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。

Construction behavior recognition of trailing suction hopper dredger based on machine learning technology