第十一章 船舶人工智能海情感知系统

    天才一秒记住本站地址：[爱笔楼] http://www.ibiquzw.org/最快更新！无广告！

    左冬良用保密邮箱给 发了个需求邮件，说一下关于人工智能无人舰队的需求，人工智能是个吸金收智的行业，现在只要有点靠谱的项目就吸引到大量的投资就能高薪招收各路人才，采购到更好的设备，有些公司能够采购了几万片高端显卡做学习跑人工智能，所以很多军方项目就是做了应用设想，最好完成工作交给地方公司效果更高，

    星湖公司也得到国家人工智能大基金的投资，而且冬良的信息是他们也只是接受过这么一笔投资，不像其他公司那样股东一大堆，很多资金都是说不清楚的，让海军方面和他们合作还是比较放心的。

    从技术角度来说由于船上的电罗经采用,在60年代就出现了机电式的自动舵，就是自动驾驶系统，,由人工设定航向,在航行过程中首尾线偏移设定航线,电罗经检测到偏差值后控制舵转向,恢复到设定航向上,从80年代开始随着电子技术发展出现了将电子海图导航雷达,接入了自动舵系统,称为APA系统,能够自动标绘航迹与避让,但这套自动驾驶系统是不允许在狭窄水道航行,靠离码头使用,需要转为人工操作模式,这点与车辆自动驾驶不允许上路不同,在非复杂海情下是可以使用自动驾驶状态。

    在发展到的无人船舶会有更高的技术性能,要做到的功能包括：

    人工智能航行：包括航线规划,自动驾驶与避碰,停泊，轮机及燃料管理，航行数据记录与监控，航行设备雷达 GPS 声纳红外热像仪摄像机激光测距机自动海图景深摄像机信息融合，要素复杂海域航行, 避碰规则学习,陆地模型建模，无GPS的自主航行

    人工智能海情感知：海上航行容易出现问题是由于风暴海雾造成观测困难，人工智能提升了海情态势的感知能力，雷达可以获得全景的交通图像除了所有运动目标还包括静止目标AIS为被动接收信息完善的信息，使得船舶驾驶者可以把有限的精力放到关键的场景,做到船舶能够顺利航行.对于船舶驾驶来说人工智能在复杂水域条件下是作为助航使用,在大洋航行状态可以完全代替人的工作.由于船舶吨位不同,船舶驾驶的规则也不相同,除了技术开发上的挑战,更多是法律与行业规则来的挑战,IMO国际海事组织权利强大,交通法规各个国家都不一样,但海事法规全世界是一个标准,而且也形成了一个利益链,而AI智能与汽车相比就是允许有条件的使用

    人工智能节能：在大洋航行时,能够节约燃料,有非常高的经济价值,船舶计划航线是与实际航线由于受到风浪潮流的影响很难重合,通常自动舵的是通过电罗经检测船航向变化，但这种变化是在船身改变之后，然后用舵反压，由于船身质量较大，一旦发生航向变化后有非常大的惯性，结果导致船在计划航线的左右两端呈S型航迹，如果在有经验较丰富的舵手操舵情况下，可以预先感知风浪潮流变化，可以做到预压舵保持航向的稳定，但由于人工操舵消耗体力很大，而且每个人水准不一样，人工智能就是通过多海面情况的建模，实时计算出最佳用舵时机与用舵角度。

    无人驾驶船舶是全世界都在搞，尤其是那些海洋形国家更是投入很大精力做开发，在2020年IBM通过整合 IBM 的 AI 技术、云技术及边缘计算技术，让五月花号自主驾驶船（MAS）具备在地球上那些最具挑战的环境下自主航行的能力。”并在当年进行了五月花号自主驾驶船（MAS）自主导航横跨大西洋的新“AI 船长”出海试航，目的是评估“AI 船长“能否利用摄像头、AI 和边缘计算系统进行导航，安全绕过其它船只、浮标和可能遇到的其它海洋障碍物。

    五月花号团队借助安装在英国普利茅斯海峡的摄像头以及开源数据库收集了上百万张航海图像，用以持续训练五月花号自主驾驶船（MAS）的 AI 模型。为满足机器学习的处理需求，该团队使用了搭载 IBM Powe

    9 CPU 和 NVIDIA V100 Te

    so

    Co

    e GPU 的 IBM Powe

    AC922，这也是全球最智能的 AI 超级计算机所采用的技术。如今，借助 IBM 的计算机视觉技术，五月花号的“AI 船长”应该能够独立地探测和分类船舶、浮标类障碍以及陆地、防波堤和残骸等其它障碍。并遵循《国际海上避碰规则》（COLREG） 以及《国际海上生命安全公约》（SOLAS），但最后测试是失败的，总结的原因是算法有问题，收集的学习资料不足等等………

    但根本原因是项目管理的问题，不是什么技术问题，开船的人不懂人工智能，做人工智能的不知道船是怎么开的。海情智能感知系统对人工智能技术挑战最大的

    在晴天海面上光线非常强烈，水面会形成强烈的反光海浪反光，有浪的时候是波光粼粼，煞是好看，但是对于传感器来说，往往就分不清波浪和目标了，就通常说的“晃眼睛”根本看不清楚东西，目标会被强烈的阳光遮蔽，星湖公司的解决方案是毫米波雷达+摄像机，后面加载了一大堆算法

    背景叠加，就是让目标至于山头前面，这种海情特别麻烦，这种情况是在近岸岛屿山地的背景噪声强烈，往往会掩盖掉目标的真实信号，1982年的英阿马岛战争就出过这个事情，当时海狼的雷达收到的濒海山峰的干扰，不能跟踪目标，导致海狼防空导（弹）不能发射，让阿根廷攻击机钻了空子，在这种条件下毫米波雷达往往也容易干扰，对于这个问题，是通过电子海图，定位后剔除背景山峰后，用摄像机和毫米雷达捕捉处理。，

    海浪反光，有浪的时候是波光粼粼，煞是好看，但是对于传感器来说，往往就分不清波浪和目标了，更大的浪都当成了船去跟踪了，因为浪头太多，数据量太大，很多最后都死了机，

    镜像：没有浪的时候海面是个镜子，水面会对目标的镜像，就是目标在水面的倒影，也当成了船识别，一个变成两个，照样跟踪。

    雾气：林曾经看到过很多去雾气的算法，有通过图像增强实现的，有通过补偿图像损失来得到图像的，的是没有见过海上雾的大小，船头看不到船尾，再好的算法有啥用！

    船舶数据集，星湖公司一开始也是大量搜集照片，但后来他们发现由于海船的与场景比较特别，就搞了一套快速的数据集建立方法，还申请了专利。

    这些问题本来都是没有预料到大坑，星湖公司也是争气，自己买了一条55尺的双体帆船做实验船，当时顶着很大资金和舆论压力，好在有海事部门和航运公司的支持终于出了成果。

    #AIS（Automatic ide

    tificatio

    System 船舶自动识别系统）是一种船载广播应答系统，通过该系统，船舶能够在VHF公用无线信道上向附近的船舶和岸上主管机关持续发送其身份，位置，航向，航速和其他数据。