CN110233995A - 一种基于船载与岸基协同处理的拖网渔船智能监视***及处理方法 - Google Patents
一种基于船载与岸基协同处理的拖网渔船智能监视***及处理方法 Download PDFInfo
- Publication number
- CN110233995A CN110233995A CN201910501979.3A CN201910501979A CN110233995A CN 110233995 A CN110233995 A CN 110233995A CN 201910501979 A CN201910501979 A CN 201910501979A CN 110233995 A CN110233995 A CN 110233995A
- Authority
- CN
- China
- Prior art keywords
- boat
- carrying
- information
- intelligent
- trawler
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000003672 processing method Methods 0.000 title description 5
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 238000007418 data mining Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000002283 diesel fuel Substances 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F9/00—Measuring volume flow relative to another variable, e.g. of liquid fuel for an engine
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/08—Protocols for interworking; Protocol conversion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/20—Adaptations for transmission via a GHz frequency band, e.g. via satellite
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Atmospheric Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Electromagnetism (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mechanical Means For Catching Fish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于船载与岸基协同处理的拖网渔船智能监视***及方法,包括岸基智能处理***和船基智能处理***,船载智能信息处理***通过内部网络对船基信息采集***采集的船载信息进行处理,船载智能信息处理***对船载信息进行数据提炼、清洗、分类和缓存处理并获取拖网渔船作业过程中的智能监测结果;船载智慧决策***根据智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。本发明采用船基加岸基协同智能处理的方法并通过深度学习算法实现对船载采集的视频信息的初步处理,对少量存在问题的影像再通过卫星回传,再岸基融合更多信息进行人工加智能的深度处理来进行判别,实现对拖网渔船实时性监视及低带宽传输。
Description
技术领域
本发明涉及海洋渔业技术领域,特别涉及到一种基于船载与岸基协同处理的拖网渔船智能化监视***及处理方法。
背景技术
在渔业监测方面多年以来,渔业科研与管理投入严重滞后于渔业活动的快速发展,渔业资源衰退、生态环境恶化已经使得中国专属经济区的食物供给和生态服务功能大大降低而生态认知能力的不足和渔业监管手段的落后则严重制约了专属经济区的生态修复和双边渔业管理的主动性。可以发挥智能渔船对信息获取的实时性和精准性特点,为渔业监管有效落实和巩固提供可靠的监测技术手段。
我国渔船在现阶段发展中面临渔船型偏小、装备落后、助渔和通导设备配置不足等主要问题,导致捕捞渔船信息获取平台难以实船构建;国产化助渔设备信息电子设备精确度低、稳定性差,寿命短、故障率高,智能化设备的科技研发投入少,高端设备严重依赖进口;导通设备均为简单的叠加,设备间的接口、协议匹配性差,缺少诸如综合桥楼***的集成、模块化设计;渔船信息化管理缺少相应的政策法规和技术人才支持。因此,目前针对上述海洋渔业的拖网渔船智能化监测还未开展,传统渔船采用在驾驶室、甲板、机舱等位置布防摄像机的方案,通过人工监视各摄像机拍摄的视频影像,效率低、有效性差,并且这些数据无法实时传输给岸基***,管理部门无法实时获取相应数据。在一些大型运输船舶上采用宽带卫星进行传输,可以实现数据的实时传输,但带来的问题是占用大量卫星带宽,产生高额资费,拖网渔船很难采用这种方式。
发明内容
本发明的目的在于针对现有技术中的不足,提供一种基于船载与岸基协同处理的拖网渔船智能监视***及处理方法,以解决上述问题。
本发明所解决的技术问题可以采用以下技术方案来实现:
一种基于船载与岸基协同处理的拖网渔船智能监视***,包括岸基智能处理***以及设于拖网渔船上的船基智能处理***,
所述船基智能处理***包括依次相连的船基信息采集***、内部网络、船载智能信息处理***和船载智慧决策***,船基信息采集***包括若干智能感知节点,智能感知节点包括传感器以及与各个传感器相配合的物理接口及协议转换接口,传感器包括GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达,传感器用于采集船载信息并通过与其对应的协议转换接口与内部网络进行信息传输;
所述船载智能信息处理***通过内部网络对船基信息采集***采集的船载信息进行处理,船载智能信息处理***用于对船载信息进行数据提炼、清洗、分类和缓存处理并获取拖网渔船作业过程中的智能监测结果;
船载智慧决策***用于根据船载智能信息处理***的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。
进一步的,所述视频监控包括甲板摄像机、机舱摄像机、驾驶室摄像机和
冷库摄像机。
进一步的,所述船基信息采集***包括GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达。
一种基于船载与岸基协同处理的拖网渔船智能监视***的处理方法:
船基信息采集***通过GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达分别检测拖网渔船的相应信息,并将检测的船舶信息通过内部网络传输至船载智能信息处理***中;
船载智能信息处理***对船基信息采集***采集的船载信息进行数据提炼、清洗、分类和缓存处理,采用深度学习算法对拖网渔船上采集的影像信息进行图像识别,以该识别结果为核心,融合拖网渔船上采集的多源信息进行信息融合,以获取拖网渔船作业过程中的智能监测结果;
船载智慧决策***根据船载智能信息处理***的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换,当拖网渔船远海航行时采用卫星通信,当拖网渔船在近岸场景时采用岸基无线通信或4G宽带;
船基智能处理***对采集的船舶信息进行前期预处理,对船基预处理识别的有问题和有价值的数据通过有选择的通信方式回传到岸基智能处理***进行深度处理和判别。
与现有技术相比,本发明的有益效果如下:
本发明以拖网渔船作为智能渔船***架构设计的实施目标,通过对拖网渔船的***智能化方法研究,积累经验,为其他作业方式渔船提供参考。
本发明采用船基加岸基协同智能处理的方法并通过深度学习算法实现对船载采集的视频信息的初步处理,对少量存在问题的影像再通过卫星回传,再岸基融合更多信息进行人工+智能的深度处理来进行判别,实现对拖网渔船实时性监视及低带宽传输。
附图说明
图1为本发明所述的基于船载与岸基协同处理的拖网渔船智能监视***的示意图。
图2为本发明所述的船基智能处理***的构架图。
图3为本发明所述的船基信息采集***的示意图。
图4为本发明所述的基于深度学习算法的智能信息处理方法的示意图。
图5为本发明所述的船载智慧决策***的示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参见图1~图5,本发明所述的一种基于船载与岸基协同处理的拖网渔船智能监视***,包括岸基智能处理***以及设于拖网渔船上的船基智能处理***,船基智能处理***和岸基智能处理***通过通信设备进行信息传递。
船基智能处理***包括依次相连的船基信息采集***、内部网络、船载智能信息处理***和船载智慧决策***。
船基信息采集***包括若干智能感知节点,智能感知节点包括传感器以及与各个传感器相配合的物理接口及传输协议转换接口,传感器用于采集船载信息并通过与其对应的协议转换接口与内部网络进行信息传输,传感器包括GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达,将不同传感器数据转换成标准如TCP/IP、UDP、CAN等内网总线协议,便于进行数据传输和交换,形成一个完善的信息化获取平台。
船载智能信息处理***通过内部网络对船基信息采集***采集的船载信息进行处理,船载智能信息处理***用于对船载信息进行数据提炼、清洗、分类和缓存等处理并获取拖网渔船作业过程中的智能监测结果。
船载智慧决策***用于根据船载智能信息处理***的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。
视频监控包括甲板摄像机、机舱摄像机、驾驶室摄像机和冷库摄像机。
船基信息采集***通过GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达分别检测拖网渔船的相应信息,并将检测的船舶信息通过内部网络传输至船载智能信息处理***中。
船载智能信息处理***对船基信息采集***采集的船载信息进行数据解析及分类(提炼)、清洗、分类、缓存加工和分析等处理,具体如下:
数据解析及分类:对于以太网传输的物联网回传的数据进行依据数据格式的解析,并进行数据清洗及分类处理;
数据源配置:支持各种形态的数据采集组件,如:数据库、结构化数据、半结构化数据、非结构化数据、FTP分发数据;
数据存储配置:自主配置选择存储格式、方式;
数据浏览:通过全图形化、向导式的操作,快速的完成数据采集和存储管理,进行数据浏览,完成一个数据中心最基本功能的构建;
数据加工及分析:自动跟踪每次数据加工前后的数据变化状况和上下游数据模型的映射管理进行血缘分析、影响分析、孤立数据分析、数据热度分析等能力;
数据探索:计算机学习过程标准化,对数据特征进行多种方式分析,并提供每种方式的具体用法。
采用深度学习算法对拖网渔船上采集的影像信息进行图像识别,以该识别结果为核心,融合拖网渔船上采集的位置、声呐、雷达等多源信息进行信息融合,以获取拖网渔船作业过程中的智能监测结果。
采用深度学习算法对船载采集图像信息进行智能化处理。深度学习模型也越来越多,根据实现功能的不同,学习模型又分为很多种。比如深度卷积神经网络,应用于图像分类,全卷积神经网络,应用于深度学习算法图像分割,不同的网络模型有不同的结构参数。
以典型拖网渔船作业为对象,基于深度学习、卷积神经网络等技术对渔具渔法进行图像识别。分为以下几个步骤:
1)卷积神经网络模型构建
卷积神经网络是一种特殊的神经网络结构,即通过卷积操作可以实现对图像特征的自动学习,选取那些有用的视觉特征以最大化图像分类的准确率。常见网络有AlexNet、VGG-Net、GoogLeNet、Inception V2-V4、ResNet等等。
2)基于差异性的数据标注
根据采集规格、网目尺寸、作业范围、作业水层、允许的最小网目尺寸等基础信息数据,分别对不同型式拖网渔具及渔法的差异性进行标注。
3)降低训练中的过拟合
卷积神经网络由于模型复杂,参数众多,训练时间过长以及过拟合一直是两大主要问题,需要运用降低过拟合的方法进行优化,主要包括dropout方法、数据集扩增方法、Batch Normalization方法。
4)算法部署
将训练过的人工智能算法进行实船部署,实时采集船上数据进行识别。
船载智慧决策***根据船载智能信息处理***的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换,当拖网渔船远海航行时采用卫星通信,当拖网渔船在近岸场景时采用岸基无线通信或4G宽带。
船基智能处理***对采集的船舶信息进行前期预处理,对船基预处理识别的有问题和有价值的数据通过有选择的通信方式回传到岸基智能处理***,岸基融合更多信息进行人工以及智能的深度处理来进行判别。
本***充分考虑现有渔船海上通信的条件及拖网渔船智能***部署条件,提出了基于“船载+陆基”双中心信息处理模式,并通过多元集成的渔船海上信息传输方式实现双中心的联动。
由于海上无线通信信道条件的复杂性,近几十年来海上通信技术的发展远远延迟于陆上通信技术的发展。海洋渔船的无线通信主要依靠海岸中频/高频和甚高频无线网络以及传统的海洋卫星通信,在近岸场景,岸基无线通信也发挥着极大的作用。这就决定了在远海主要依靠卫星通信,大数据量、低时延的通信需求暂时无法得到满足,因此,船载智能处理应当解决绝大部分信息处理的工作。
考虑到拖网渔船上不宜部署大体积、大耗电量、高成本的设备,通过船载智能处理设备对采集信息进行前期处理,获取应用所需要的大部分信息,将小部分高价值、复杂信息的不确定信息传输给岸基信息处理***进行深度处理。同时船载智能信息处理设备也可以通过通信网络获得岸基***的数据支持。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种基于船载与岸基协同处理的拖网渔船智能监视***,其特征在于:包括岸基智能处理***以及设于拖网渔船上的船基智能处理***,
所述船基智能处理***包括依次相连的船基信息采集***、内部网络、船载智能信息处理***和船载智慧决策***,船基信息采集***包括若干智能感知节点,智能感知节点包括传感器以及与各个传感器相配合的物理接口及协议转换接口,传感器包括GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达,传感器用于采集船载信息并通过与其对应的协议转换接口与内部网络进行信息传输;
所述船载智能信息处理***通过内部网络对船基信息采集***采集的船载信息进行处理,船载智能信息处理***用于对船载信息进行数据提炼、清洗、分类和缓存处理并获取拖网渔船作业过程中的智能监测结果;
船载智慧决策***用于根据船载智能信息处理***的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换。
2.根据权利要求1所述的基于船载与岸基协同处理的拖网渔船智能监视***,其特征在于:所述视频监控包括甲板摄像机、机舱摄像机、驾驶室摄像机和冷库摄像机。
3.根据权利要求1所述的基于船载与岸基协同处理的拖网渔船智能监视***,其特征在于:所述船基信息采集***包括GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达。
4.一种如权利要求1所述的基于船载与岸基协同处理的拖网渔船智能监视***的处理方法,其特征在于:
船基信息采集***通过GPS/北斗、AIS船舶自动识别***、柴油流量计、风速计、潮流计、视频监控、声呐和雷达分别检测拖网渔船的相应信息,并将检测的船舶信息通过内部网络传输至船载智能信息处理***中;
船载智能信息处理***对船基信息采集***采集的船载信息进行数据提炼、清洗、分类和缓存处理,采用深度学习算法对拖网渔船上采集的影像信息进行图像识别,以该识别结果为核心,融合拖网渔船上采集的多源信息进行信息融合,以获取拖网渔船作业过程中的智能监测结果;
船载智慧决策***根据船载智能信息处理***的智能监测结果以及无线通信环境和业务类型的不同进行通信链路的自动选取和切换,当拖网渔船远海航行时采用卫星通信,当拖网渔船在近岸场景时采用岸基无线通信或4G宽带;
船基智能处理***对采集的船舶信息进行前期预处理,对船基预处理识别的有问题和有价值的数据通过有选择的通信方式回传到岸基智能处理***进行深度处理和判别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910501979.3A CN110233995B (zh) | 2019-06-11 | 2019-06-11 | 一种基于船载与岸基协同处理的拖网渔船智能***的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910501979.3A CN110233995B (zh) | 2019-06-11 | 2019-06-11 | 一种基于船载与岸基协同处理的拖网渔船智能***的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110233995A true CN110233995A (zh) | 2019-09-13 |
CN110233995B CN110233995B (zh) | 2024-06-21 |
Family
ID=67858799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910501979.3A Active CN110233995B (zh) | 2019-06-11 | 2019-06-11 | 一种基于船载与岸基协同处理的拖网渔船智能***的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110233995B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333801A (zh) * | 2020-11-23 | 2021-02-05 | 上海外高桥造船有限公司 | 一种船岸通信链路的选择方法、*** |
CN110696978B (zh) * | 2019-11-21 | 2021-04-20 | 中国水产科学研究院渔业机械仪器研究所 | 一种具有速冻功能的小型作业渔船及自动化速冻设备 |
CN112954070A (zh) * | 2021-03-18 | 2021-06-11 | 南通大学 | 一种基于船载专网cpe的船舶安全管理***及其管理方法 |
CN114360234A (zh) * | 2021-12-23 | 2022-04-15 | 中交第四航务工程局有限公司 | 一种船舶的无线遥控***及方法 |
CN117315573A (zh) * | 2023-09-20 | 2023-12-29 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及***、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160217692A1 (en) * | 2015-01-22 | 2016-07-28 | Electronics And Telecommunications Research Institute | Vessel monitoring system and vessel monitoring method thereof |
WO2018026310A1 (ru) * | 2016-08-03 | 2018-02-08 | Акционерное общество "Российская корпорация ракетно-космического приборостроения и информационных систем" (АО "Российские космические системы") | Способ контроля промысла водных биологических ресурсов |
KR20180065411A (ko) * | 2016-12-07 | 2018-06-18 | 한국해양과학기술원 | 해상객체의 자동추적 시스템 및 방법 |
RU2666170C1 (ru) * | 2017-10-23 | 2018-09-06 | Акционерное общество "Российская корпорация ракетно-космического приборостроения и информационных систем" (АО "Российские космические системы") | Способ и устройство контроля ведения промысловых работ с использованием трала при осуществлении мониторинга судов рыбопромыслового флота |
CN108809406A (zh) * | 2018-06-08 | 2018-11-13 | 哈尔滨工程大学 | 一种无人船的智能认知信息远程交互*** |
CN108834228A (zh) * | 2018-08-01 | 2018-11-16 | 中国水产科学研究院渔业机械仪器研究所 | 一种渔业船联网***架构 |
CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
CN208156884U (zh) * | 2018-03-21 | 2018-11-27 | 中国水产科学研究院南海水产研究所 | 一种船舶智能航行管理*** |
-
2019
- 2019-06-11 CN CN201910501979.3A patent/CN110233995B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160217692A1 (en) * | 2015-01-22 | 2016-07-28 | Electronics And Telecommunications Research Institute | Vessel monitoring system and vessel monitoring method thereof |
WO2018026310A1 (ru) * | 2016-08-03 | 2018-02-08 | Акционерное общество "Российская корпорация ракетно-космического приборостроения и информационных систем" (АО "Российские космические системы") | Способ контроля промысла водных биологических ресурсов |
KR20180065411A (ko) * | 2016-12-07 | 2018-06-18 | 한국해양과학기술원 | 해상객체의 자동추적 시스템 및 방법 |
RU2666170C1 (ru) * | 2017-10-23 | 2018-09-06 | Акционерное общество "Российская корпорация ракетно-космического приборостроения и информационных систем" (АО "Российские космические системы") | Способ и устройство контроля ведения промысловых работ с использованием трала при осуществлении мониторинга судов рыбопромыслового флота |
CN208156884U (zh) * | 2018-03-21 | 2018-11-27 | 中国水产科学研究院南海水产研究所 | 一种船舶智能航行管理*** |
CN108809406A (zh) * | 2018-06-08 | 2018-11-13 | 哈尔滨工程大学 | 一种无人船的智能认知信息远程交互*** |
CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
CN108834228A (zh) * | 2018-08-01 | 2018-11-16 | 中国水产科学研究院渔业机械仪器研究所 | 一种渔业船联网***架构 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110696978B (zh) * | 2019-11-21 | 2021-04-20 | 中国水产科学研究院渔业机械仪器研究所 | 一种具有速冻功能的小型作业渔船及自动化速冻设备 |
CN112333801A (zh) * | 2020-11-23 | 2021-02-05 | 上海外高桥造船有限公司 | 一种船岸通信链路的选择方法、*** |
CN112954070A (zh) * | 2021-03-18 | 2021-06-11 | 南通大学 | 一种基于船载专网cpe的船舶安全管理***及其管理方法 |
CN112954070B (zh) * | 2021-03-18 | 2023-09-22 | 南通大学 | 一种基于船载专网cpe的船舶安全管理***及其管理方法 |
CN114360234A (zh) * | 2021-12-23 | 2022-04-15 | 中交第四航务工程局有限公司 | 一种船舶的无线遥控***及方法 |
CN117315573A (zh) * | 2023-09-20 | 2023-12-29 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及***、电子设备及存储介质 |
CN117315573B (zh) * | 2023-09-20 | 2024-06-04 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及***、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110233995B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110233995A (zh) | 一种基于船载与岸基协同处理的拖网渔船智能监视***及处理方法 | |
Wang et al. | Intelligent fish farm—the future of aquaculture | |
Liu et al. | Accurate prediction scheme of water quality in smart mariculture with deep Bi-S-SRU learning network | |
CN106971152B (zh) | 一种基于航拍图像的检测输电线路中鸟巢的方法 | |
CN110390246A (zh) | 一种边云环境中的视频分析方法 | |
CN109214107A (zh) | 一种船舶航行行为在线预测方法 | |
CN115861855A (zh) | 一种光伏电站的运维监测方法及*** | |
CN110515732A (zh) | 一种基于资源受限机器人深度学习推理的任务分配方法 | |
CN110645990B (zh) | 一种基于svm和卡尔曼滤波的鱼群动态预测的水域巡航*** | |
CN109466725B (zh) | 一种基于神经网络和图像识别的智能水面漂浮物打捞*** | |
CN108764456A (zh) | 机载目标识别模型构建平台、机载目标识别方法及设备 | |
CN111552299A (zh) | 一种风翼助航船舶能效智能优化管理***与优化方法 | |
CN112749663A (zh) | 基于物联网和ccnn模型的农业果实成熟度检测*** | |
Zhang et al. | Trajectory prediction based on AIS and BP neural network | |
CN116665092A (zh) | 基于ia-yolov7的污水悬浮物识别方法及*** | |
Coutinho et al. | Towards a novel architectural design for IoT-based smart marine aquaculture | |
Cai et al. | Cloud classification of satellite image based on convolutional neural networks | |
Zhang et al. | Prediction of Vessel Arrival Time to Pilotage Area Using Multi-Data Fusion and Deep Learning | |
CN116777046A (zh) | 交通预训练模型构建和交通预测方法、装置及电子设备 | |
CN109870551A (zh) | 一种海洋水质监测方法 | |
CN114998258A (zh) | 一种基于重平衡的半监督产品表面缺陷检测方法及其*** | |
Liawatimena et al. | Drones computer vision using deep learning to support fishing management in Indonesia | |
CN113627359A (zh) | 一种基于双向长短时神经网络的渔船行为智能监控算法 | |
Fabijanić et al. | Biofouling estimation in mariculture | |
CN117273336A (zh) | 一种大数据智慧渔业管理*** |
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 |