基于BiLSTM模型的远洋渔船类型识别研究

• 全文链接
• 请求原文

作   者：

杨胜龙;  史慧敏;  张胜茂;  张涵;  费英杰;  王斐;  金卫国;  王国来;  樊伟; 

作者机构：

上海开创远洋渔业有限公司;  中国水产科学研究院 东海水产研究所;  上海理工大学 理学院; 

关键词：

渔船类别识别;  船舶自动识别系统;  双向长短期记忆网络; 

期刊名称：

海洋科学

i s s n：

1000-3096

年卷期：

2022 年 46 卷 003 期

页   码：

25-35

摘   要：

船舶自动识别系统(Automatic identification system,AIS)为渔业资源和渔船捕捞活动管理和研究提供了可能.明确船舶作业类型是开展AIS信息渔业研究应用前提,为渔业研究和管理提供渔船捕捞类型基础数据支撑,保障渔船作业安全和监督非法捕捞渔业活动,作者通过搜集整理3000多艘已知类型船舶信息,从空间、时间和行为等多方面挖掘17种船舶特征参数,采用三层双向长短期记忆网络(Bidirectional long short-term memory,BiLSTM)方法,分别构建渔船/非渔船类别识别模型和不同渔船类型识别模型.模型结果表明,渔船/非渔船的BiLSTM模型的训练数据集分类平均准确率为99.6%,平均精确率为99.8%;验证数据集分类平均准确率为93.6%,平均精确率为95.6%.渔船多分类模型训练数据集分类平均准确率为99.0%,平均精确率为99.3%;验证数据集分类平均准确率是97.0%,平均精确率是97.6%.作者构建的渔船/非渔船类别识别模型和渔船类别识别模型训练和验证精度都较高,模型具有较好的泛化能力,可用于主要捕捞类型渔船识别分类.