CN116429118B - 一种基于物联网的渔船安全生产监管方法及系统 - Google Patents
一种基于物联网的渔船安全生产监管方法及系统 Download PDFInfo
- Publication number
- CN116429118B CN116429118B CN202310709617.XA CN202310709617A CN116429118B CN 116429118 B CN116429118 B CN 116429118B CN 202310709617 A CN202310709617 A CN 202310709617A CN 116429118 B CN116429118 B CN 116429118B
- Authority
- CN
- China
- Prior art keywords
- information
- acquired
- weather
- avoidance
- navigation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 31
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 22
- 239000000446 fuel Substances 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 17
- 241000251468 Actinopterygii Species 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000013535 sea water Substances 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000009182 swimming Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 238000003860 storage Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000004083 survival effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/05—Underwater scenes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Environmental & Geological Engineering (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Ecology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Atmospheric Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物联网的渔船安全生产监管方法及系统,包括:获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对获取的各种信息进行预处理;对获取的海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;对获取的雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,进行航行轨迹规划;通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案。
Description
技术领域
本发明涉及物联网技术领域、图像识别领域和渔船安全领域,尤其涉及一种基于物联网的渔船安全生产监管方法及系统。
背景技术
在进行海上作业时,常常出现很多不确定的因素导致捕捞量不足,甚至会影响渔船安全。因为海上的天气变化很快,不仅影响海上渔船安全,同时也让水下鱼群容易分散逃离,在海上作业时,与对向渔船发生碰撞也是重要安全问题,因此如何在海上更好的捕捞渔业资源,同时规避恶劣天气并且防止发生渔船碰撞事故是一个重要的问题。
发明内容
本发明克服了现有技术的缺陷,提出了一种基于物联网的渔船安全生产监管方法及系统,其重要目的在于提高渔船进行海上生产的安全性和效率性。
为实现上述目的,本发明第一方面提供了一种基于物联网的渔船安全生产监管方法,包括:
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对所述获取的各种信息进行预处理;
对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;
对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划;
通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案。
本方案中,所述对获取的各种信息进行预处理,具体为:
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息和船载AIS信息;
获取的所述海洋环境信息包括:盐度信息、温度信息、酸碱度信息、气候信息和海水流速信息;
获取的所述渔船基本信息包括:渔船物料信息、人员配备信息、渔船设备信息、渔船运行信息;
对获取的所述水下图像信息和水上图像信息进行预筛选处理,采用目标帧筛选法和背景减除算法提取含有目标特征的图像信息,剔除无用信息;
对所述获取的各种信息进行滤波、降噪和增强预处理。
本方案中,所述对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划,具体为:
构建识别预测模型,对所述识别预测模型进行深度地学习和训练,得到符合期望的识别预测模型;
构建识别对比数据库,存储收集的用于识别、对比和预测的各种信息;
将获取的所述海洋环境信息、水下图像信息和声呐信息导入至识别预测模型,对航行区域的鱼群进行种类识别和活动位置预测,得到识别结果信息和预测结果信息;
通过海洋环境信息和水下图像信息对航行区域存在的鱼群种类进行识别,通过声呐信息得到航行区域存在鱼群的方位、数量、距离、深度和游速,进而预测航行区域的鱼群的活动区域;
根据预测结果信息、识别结果信息、声呐信息和渔船基本信息规划捕捞方案和航行轨迹。
本方案中,所述构建识别对比数据库,存储收集的用于识别、对比和预测的各种信息,还包括:
收集历史上出现的目标捕捞鱼群的图像特征信息,包括:颜色特征信息、纹理特征信息、形状特征信息;
收集历史上出现的目标捕捞鱼群的适生环境特征信息,包括:盐度信息、温度信息、酸碱度信息、气候信息和海水流速信息;
收集历史上出现的恶劣天气及海洋灾害的基本特征信息;
构建识别对比数据库,存储以上收集的各种信息。
本方案中,所述对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划,具体为:
构建识别判断模型,将获取的所述雷达信息、水上图像信息和船载AIS信息导入识别判断模型,得到对航行区域的判断结果信息;
通过识别水上图像信息判断渔船航行区域中是否存在其他渔船,通过雷达信息判断其他渔船与驾驶渔船的距离,通过船载AIS信息得到其他船只的航线信息和航速信息判断是否与驾驶渔船的航线重合;
根据得到的判断结果信息进行航行轨迹规划,规避航行区域中的其他船只。
本方案中,所述通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案,具体为:
将获取的所述海洋环境信息、水文气象信息和水上图像信息与识别对比数据库中存储的恶劣天气及海洋灾害的基本特征信息进行相似度计算,得到航行区域的气象预测信息;
所述航行区域的气象预测信息包括:航行区域气象信息、航行区域气象持续时间信息;
构建风险等级评估模型,对所述风险等级评估模型进行深度地学习和训练,得到符合期望的风险等级评估模型;
将获取的所述气象预测信息和渔船基本信息导入风险等级评估模型进行风险等级评估,得到风险等级评估结果信息;
将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域;
根据风险等级评估结果信息、不同气象类别的子区域信息及当前航行区域的气象预测信息和海洋环境信息制定最优规避方案。
本方案中,所述将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域,还包括:
将航行海域划分为不同的子区域,获取每个子区域的历史气象信息;
分析相邻子区域的历史气象信息,并计算相邻子区域的历史气象信息的相似度值;
若所述相似度值大于预设阈值,则进行子区域合并,得到合并子区域,若所述相似度值小于预设阈值,则继续与其他相邻子区域进行分析;
得到n个按照历史气象信息进行合并分类的子区域,定义合并分类后的子区域为合并子区域。
本方案中,所述根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案,还包括:
通过数据检索获取不同风险等级的规避实例,构成规避实例数据集,提取规避实例数据集中规避路线上的区域气象特征信息;
提取合并子区域的合并气象特征信息,对合并气象特征信息和区域气象特征信息进行相似度计算,得到与规避路线上的区域气象特征相似的合并子区域,定义为隶属子区域;
根据风险评估结果信息和隶属子区域制定当前航行区域的候选规避方案;
获取渔船基本信息和当前航行区域的气象预测信息,通过渔船基本信息计算采用候选规避方案的预计规避时间和燃料消耗量,得到预计规避时间信息和燃料消耗信息;
将气象预测信息与预计规避时间信息进行判断处理,得到规避时间判断结果信息,将规避时间判断结果信息和燃料消耗信息作为候选规避方案的规避权重,对各候选规避方案进行加权计算;
通过加权计算结果对各规避方案进行优先级排序,根据所述优先级排序选取最优规避方案。
本发明第二方面还提供了一种基于物联网的渔船安全生产监管系统,该系统包括:存储器、处理器,所述存储器中包含一种基于物联网的渔船安全生产监管方法程序,所述一种基于物联网的渔船安全生产监管方法程序被所述处理器执行时实现如下步骤:
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对获取的各种信息进行预处理;
对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;
对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划;
通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案。
本方案中,所述通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案,具体为:
将获取的所述海洋环境信息、水文气象信息和水上图像信息与识别对比数据库中存储的恶劣天气及海洋灾害的基本特征信息进行相似度计算,得到航行区域的气象预测信息;
所述航行区域的气象预测信息包括:航行区域气象信息、航行区域气象持续时间信息;
构建风险等级评估模型,对所述风险等级评估模型进行深度地学习和训练,得到符合期望的风险等级评估模型;
将获取的所述气象预测信息和渔船基本信息导入风险等级评估模型进行风险等级评估,得到风险等级评估结果信息;
将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域;
根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案。
本发明公开了一种基于物联网的渔船安全生产监管方法及系统,包括:获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对获取的各种信息进行预处理;对获取的海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;对获取的雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,进行航行轨迹规划;通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案。提高了渔船进行海上生产的安全性和效率性。
附图说明
为了更清楚地说明本发明实施例或示例性中的技术方案,下面将对实施例或示例性描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以按照这些附图示出的获得其他的附图。
图1为本发明一实施例提供的一种基于物联网的渔船安全生产监管方法的流程图;
图2为本发明一实施例提供的获得最优规避方案的流程图;
图3为本发明一实施例提供的一种基于物联网的渔船安全生产监管系统的框图;
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明一实施例提供的一种基于物联网的渔船安全生产监管方法的流程图;
如图1所示,本发明提供了一种基于物联网的渔船安全生产监管方法的流程图,包括:
S102,对获取的各种信息进行预处理;
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息和船载AIS信息;
获取的所述海洋环境信息包括:盐度信息、温度信息、酸碱度信息、气候信息和海水流速信息;
获取的所述渔船基本信息包括:渔船物料信息、人员配备信息、渔船设备信息、渔船运行信息;
对获取的所述水下图像信息和水上图像信息进行预筛选处理,采用目标帧筛选法和背景减除算法提取含有目标特征的图像信息,剔除无用信息;
对所述获取的各种信息进行滤波、降噪和增强预处理。
S104,对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;
构建识别预测模型,对所述识别预测模型进行深度地学习和训练,得到符合期望的识别预测模型;
构建识别对比数据库,存储收集的用于识别、对比和预测的各种信息;
将获取的所述海洋环境信息、水下图像信息和声呐信息导入至识别预测模型,对航行区域的鱼群进行种类识别和活动位置预测,得到识别结果信息和预测结果信息;
通过海洋环境信息和水下图像信息对航行区域存在的鱼群种类进行识别,通过声呐信息得到航行区域存在鱼群的方位、数量、距离、深度和游速,进而预测航行区域的鱼群的活动区域;
根据预测结果信息、识别结果信息、声呐信息和渔船基本信息规划捕捞方案和航行轨迹。
进一步的,所述构建识别对比数据库,存储收集的用于识别、对比和预测的各种信息,还包括:收集历史上出现的目标捕捞鱼群的图像特征信息,包括:颜色特征信息、纹理特征信息、形状特征信息;收集历史上出现的目标捕捞鱼群的适生环境特征信息,包括:盐度信息、温度信息、酸碱度信息、气候信息和海水流速信息;收集历史上出现的恶劣天气及海洋灾害的基本特征信息;构建识别对比数据库,存储以上收集的各种信息;
进一步的,获取历史上出现目标捕捞鱼群的适生环境特征信息和航行区域的海洋环境信息、识别结果信息;将航行区域的海洋环境信息与历史上出现目标捕捞鱼群的适生环境特征信息进行相似度计算,判断航行区域是否适宜目标捕捞鱼群生存,得到适生判断结果信息;根据识别结果信息,得到航行区域是否存在目标捕捞鱼群,判断目标捕捞鱼群资源分布情况,得到目标捕捞鱼群资源分布信息;
进一步的,根据适生判断结果信息得到航行区域适宜目标捕捞鱼群生存,但根据目标捕捞鱼群资源分布信息得到航行区域目标捕捞鱼群资源分布贫瘠;获取航行区域的气象信息和气候信息、目标捕捞鱼群的生存习性信息和适生气候信息;将航行区域的气象信息和气候信息与目标鱼群的生存习性信息和适生气候信息进行对比判断,预测航行区域未来时间段的目标捕捞鱼群资源。通过预测航行区域的目标捕捞鱼群资源分布,有效防止过度捕捞破坏生态平衡,同时也便于渔船更好的捕捞鱼群。
S106,对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划;
构建识别判断模型,将获取的所述雷达信息、水上图像信息和船载AIS信息导入识别判断模型,得到对航行区域的判断结果信息;
通过识别水上图像信息判断渔船航行区域中是否存在其他渔船,通过雷达信息判断其他渔船与驾驶渔船的距离,通过船载AIS信息得到其他船只的航线信息和航速信息判断是否与驾驶渔船的航线重合;
根据得到的判断结果信息进行航行轨迹规划,规避航行区域中的其他船只。
S108,通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案;
将获取的所述海洋环境信息、水文气象信息和水上图像信息与识别对比数据库中存储的恶劣天气及海洋灾害的基本特征信息进行相似度计算,得到航行区域的气象预测信息;
所述航行区域的气象预测信息包括:航行区域气象信息、航行区域气象持续时间信息;
构建风险等级评估模型,对所述风险等级评估模型进行深度地学习和训练,得到符合期望的风险等级评估模型;
将获取的所述气象预测信息和渔船基本信息导入风险等级评估模型进行风险等级评估,得到风险等级评估结果信息;
将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域;
根据风险等级评估结果信息、不同气象类别的子区域信息及当前航行区域的气象预测信息和海洋环境信息制定最优规避方案。
进一步的,所述将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域,还包括:将航行海域划分为不同的子区域,获取每个子区域的历史气象信息;分析相邻子区域的历史气象信息,并计算相邻子区域的历史气象信息的相似度值;若所述相似度值大于预设阈值,则进行子区域合并,得到合并子区域,若所述相似度值小于预设阈值,则继续与其他相邻子区域进行分析;得到n个按照历史气象信息进行合并分类的子区域,定义合并分类后的子区域为合并子区域。
进一步的,所述根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案,还包括:通过数据检索获取不同风险等级的规避实例,构成规避实例数据集,提取规避实例数据集中规避路线上的区域气象特征信息;提取合并子区域的合并气象特征信息,对合并气象特征信息和区域气象特征信息进行相似度计算,得到与规避路线上的区域气象特征相似的合并子区域,定义为隶属子区域;根据风险评估结果信息和隶属子区域制定当前航行区域的候选规避方案;获取渔船基本信息和当前航行区域的气象预测信息,通过渔船基本信息计算采用候选规避方案的预计规避时间和燃料消耗量,得到预计规避时间信息和燃料消耗信息;将气象预测信息与预计规避时间信息进行判断处理,得到规避时间判断结果信息,将规避时间判断结果信息和燃料消耗信息作为候选规避方案的规避权重,对各候选规避方案进行加权计算;通过加权计算结果对各规避方案进行优先级排序,根据所述优先级排序选取最优规避方案。
需要说明的是,船载AIS信息是基于船舶自动识别系统得到的信息,是应用于船和岸、船和船之间的海事安全与通信的助航系统,由通信机、GPS定位仪和与船载显示器及传感器相连接的通信控制器组成,能自动交换船位、航速、航向、船名、呼号等重要信息,是一种具备自动应答的功能的开放式数据传输系统;能够有效的获取海上交通信息,避免发生船舶碰撞事故。
需要说明的是,通过海洋环境信息和水下图像信息对航行区域存在的鱼群种类进行识别,通过声呐信息得到航行区域存在鱼群的方位、数量、距离、深度和游速;通过识别水上图像信息判断渔船航行区域中是否存在其他渔船,通过雷达信息判断其他渔船与驾驶渔船的距离,通过船载AIS信息得到其他船只的航线信息和航速信息判断是否与驾驶渔船的航线重合;通过隶属区域信息和海洋环境信息制定规避路线,通过渔船基本信息、气象预测信息制定航行速度。通过多组数据的组合,提高了渔船捕捞生产的捕捞量,提高了航行的安全性。
图2为本发明一实施例提供的获得最优规避方案的流程图;
如图2所示,本发明提供了获得最优规避方案的流程图,包括:
S202,获取区域气象特征信息、渔船基本信息、合并气象特征信息及当前航行区域的气象预测信息和风险等级评估结果信息;
S204,对合并气象特征信息和区域气象特征信息进行相似度计算,得到隶属子区域;
S206,根据风险评估结果信息和隶属子区域制定当前航行区域的候选规避方案;
S208,通过渔船基本信息计算采用候选规避方案的预计规避时间和燃料消耗量;
S210,将气象预测信息与预计规避时间信息进行判断处理,得到规避时间判断结果信息;
S212,将规避时间判断结果信息和燃料消耗信息作为候选规避方案的规避权重,对各候选规避方案进行加权计算;
S214,通过加权计算结果对各规避方案进行优先级排序,根据所述优先级排序选取最优规避方案;
进一步的,根据时间判断结果信息得到预计规避时间与气象预测信息的大小关系;若预计规避时间大于气象预测信息中航行区域气象持续时间,则不进行规避,原地等待航行区域气象消失;若预计规避时间小于气象预测信息中航行区域气象持续时间,则选取最短预计规避时间和最低燃油消耗量的候选规避方案作为最优规避方案进行规避;
需要说明的是,将规避时间和燃油消耗量作为最优规避方案的选取指标,在规避风险的同时,降低时间的消耗并减少燃油的使用,最大限度的保证了渔船的安全,同时以最短的时间和最少燃油消耗量的发方案进行规避风险,保证在规避风险过后,渔船还有充足的时间和燃油完成捕捞任务。
图3为本发明一实施例提供的一种基于物联网的渔船安全生产监管系统3的框图,该系统包括:存储器31、处理器32,所述存储器31中包括一种基于物联网的渔船安全生产监管方法程序,所述一种基于物联网的渔船安全生产监管方法程序被所述处理器32执行时实现如下步骤:
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对所述获取的各种信息进行预处理;
对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;
对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划;
通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案。
需要说明的是,通过对获取的信息进行识别、判断和预测,得到航行区域的气象情况和基本情况,采取最优规避方案进行应对各种情况,保证了渔船航行的安全性;同时预测目标捕捞鱼群的位置,提高了捕捞生产的效率性和准确性。
本发明公开了一种基于物联网的渔船安全生产监管方法及系统,包括:获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对获取的各种信息进行预处理;对获取的海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;对获取的雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,进行航行轨迹规划;通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,并制定最优规避方案。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于物联网的渔船安全生产监管方法,其特征在于,包括:
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对获取的各种信息进行预处理;
对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;
对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划;
通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案;
所述通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案,具体包括:
将获取的所述海洋环境信息、水文气象信息和水上图像信息与识别对比数据库中存储的恶劣天气及海洋灾害的基本特征信息进行相似度计算,得到航行区域的气象预测信息;
所述航行区域的气象预测信息包括:航行区域气象信息、航行区域气象持续时间信息;
构建风险等级评估模型,对所述风险等级评估模型进行深度地学习和训练,得到符合期望的风险等级评估模型;
将获取的所述气象预测信息和渔船基本信息导入风险等级评估模型进行风险等级评估,得到风险等级评估结果信息;
将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域;
根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案;
所述将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域,还包括:
将航行海域划分为不同的子区域,获取每个子区域的历史气象信息;
分析相邻子区域的历史气象信息,并计算相邻子区域的历史气象信息的相似度值;
若所述相似度值大于预设阈值,则进行子区域合并,得到合并子区域,若所述相似度值小于预设阈值,则继续与其他相邻子区域进行分析;
得到n个按照历史气象信息进行合并分类的子区域,定义合并分类后的子区域为合并子区域;
所述根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案,还包括:
通过数据检索获取不同风险等级的规避实例,构成规避实例数据集,提取规避实例数据集中规避路线上的区域气象特征信息;
提取合并子区域的合并气象特征信息,对合并气象特征信息和区域气象特征信息进行相似度计算,得到与规避路线上的区域气象特征相似的合并子区域,定义为隶属子区域;
根据风险评估结果信息和隶属子区域制定当前航行区域的候选规避方案;
获取渔船基本信息和当前航行区域的气象预测信息,通过渔船基本信息计算采用候选规避方案的预计规避时间和燃料消耗量,得到预计规避时间信息和燃料消耗信息;
将气象预测信息与预计规避时间信息进行判断处理,得到规避时间判断结果信息,将规避时间判断结果信息和燃料消耗信息作为候选规避方案的规避权重,对各候选规避方案进行加权计算;
通过加权计算结果对各规避方案进行优先级排序,根据所述优先级排序选取最优规避方案。
2.根据权利要求1所述的一种基于物联网的渔船安全生产监管方法,其特征在于,所述对获取的各种信息进行预处理,具体包括:
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息和船载AIS信息;
获取的所述海洋环境信息包括:盐度信息、温度信息、酸碱度信息、气候信息和海水流速信息;
获取的所述渔船基本信息包括:渔船物料信息、人员配备信息、渔船设备信息、渔船运行信息;
对获取的所述水下图像信息和水上图像信息进行预筛选处理,采用目标帧筛选法和背景减除算法提取含有目标特征的图像信息,剔除无用信息;
对所述获取的各种信息进行滤波、降噪和增强预处理。
3.根据权利要求1所述的一种基于物联网的渔船安全生产监管方法,其特征在于,所述对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划,具体包括:
构建识别预测模型,对所述识别预测模型进行深度地学习和训练,得到符合期望的识别预测模型;
构建识别对比数据库,存储收集的用于识别、对比和预测的各种信息;
将获取的所述海洋环境信息、水下图像信息和声呐信息导入至识别预测模型,对航行区域的鱼群进行种类识别和活动位置预测,得到识别结果信息和预测结果信息;
通过海洋环境信息和水下图像信息对航行区域存在的鱼群种类进行识别,通过声呐信息得到航行区域存在鱼群的方位、数量、距离、深度和游速,进而预测航行区域的鱼群的活动区域;
根据预测结果信息、识别结果信息、声呐信息和渔船基本信息规划捕捞方案和航行轨迹。
4.根据权利要求3所述的一种基于物联网的渔船安全生产监管方法,其特征在于,所述构建识别对比数据库,存储收集的用于识别、对比和预测的各种信息,还包括:
收集历史上出现的目标捕捞鱼群的图像特征信息,包括:颜色特征信息、纹理特征信息、形状特征信息;
收集历史上出现的目标捕捞鱼群的适生环境特征信息,包括:盐度信息、温度信息、酸碱度信息、气候信息和海水流速信息;
收集历史上出现的恶劣天气及海洋灾害的基本特征信息;
构建识别对比数据库,存储以上收集的各种信息。
5.根据权利要求1所述的一种基于物联网的渔船安全生产监管方法,其特征在于,所述对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划,具体包括:
构建识别判断模型,将获取的所述雷达信息、水上图像信息和船载AIS信息导入识别判断模型,得到对航行区域的判断结果信息;
通过识别水上图像信息判断渔船航行区域中是否存在其他渔船,通过雷达信息判断其他渔船与驾驶渔船的距离,通过船载AIS信息得到其他船只的航线信息和航速信息判断是否与驾驶渔船的航线重合;
根据得到的判断结果信息进行航行轨迹规划,规避航行区域中的其他船只。
6.一种基于物联网的渔船安全生产监管系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括一种基于物联网的渔船安全生产监管方法程序,所述一种基于物联网的渔船安全生产监管方法程序被所述处理器执行时实现如下步骤:
获取航行区域的海洋环境信息、水文气象信息、水下图像信息、声呐信息、雷达信息、水上图像信息、船载AIS信息和渔船基本信息,对获取的各种信息进行预处理;
对获取的所述海洋环境信息、水下图像信息和声呐信息进行识别对比处理,得到识别结果信息和预测结果信息,进行捕捞方案和航行轨迹的规划;
对获取的所述雷达信息、水上图像信息和船载AIS信息进行识别判断处理,得到对航行区域的判断结果信息,根据判断结果信息进行航行轨迹规划;
通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案;
所述通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案,具体包括:
将获取的所述海洋环境信息、水文气象信息和水上图像信息与识别对比数据库中存储的恶劣天气及海洋灾害的基本特征信息进行相似度计算,得到航行区域的气象预测信息;
所述航行区域的气象预测信息包括:航行区域气象信息、航行区域气象持续时间信息;
构建风险等级评估模型,对所述风险等级评估模型进行深度地学习和训练,得到符合期望的风险等级评估模型;
将获取的所述气象预测信息和渔船基本信息导入风险等级评估模型进行风险等级评估,得到风险等级评估结果信息;
将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域;
根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案;
所述将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域,还包括:
将航行海域划分为不同的子区域,获取每个子区域的历史气象信息;
分析相邻子区域的历史气象信息,并计算相邻子区域的历史气象信息的相似度值;
若所述相似度值大于预设阈值,则进行子区域合并,得到合并子区域,若所述相似度值小于预设阈值,则继续与其他相邻子区域进行分析;
得到n个按照历史气象信息进行合并分类的子区域,定义合并分类后的子区域为合并子区域;
所述根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案,还包括:
通过数据检索获取不同风险等级的规避实例,构成规避实例数据集,提取规避实例数据集中规避路线上的区域气象特征信息;
提取合并子区域的合并气象特征信息,对合并气象特征信息和区域气象特征信息进行相似度计算,得到与规避路线上的区域气象特征相似的合并子区域,定义为隶属子区域;
根据风险评估结果信息和隶属子区域制定当前航行区域的候选规避方案;
获取渔船基本信息和当前航行区域的气象预测信息,通过渔船基本信息计算采用候选规避方案的预计规避时间和燃料消耗量,得到预计规避时间信息和燃料消耗信息;
将气象预测信息与预计规避时间信息进行判断处理,得到规避时间判断结果信息,将规避时间判断结果信息和燃料消耗信息作为候选规避方案的规避权重,对各候选规避方案进行加权计算;
通过加权计算结果对各规避方案进行优先级排序,根据所述优先级排序选取最优规避方案。
7.根据权利要求6所述的一种基于物联网的渔船安全生产监管系统,其特征在于,所述通过获取的所述海洋环境信息、水文气象信息和水上图像信息预测得到航行区域的气象预测信息,通过气象预测信息和渔船基本信息进行风险等级评估,制定最优规避方案,具体包括:
将获取的所述海洋环境信息、水文气象信息和水上图像信息与识别对比数据库中存储的恶劣天气及海洋灾害的基本特征信息进行相似度计算,得到航行区域的气象预测信息;
所述航行区域的气象预测信息包括:航行区域气象信息、航行区域气象持续时间信息;
构建风险等级评估模型,对所述风险等级评估模型进行深度地学习和训练,得到符合期望的风险等级评估模型;
将获取的所述气象预测信息和渔船基本信息导入风险等级评估模型进行风险等级评估,得到风险等级评估结果信息;
将航行海域划分为不同的子区域,获取不同子区域的历史气象信息,对各子区域进行合并分类,得到合并子区域;
根据风险等级评估结果信息、合并子区域及当前航行区域的气象预测信息制定最优规避方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310709617.XA CN116429118B (zh) | 2023-06-15 | 2023-06-15 | 一种基于物联网的渔船安全生产监管方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310709617.XA CN116429118B (zh) | 2023-06-15 | 2023-06-15 | 一种基于物联网的渔船安全生产监管方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116429118A CN116429118A (zh) | 2023-07-14 |
CN116429118B true CN116429118B (zh) | 2023-10-27 |
Family
ID=87084139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310709617.XA Active CN116429118B (zh) | 2023-06-15 | 2023-06-15 | 一种基于物联网的渔船安全生产监管方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116429118B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057948B (zh) * | 2023-10-11 | 2024-02-02 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的海洋安全生产方法、系统及介质 |
CN117572438B (zh) * | 2024-01-12 | 2024-05-03 | 中国水产科学研究院南海水产研究所 | 一种走航式鱼群探测方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739345A (zh) * | 2020-07-21 | 2020-10-02 | 范文峰 | 一种基于ais的水上智能监控管理方法及系统 |
CN113341407A (zh) * | 2021-06-02 | 2021-09-03 | 中国水产科学研究院南海水产研究所 | 一种基于雷达探测的渔业捕捞追踪系统及方法 |
CN114881336A (zh) * | 2022-05-17 | 2022-08-09 | 广州海事科技有限公司 | 自动标示虚拟航标方法、系统、计算机设备及存储介质 |
CN115100512A (zh) * | 2022-05-16 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 |
CN115293658A (zh) * | 2022-10-08 | 2022-11-04 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的渔业资源规划方法及系统 |
CN115359386A (zh) * | 2022-08-03 | 2022-11-18 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的过洋性渔业安全捕捞方法、系统及介质 |
CN115375043A (zh) * | 2022-10-24 | 2022-11-22 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔港监管方法及系统 |
CN115456490A (zh) * | 2022-11-14 | 2022-12-09 | 中国水产科学研究院南海水产研究所 | 一种基于地理信息的渔业资源数据分析方法及系统 |
CN115902901A (zh) * | 2022-09-15 | 2023-04-04 | 航天新气象科技有限公司 | 一种气象区域识别方法、装置及计算机设备 |
CN115983627A (zh) * | 2022-12-05 | 2023-04-18 | 中远海运散货运输有限公司 | 船舶航行环境风险预测方法、装置、电子设备和介质 |
CN116245268A (zh) * | 2023-04-12 | 2023-06-09 | 中国水产科学研究院南海水产研究所 | 一种渔业渔船捕捞路线规划方法、系统及介质 |
-
2023
- 2023-06-15 CN CN202310709617.XA patent/CN116429118B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739345A (zh) * | 2020-07-21 | 2020-10-02 | 范文峰 | 一种基于ais的水上智能监控管理方法及系统 |
CN113341407A (zh) * | 2021-06-02 | 2021-09-03 | 中国水产科学研究院南海水产研究所 | 一种基于雷达探测的渔业捕捞追踪系统及方法 |
CN115100512A (zh) * | 2022-05-16 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 |
CN114881336A (zh) * | 2022-05-17 | 2022-08-09 | 广州海事科技有限公司 | 自动标示虚拟航标方法、系统、计算机设备及存储介质 |
CN115359386A (zh) * | 2022-08-03 | 2022-11-18 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的过洋性渔业安全捕捞方法、系统及介质 |
CN115902901A (zh) * | 2022-09-15 | 2023-04-04 | 航天新气象科技有限公司 | 一种气象区域识别方法、装置及计算机设备 |
CN115293658A (zh) * | 2022-10-08 | 2022-11-04 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的渔业资源规划方法及系统 |
CN115375043A (zh) * | 2022-10-24 | 2022-11-22 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔港监管方法及系统 |
CN115456490A (zh) * | 2022-11-14 | 2022-12-09 | 中国水产科学研究院南海水产研究所 | 一种基于地理信息的渔业资源数据分析方法及系统 |
CN115983627A (zh) * | 2022-12-05 | 2023-04-18 | 中远海运散货运输有限公司 | 船舶航行环境风险预测方法、装置、电子设备和介质 |
CN116245268A (zh) * | 2023-04-12 | 2023-06-09 | 中国水产科学研究院南海水产研究所 | 一种渔业渔船捕捞路线规划方法、系统及介质 |
Non-Patent Citations (1)
Title |
---|
考虑船舶偏好的海上风险规避路径规划研究;高天航;吕靖;赖成寿;;运筹与管理(第11期) * |
Also Published As
Publication number | Publication date |
---|---|
CN116429118A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116429118B (zh) | 一种基于物联网的渔船安全生产监管方法及系统 | |
Zhen et al. | Maritime anomaly detection within coastal waters based on vessel trajectory clustering and Naïve Bayes Classifier | |
Fang et al. | Automatic identification system-based approach for assessing the near-miss collision risk dynamics of ships in ports | |
Laxhammar et al. | Anomaly detection in sea traffic-a comparison of the gaussian mixture model and the kernel density estimator | |
Debnath et al. | Modelling collision potentials in port anchorages: application of the navigational traffic conflict technique (NTCT) | |
Zhang et al. | Big data–based estimation for ship safety distance distribution in port waters | |
Chen et al. | Ship trajectory reconstruction from AIS sensory data via data quality control and prediction | |
CN115100512A (zh) | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 | |
CN110069582B (zh) | 船舶抛锚区域确定方法、装置、设备及存储介质 | |
CN115050214B (zh) | 一种基于ais数据的船舶碰撞风险预测方法 | |
CN115359386A (zh) | 一种基于物联网的过洋性渔业安全捕捞方法、系统及介质 | |
CN114490913A (zh) | 一种船舶进港状态的确定方法、确定装置和电子设备 | |
CN116088542B (zh) | 一种基于遥感技术的渔船作业安全预警方法及系统 | |
Solberg et al. | Incorporation of prior knowledge in automatic classification of oil spills in ERS SAR images | |
CN116562467B (zh) | 一种海洋鱼类目标种类识别及分布预测方法及系统 | |
Guze et al. | The area-dynamic approach to the assessment of the risks of ship collision in the restricted water | |
CN116597693A (zh) | 一种内河航运监控系统及方法 | |
CN115187936B (zh) | 一种海上平台防登临监控系统及方法 | |
Jeon et al. | Random Forest Classifier-based Ship Type Prediction with Limited Ship Information of AIS and V-Pass | |
CN110363369B (zh) | 船舶搁置状态判断方法、装置、设备及其存储介质 | |
CN111724620A (zh) | 一种共享停车应急处理方法与系统 | |
CN116502782B (zh) | 基于地理信息系统的渔港船舶进出港动态管理方法及系统 | |
CN117889865B (zh) | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 | |
CN118037474A (zh) | 一种基于声纳探测的渔业资源识别方法及系统 | |
CN117037547B (zh) | 一种航道关键节点的拥堵程度评价方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |