船舶监测方法和系统以及港口运营预测方法和系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及船舶监测方法和系统及港口运营预测方法和系统，基于Faster R‑CNN神经网络算法建立多物体类别识别模型，通过数据集对目标识别算法进行训练并检测，对训练后目标识别算法检验精度进行评估，建立船舶分类识别模型；将遥感影像进行预处理后通过船舶分类识别模型进行船舶的识别；本发明专利技术拥有更符合实际的空间可视化效果，并且数据来源真实可追溯，不受船舶自身设备工作状态和港口统计方式不同的约束，监测结果更加客观；有更好的时效性表现，能够日度实时统计港口的船舶进出港情况，方便对港口季度经营状况进行预测和评估。

【技术实现步骤摘要】
船舶监测方法和系统以及港口运营预测方法和系统
本专利技术涉及图像处理
，具体涉及船舶监测方法和系统以及港口运营预测方法和系统。
技术介绍
在现代船舶信息统计管理中所采取较为广泛的方法是使用船舶自动识别系统(AutomaticIdentificationSystem，简称AIS系统)进行统计管理，船舶自动识别系统(AIS)由岸基(基站)设施和船载设备共同组成，是一种新型的集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。船舶自动识别系统(AIS)由舰船飞机的敌我识别器发展而成，配合全球定位系统(GPS)将船位、船速、改变航向率及航向等船舶动态结合船名、呼号、吃水及危险货物等船舶静态资料由甚高频(VHF)频道向附近水域船舶及岸台广播，使邻近船舶及岸台能及时掌握附近海面所有船舶之动静态资讯，得以立刻互相通话协调，采取必要避让行动，对船舶安全有很大帮助。AIS系统所提供的船舶信息全部由船上搭载的各类传感器与岸基设备交互获得，依赖于船上设备的配备完善和运转正常，所以在某种程度上缺乏数据的客观性和可追溯性。同时基于AIS系统收集的船舶信息缺乏对于港口其他设施(如堆场、交通等信息)及船舶载货属性信息的记录和反馈，使用这些信息对于港口经营进行评估时，以季报模式发布的港口数据，往往在时间上具备滞后性，且容易造成关键信息的遗漏。由于AIS系统数据来源的多样性，且依赖于传感器，不同港口、船舶设备配备的不同导致所获取的数据质量存在一定差异，且数据质量不易衡量。
技术实现思路
为了解决现有技术中的上述问题，即为了解决AIS船舶自动识别方法所提供数据在港口经营评估中数据滞后、数据质量不易衡量等缺陷船舶监测方法和系统和港口运营预测方法和系统。本专利技术一方面提供一种船舶监测方法，包括：获取监测区域的遥感影像，选取样本形成数据集；基于FasterR-CNN神经网络算法建立多物体类别识别模型，通过数据集对目标识别算法进行训练并检测，对训练后目标识别算法检验精度进行评估，从而建立船舶分类识别模型；将遥感影像进行预处理后通过船舶分类识别模型进行船舶的识别。进一步优选的，所述“获取监测区域的遥感影像”的方法包括：将原始遥感影像分区域、时间进行打包存储；通过影像处理软件通过收集到的地面控制点信息，对遥感影像进行几何畸变纠正；将原始遥感影像进行多波段融合，将全色影像和多光谱影像进行影像融合后进行裁切拼接和匀光匀色等影像增强操作。进一步优选的，所述“数据集”包括训练集和测试集，通过所述训练集对目标算法进行训练，通过所述测试集对目标算法进行检测；所述数据集依次包括影像截取和数据标注：所述影像截取包括：使用图像处理软件，通过框选船舶目标区域截取船舶影像后对所得的图像进行存储；所述数据标注包括：影像截取完毕之后，将影像数据集通过数据标注软件进行标注，并生成同名的结构化文件。进一步优选的，所述生成船舶分类识别模型的方法包括：通过架构环境管理器，并激活虚拟环境，设置相应的环境变量，将已经完成标注的数据集以分批将影像截取的图像和对应的结构化文件存入到训练集和测试集中，使用文件负责模型的训练；执行命令生成训练集和测试集中存放的图片数据表以及训练记录文件，通过FasterR-CNN神经网络以及执行训练的脚本文件，对已标注后的数据进行训练后获得船舶分类识别模型。进一步优选的，所述获得船舶分类识别模型后，将船舶分类识别模型的文件导出，在环境管理器中执行脚本文件，对遥感影像进行识别，并统计出遥感影像中识别出的船舶数量。本专利技术第二方面提供一种船舶监测系统，其特征在于，包括：存储模块，用于存储监测区域的遥感影像；识别模块，基于FasterR-CNN神经网络算法建立多物体类别识别模型，通过存储模块的遥感影像对目标识别算法进行训练并检测，对训练后目标识别算法检验精度进行评估后用于识别存储模块中遥感影像，并且自动提取遥感影像中的船只，并对船只的位置、类型等信息进行记录。本专利技术第三方面提供一种港口运营预测方法，其特征在于，通过上述的一种船舶监测方法获取港口每个月每天的港口区域的船舶数量，依次按照图片的置信度对图像进行分类；分别对各个类别的影像进行经验赋权，最后通过加权公式求出港口当月的船舶加权平均数，做出船舶每月数量趋势分析；根据船舶统计数据以及港口的经营数据，做出港口运营预测。进一步优选的，所述“运营预测”包括：将港口每月所得的船舶加权平均数以及港口公布的营业数据，依次存放到数据库当中，通过前端将数据库中所存储的数据进行可视化；通过对港口区域月平均船舶数据统计与港口的经营数据情况的相关性分析得到预测模型，估算港口下个月的经营情况走势。进一步优选的，所述“预测模型”预测方法包括：获取港口月平均在港船舶数港口月度货物吞吐量及季度财务报告；进行船舶数量、相关经营、财务指标的关联性分析；统计船舶指标信息分别和港口各类财务数据，进行拟合分析，获得关联性公式；获取到部分港口指标信息；预测及评估港口的经营。本专利技术第四方面提供一种港口运营预测系统，其特征在于，包括：存储模块，用于存储获取的港口区域的遥感影像；识别模块，识别模块，基于FasterR-CNN神经网络算法建立多物体类别识别模型，通过存储模块的遥感影像对目标识别算法进行训练并检测，对训练后目标识别算法检验精度进行评估后用于识别存储模块中遥感影像，并且自动提取遥感影像中的船只，并对船只的位置、类型等信息进行记录；预测模块，根据识别模块的船舶统计数据以及港口的经营数据，做出港口运营预测。本专利技术的有益效果在于：基于遥感影像和FasterR-CNN神经网络算法的船舶监测方法和系统和港口运营预测方法和系统同传统的AIS系统相比而言拥有更符合实际的空间可视化效果，并且数据来源真实可追溯，不受船舶自身设备工作状态和港口统计方式不同的约束，监测结果更加客观；在大范围运用的情况下可以节省一部分的船载设备投资成本；并且基于遥感影像的港口经营状况评估同现在已有的方法比较，有更好的时效性表现，能够日度实时统计港口的船舶进出港情况，在港口季报生成之前，对港口季度经营状况进行预测和评估。附图说明图1为本专利技术实施例的船舶监测方法流程图；图2为FasterR-CNN算法目标检测流程图；图3为处理后港口区域的遥感影像示例图；图4为训练样本和检测样本示例图。具体实施方式下面参照附图来描述本专利技术的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。本专利技术实施例一提供一种船舶监测方法，如图1，所述方法包括：S1、获取监测区域的遥感影像，选取样本形成数据集；S2、基于FasterR-CNN神经网络算法建立多物体类别识别模型，通过数据集对目标识别算法进行训练并检测，对训练后目标识别算法检验精度进行评估，从而建立船舶分类识别模型；S3、将遥感影像进行预处理后通过船舶分类识别模型进行船舶的识别。所述“获取监测区域的遥感影像”的方法包括：将原始遥感影像分区域、时间进行打包存储；通过影像处理软件通过收集到的地面控制点信息，对遥感影像进行几何畸变纠正；将原始遥感影像进行多波段融合，将全色影像和多光谱影像进行影像融合后进行裁切拼接和匀光匀色等影像增强操作。所述“数据集”包括训练集和测试集，本文档来自技高网...

【技术保护点】
1.一种船舶监测方法，其特征在于，包括：获取监测区域的遥感影像，选取样本形成数据集；基于Faster R‑CNN神经网络算法建立多物体类别识别模型，通过数据集对目标识别算法进行训练并检测，对训练后目标识别算法检验精度进行评估，从而建立船舶分类识别模型；将遥感影像进行预处理后通过船舶分类识别模型进行船舶的识别。

【技术特征摘要】
1.一种船舶监测方法，其特征在于，包括：获取监测区域的遥感影像，选取样本形成数据集；基于FasterR-CNN神经网络算法建立多物体类别识别模型，通过数据集对目标识别算法进行训练并检测，对训练后目标识别算法检验精度进行评估，从而建立船舶分类识别模型；将遥感影像进行预处理后通过船舶分类识别模型进行船舶的识别。2.根据权利要求1所述的船舶监测方法，其特征在于，所述“获取监测区域的遥感影像”的方法包括：将原始遥感影像分区域、时间进行打包存储；通过影像处理软件通过收集到的地面控制点信息，对遥感影像进行几何畸变纠正；将原始遥感影像进行多波段融合，将全色影像和多光谱影像进行影像融合后进行裁切拼接和匀光匀色等影像增强操作。3.根据权利要求1所述的船舶监测方法，其特征在于，所述“数据集”包括训练集和测试集，通过所述训练集对目标算法进行训练，通过所述测试集对目标算法进行检测；所述数据集依次包括影像截取和数据标注：所述影像截取包括：使用图像处理软件，通过框选船舶目标区域截取船舶影像后对所得的图像进行存储；所述数据标注包括：影像截取完毕之后，将影像数据集通过数据标注软件进行标注，并生成同名的结构化文件。4.根据权利要求3所述的船舶监测方法，其特征在于，所述生成船舶分类识别模型的方法包括：通过架构环境管理器，并激活虚拟环境，设置相应的环境变量，将已经完成标注的数据集以分批将影像截取的图像和对应的结构化文件存入到训练集和测试集中，使用文件负责模型的训练；执行命令生成训练集和测试集中存放的图片数据表以及训练记录文件，通过FasterR-CNN神经网络以及执行训练的脚本文件，对已标注后的数据进行训练后获得船舶分类识别模型。5.根据权利要求4所述的船舶监测方法，其特征在于，所述获得船舶分类识别模型后，将船舶分类识别模型的文件导出，在环境管理器中执行脚本文件，对遥感影像进行识别，并统计出遥感影像中识别出的船舶数量。6.一种船舶监测系统，其特征在于，包括：存储模...

【专利技术属性】
技术研发人员：项波，李鹏展，汪大宇，李锋，陈洋，张强，王晋渊，王鸿，
申请(专利权)人：北京天合睿创科技有限公司，
类型：发明
国别省市：北京,11