摘要
根据国际海事组织发布的数据显示，由于船员疲劳、决策失误等人为原因导致的海上船舶事故比例在所有海上事故中排名第一，约占 60%；由于恶劣天气导致的海上船舶事故比例在所有海上事故中排名第二，约占 15%。如何为海上航行船舶提供更及时的航道天气信息以及环境感知能力，将可以更好的辅助海上船舶航行，减少海上事故的发生。但是，现有 AIS和 VDES只能给各个船舶提供彼此之间的环境信息，并不能为船舶提供整个航道的环境数据以及环境感知能力。所以，本文设计并实现了一种可以为海上船舶提供航道环境信息及环境感知能力的信息采集及目标检测系统。 首先，本文研究了包含环境信息采集子节点、视频信息采集子节点以及智能航标边缘计算主节点的整体设计方案，并依据此方案设计搭建了硬件实验平台。 其次，为了保证多个环境信息采集子节点采集的数据可以高效、可靠的发送给智能航标边缘计算主节点并考虑了海上可收集的环境信息的种类以及环境信息子节点与智能航标边缘计算主节点间的任务传输需求，本文设计并实现了一种环境信息收集帧结构用来收集多个环境信息采集子节点的数据。 然后，为了提高船舶环境感知的能力，本文提出了一种基于关键点信息检测的深度神经网络模型 TinyHourglass（TH）。基于 TH深度神经网络模型，提出了改进的目标检测算法 YOLOv5Lite-TH。实验结果表明，本文提出的改进算法在准确率和均值平均精度上有提高。 最后，为了保证各部分系统兼容并高效、可靠的运行，使用 Linux 操作系统作为智能航标边缘计算主节点的系统。对于环境信息收集的功能，本文使用LoRa模块和环境信息采集协议进行开发。对于目标检测的功能，为了尽可能实时、高效的检测目标物体，本文基于UDP协议设计并实现了基于UDP的目标检测服务器。 通过实验验证，该系统可以收集来自多个环境信息采集子节点采集到的环境信息，并可以检测出来自视频信息采集子节点采集的视频信息中的目标船舶。所以，该系统可以辅助 AIS 或 VDES，为海上航行船舶提供航道的天气、水文信息和环境感知能力。
NETL