一种机器视觉方法,用于评估船对船碰撞风险

科学领域:

• 海洋技术的海洋技术
• 人工智能的人工智能是人工智能.
• 计算机视觉 计算机视觉 计算机视觉

背景情况:

• 自主导航需要先进的安全系统.
• 现有的方法面临着高成本和有限的数据采集挑战.
• 机器视觉为智能导航安全提供了一个有希望的方法.

研究的目的:

• 开发一种轻量级,基于机器视觉的船舶碰撞预警系统,用于自主导航.
• 提高碰撞风险评估的效率和准确性.
• 与传统方法相比,提供更智能,更具成本效益的解决方案.

主要方法:

• 使用了改进的YOLOv7探测器与EfficientFormerV2骨干用于轻量级物体检测.
• 集成的StrongSORT用于强大的目标跟踪.
• 采用数据融合算法,根据边界框特征和摄像头态度进行轨迹估计.
• 开发了一种碰撞评估模型来计算碰撞风险指数.

主要成果:

• 增强的YOLOv7模型实现了可比的检测准确性 (mAP.5,回忆),同时显著降低了参数 (31.2%) 和计算负载 (GFLOPs,58.4%).
• 船舶轨迹估计显示出高精度,平均绝对误差 (MAE) 低于1.5%,根平均平方误差 (RMSE) 低于2%.
• 该系统成功识别了船只,预测了轨迹,并在实验场景中及时发出碰撞警告.

结论:

• 拟议的机器视觉方法为船舶碰撞预警系统提供了一个智能和轻量级的解决方案.
• 集成EfficientFormerV2和数据融合技术可以提高系统效率,而不会影响准确性.
• 这种方法有助于提高自主船舶航行中的安全性.