基于YOLO算法的内河船舶检测 与监控实现

• 作者: 仇威 凌梓钦 张馨月 徐昶悦 李志斌
• 来源期刊: 航海
• 关键词: 目标检测 内河船舶 卷积神经网络 YOLO算法
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 航海技术
• 页码范围: 72-75
• 页数: 4页
• 字数: 2511字
• 语种: 中文

摘要

随着内河水运的不断发展,内河航运船舶数量不断增多,但是内河船舶AIS设备安装质量参差不齐,这给监管部门掌握区域内航行船舶数量带来困难.同时,随着计算机计算能力的提高与人工智能技术的发展,基于卷积神经网络的图像识别系统有了越来越多的应用.本文提出了使用YOLO实时目标检测技术,实现了对内河中运行的船舶进行实时监控并记录.结果表明,该模型在测试集当中的识别准确率达到97.50％,在实际应用当中拥有识别速度快、实时性较好、准确度较高的优点,拥有较好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志斌	上海海事大学物流工程学院	6	1	1.0	1.0
2	凌梓钦	上海海事大学物流工程学院	2	0	0.0	0.0
3	徐昶悦	上海海事大学交通运输学院	1	0	0.0	0.0
4	仇威	上海海事大学海洋科学与工程学院	1	0	0.0	0.0
5	张馨月	上海海事大学物流工程学院	1	0	0.0	0.0