یادگیری عمیق ابزاری توانمند برای تشخیص کشتی های تاریک در راستای فرماندهی و کنترل دریاها

در سال های اخیر، بینایی ماشین کاربردهای گسترده ای در نظارت دریایی پیدا کرده است و به ابزاری توانمند برای مدیریت و کنترل دقیق تر و آسان تر پهنه های آبی تبدیل شده است . تشخیص خودکار کشتی ها با استفاده از تکنیک های بینایی ماشین روشی کارآمد به منظور نظارت بر کشتی ها و ردیابی آن ها می باشد، خصوصا در شناسایی کشتی های تاریک که عموما با اهداف نظامی ، اطلاعاتی یا غیرقانونی ، بدون ارسال موقعیت فعالیت می کنند. آبراهه ها به عنوان یک بستر مهم حمل و نقلی نیاز به نظارت مداوم دارند تا امنیت ملی کشورها حفاظت شود و این مسئله در کشوری مانند ایران که دارای گستره وسیع آبی می باشد، اهمیت ویژه ای دارد، چرا که درحال حاضر بیش از ۸۵ درصد تبادل تجاری کشور ما از طریق دریا انجام می شود. تصاویر ماهواره ای از کشتی ها در بنادر و پهنه های آبی ، داده های تصویری هستند که به مدل های شبکه عصبی کمک می کنند تا کشتی ها را مکان یابی کرده و شناسایی زودهنگام تهدیدات احتمالی در دریا را تسهیل کنند. ترکیب این اطلاعات با سایر اطلاعات شناسایی در راستای فرماندهی و کنترل تهدیدات نظامی و امنیتی بسیار حائز اهمیت است .این مقاله یک مدل مبتنی بر یادگیری عمیق را پیشنهاد می دهد که قادر است بین کشتی ها و غیرکشتی ها تمایز قائل شود و همچنین کشتی ها را در تصاویر اصلی با استفاده از تکنیک کادرهای محدود کننده ی شی ء، مکان یابی کند. علاوه بر این ، کشتی های طبقه بندیشده دوباره با استفاده از مدل خودرمزگذار مبتنی بر یادگیری عمیق قطعه بندی می شوند. مدل پیشنهادی از نظر طبقه بندی نتایج موفقیت آمیزی با دقت ۱,۹۷% در اعتبارسنجی و۳,۹۷% در آموزش به دست آورد و مدل خودرمزگذار نیز به ترتیب دارای دقت ۸۶% و ۸۷% در اعتبارسنجی و آموزش بود. علاوه بر این ، مقدار متریک IoU تصاویر قطعه بندی شده برابر با ۷۹,۰ به دست آمد. نتایج تجربی نشان می دهد که این مدل دقیق بوده و می تواند برای تشخیص خودکار کشتی ها و خصوصا شناسایی کشتی های تاریک در پهنه های آبی با استفاده از تصاویر ماهواره ای به عنوان ورودی به سیستم بینایی ماشین به کار گرفته شود.

کلیدواژه ها:

بینایی ماشین ، تشخیص کشتی تاریک ، تصاویر ماهواره ای ، شبکه عصبی پیچشی ، خودرمزگذار