CN117889865B - 一种基于机器视觉的船舶航行路线优化方法、系统及介质 - Google Patents

Abstract

本发明涉及船舶航行领域，公开了一种基于机器视觉的船舶航行路线优化方法、系统及介质，包括以下步骤：对目标船舶的所有船舶航线进行可行性分析，得到船舶初步航线；对船舶航线上各水域的天气情况进行分析，基于分析结果得到不可航行水域和可航行水域；结合不可航行水域和可航行水域，对船舶初步航线进行航线更新，得到船舶动态优化航线，最后对目标船舶周边安全距离内出现的其他船舶进行分类处理和防范处理。本发明能够通过对目标船舶的航线和船舶的周边安全进行详细分析，保护了目标船舶上的资源不受侵害，同时保证目标船舶上的人身安全，使目标船舶能安全到达目的地。

Description

一种基于机器视觉的船舶航行路线优化方法、系统及介质

技术领域

本发明涉及船舶航行领域，特别是一种基于机器视觉的船舶航行路线优化方法、系统及介质。

背景技术

船舶在航行过程中可能会面临多种问题，这些问题涉及到航行安全、船舶性能、环境因素等多个方面。比如遇到强风大浪，可能影响船舶的稳定性，增加搁浅或侧翻的风险，同时降低船舶的可见度，增加导航的困难程度。再者，比如在航道繁忙的情况下，若船舶周边出现其他船舶，则会有碰撞风险或者其他风险生成，对船舶上的资源和人物造成严重损害。上述问题还有其他船舶航行的问题严重影响船舶的正常航行，严重会造成巨额经济损失和人力损失，所以需要实施有效的安全管理措施、定期维护和检查船舶的各种工作参数，并密切关注天气情况和周边情况等，防止船舶在航行过程中出现问题，故提出一种基于机器视觉的船舶航行路线优化方法及系统。

发明内容

本发明克服了现有技术的不足，提供了一种基于机器视觉的船舶航行路线优化方法及系统。

为达到上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种基于机器视觉的船舶航行路线优化方法，包括以下步骤：

获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线；

在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域；

在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线；

获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理。

进一步的，本发明的一个较佳实施例中，所述获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线，具体为：

获取目标船舶的起始位置和终点位置，并在大数据网络中获取目标船舶的规格数据，将所述目标船舶的起始位置和终点位置以及目标船舶的规格数据导入历史数据库进行船舶航线检索，得到所有船舶航线；

在大数据网络中获取所有船舶航线的平均航行时间，同时获取目标船舶的目标航行时间，并将平均航行时间大于目标航行时间的船舶航线筛除，得到平均航行时间不大于目标航行时间的船舶航线，定义为一类船舶航线；

基于一类船舶航线，获取一类船舶航线经过的所有水域，并基于大数据网络判断一类船舶航线经过的所有水域是否存在目标船舶限行水域，若是，则获取目标船舶限行水域的限行时间段；

结合一类船舶航线的平均航行时间，分析在不同一类船舶航线下，目标船舶是否在目标船舶限行水域的限行时间段内航行在目标船舶限行水域，若是，则将对应的一类船舶航线筛除，并将剩余的一类船舶航线定义为二类船舶航线；

对二类船舶航线进行航线长度分析，并将航线长度最短的二类船舶航线定义为船舶初步航线。

进一步的，本发明的一个较佳实施例中，所述在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域，具体为：

控制目标船舶基于船舶初步航线航行，并在目标船舶航行期间实时获取所有船舶航线上各水域的天气情况集；

基于网络气象平台，获取船舶航行会遇到的所有天气情况，并将船舶航行会遇到的所有天气情况进行随机组合，得到船舶航行天气情况集；

预设目标船舶的最大摇晃程度和目标船舶的航行标准能见度，并实时获取目标船舶的摇晃程度和目标船舶的航行能见度，当目标船舶的摇晃程度大于最大摇晃程度，或目标船舶航行能见度小于航行标准能见度，则将目标船舶的航行状态标定为危险航行状态；

基于历史数据检索，获取在不同船舶航行天气情况集下，目标船舶航行出现危险航行状态的概率，并将目标船舶航行出现危险航行状态的概率大于预设值的对应的船舶航行天气情况集定义为不可航行天气情况集；

计算船舶航线上各水域的天气情况集与不可航行天气情况集的相似度，将天气情况集与不可航行天气情况集的相似度大于预设值的船舶航线上的水域定义为不可航行水域，并将天气情况集与不可航行天气情况集的相似度小于预设值的船舶航线上的水域定义为可航行水域。

进一步的，本发明的一个较佳实施例中，所述在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线，具体为：

在目标船舶航行过程中，实时监测船舶初步航线是否途径不可航行水域，若否，则控制目标船舶一直基于船舶初步航线航行；

若是，则实时监测其他船舶航线是否途径不可航行水域，若存在船舶航线不途径不可航行水域，则将不途径不可航行水域的船舶航线定义为可航行船舶航线，并结合可航行船舶航线的平均航行时间、航线长度和目标船舶限行水域的限行时间段进行综合分析排序，得到船舶第一优化航线；

若所有船舶航线均途径不可航行水域，则预测船舶初步航线上所有不可航行水域转变成可航行水域的时间，定义为一类时间，并预测其他船舶航线上所有不可航行水域转变成可航行水域的时间，定义为二类时间；

若一类时间小于二类时间，则控制目标船舶一直基于船舶初步航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶初步航线航行；

若一类时间大于二类时间，则将其他船舶航线的平均航行时间、航线长度、目标船舶限行水域的限行时间段以及二类时间导入卷积神经网络中进行预测，得到船舶第二优化航线，控制目标船舶一直基于船舶第二优化航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶第二优化航线航行；

结合所述船舶第一优化航线、船舶第二优化航线和船舶初步航线，得到船舶动态优化航线，将所述船舶动态优化航线导入目标船舶中，使目标船舶基于船舶动态优化航线航行。

进一步的，本发明的一个较佳实施例中，所述获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理，具体为：

基于目标船舶的规格数据，获取目标船舶周边安全距离；

在目标船舶航行过程中，实时监测目标船舶周边安全距离内是否存在其他船舶，若是，通过目标船舶上的摄像头，实时获取在目标船舶周边安全距离内出现的其他船舶图像；

对所述在目标船舶周边安全距离内出现的其他船舶图像进行图像灰度化处理和图像特征向量提取处理，得到在目标船舶周边安全距离内出现的其他船舶图像的所有图像特征向量，定义为其他船舶特征向量；

若目标船舶内含有辅助船舶，则获取所有辅助船舶特征向量，引入余弦度量算法计算所有其他船舶特征向量与所有辅助船舶特征向量之间的余弦值，并预设标准余弦阈值，若其他船舶特征向量与所有辅助船舶特征向量之间的余弦值不在标准余弦阈值范围内，则将对应的其他船舶特征向量定义为离群向量；

判断离群向量在所有其他船舶特征向量中的占比，若离群向量在所有其他船舶特征向量中的占比小于预设值，则对应的其他船舶为辅助船舶，若离群向量在所有其他船舶特征向量中的占比大于预设值，则对应的其他船舶为外来船舶；

对于辅助船舶，获取辅助船舶的最大航行范围，在目标船舶上实时监控辅助船舶的航行范围，若辅助船舶的航行范围大于最大航行范围，则目标船舶向辅助船舶发送第一警报信号，提醒辅助船舶航行在最大航行范围内；

对外来船舶进行分类处理，得到外来船舶分类结果，并基于所述外来船舶分类结果对外来船舶进行防范处理。

进一步的，本发明的一个较佳实施例中，所述对外来船舶进行分类处理，得到外来船舶分类结果，并基于所述外来船舶分类结果对外来船舶进行防范处理，具体为:

所述外来船舶包括公务船舶和非公务船舶，基于其他船舶特征向量，获取外来船舶的特征向量，并在大数据网络中检索获取所有公务船舶的特征向量；

引入余弦度量算法，计算外来船舶的特征向量与所有公务船舶的特征向量之间的余弦值，并基于外来船舶的特征向量与所有公务船舶的特征向量之间的余弦值获取外来船舶与所有公务船舶之间的相似度；

预设标准相似度，若所有的外来船舶与任意公务船舶之间的相似度大于标准相似度，则将目标船舶的航行状态标定为第一航行状态，若存在外来船舶与任意公务船舶之间的相似度小于标准相似度，则将目标船舶的航行状态标定为第二航行状态，并将与任意公务船舶之间的相似度小于标准相似度的外来船舶定义为外来非公务船舶；

当目标船舶的航行状态为第一航行状态，则控制目标船舶继续基于船舶动态优化航线航行；

当目标船舶的航行状态为第二航行状态，则通过目标船舶向外来非公务船舶发送第二警报信号，提醒外来非公务船舶驶出目标船舶周边安全距离；

预设外来非公务船舶最大驶出时间，若外来非公务船舶在接收第二警报信号后，且在外来非公务船舶最大驶出时间内未驶出目标船舶周边安全距离，则控制目标船舶进行报警处理。

本发明第二方面还提供了一种基于机器视觉的船舶航行路线优化系统，所述船舶航行路线优化系统包括存储器与处理器，所述存储器中储存有船舶航行路线优化方法，所述船舶航行路线优化方法被所述处理器执行时，实现如下步骤：

获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线；

在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域；

在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线；

获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理。

本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：对目标船舶的所有船舶航线进行可行性分析，得到船舶初步航线；对船舶航线上各水域的天气情况进行分析，基于分析结果得到不可航行水域和可航行水域；结合不可航行水域和可航行水域，对船舶初步航线进行航线更新，得到船舶动态优化航线，最后对目标船舶周边安全距离内出现的其他船舶进行分类处理和防范处理。本发明能够通过对目标船舶的航线和船舶的周边安全进行详细分析，保护了目标船舶上的资源不受侵害，同时保证目标船舶上的人身安全，使目标船舶能安全到达目的地。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据这些附图获得其他实施例的附图。

图1示出了一种基于机器视觉的船舶航行路线优化方法的流程图；

图2示出了对目标船舶周边安全距离内出现的其他船舶进行分类和防范处理的方法流程图；

图3示出了一种基于机器视觉的船舶航行路线优化系统的程序视图。

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示出了一种基于机器视觉的船舶航行路线优化方法的流程图，包括以下步骤：

S102：获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线；

S104：在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域；

S106：在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线；

S108：获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理。

进一步的，本发明的一个较佳实施例中，所述获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线，具体为：

获取目标船舶的起始位置和终点位置，并在大数据网络中获取目标船舶的规格数据，将所述目标船舶的起始位置和终点位置以及目标船舶的规格数据导入历史数据库进行船舶航线检索，得到所有船舶航线；

在大数据网络中获取所有船舶航线的平均航行时间，同时获取目标船舶的目标航行时间，并将平均航行时间大于目标航行时间的船舶航线筛除，得到平均航行时间不大于目标航行时间的船舶航线，定义为一类船舶航线；

基于一类船舶航线，获取一类船舶航线经过的所有水域，并基于大数据网络判断一类船舶航线经过的所有水域是否存在目标船舶限行水域，若是，则获取目标船舶限行水域的限行时间段；

结合一类船舶航线的平均航行时间，分析在不同一类船舶航线下，目标船舶是否在目标船舶限行水域的限行时间段内航行在目标船舶限行水域，若是，则将对应的一类船舶航线筛除，并将剩余的一类船舶航线定义为二类船舶航线；

对二类船舶航线进行航线长度分析，并将航线长度最短的二类船舶航线定义为船舶初步航线。

需要说明的是，船舶在航行过程中通常沿着提前规划好的航线航行，而起点和终点之间的通常存在多条航线，需要对航线进行筛选，选取最佳的航线。船舶在航行过程中通常有一个目标时间，需要在目标时间内到达目的地，所以平均航行时间大于目标航行时间的船舶航线要筛除。部分水域在部分时间段可能限行，比如船舶吞吐量若过大，则可能只允许深夜船舶数量较少的情况下才能通过，所以存在目标船舶限行水域以及限行时间段。如果目标船舶出发后，经过限行水域的时间段为限行时间段，则对应的船舶航线筛除，需要获取航行在限行水域内的时间段不为限行时间段的船舶航线，即二类船舶航线。最后对二类船舶航线进行长度分析，选取长度最短的航线，定义为船舶初步航线。本发明能够通过对船舶航线的平均航行时间、长度以及目标船舶限行水域的限行时间段进行分析筛选，得到船舶初步航线。

进一步的，本发明的一个较佳实施例中，所述在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域，具体为：

控制目标船舶基于船舶初步航线航行，并在目标船舶航行期间实时获取所有船舶航线上各水域的天气情况集；

基于网络气象平台，获取船舶航行会遇到的所有天气情况，并将船舶航行会遇到的所有天气情况进行随机组合，得到船舶航行天气情况集；

预设目标船舶的最大摇晃程度和目标船舶的航行标准能见度，并实时获取目标船舶的摇晃程度和目标船舶的航行能见度，当目标船舶的摇晃程度大于最大摇晃程度，或目标船舶航行能见度小于航行标准能见度，则将目标船舶的航行状态标定为危险航行状态；

基于历史数据检索，获取在不同船舶航行天气情况集下，目标船舶航行出现危险航行状态的概率，并将目标船舶航行出现危险航行状态的概率大于预设值的对应的船舶航行天气情况集定义为不可航行天气情况集；

计算船舶航线上各水域的天气情况集与不可航行天气情况集的相似度，将天气情况集与不可航行天气情况集的相似度大于预设值的船舶航线上的水域定义为不可航行水域，并将天气情况集与不可航行天气情况集的相似度小于预设值的船舶航线上的水域定义为可航行水域。

需要说明的是，恶劣的天气情况会对船舶的航行状态造成很大的影响，甚至造成人身安全和财产安全的危害。恶劣的天气情况包括海浪过大、风力过大或者海上起雾等，使船舶处于严重摇晃状态和能见度降低状态，若摇晃程度大于最大摇晃程度，或航行能见度小于航行标准能见度，则证明当前的天气情况恶劣，并将各种恶劣的天气情况的集合定义为不可航行天气情况集，当水域的天气情况集与不可航行天气情况集相似度较高时，出于安全起见，将水域定义为不可航行水域，禁止目标船舶驶入不可航行水域。反之水域的天气情况集与不可航行天气情况集相似度较低，在对应水域中航行的安全系数较高，则将水域定义为可航行水域，允许目标船舶驶入可航行水域。本发明能够通过对各水域的天气情况进行分析，得到不可航行水域和可航行水域。

进一步的，本发明的一个较佳实施例中，所述在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线，具体为：

在目标船舶航行过程中，实时监测船舶初步航线是否途径不可航行水域，若否，则控制目标船舶一直基于船舶初步航线航行；

若是，则实时监测其他船舶航线是否途径不可航行水域，若存在船舶航线不途径不可航行水域，则将不途径不可航行水域的船舶航线定义为可航行船舶航线，并结合可航行船舶航线的平均航行时间、航线长度和目标船舶限行水域的限行时间段进行综合分析排序，得到船舶第一优化航线；

若所有船舶航线均途径不可航行水域，则预测船舶初步航线上所有不可航行水域转变成可航行水域的时间，定义为一类时间，并预测其他船舶航线上所有不可航行水域转变成可航行水域的时间，定义为二类时间；

若一类时间小于二类时间，则控制目标船舶一直基于船舶初步航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶初步航线航行；

若一类时间大于二类时间，则将其他船舶航线的平均航行时间、航线长度、目标船舶限行水域的限行时间段以及二类时间导入卷积神经网络中进行预测，得到船舶第二优化航线，控制目标船舶一直基于船舶第二优化航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶第二优化航线航行；

结合所述船舶第一优化航线、船舶第二优化航线和船舶初步航线，得到船舶动态优化航线，将所述船舶动态优化航线导入目标船舶中，使目标船舶基于船舶动态优化航线航行。

需要说明的是，船舶初步航线并未考虑是否经过不可航行水域，需要结合不可航行水域对船舶初步航线进行实时更新优化，确保航行过程中的安全。若目标船舶沿着船舶初步航线航行不经过不可航行水域，则直接按照船舶初步航线继续航行。若经过，则获取不经过不可航行水域的航线，并结合可航行船舶航线的平均航行时间、航线长度和目标船舶限行水域的限行时间段进行综合分析排序，得到船舶第一优化航线。如果所有航线都经过不可航行水域，则获取一类时间和二类时间。如果一类时间大于二类时间，证明在原有的船舶初步航线上行驶的时间更短，所以目标船舶继续沿船舶初步航线航行，并在途径不可航行水域之前停止，等待不可航行水域变成可航行水域后继续航行，即等待不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值。如果二类时间大于一类时间，则存在其他船舶航线的行驶时间小于船舶初步航线，并通过卷积神经网络对其他船舶航线的平均航行时间、航线长度、目标船舶限行水域的限行时间段以及二类时间进行分析，得到船舶第二优化航线。目标船舶行驶过程中的天气变化是实时的，所以将船舶初步航线、船舶第一优化航线和船舶第二优化航线结合生成船舶动态优化航线，使目标船舶在航行过程中根据天气变化，实时改变航线。

图2示出了对目标船舶周边安全距离内出现的其他船舶进行分类和防范处理的方法流程图，包括以下步骤：

S202：基于余弦度量算法对目标船舶周边安全距离内出现的其他船舶与辅助船舶进行相似度分析，根据相似度分析结果对其他船舶进行分类处理，并对辅助船舶进行航行监控；

S204：基于余弦度量算法对外来船舶进行分类处理，生成第一航行状态和第二航行状态；

S206：分别对处于第一航行状态和第二航行状态的目标船舶进行防范处理。

进一步的，本发明的一个较佳实施例中，所述基于余弦度量算法对目标船舶周边安全距离内出现的其他船舶与辅助船舶进行相似度分析，根据相似度分析结果对其他船舶进行分类处理，并对辅助船舶进行航行监控，具体为：

基于目标船舶的规格数据，获取目标船舶周边安全距离；

在目标船舶航行过程中，实时监测目标船舶周边安全距离内是否存在其他船舶，若是，通过目标船舶上的摄像头，实时获取在目标船舶周边安全距离内出现的其他船舶图像；

对所述在目标船舶周边安全距离内出现的其他船舶图像进行图像灰度化处理和图像特征向量提取处理，得到在目标船舶周边安全距离内出现的其他船舶图像的所有图像特征向量，定义为其他船舶特征向量；

若目标船舶内含有辅助船舶，则获取所有辅助船舶特征向量，引入余弦度量算法计算所有其他船舶特征向量与所有辅助船舶特征向量之间的余弦值，并预设标准余弦阈值，若其他船舶特征向量与所有辅助船舶特征向量之间的余弦值不在标准余弦阈值范围内，则将对应的其他船舶特征向量定义为离群向量；

判断离群向量在所有其他船舶特征向量中的占比，若离群向量在所有其他船舶特征向量中的占比小于预设值，则对应的其他船舶为辅助船舶，若离群向量在所有其他船舶特征向量中的占比大于预设值，则对应的其他船舶为外来船舶；

对于辅助船舶，获取辅助船舶的最大航行范围，在目标船舶上实时监控辅助船舶的航行范围，若辅助船舶的航行范围大于最大航行范围，则目标船舶向辅助船舶发送第一警报信号，提醒辅助船舶航行在最大航行范围内。

需要说明的是，目标船舶周边安全距离的设立时防止在目标船舶在该距离内若存在其他船舶，其他船舶可能会对目标船舶造成危害。而如果目标船舶周边安全距离内没有其他船舶，则目标船舶的安全性会大大提高。在不清楚其他船舶来意的情况下，需要对其他船舶进行防范，防止船舶上的人身安全和财产安全造成损害。其他船舶有可能是目标船舶的辅助船舶，比如巡逻艇、通信艇、救生艇等。通过余弦度量算法可以计算其他船舶与辅助船舶的相似度，先通过图像分析获取其他船舶的特征向量，再计算辅助船舶的特征向量和其他船舶的特征向量之间的余弦值。在一个其他船舶上包含多个特征向量，若余弦值不在余弦阈值范围内，证明某个特征向量与辅助船舶的特征向量相似度较低，则将对应的特征向量定义为离群向量。若离群向量在一个其他船舶的所有特征向量中占比过高，证明对应的其他船舶不为辅助船舶；反之离群向量在一个其他船舶的所有特征向量中占比较低，证明对应的其他船舶是辅助船舶。对于辅助船舶，需要监控辅助船舶的位置，当辅助船舶航行在最大航行范围之外，则可能会出现意外情况，所以需要对辅助船舶进行航行监控。本发明能够通过余弦度量算法对判断其他船舶是否为辅助船舶，并对辅助船舶进行航行监控。

进一步的，本发明的一个较佳实施例中，所述基于余弦度量算法对外来船舶进行分类处理，生成第一航行状态和第二航行状态，具体为:

所述外来船舶包括公务船舶和非公务船舶，基于其他船舶特征向量，获取外来船舶的特征向量，并在大数据网络中检索获取所有公务船舶的特征向量；

引入余弦度量算法，计算外来船舶的特征向量与所有公务船舶的特征向量之间的余弦值，并基于外来船舶的特征向量与所有公务船舶的特征向量之间的余弦值获取外来船舶与所有公务船舶之间的相似度；

预设标准相似度，若所有的外来船舶与任意公务船舶之间的相似度大于标准相似度，则将目标船舶的航行状态标定为第一航行状态，若存在外来船舶与任意公务船舶之间的相似度小于标准相似度，则将目标船舶的航行状态标定为第二航行状态，并将与任意公务船舶之间的相似度小于标准相似度的外来船舶定义为外来非公务船舶。

需要说明的是，对于外来船舶，有可能是公务船泊或者非公务船舶，所述公务船泊包括警用巡逻船等船舶，可以直接驶入船舶周边安全距离内，而非公务船舶可能是其他渔船等，未经许可不许驶入船舶周边安全距离内。获取所有公务船泊的特征向量，同样通过余弦度量算法计算外来船舶与公务船泊之间的相似度，若相似度大与标准相似度，则将目标船舶的航行状态标定为第一航行状态；若相似度小于标准相似度，则将目标船舶的航行状态标定为第一航行状态。目标船舶处于第一航行状态和第二航行状态所对应的防范处理方法均不同。本发明能够通过余弦度量法对外来船舶进行分类，同时生成第一航行状态和第二航行状态。

进一步的，本发明的一个较佳实施例中，所述分别对处于第一航行状态和第二航行状态的目标船舶进行防范处理，具体为：

当目标船舶的航行状态为第一航行状态，则控制目标船舶继续基于船舶动态优化航线航行；

当目标船舶的航行状态为第二航行状态，则通过目标船舶向外来非公务船舶发送第二警报信号，提醒外来非公务船舶驶出目标船舶周边安全距离；

预设外来非公务船舶最大驶出时间，若外来非公务船舶在接收第二警报信号后，且在外来非公务船舶最大驶出时间内未驶出目标船舶周边安全距离，则控制目标船舶进行报警处理。

需要说明的是，对于第一航行状态下的目标船舶，由于目标船舶周边安全距离中都为公务船舶，所以不需要进行防范处理，可以继续航行；而对于第二航行状态下的目标船舶，由于目标船舶周边安全距离中存在外来非公务船舶，在不清楚外来非公务船舶的来意前，需要对外来非公务船舶进行警告，让其驶出目标船舶周边安全距离。若在规定时间，即外来非公务船舶最大驶出时间内仍未驶出，则为了目标船舶上的人身安全和财产安全，需要进行报警处理。

此外，所述一种基于机器视觉的船舶航行路线优化方法，还包括以下步骤：

获取目标船舶的控制系统，在目标船舶的控制系统内安装GPS系统，启动GPS系统进行目标船舶坐标定位测试，得到目标船舶第一坐标；

启动目标船舶上的雷达系统，所述雷达系统发射雷达信号，雷达信号在水面上与提前设定好的航标相遇后反射回雷达系统，计算雷达信号的回波时间，基于所述雷达信号的回波时间，得到航标与目标船舶的相对距离和相对方向；

基于大数据网络检索航标的坐标信息，并结合航标的坐标信息，以及航标与目标船舶的相对距离和相对方向机械能分析，得到目标船舶第二坐标；

计算目标船舶第一坐标和目标船舶第二坐标的重合率，若目标船舶第一坐标和目标船舶第二坐标的重合率小于预设值，则将目标船舶第一坐标和目标船舶第二坐标导入卷积神经网络中进行数据融合更新，得到目标船舶修正坐标；

以目标船舶修正坐标为基准值，对GPS系统和雷达系统进行参数更新，得到优化GPS系统和优化雷达系统；

结合所述优化GPS系统和优化雷达系统，生成船舶定位系统。

需要说明的是，目标船舶上的GPS系统和雷达系统均能获取目标船舶的坐标，其中雷达系统通过分析回波时间，测量航标与目标船舶的实时相对距离和实时相对方向，并于航标的坐标结合，得到目标船舶第二坐标。由于信号这比、大气影响等原因，可能导致目标船舶第一坐标和目标船舶第二坐标均不准确，为了准确获取目标船舶的坐标信息，判断目标船舶有无偏移航向，所以对目标船舶第一坐标和目标船舶第二坐标进行数据融合更新，取长补短，使坐标信息更精确，并对GPS系统和雷达系统进行参数更新，最后得到船舶定位系统。

此外，所述一种基于机器视觉的船舶航行路线优化方法，还包括以下步骤：

启动船舶定位系统，并基于船舶定位系统监测目标船舶在航行过程中的实时坐标位置；

基于船舶动态优化航线，获取目标船舶在航行过程中的标准坐标位置，对目标船舶在航行过程中的实时坐标位置和标准坐标位置进行结合分析，得到目标船舶的航行偏移程度；

预设目标船舶的最大偏移程度，若目标船舶的航行偏移程度大于最大偏移程度，则将目标船舶的航行状态标定为偏移航行状态，当目标船舶的航行状态处于偏移航行状态，实时获取目标船舶所在水域的天气情况集；

将目标船舶所在水域的天气情况集导入大数据网络中进行航行偏移修正方案检索，得到一类航行偏移修正方案并输出；

若一类航行偏移修正方案输出后，目标船舶的航行偏移程度仍大于最大偏移程度，则获取目标船舶的舵机的工作温度；

判断舵机的工作温度是否大于预设值，若是，则基于舵机的实时工作参数，在大数据网络中检索舵机的工作温度优化方案并输出，使舵机的工作温度不大于预设值，且目标船舶的航行偏移程度不大于最大偏移程度；

当舵机的工作温度不大于预设值，目标船舶的航行偏移程度仍大于最大偏移程度，则获取舵机的实时工作参数，引入贝叶斯网络分析舵机的实时工作参数，得到舵机的异常部位，并在大数据网络中检索舵机的异常部位修复方案输出，使目标船舶的航行偏移程度不大于最大偏移程度。

需要说明的是，船舶在航行过程中，可能会与预定的航线偏移，导致航行所花费的时间、人力物力成本提高，同时可能会带来危险。通过船舶定位系统可以判断目标船舶是否发生偏移，且判断偏移程度是否大于最大偏移程度。若是，则判断目标船舶为何发生偏移。有可能是天气情况较差，比如逆风的风速过大，导致浪对目标船舶的冲击力度增大，导致目标船舶发生偏移。结合天气情况可以获取一类航行偏移修正方案，所述一类航行偏移修正方案包括修正目标船舶方向等。若一类航行偏移修正方案输出后偏移程度仍较大，则判断是目标船舶的舵机的工作温度较高，导致舵机无法正常工作，输出功率降低，导致转向能力下降，从而导致目标船舶偏移程度较大。舵机是改变船舶航行方向的部位，位于船尾，舵机的方向和角度直接影响船舶转向能力。若舵机工作温度修复后偏移程度仍较大，判断舵机中有零件发生损坏，直接影响舵机工作，通过贝叶斯网络分析舵机的工作参数可以定位舵机的异常部位，并对舵机的异常部位进行修复处理，使目标船舶偏移程度小于最大偏移程度。

如图3所示，本发明第二方面还提供了一种基于机器视觉的船舶航行路线优化系统，所述船舶航行路线优化系统包括存储器31与处理器32，所述存储器31中储存有船舶航行路线优化方法，所述船舶航行路线优化方法被所述处理器32执行时，实现如下步骤：

获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线；

在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域；

在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线；

获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理。

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，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权利要求的保护范围为准。

Claims (6)

1.一种基于机器视觉的船舶航行路线优化方法，其特征在于，包括以下步骤：

获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线；

在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域；

在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线；

获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理；

其中，所述在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线，具体为：

在目标船舶航行过程中，实时监测船舶初步航线是否途径不可航行水域，若否，则控制目标船舶一直基于船舶初步航线航行；

若是，则实时监测其他船舶航线是否途径不可航行水域，若存在船舶航线不途径不可航行水域，则将不途径不可航行水域的船舶航线定义为可航行船舶航线，并结合可航行船舶航线的平均航行时间、航线长度和目标船舶限行水域的限行时间段进行综合分析排序，得到船舶第一优化航线；

若所有船舶航线均途径不可航行水域，则预测船舶初步航线上所有不可航行水域转变成可航行水域的时间，定义为一类时间，并预测其他船舶航线上所有不可航行水域转变成可航行水域的时间，定义为二类时间；

若一类时间小于二类时间，则控制目标船舶一直基于船舶初步航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶初步航线航行；

若一类时间大于二类时间，则将其他船舶航线的平均航行时间、航线长度、目标船舶限行水域的限行时间段以及二类时间导入卷积神经网络中进行预测，得到船舶第二优化航线，控制目标船舶一直基于船舶第二优化航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶第二优化航线航行；

结合所述船舶第一优化航线、船舶第二优化航线和船舶初步航线，得到船舶动态优化航线，将所述船舶动态优化航线导入目标船舶中，使目标船舶基于船舶动态优化航线航行；

其中，所述获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理，具体为：

基于目标船舶的规格数据，获取目标船舶周边安全距离；

在目标船舶航行过程中，实时监测目标船舶周边安全距离内是否存在其他船舶，若是，通过目标船舶上的摄像头，实时获取在目标船舶周边安全距离内出现的其他船舶图像；

对所述在目标船舶周边安全距离内出现的其他船舶图像进行图像灰度化处理和图像特征向量提取处理，得到在目标船舶周边安全距离内出现的其他船舶图像的所有图像特征向量，定义为其他船舶特征向量；

若目标船舶内含有辅助船舶，则获取所有辅助船舶特征向量，引入余弦度量算法计算所有其他船舶特征向量与所有辅助船舶特征向量之间的余弦值，并预设标准余弦阈值，若其他船舶特征向量与所有辅助船舶特征向量之间的余弦值不在标准余弦阈值范围内，则将对应的其他船舶特征向量定义为离群向量；

判断离群向量在所有其他船舶特征向量中的占比，若离群向量在所有其他船舶特征向量中的占比小于预设值，则对应的其他船舶为辅助船舶，若离群向量在所有其他船舶特征向量中的占比大于预设值，则对应的其他船舶为外来船舶；

对于辅助船舶，获取辅助船舶的最大航行范围，在目标船舶上实时监控辅助船舶的航行范围，若辅助船舶的航行范围大于最大航行范围，则目标船舶向辅助船舶发送第一警报信号，提醒辅助船舶航行在最大航行范围内；

对外来船舶进行分类处理，得到外来船舶分类结果，并基于所述外来船舶分类结果对外来船舶进行防范处理。

2.根据权利要求1中所述的一种基于机器视觉的船舶航行路线优化方法，其特征在于，所述获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线，具体为：

获取目标船舶的起始位置和终点位置，并在大数据网络中获取目标船舶的规格数据，将所述目标船舶的起始位置和终点位置以及目标船舶的规格数据导入历史数据库进行船舶航线检索，得到所有船舶航线；

在大数据网络中获取所有船舶航线的平均航行时间，同时获取目标船舶的目标航行时间，并将平均航行时间大于目标航行时间的船舶航线筛除，得到平均航行时间不大于目标航行时间的船舶航线，定义为一类船舶航线；

基于一类船舶航线，获取一类船舶航线经过的所有水域，并基于大数据网络判断一类船舶航线经过的所有水域是否存在目标船舶限行水域，若是，则获取目标船舶限行水域的限行时间段；

结合一类船舶航线的平均航行时间，分析在不同一类船舶航线下，目标船舶是否在目标船舶限行水域的限行时间段内航行在目标船舶限行水域，若是，则将对应的一类船舶航线筛除，并将剩余的一类船舶航线定义为二类船舶航线；

对二类船舶航线进行航线长度分析，并将航线长度最短的二类船舶航线定义为船舶初步航线。

3.根据权利要求1中所述的一种基于机器视觉的船舶航行路线优化方法，其特征在于，所述在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域，具体为：

控制目标船舶基于船舶初步航线航行，并在目标船舶航行期间实时获取所有船舶航线上各水域的天气情况集；

基于网络气象平台，获取船舶航行会遇到的所有天气情况，并将船舶航行会遇到的所有天气情况进行随机组合，得到船舶航行天气情况集；

预设目标船舶的最大摇晃程度和目标船舶的航行标准能见度，并实时获取目标船舶的摇晃程度和目标船舶的航行能见度，当目标船舶的摇晃程度大于最大摇晃程度，或目标船舶航行能见度小于航行标准能见度，则将目标船舶的航行状态标定为危险航行状态；

基于历史数据检索，获取在不同船舶航行天气情况集下，目标船舶航行出现危险航行状态的概率，并将目标船舶航行出现危险航行状态的概率大于预设值的对应的船舶航行天气情况集定义为不可航行天气情况集；

计算船舶航线上各水域的天气情况集与不可航行天气情况集的相似度，将天气情况集与不可航行天气情况集的相似度大于预设值的船舶航线上的水域定义为不可航行水域，并将天气情况集与不可航行天气情况集的相似度小于预设值的船舶航线上的水域定义为可航行水域。

4.根据权利要求1中所述的一种基于机器视觉的船舶航行路线优化方法，其特征在于，所述对外来船舶进行分类处理，得到外来船舶分类结果，并基于所述外来船舶分类结果对外来船舶进行防范处理，具体为:

所述外来船舶包括公务船舶和非公务船舶，基于其他船舶特征向量，获取外来船舶的特征向量，并在大数据网络中检索获取所有公务船舶的特征向量；

引入余弦度量算法，计算外来船舶的特征向量与所有公务船舶的特征向量之间的余弦值，并基于外来船舶的特征向量与所有公务船舶的特征向量之间的余弦值获取外来船舶与所有公务船舶之间的相似度；

预设标准相似度，若所有的外来船舶与任意公务船舶之间的相似度大于标准相似度，则将目标船舶的航行状态标定为第一航行状态，若存在外来船舶与任意公务船舶之间的相似度小于标准相似度，则将目标船舶的航行状态标定为第二航行状态，并将与任意公务船舶之间的相似度小于标准相似度的外来船舶定义为外来非公务船舶；

当目标船舶的航行状态为第一航行状态，则控制目标船舶继续基于船舶动态优化航线航行；

当目标船舶的航行状态为第二航行状态，则通过目标船舶向外来非公务船舶发送第二警报信号，提醒外来非公务船舶驶出目标船舶周边安全距离；

预设外来非公务船舶最大驶出时间，若外来非公务船舶在接收第二警报信号后，且在外来非公务船舶最大驶出时间内未驶出目标船舶周边安全距离，则控制目标船舶进行报警处理。

5.一种基于机器视觉的船舶航行路线优化系统，其特征在于，所述船舶航行路线优化系统包括存储器与处理器，所述存储器中储存有船舶航行路线优化方法，所述船舶航行路线优化方法被所述处理器执行时，实现如下步骤：

获取目标船舶的所有可行航线，并对目标船舶的所有船舶航线进行可行性分析，并根据可行性分析结果得到船舶初步航线；

在目标船舶航行过程中，对船舶航线上各水域的天气情况进行分析，并基于分析结果得到不可航行水域和可航行水域；

在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线；

获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理；

其中，所述在目标船舶航行过程中，结合不可航行水域对船舶初步航线进行实时更新，得到船舶动态优化航线，具体为：

在目标船舶航行过程中，实时监测船舶初步航线是否途径不可航行水域，若否，则控制目标船舶一直基于船舶初步航线航行；

若是，则实时监测其他船舶航线是否途径不可航行水域，若存在船舶航线不途径不可航行水域，则将不途径不可航行水域的船舶航线定义为可航行船舶航线，并结合可航行船舶航线的平均航行时间、航线长度和目标船舶限行水域的限行时间段进行综合分析排序，得到船舶第一优化航线；

若所有船舶航线均途径不可航行水域，则预测船舶初步航线上所有不可航行水域转变成可航行水域的时间，定义为一类时间，并预测其他船舶航线上所有不可航行水域转变成可航行水域的时间，定义为二类时间；

若一类时间小于二类时间，则控制目标船舶一直基于船舶初步航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶初步航线航行；

若一类时间大于二类时间，则将其他船舶航线的平均航行时间、航线长度、目标船舶限行水域的限行时间段以及二类时间导入卷积神经网络中进行预测，得到船舶第二优化航线，控制目标船舶一直基于船舶第二优化航线航行，并在目标船舶航行进入不可航行水域之前停止航行，当不可航行水域中的天气情况集与不可航行天气情况集的相似度小于预设值后，控制目标船舶继续基于船舶第二优化航线航行；

结合所述船舶第一优化航线、船舶第二优化航线和船舶初步航线，得到船舶动态优化航线，将所述船舶动态优化航线导入目标船舶中，使目标船舶基于船舶动态优化航线航行；

其中，所述获取目标船舶周边安全距离，在目标船舶航行过程中对目标船舶周边安全距离内出现的其他船舶进行分类，并基于分类结果对其他船舶进行防范处理，具体为：

基于目标船舶的规格数据，获取目标船舶周边安全距离；

在目标船舶航行过程中，实时监测目标船舶周边安全距离内是否存在其他船舶，若是，通过目标船舶上的摄像头，实时获取在目标船舶周边安全距离内出现的其他船舶图像；

对所述在目标船舶周边安全距离内出现的其他船舶图像进行图像灰度化处理和图像特征向量提取处理，得到在目标船舶周边安全距离内出现的其他船舶图像的所有图像特征向量，定义为其他船舶特征向量；

若目标船舶内含有辅助船舶，则获取所有辅助船舶特征向量，引入余弦度量算法计算所有其他船舶特征向量与所有辅助船舶特征向量之间的余弦值，并预设标准余弦阈值，若其他船舶特征向量与所有辅助船舶特征向量之间的余弦值不在标准余弦阈值范围内，则将对应的其他船舶特征向量定义为离群向量；

判断离群向量在所有其他船舶特征向量中的占比，若离群向量在所有其他船舶特征向量中的占比小于预设值，则对应的其他船舶为辅助船舶，若离群向量在所有其他船舶特征向量中的占比大于预设值，则对应的其他船舶为外来船舶；

对于辅助船舶，获取辅助船舶的最大航行范围，在目标船舶上实时监控辅助船舶的航行范围，若辅助船舶的航行范围大于最大航行范围，则目标船舶向辅助船舶发送第一警报信号，提醒辅助船舶航行在最大航行范围内；

对外来船舶进行分类处理，得到外来船舶分类结果，并基于所述外来船舶分类结果对外来船舶进行防范处理。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含一种基于机器视觉的船舶航行路线优化方法程序，所述一种基于机器视觉的船舶航行路线优化方法程序被处理器执行时，实现权利要求1-4任一项所述的一种基于机器视觉的船舶航行路线优化方法的步骤。