基于机器学习技术的耙吸挖泥船施工行为识别

耙吸挖泥船施工区域轨迹密集,有明确的抛泥区和挖泥区,但轨迹密度不同,传统的轨迹识别技术对于其施工行为模式识别困难,难以有效应用。针对该问题,提出一种无监督的耙吸挖泥船施工行为识别框架。首先,基于卡尔曼滤波算法解决轨迹跳变问题,提升轨迹数据的质量;然后,基于HDBSCAN算法同时识别出密度不同的挖泥和抛泥轨迹,解决了传统DBSCAN算法在类间密度不均衡的情况下参数设置困难的问题;最后,基于航向因素建立高斯混合模型GMM可进一步识别出运泥轨迹和返回轨迹。结果表明,上述方法能够快速、有效地实现耙吸船施工轨迹的精准识别。