CN116088542A - 一种基于遥感技术的渔船作业安全预警方法及*** - Google Patents
一种基于遥感技术的渔船作业安全预警方法及*** Download PDFInfo
- Publication number
- CN116088542A CN116088542A CN202310382775.9A CN202310382775A CN116088542A CN 116088542 A CN116088542 A CN 116088542A CN 202310382775 A CN202310382775 A CN 202310382775A CN 116088542 A CN116088542 A CN 116088542A
- Authority
- CN
- China
- Prior art keywords
- fishing boat
- information
- sailing
- dangerous area
- remote sensing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005516 engineering process Methods 0.000 title claims abstract description 51
- 239000013535 sea water Substances 0.000 claims abstract description 89
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 25
- 230000007613 environmental effect Effects 0.000 claims description 24
- 210000000349 chromosome Anatomy 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000003706 image smoothing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/21—Collision detection, intersection
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Genetics & Genomics (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Databases & Information Systems (AREA)
- Physiology (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于遥感技术的渔船作业安全预警方法及***,属于渔船作业预警技术领域,本发明通过根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整。通过本方法能够根据海水环境数据对渔船航行时的浮力数据进行计算,从而计算出船舶在航行中渔船底部平面距离海平面的高度信息,进而根据渔船底部平面距离海平面的高度信息以及礁石进行碰撞模拟,当模拟结果为渔船与礁石发生碰撞时,调整渔船的作业路线,通过海水环境数据的精准研判,提高了渔船在航行时的触礁判定准确性,进一步提高渔船在航行中的合理性,提高了渔船触礁的预测精度。
Description
技术领域
本发明涉及属于渔船作业预警技术领域,尤其涉及一种基于遥感技术的渔船作业安全预警方法及***。
背景技术
统计数据表明,海上船舶事故中有一半以上的事故起源是船舶触礁,且随着全球气候变暖带来的恶劣气象天气影响,船舶触礁事故发生的概率逐渐增加。船舶触礁不仅会造成船体的损坏,严重时会导致船舶搁浅,引起严重的事故。因此,在船舶导航和监测***中,触礁监测始终是一项重要的内容。而渔船在不同海水密度的行驶的过程中,渔船所受到的浮力是不一致的,当浮力大时,渔船相比于原始在海平面上的位置会略微上升。当浮力小时,渔船相比于原始在海平面上的位置会略微下降,而海水的密度由于海水的温度以及盐度密切相关,当海水的盐度一定时,海水的温度越高,海水的密度就会越大。而当在特定的温度和压力条件下,当海水盐度增加1‰时,海水密度增加约1.34‰。由于海水数据的变化,具有礁石的位置不一定使得渔船在航行时触礁,现有技术中完全没有考虑海水数据的变化,因而导致了渔船触礁的预测精度还不够高。
发明内容
本发明克服了现有技术的不足,提供了一种基于遥感技术的渔船作业安全预警方法及***。
为达上述目的,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遥感技术的渔船作业安全预警方法,包括以下步骤:
获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息;
将所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据所述每个子路线的遥感图像信息获取渔船航行的危险区域;
获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对所述海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息;
根据所述渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整。
进一步地,本发明的一个较佳实施例中,获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息,具体包括以下步骤:
获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息初始化渔船作业的航线路线,在解空间中均匀产生若干个染色体个数,并预设每一个染色体的维度,以生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于渔船作业的航线路线,对所述初代种群中的每一个染色体个体进行快速非支配排序和拥挤度计算,并对所述初代种群进行选择、交叉、变异操作,以获得下一代种群;
将所述初代种群与所述下一代种群合并,以获得新种群,基于所述渔船作业的航线路线,对所述新种群中每一个所述染色体个体进行快速非支配排序和拥挤度的计算;
对所述新种群选择符合条件的个体来组成新初代种群,确定演化过程的进化代数,若所述进化代数大于所述最大进化代数,则中止迭代并输出渔船作业的最短航行路线信息,并将所述渔船作业的最短航行路线信息作为渔船作业的初始路线信息。
进一步地,本发明的一个较佳实施例中,将所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据所述每个子路线的遥感图像信息获取渔船航行的危险区域,具体包括以下步骤:
所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,通过对所述遥感图像信息进行非目标区域进行裁剪,以获取所述遥感图像信息的感兴趣区域;
通过均值滤波法对所述感兴趣区域进行平滑处理,并通过canny算子对图像平滑处理结果进行礁石边界特征提取,获取与礁石相关的影像数据信息;
获取所述与礁石相关的影像数据信息所在的区域,将所述与礁石相关的影像数据信息所在的区域标记为渔船航行的危险区域。
进一步地,本发明的一个较佳实施例中,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对所述海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息,具体包括以下步骤:
获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并根据所述渔船作业的初始路线信息计算出渔船在所述危险区域的航行时间信息;
根据所述渔船航行的危险区域在预设时间之内的海水环境数据信息以及所述渔船在所述危险区域的航行时间信息获取渔船在危险区域航行时对应的海水环境数据信息;
根据所述渔船在危险区域航行时对应的海水环境数据信息计算出渔船在危险区域中航行浮力信息,并获取当前渔船航行时的浮力信息,根据所述当前渔船航行时的浮力信息以及渔船在危险区域中航行浮力信息计算出航行浮力差值信息;
获取当前渔船底部平面距离海平面的高度信息,根据所述航行浮力差值信息计算出渔船底部平面距离海平面的高度差信息,并根据所述当前渔船底部平面距离海平面的高度信息以及渔船底部平面距离海平面的高度差信息计算出渔船在危险区域航行时渔船底部平面距离海平面的高度信息。
进一步地,本发明的一个较佳实施例中,根据所述渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,具体包括:
获取与礁石相关的影像数据信息,并根据所述与礁石相关的影像数据信息通过三维建模软件构建礁石的三维模型图,基于三维建模软件构建虚拟场景模型;
获取渔船在危险区域航行时的路线信息,获取礁石所在的地理位置信息,根据所述渔船在危险区域航行时的路线信息以及礁石所在的地理位置信息获取映射关系;
获取当前船舶的外形尺寸信息,并根据所述当前船舶的外形尺寸信息通过三维建模软件构建船舶三维模型图,根据所述映射关系将所述礁石的三维模型图以及船舶三维模型图输入到虚拟场景模型中进行模拟;
通过模拟,获取所述船舶三维模型图以及礁石的三维模型图的碰撞关系,并将所述船舶三维模型图以及礁石的三维模型图的碰撞关系作为评估结果输出。
进一步地,本发明的一个较佳实施例中,根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整,具体包括:
根据所述评估结果获取船舶与礁石的碰撞关系,若所述碰撞关系为预设碰撞关系时,并获取所述礁石所在的地理位置信息,将当前地理位置标记为障碍点;
根据所述障碍点生成预警信息,并根据所述预警信息生成避让路线,并根据所述避让路线对所述渔船作业的初始路线信息进行调整。
进一步地,本发明的一个较佳实施例中,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,具体包括以下步骤:
通过大数据网络获取渔船航行的危险区域在各季节时段以及各天气数据之下的海水历史环境数据信息,并基于卷积神经网络构建海水环境数据预测模型;
将所述渔船航行的危险区域在各季节时段以及各天气数据之下的海水历史环境数据信息输入到海水环境数据预测模型中进行训练,以获取训练完成的海水环境数据预测模型;
获取渔船航行时的天气数据信息以及所处的季节时段,并将所述渔船航行时的天气数据信息以及所处的季节时段输入到所述海水环境数据预测模型中进行预测,以获取渔船在危险区域航行时的预测环境数据信息;
获取渔船在危险区域航行时的所处预时段,根据所述渔船在危险区域航行时的所处预时段对所述渔船在危险区域航行时的预测环境数据信息进行特征提取,以获取预设时间之内渔船在危险区域航行时的海水环境数据信息。
本发明第二方面提供了一种基于遥感技术的渔船作业安全预警***,所述预警***包括存储器以及处理器,所述存储器中包含基于遥感技术的渔船作业安全预警方法程序,所述基于遥感技术的渔船作业安全预警方法程序被处理器执行时,实现如下步骤:
获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息;
将所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据所述每个子路线的遥感图像信息获取渔船航行的危险区域;
获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对所述海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息;
根据所述渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整。
在本实施例中,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并根据所述渔船作业的初始路线信息计算出渔船在所述危险区域的航行时间信息;
根据所述渔船航行的危险区域在预设时间之内的海水环境数据信息以及所述渔船在所述危险区域的航行时间信息获取渔船在危险区域航行时对应的海水环境数据信息;
根据所述渔船在危险区域航行时对应的海水环境数据信息计算出渔船在危险区域中航行浮力信息,并获取当前渔船航行时的浮力信息,根据所述当前渔船航行时的浮力信息以及渔船在危险区域中航行浮力信息计算出航行浮力差值信息;
获取当前渔船底部平面距离海平面的高度信息,根据所述航行浮力差值信息计算出渔船底部平面距离海平面的高度差信息,并根据所述当前渔船底部平面距离海平面的高度信息以及渔船底部平面距离海平面的高度差信息计算出渔船在危险区域航行时渔船底部平面距离海平面的高度信息。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包含基于遥感技术的渔船作业安全预警方法程序,所述基于遥感技术的渔船作业安全预警方法程序被处理器执行时,实现任一项所述的基于遥感技术的渔船作业安全预警方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息,进而将所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据所述每个子路线的遥感图像信息获取渔船航行的危险区域,从而获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对所述海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息,最后根据所述渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整。通过本方法能够根据海水环境数据对渔船航行时的浮力数据进行计算,从而计算出船舶在航行中渔船底部平面距离海平面的高度信息,进而根据渔船底部平面距离海平面的高度信息以及礁石进行碰撞模拟,当模拟结果为渔船与礁石发生碰撞时,调整渔船的作业路线,通过海水环境数据的精准研判,提高了渔船在航行时的触礁判定准确性,进一步提高渔船在航行中的合理性,提高了渔船触礁的预测精度。
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示出了一种基于遥感技术的渔船作业安全预警方法的整体方法流程图;
图2示出了一种基于遥感技术的渔船作业安全预警方法的第一方法流程图;
图3示出了一种基于遥感技术的渔船作业安全预警方法的第二方法流程图;
图4示出了一种基于遥感技术的渔船作业安全预警***的***框图。
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。
如图1所示,本发明第一方面提供了一种基于遥感技术的渔船作业安全预警方法,包括以下步骤:
S102:获取当前渔船待作业区域的地理位置信息,并根据当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息;
S104:将渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据每个子路线的遥感图像信息获取渔船航行的危险区域;
S106:获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息;
S108:根据渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,根据评估结果生成相应的预警信息,并根据预警信息对渔船作业的初始路线信息进行调整。
需要说明的是,通过本方法能够根据海水环境数据对渔船航行时的浮力数据进行计算,从而计算出船舶在航行中渔船底部平面距离海平面的高度信息,进而根据渔船底部平面距离海平面的高度信息以及礁石进行碰撞模拟,当模拟结果为渔船与礁石发生碰撞时,调整渔船的作业路线,通过海水环境数据的精准研判,提高了渔船在航行时的触礁判定准确性,进一步提高渔船在航行中的合理性。
进一步地,本发明的一个较佳实施例中,获取当前渔船待作业区域的地理位置信息,并根据当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息,具体包括以下步骤:
获取当前渔船待作业区域的地理位置信息,并根据当前渔船待作业区域的地理位置信息初始化渔船作业的航线路线,在解空间中均匀产生若干个染色体个数,并预设每一个染色体的维度,以生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于渔船作业的航线路线,对初代种群中的每一个染色体个体进行快速非支配排序和拥挤度计算,并对初代种群进行选择、交叉、变异操作,以获得下一代种群;
将初代种群与下一代种群合并,以获得新种群,基于渔船作业的航线路线,对新种群中每一个染色体个体进行快速非支配排序和拥挤度的计算;
对新种群选择符合条件的个体来组成新初代种群,确定演化过程的进化代数,若进化代数大于最大进化代数,则中止迭代并输出渔船作业的最短航行路线信息,并将渔船作业的最短航行路线信息作为渔船作业的初始路线信息。
需要说明的是,通过遗传算法对渔船作业的航线路线进行最短的路程进行求解,使得提高渔船在航行过程中的合理性。
进一步地,本发明的一个较佳实施例中,将渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据每个子路线的遥感图像信息获取渔船航行的危险区域,具体包括以下步骤:
渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,通过对遥感图像信息进行非目标区域进行裁剪,以获取遥感图像信息的感兴趣区域;
通过均值滤波法对感兴趣区域进行平滑处理,并通过canny算子对图像平滑处理结果进行礁石边界特征提取,获取与礁石相关的影像数据信息;
获取与礁石相关的影像数据信息所在的区域,将与礁石相关的影像数据信息所在的区域标记为渔船航行的危险区域。
如图2所示,进一步地,本发明的一个较佳实施例中,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息,具体包括以下步骤:
S202:获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并根据渔船作业的初始路线信息计算出渔船在危险区域的航行时间信息;
S204:根据渔船航行的危险区域在预设时间之内的海水环境数据信息以及渔船在危险区域的航行时间信息获取渔船在危险区域航行时对应的海水环境数据信息;
S206:根据渔船在危险区域航行时对应的海水环境数据信息计算出渔船在危险区域中航行浮力信息,并获取当前渔船航行时的浮力信息,根据当前渔船航行时的浮力信息以及渔船在危险区域中航行浮力信息计算出航行浮力差值信息;
S208:获取当前渔船底部平面距离海平面的高度信息,根据航行浮力差值信息计算出渔船底部平面距离海平面的高度差信息,并根据当前渔船底部平面距离海平面的高度信息以及渔船底部平面距离海平面的高度差信息计算出渔船在危险区域航行时渔船底部平面距离海平面的高度信息。
需要说明的是,海水环境数据信息包括海水的盐度、海水的温度等数据,在本实施例中,在某个区域中,如中午的海水温度和晚上的海水温度是有差异性的,而温度是引起海水密度变化的主要因素,根据热力学原理可知,温度增高,海水密度减小,温度降低,海水密度增大。其次,不同海洋区域可能存在着不同的海水盐度,而海水盐度会影响海水的密度,根据经验,在特定的温度和压力条件下,当海水盐度增加1‰时,海水密度增加约1. 34‰。从而根据浮力的公式可以得知,当海水的密度发生变化时,船舶所受到的浮力也会发生变化,在船舶航行在同一个海洋区域时,海水的密度越大,船舶所受到的浮力就会越大,根据受力分析可以得知,浮力越大,船舶相比原来会下沉一些,即渔船底部平面距离海平面的高度信息越高;反之,渔船底部平面距离海平面的高度信息越低。从而根据当前渔船底部平面距离海平面的高度信息以及渔船底部平面距离海平面的高度差信息计算出渔船在危险区域航行时渔船底部平面距离海平面的高度信息。
如图3所示,进一步地,本发明的一个较佳实施例中,根据渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,具体包括:
S302:获取与礁石相关的影像数据信息,并根据与礁石相关的影像数据信息通过三维建模软件构建礁石的三维模型图,基于三维建模软件构建虚拟场景模型;
S304:获取渔船在危险区域航行时的路线信息,获取礁石所在的地理位置信息,根据渔船在危险区域航行时的路线信息以及礁石所在的地理位置信息获取映射关系;
S306:获取当前船舶的外形尺寸信息,并根据当前船舶的外形尺寸信息通过三维建模软件构建船舶三维模型图,根据映射关系将礁石的三维模型图以及船舶三维模型图输入到虚拟场景模型中进行模拟;
S308:通过模拟,获取船舶三维模型图以及礁石的三维模型图的碰撞关系,并将船舶三维模型图以及礁石的三维模型图的碰撞关系作为评估结果输出。
需要说明的是,由于海水的环境数据信息会影响船舶所受到的浮力变化,此时相比于原来,船舶的浮力就会产生了变化,船舶就会下沉一部分高度或者上升一部分高度。因此,相比于原来船舶可能触礁的情况,由于船舶的上升一部分高度而不会触礁;或者相比于原来船舶不可能触礁的情况,由于船舶下沉一部分高度而会导致触礁,通过本方法能够有效地提高了渔船在航行时的触礁判定准确性,进一步提高渔船在航行中的合理性。
进一步地,本发明的一个较佳实施例中,根据评估结果生成相应的预警信息,并根据预警信息对渔船作业的初始路线信息进行调整,具体包括:
根据评估结果获取船舶与礁石的碰撞关系,若碰撞关系为预设碰撞关系时,并获取礁石所在的地理位置信息,将当前地理位置标记为障碍点;
根据障碍点生成预警信息,并根据预警信息生成避让路线,并根据避让路线对渔船作业的初始路线信息进行调整。
进一步地,本发明的一个较佳实施例中,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,具体包括以下步骤:
通过大数据网络获取渔船航行的危险区域在各季节时段以及各天气数据之下的海水历史环境数据信息,并基于卷积神经网络构建海水环境数据预测模型;
将渔船航行的危险区域在各季节时段以及各天气数据之下的海水历史环境数据信息输入到海水环境数据预测模型中进行训练,以获取训练完成的海水环境数据预测模型;
获取渔船航行时的天气数据信息以及所处的季节时段,并将渔船航行时的天气数据信息以及所处的季节时段输入到海水环境数据预测模型中进行预测,以获取渔船在危险区域航行时的预测环境数据信息;
获取渔船在危险区域航行时的所处预时段,根据渔船在危险区域航行时的所处预时段对渔船在危险区域航行时的预测环境数据信息进行特征提取,以获取预设时间之内渔船在危险区域航行时的海水环境数据信息。
需要说明的是,通过本方法能够有效地预测出预设时间之内渔船在危险区域航行时的海水环境数据信息。
如图4所示,本发明第二方面提供了一种基于遥感技术的渔船作业安全预警***4,该预警***包括存储器41以及处理器62,存储器41中包含基于遥感技术的渔船作业安全预警方法程序,基于遥感技术的渔船作业安全预警方法程序被处理器62执行时,实现如下步骤:
获取当前渔船待作业区域的地理位置信息,并根据当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息;
将渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据每个子路线的遥感图像信息获取渔船航行的危险区域;
获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息;
根据渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,根据评估结果生成相应的预警信息,并根据预警信息对渔船作业的初始路线信息进行调整。
在本实施例中,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并根据渔船作业的初始路线信息计算出渔船在危险区域的航行时间信息;
根据渔船航行的危险区域在预设时间之内的海水环境数据信息以及渔船在危险区域的航行时间信息获取渔船在危险区域航行时对应的海水环境数据信息;
根据渔船在危险区域航行时对应的海水环境数据信息计算出渔船在危险区域中航行浮力信息,并获取当前渔船航行时的浮力信息,根据当前渔船航行时的浮力信息以及渔船在危险区域中航行浮力信息计算出航行浮力差值信息;
获取当前渔船底部平面距离海平面的高度信息,根据航行浮力差值信息计算出渔船底部平面距离海平面的高度差信息,并根据当前渔船底部平面距离海平面的高度信息以及渔船底部平面距离海平面的高度差信息计算出渔船在危险区域航行时渔船底部平面距离海平面的高度信息。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质中包含基于遥感技术的渔船作业安全预警方法程序,基于遥感技术的渔船作业安全预警方法程序被处理器执行时,实现任一项的基于遥感技术的渔船作业安全预警方法的步骤。
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***,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 (10)
1.一种基于遥感技术的渔船作业安全预警方法,其特征在于,包括以下步骤:
获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息;
将所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据所述每个子路线的遥感图像信息获取渔船航行的危险区域;
获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对所述海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息;
根据所述渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整。
2.根据权利要求1所述的一种基于遥感技术的渔船作业安全预警方法,其特征在于,获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息,具体包括以下步骤:
获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息初始化渔船作业的航线路线,在解空间中均匀产生若干个染色体个数,并预设每一个染色体的维度,以生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于渔船作业的航线路线,对所述初代种群中的每一个染色体个体进行快速非支配排序和拥挤度计算,并对所述初代种群进行选择、交叉、变异操作,以获得下一代种群;
将所述初代种群与所述下一代种群合并,以获得新种群,基于所述渔船作业的航线路线,对所述新种群中每一个所述染色体个体进行快速非支配排序和拥挤度的计算;
对所述新种群选择符合条件的个体来组成新初代种群,确定演化过程的进化代数,若所述进化代数大于所述最大进化代数,则中止迭代并输出渔船作业的最短航行路线信息,并将所述渔船作业的最短航行路线信息作为渔船作业的初始路线信息。
3.根据权利要求1所述的一种基于遥感技术的渔船作业安全预警方法,其特征在于,将所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据所述每个子路线的遥感图像信息获取渔船航行的危险区域,具体包括以下步骤:
所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,通过对所述遥感图像信息进行非目标区域进行裁剪,以获取所述遥感图像信息的感兴趣区域;
通过均值滤波法对所述感兴趣区域进行平滑处理,并通过canny算子对图像平滑处理结果进行礁石边界特征提取,获取与礁石相关的影像数据信息;
获取所述与礁石相关的影像数据信息所在的区域,将所述与礁石相关的影像数据信息所在的区域标记为渔船航行的危险区域。
4.根据权利要求1所述的一种基于遥感技术的渔船作业安全预警方法,其特征在于,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对所述海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息,具体包括以下步骤:
获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并根据所述渔船作业的初始路线信息计算出渔船在所述危险区域的航行时间信息;
根据所述渔船航行的危险区域在预设时间之内的海水环境数据信息以及所述渔船在所述危险区域的航行时间信息获取渔船在危险区域航行时对应的海水环境数据信息;
根据所述渔船在危险区域航行时对应的海水环境数据信息计算出渔船在危险区域中航行浮力信息,并获取当前渔船航行时的浮力信息,根据所述当前渔船航行时的浮力信息以及渔船在危险区域中航行浮力信息计算出航行浮力差值信息;
获取当前渔船底部平面距离海平面的高度信息,根据所述航行浮力差值信息计算出渔船底部平面距离海平面的高度差信息,并根据所述当前渔船底部平面距离海平面的高度信息以及渔船底部平面距离海平面的高度差信息计算出渔船在危险区域航行时渔船底部平面距离海平面的高度信息。
5.根据权利要求1所述的一种基于遥感技术的渔船作业安全预警方法,其特征在于,根据所述渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,具体包括:
获取与礁石相关的影像数据信息,并根据所述与礁石相关的影像数据信息通过三维建模软件构建礁石的三维模型图,基于三维建模软件构建虚拟场景模型;
获取渔船在危险区域航行时的路线信息,获取礁石所在的地理位置信息,根据所述渔船在危险区域航行时的路线信息以及礁石所在的地理位置信息获取映射关系;
获取当前船舶的外形尺寸信息,并根据所述当前船舶的外形尺寸信息通过三维建模软件构建船舶三维模型图,根据所述映射关系将所述礁石的三维模型图以及船舶三维模型图输入到虚拟场景模型中进行模拟;
通过模拟,获取所述船舶三维模型图以及礁石的三维模型图的碰撞关系,并将所述船舶三维模型图以及礁石的三维模型图的碰撞关系作为评估结果输出。
6.根据权利要求1所述的一种基于遥感技术的渔船作业安全预警方法,其特征在于,根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整,具体包括:
根据所述评估结果获取船舶与礁石的碰撞关系,若所述碰撞关系为预设碰撞关系时,并获取所述礁石所在的地理位置信息,将当前地理位置标记为障碍点;
根据所述障碍点生成预警信息,并根据所述预警信息生成避让路线,并根据所述避让路线对所述渔船作业的初始路线信息进行调整。
7.根据权利要求4所述的一种基于遥感技术的渔船作业安全预警方法,其特征在于,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,具体包括以下步骤:
通过大数据网络获取渔船航行的危险区域在各季节时段以及各天气数据之下的海水历史环境数据信息,并基于卷积神经网络构建海水环境数据预测模型;
将所述渔船航行的危险区域在各季节时段以及各天气数据之下的海水历史环境数据信息输入到海水环境数据预测模型中进行训练,以获取训练完成的海水环境数据预测模型;
获取渔船航行时的天气数据信息以及所处的季节时段,并将所述渔船航行时的天气数据信息以及所处的季节时段输入到所述海水环境数据预测模型中进行预测,以获取渔船在危险区域航行时的预测环境数据信息;
获取渔船在危险区域航行时的所处预时段,根据所述渔船在危险区域航行时的所处预时段对所述渔船在危险区域航行时的预测环境数据信息进行特征提取,以获取预设时间之内渔船在危险区域航行时的海水环境数据信息。
8.一种基于遥感技术的渔船作业安全预警***,其特征在于,所述预警***包括存储器以及处理器,所述存储器中包含基于遥感技术的渔船作业安全预警方法程序,所述基于遥感技术的渔船作业安全预警方法程序被处理器执行时,实现如下步骤:
获取当前渔船待作业区域的地理位置信息,并根据所述当前渔船待作业区域的地理位置信息进行路径规划生成渔船作业的初始路线信息;
将所述渔船作业的初始路线信息分为多个子路线,并通过遥感技术获取每个子路线的遥感图像信息,并根据所述每个子路线的遥感图像信息获取渔船航行的危险区域;
获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并对所述海水环境数据信息以及渔船航行的危险区域进行计算,获取渔船在危险区域航行时渔船底部平面距离海平面的高度信息;
根据所述渔船在危险区域航行时渔船底部平面距离海平面的高度信息进行评估,获取评估结果,根据所述评估结果生成相应的预警信息,并根据所述预警信息对所述渔船作业的初始路线信息进行调整。
9.根据权利要求8所述的一种基于遥感技术的渔船作业安全预警***,其特征在于,获取预设时间之内渔船在危险区域航行时的海水环境数据信息,并根据所述渔船作业的初始路线信息计算出渔船在所述危险区域的航行时间信息;
根据所述渔船航行的危险区域在预设时间之内的海水环境数据信息以及所述渔船在所述危险区域的航行时间信息获取渔船在危险区域航行时对应的海水环境数据信息;
根据所述渔船在危险区域航行时对应的海水环境数据信息计算出渔船在危险区域中航行浮力信息,并获取当前渔船航行时的浮力信息,根据所述当前渔船航行时的浮力信息以及渔船在危险区域中航行浮力信息计算出航行浮力差值信息;
获取当前渔船底部平面距离海平面的高度信息,根据所述航行浮力差值信息计算出渔船底部平面距离海平面的高度差信息,并根据所述当前渔船底部平面距离海平面的高度信息以及渔船底部平面距离海平面的高度差信息计算出渔船在危险区域航行时渔船底部平面距离海平面的高度信息。
10.一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基于遥感技术的渔船作业安全预警方法程序,所述基于遥感技术的渔船作业安全预警方法程序被处理器执行时,实现如权利要求1-7任一项所述的基于遥感技术的渔船作业安全预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382775.9A CN116088542B (zh) | 2023-04-12 | 2023-04-12 | 一种基于遥感技术的渔船作业安全预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382775.9A CN116088542B (zh) | 2023-04-12 | 2023-04-12 | 一种基于遥感技术的渔船作业安全预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116088542A true CN116088542A (zh) | 2023-05-09 |
CN116088542B CN116088542B (zh) | 2023-08-18 |
Family
ID=86199600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310382775.9A Active CN116088542B (zh) | 2023-04-12 | 2023-04-12 | 一种基于遥感技术的渔船作业安全预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116088542B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720755A (zh) * | 2023-08-10 | 2023-09-08 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的渔业资源评价方法及*** |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1218695A1 (en) * | 1999-10-05 | 2002-07-03 | Honeywell International Inc. | Method and apparatus for alerting surface vessels to hazardous conditions |
CN101214851A (zh) * | 2008-01-10 | 2008-07-09 | 黄席樾 | 船舶行驶智能型全天候主动安全预警***及其预警方法 |
CN103106396A (zh) * | 2013-01-06 | 2013-05-15 | 中国人民解放军91655部队 | 一种危险区域检测方法 |
KR20140139152A (ko) * | 2011-10-26 | 2014-12-05 | 대우조선해양 주식회사 | 자율 무인 잠수정 및 그의 구동 제어방법 |
CN105259145A (zh) * | 2015-08-20 | 2016-01-20 | 中山大学 | 一种同时遥感岛礁水下地形和地物的方法 |
US20160147229A1 (en) * | 2013-04-25 | 2016-05-26 | Keppel Offshore & Marine Technology Centre Pte. Ltd. | System and Method for Dynamically Positioning a Floating Vessel Alongside a Turret Moored Floating Vessel |
CN107146474A (zh) * | 2017-06-12 | 2017-09-08 | 杭州通得科技股份有限公司 | 基于大数据的渔船安全预警方法 |
CN107525509A (zh) * | 2017-07-26 | 2017-12-29 | 上海海事大学 | 一种基于遗传算法的开敞水域帆船路径规划方法 |
CN109144060A (zh) * | 2018-08-22 | 2019-01-04 | 江苏路智达交通科技有限公司 | 一种船舶航线的危险识别方法及*** |
CN110442135A (zh) * | 2019-08-06 | 2019-11-12 | 南京赛沃夫海洋科技有限公司 | 一种基于改进遗传算法的无人艇路径规划方法及*** |
CN111582218A (zh) * | 2020-05-18 | 2020-08-25 | 长光卫星技术有限公司 | 一种基于深度学习的遥感影像岛礁提取方法 |
CN112489108A (zh) * | 2020-12-24 | 2021-03-12 | 中国科学院南海海洋研究所 | 一种远海珊瑚礁水下表面积反演重建的方法及装置 |
CN113945935A (zh) * | 2021-10-13 | 2022-01-18 | 哈尔滨工程大学 | 一种岛礁区水下空间结构精细刻画方法及*** |
CN114067530A (zh) * | 2022-01-17 | 2022-02-18 | 广东工业大学 | 基于光纤传感的海洋信息感知预警方法、***及存储介质 |
CN114235050A (zh) * | 2021-12-17 | 2022-03-25 | 北京比福特科技发展有限公司 | 一种海洋环境监测预警方法、设备及*** |
CN114282435A (zh) * | 2021-12-16 | 2022-04-05 | 青岛科技大学 | 一种基于改进遗传算法的无人船航线规划方法 |
CN114630279A (zh) * | 2020-12-10 | 2022-06-14 | 中兴通讯股份有限公司 | 一种海上安全导航渔场的方法、设备及存储介质 |
CN115871887A (zh) * | 2023-01-09 | 2023-03-31 | 孙琴霞 | 一种动态船舶预警提示*** |
-
2023
- 2023-04-12 CN CN202310382775.9A patent/CN116088542B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1218695A1 (en) * | 1999-10-05 | 2002-07-03 | Honeywell International Inc. | Method and apparatus for alerting surface vessels to hazardous conditions |
CN101214851A (zh) * | 2008-01-10 | 2008-07-09 | 黄席樾 | 船舶行驶智能型全天候主动安全预警***及其预警方法 |
KR20140139152A (ko) * | 2011-10-26 | 2014-12-05 | 대우조선해양 주식회사 | 자율 무인 잠수정 및 그의 구동 제어방법 |
CN103106396A (zh) * | 2013-01-06 | 2013-05-15 | 中国人民解放军91655部队 | 一种危险区域检测方法 |
US20160147229A1 (en) * | 2013-04-25 | 2016-05-26 | Keppel Offshore & Marine Technology Centre Pte. Ltd. | System and Method for Dynamically Positioning a Floating Vessel Alongside a Turret Moored Floating Vessel |
CN105259145A (zh) * | 2015-08-20 | 2016-01-20 | 中山大学 | 一种同时遥感岛礁水下地形和地物的方法 |
CN107146474A (zh) * | 2017-06-12 | 2017-09-08 | 杭州通得科技股份有限公司 | 基于大数据的渔船安全预警方法 |
CN107525509A (zh) * | 2017-07-26 | 2017-12-29 | 上海海事大学 | 一种基于遗传算法的开敞水域帆船路径规划方法 |
CN109144060A (zh) * | 2018-08-22 | 2019-01-04 | 江苏路智达交通科技有限公司 | 一种船舶航线的危险识别方法及*** |
CN110442135A (zh) * | 2019-08-06 | 2019-11-12 | 南京赛沃夫海洋科技有限公司 | 一种基于改进遗传算法的无人艇路径规划方法及*** |
CN111582218A (zh) * | 2020-05-18 | 2020-08-25 | 长光卫星技术有限公司 | 一种基于深度学习的遥感影像岛礁提取方法 |
CN114630279A (zh) * | 2020-12-10 | 2022-06-14 | 中兴通讯股份有限公司 | 一种海上安全导航渔场的方法、设备及存储介质 |
CN112489108A (zh) * | 2020-12-24 | 2021-03-12 | 中国科学院南海海洋研究所 | 一种远海珊瑚礁水下表面积反演重建的方法及装置 |
CN113945935A (zh) * | 2021-10-13 | 2022-01-18 | 哈尔滨工程大学 | 一种岛礁区水下空间结构精细刻画方法及*** |
CN114282435A (zh) * | 2021-12-16 | 2022-04-05 | 青岛科技大学 | 一种基于改进遗传算法的无人船航线规划方法 |
CN114235050A (zh) * | 2021-12-17 | 2022-03-25 | 北京比福特科技发展有限公司 | 一种海洋环境监测预警方法、设备及*** |
CN114067530A (zh) * | 2022-01-17 | 2022-02-18 | 广东工业大学 | 基于光纤传感的海洋信息感知预警方法、***及存储介质 |
CN115871887A (zh) * | 2023-01-09 | 2023-03-31 | 孙琴霞 | 一种动态船舶预警提示*** |
Non-Patent Citations (1)
Title |
---|
赵新宇 等: "《基于湍流模型的船舶运动及吃水变化数值求解》", 《浙江交通职业技术学院学报》, vol. 19, no. 1, pages 42 - 48 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720755A (zh) * | 2023-08-10 | 2023-09-08 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的渔业资源评价方法及*** |
CN116720755B (zh) * | 2023-08-10 | 2024-02-20 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的渔业资源评价方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116088542B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116088542B (zh) | 一种基于遥感技术的渔船作业安全预警方法及*** | |
CN112132346A (zh) | 一种基于船舶类型的船舶航行轨迹预测方法 | |
CN107886773B (zh) | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 | |
CN116429118B (zh) | 一种基于物联网的渔船安全生产监管方法及*** | |
CN104933899A (zh) | 船舶适航预警***及预警方法 | |
CN115456490B (zh) | 一种基于地理信息的渔业资源数据分析方法及*** | |
CN113739807A (zh) | 一种用于船舶的航行路线导航方法及*** | |
CN113128826A (zh) | 通航风险预测方法、装置和存储介质 | |
Durán-Rosal et al. | Detection and prediction of segments containing extreme significant wave heights | |
Jurkus et al. | Application of coordinate systems for vessel trajectory prediction improvement using a recurrent neural networks | |
CN113668479A (zh) | 一种海面清理船舶用滤网的调整方法及*** | |
Krata et al. | Bayesian approach to ship speed prediction based on operational data | |
Yoo et al. | Statistical trajectory-distance metric for nautical route clustering analysis using cross-track distance | |
CN105976127B (zh) | 综合电力推进***风险评估方法及装置 | |
CN116630907A (zh) | 一种基于遥感的船舶航行数字孪生方法、***、终端及存储介质 | |
CN111260529B (zh) | 船舶环境数据的确定方法、装置及船舶 | |
Xue et al. | Improved BSO for ship path planning with grounding alert using interpolated Delaunay triangulation | |
CN113277032A (zh) | 基于船舶下沉量的船舶搁浅预警方法、装置、***和介质 | |
CN118149826B (zh) | 基于水下目标评估的无人装置智能控制方法及*** | |
Kim et al. | Anomalous vessel behavior detection based on SVR seaway model | |
Edwards et al. | Towards an intelligent energy monitoring system for an auv using bayes risk | |
CN117057948B (zh) | 一种基于大数据的海洋安全生产方法、***及介质 | |
Ferri et al. | Sampling on-demand with fleets of underwater gliders | |
CN118278320A (zh) | 一种基于水动力模拟的内河航道通航预警方法及*** | |
Shchekinova et al. | Stochastic modeling for trajectories drift in the ocean: Application of Density Clustering Algorithm |
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 |