种支持向量机算法的船舶网络入侵检测模型。首先分析船舶网络入侵原理,并且提取船舶网络入侵检测特征,然后采用支持向量机算法根据入侵检测特征建立船舶网络入侵检测分类器,并引入和声搜索算法对船舶网络入侵检测分类器的参数进行优化,最后以某一个船舶网络入侵检测数据为例进行了验证性测试。支持向量机算法克服了当前船舶网络入侵检测模型的局限性,入侵检测精度超过90%,减少了入侵检测错误,检测效果要优于当前其他船舶网络入侵检测模型,是一种有效的船舶网络入侵检测模型。     

基于智能船舶的港口岸基辅助系统建设构想

分析智能船舶发展趋势及船舶进出港管理模式，提出与其对应的船岸交互系统——港口岸基辅助系统建设构想。针对智能船舶的特点，提出岸基建设需求；针对港口、海事、引航等部门管理模式，提出信息共享模式；针对船舶靠离泊作业，提出辅助靠泊建设需求；针对智能船舶的运营模式，提出船岸交互的监管要求。基于港口现有基础设施，采用通信网络及感知网络，通过增加部分传感器及信息数据处理体系和云平台的建设，构筑智慧船舶进出港作业的岸基系统，对提高港口作业效率、提升航道通过能力具有重要意义。