CN110233995A - 一种基于船载与岸基协同处理的拖网渔船智能监视系统及处理方法 - Google Patents

Abstract

本发明公开了一种基于船载与岸基协同处理的拖网渔船智能监视系统及方法，包括岸基智能处理系统和船基智能处理系统，船载智能信息处理系统通过内部网络对船基信息采集系统采集的船载信息进行处理，船载智能信息处理系统对船载信息进行数据提炼、清洗、分类和缓存处理并获取拖网渔船作业过程中的智能监测结果；船载智慧决策系统根据智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。本发明采用船基加岸基协同智能处理的方法并通过深度学习算法实现对船载采集的视频信息的初步处理，对少量存在问题的影像再通过卫星回传，再岸基融合更多信息进行人工加智能的深度处理来进行判别，实现对拖网渔船实时性监视及低带宽传输。

Description

一种基于船载与岸基协同处理的拖网渔船智能监视系统及处 理方法

技术领域

本发明涉及海洋渔业技术领域，特别涉及到一种基于船载与岸基协同处理的拖网渔船智能化监视系统及处理方法。

背景技术

在渔业监测方面多年以来，渔业科研与管理投入严重滞后于渔业活动的快速发展，渔业资源衰退、生态环境恶化已经使得中国专属经济区的食物供给和生态服务功能大大降低而生态认知能力的不足和渔业监管手段的落后则严重制约了专属经济区的生态修复和双边渔业管理的主动性。可以发挥智能渔船对信息获取的实时性和精准性特点，为渔业监管有效落实和巩固提供可靠的监测技术手段。

我国渔船在现阶段发展中面临渔船型偏小、装备落后、助渔和通导设备配置不足等主要问题，导致捕捞渔船信息获取平台难以实船构建；国产化助渔设备信息电子设备精确度低、稳定性差，寿命短、故障率高，智能化设备的科技研发投入少，高端设备严重依赖进口；导通设备均为简单的叠加，设备间的接口、协议匹配性差，缺少诸如综合桥楼系统的集成、模块化设计；渔船信息化管理缺少相应的政策法规和技术人才支持。因此，目前针对上述海洋渔业的拖网渔船智能化监测还未开展，传统渔船采用在驾驶室、甲板、机舱等位置布防摄像机的方案，通过人工监视各摄像机拍摄的视频影像，效率低、有效性差，并且这些数据无法实时传输给岸基系统，管理部门无法实时获取相应数据。在一些大型运输船舶上采用宽带卫星进行传输，可以实现数据的实时传输，但带来的问题是占用大量卫星带宽，产生高额资费，拖网渔船很难采用这种方式。

发明内容

本发明的目的在于针对现有技术中的不足，提供一种基于船载与岸基协同处理的拖网渔船智能监视系统及处理方法，以解决上述问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于船载与岸基协同处理的拖网渔船智能监视系统，包括岸基智能处理系统以及设于拖网渔船上的船基智能处理系统，

所述船基智能处理系统包括依次相连的船基信息采集系统、内部网络、船载智能信息处理系统和船载智慧决策系统，船基信息采集系统包括若干智能感知节点，智能感知节点包括传感器以及与各个传感器相配合的物理接口及协议转换接口，传感器包括GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达，传感器用于采集船载信息并通过与其对应的协议转换接口与内部网络进行信息传输；

所述船载智能信息处理系统通过内部网络对船基信息采集系统采集的船载信息进行处理，船载智能信息处理系统用于对船载信息进行数据提炼、清洗、分类和缓存处理并获取拖网渔船作业过程中的智能监测结果；

船载智慧决策系统用于根据船载智能信息处理系统的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。

进一步的，所述视频监控包括甲板摄像机、机舱摄像机、驾驶室摄像机和

冷库摄像机。

进一步的，所述船基信息采集系统包括GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达。

一种基于船载与岸基协同处理的拖网渔船智能监视系统的处理方法：

船基信息采集系统通过GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达分别检测拖网渔船的相应信息，并将检测的船舶信息通过内部网络传输至船载智能信息处理系统中；

船载智能信息处理系统对船基信息采集系统采集的船载信息进行数据提炼、清洗、分类和缓存处理，采用深度学习算法对拖网渔船上采集的影像信息进行图像识别，以该识别结果为核心，融合拖网渔船上采集的多源信息进行信息融合，以获取拖网渔船作业过程中的智能监测结果；

船载智慧决策系统根据船载智能信息处理系统的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换，当拖网渔船远海航行时采用卫星通信，当拖网渔船在近岸场景时采用岸基无线通信或4G宽带；

船基智能处理系统对采集的船舶信息进行前期预处理，对船基预处理识别的有问题和有价值的数据通过有选择的通信方式回传到岸基智能处理系统进行深度处理和判别。

与现有技术相比，本发明的有益效果如下：

本发明以拖网渔船作为智能渔船系统架构设计的实施目标，通过对拖网渔船的系统智能化方法研究，积累经验，为其他作业方式渔船提供参考。

本发明采用船基加岸基协同智能处理的方法并通过深度学习算法实现对船载采集的视频信息的初步处理，对少量存在问题的影像再通过卫星回传，再岸基融合更多信息进行人工+智能的深度处理来进行判别，实现对拖网渔船实时性监视及低带宽传输。

附图说明

图1为本发明所述的基于船载与岸基协同处理的拖网渔船智能监视系统的示意图。

图2为本发明所述的船基智能处理系统的构架图。

图3为本发明所述的船基信息采集系统的示意图。

图4为本发明所述的基于深度学习算法的智能信息处理方法的示意图。

图5为本发明所述的船载智慧决策系统的示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参见图1～图5，本发明所述的一种基于船载与岸基协同处理的拖网渔船智能监视系统，包括岸基智能处理系统以及设于拖网渔船上的船基智能处理系统，船基智能处理系统和岸基智能处理系统通过通信设备进行信息传递。

船基智能处理系统包括依次相连的船基信息采集系统、内部网络、船载智能信息处理系统和船载智慧决策系统。

船基信息采集系统包括若干智能感知节点，智能感知节点包括传感器以及与各个传感器相配合的物理接口及传输协议转换接口，传感器用于采集船载信息并通过与其对应的协议转换接口与内部网络进行信息传输，传感器包括GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达，将不同传感器数据转换成标准如TCP/IP、UDP、CAN等内网总线协议，便于进行数据传输和交换，形成一个完善的信息化获取平台。

船载智能信息处理系统通过内部网络对船基信息采集系统采集的船载信息进行处理，船载智能信息处理系统用于对船载信息进行数据提炼、清洗、分类和缓存等处理并获取拖网渔船作业过程中的智能监测结果。

船载智慧决策系统用于根据船载智能信息处理系统的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。

视频监控包括甲板摄像机、机舱摄像机、驾驶室摄像机和冷库摄像机。

船基信息采集系统通过GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达分别检测拖网渔船的相应信息，并将检测的船舶信息通过内部网络传输至船载智能信息处理系统中。

船载智能信息处理系统对船基信息采集系统采集的船载信息进行数据解析及分类(提炼)、清洗、分类、缓存加工和分析等处理，具体如下：

数据解析及分类：对于以太网传输的物联网回传的数据进行依据数据格式的解析，并进行数据清洗及分类处理；

数据源配置：支持各种形态的数据采集组件，如：数据库、结构化数据、半结构化数据、非结构化数据、FTP分发数据；

数据存储配置：自主配置选择存储格式、方式；

数据浏览：通过全图形化、向导式的操作，快速的完成数据采集和存储管理，进行数据浏览，完成一个数据中心最基本功能的构建；

数据加工及分析：自动跟踪每次数据加工前后的数据变化状况和上下游数据模型的映射管理进行血缘分析、影响分析、孤立数据分析、数据热度分析等能力；

数据探索：计算机学习过程标准化，对数据特征进行多种方式分析，并提供每种方式的具体用法。

采用深度学习算法对拖网渔船上采集的影像信息进行图像识别，以该识别结果为核心，融合拖网渔船上采集的位置、声呐、雷达等多源信息进行信息融合，以获取拖网渔船作业过程中的智能监测结果。

采用深度学习算法对船载采集图像信息进行智能化处理。深度学习模型也越来越多，根据实现功能的不同，学习模型又分为很多种。比如深度卷积神经网络，应用于图像分类，全卷积神经网络，应用于深度学习算法图像分割，不同的网络模型有不同的结构参数。

以典型拖网渔船作业为对象，基于深度学习、卷积神经网络等技术对渔具渔法进行图像识别。分为以下几个步骤：

1)卷积神经网络模型构建

卷积神经网络是一种特殊的神经网络结构，即通过卷积操作可以实现对图像特征的自动学习，选取那些有用的视觉特征以最大化图像分类的准确率。常见网络有AlexNet、VGG-Net、GoogLeNet、Inception V2-V4、ResNet等等。

2)基于差异性的数据标注

根据采集规格、网目尺寸、作业范围、作业水层、允许的最小网目尺寸等基础信息数据，分别对不同型式拖网渔具及渔法的差异性进行标注。

3)降低训练中的过拟合

卷积神经网络由于模型复杂，参数众多，训练时间过长以及过拟合一直是两大主要问题，需要运用降低过拟合的方法进行优化，主要包括dropout方法、数据集扩增方法、Batch Normalization方法。

4)算法部署

将训练过的人工智能算法进行实船部署，实时采集船上数据进行识别。

船载智慧决策系统根据船载智能信息处理系统的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换，当拖网渔船远海航行时采用卫星通信，当拖网渔船在近岸场景时采用岸基无线通信或4G宽带。

船基智能处理系统对采集的船舶信息进行前期预处理，对船基预处理识别的有问题和有价值的数据通过有选择的通信方式回传到岸基智能处理系统，岸基融合更多信息进行人工以及智能的深度处理来进行判别。

本系统充分考虑现有渔船海上通信的条件及拖网渔船智能系统部署条件，提出了基于“船载+陆基”双中心信息处理模式，并通过多元集成的渔船海上信息传输方式实现双中心的联动。

由于海上无线通信信道条件的复杂性，近几十年来海上通信技术的发展远远延迟于陆上通信技术的发展。海洋渔船的无线通信主要依靠海岸中频/高频和甚高频无线网络以及传统的海洋卫星通信，在近岸场景，岸基无线通信也发挥着极大的作用。这就决定了在远海主要依靠卫星通信，大数据量、低时延的通信需求暂时无法得到满足，因此，船载智能处理应当解决绝大部分信息处理的工作。

考虑到拖网渔船上不宜部署大体积、大耗电量、高成本的设备，通过船载智能处理设备对采集信息进行前期处理，获取应用所需要的大部分信息，将小部分高价值、复杂信息的不确定信息传输给岸基信息处理系统进行深度处理。同时船载智能信息处理设备也可以通过通信网络获得岸基系统的数据支持。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种基于船载与岸基协同处理的拖网渔船智能监视系统，其特征在于：包括岸基智能处理系统以及设于拖网渔船上的船基智能处理系统，

所述船基智能处理系统包括依次相连的船基信息采集系统、内部网络、船载智能信息处理系统和船载智慧决策系统，船基信息采集系统包括若干智能感知节点，智能感知节点包括传感器以及与各个传感器相配合的物理接口及协议转换接口，传感器包括GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达，传感器用于采集船载信息并通过与其对应的协议转换接口与内部网络进行信息传输；

所述船载智能信息处理系统通过内部网络对船基信息采集系统采集的船载信息进行处理，船载智能信息处理系统用于对船载信息进行数据提炼、清洗、分类和缓存处理并获取拖网渔船作业过程中的智能监测结果；

船载智慧决策系统用于根据船载智能信息处理系统的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。

2.根据权利要求1所述的基于船载与岸基协同处理的拖网渔船智能监视系统，其特征在于：所述视频监控包括甲板摄像机、机舱摄像机、驾驶室摄像机和冷库摄像机。

3.根据权利要求1所述的基于船载与岸基协同处理的拖网渔船智能监视系统，其特征在于：所述船基信息采集系统包括GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达。

4.一种如权利要求1所述的基于船载与岸基协同处理的拖网渔船智能监视系统的处理方法，其特征在于：

船基信息采集系统通过GPS/北斗、AIS船舶自动识别系统、柴油流量计、风速计、潮流计、视频监控、声呐和雷达分别检测拖网渔船的相应信息，并将检测的船舶信息通过内部网络传输至船载智能信息处理系统中；

船载智能信息处理系统对船基信息采集系统采集的船载信息进行数据提炼、清洗、分类和缓存处理，采用深度学习算法对拖网渔船上采集的影像信息进行图像识别，以该识别结果为核心，融合拖网渔船上采集的多源信息进行信息融合，以获取拖网渔船作业过程中的智能监测结果；

船载智慧决策系统根据船载智能信息处理系统的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换，当拖网渔船远海航行时采用卫星通信，当拖网渔船在近岸场景时采用岸基无线通信或4G宽带；

船基智能处理系统对采集的船舶信息进行前期预处理，对船基预处理识别的有问题和有价值的数据通过有选择的通信方式回传到岸基智能处理系统进行深度处理和判别。