摘要
作为一个航海大国,我国的海上航运安全至关重要.特别是在能见度低的雾天,传统的船舶监测方法往往难以发挥应有的效果,使得船舶的视觉检测面临极大的挑战.针对这一问题,本研究开发了一种新型的基于深度学习的雾天船舶检测模型,旨在极大提升雾天条件下的船舶识别准确率.本文通过深入分析雾天条件下图像的特有属性,设计了一种创新方法.该方法利用多个可微分滤波器对雾天图像进行预处理,结合多尺度特征提取模块和先进的YOLO检测框架,显著增强了模型在复杂气象条件下的船舶识别能力.通过一系列严格的实验验证,该模型在低能见度的雾天环境中展现了卓越的检测性能.此研究成果不仅为船舶导航提供了重要的技术支撑,也为智能海洋监控系统的进一步发展和优化提供了强有力的工具.
NETL
NSTL
万方数据