De nouveaux algorithmes suivent les navires dans les ports

De nouveaux algorithmes suivent les navires dans les ports

Crédit : Université de technologie d’Eindhoven

La sécurité des zones portuaires implique une surveillance à différents niveaux. Quels types de navires arrivent, sont-ils peut-être coupables de pêche illégale et quelle cargaison transportent-ils ? Les agents de sécurité et les capitaines de port ne peuvent souvent pas s’acquitter seuls de ces tâches de contrôle, c’est pourquoi les ports du monde entier utilisent de plus en plus des systèmes de surveillance intelligents pour surveiller le territoire maritime. Amir Ghahremani, chercheur à la TU/e, a développé de nouveaux algorithmes ainsi qu’un système d’apprentissage pour améliorer l’identification des navires. Il obtiendra son doctorat. diplôme au département de génie électrique le vendredi 24 juin.

Identifier un navire sur une image informatique peut sembler simple, mais Ph.D. Le chercheur Amir Ghahremani sait maintenant que rien n’est ce qu’il semble. “Les navires ont des formes différentes et se déplacent à des vitesses différentes. Et quand ils sont loin, tout ce que vous voyez à l’écran, ce sont quelques vagues pixels. Essayez de reconnaître un bateau là-dedans ! En plus de cela, l’eau et la météo Les conditions météorologiques rendent souvent l’identification des navires encore plus difficile. Un soleil éclatant provoque des reflets, et le brouillard ou les fortes pluies réduisent également la qualité des images. En bref, un environnement très dynamique.

Bateau barque Giethoorn

Dans le cadre du projet international Applying Plug & Play Surveillance (APPS), Ghahremani a collaboré avec diverses universités, instituts et partenaires industriels du monde entier sur des algorithmes innovants pour améliorer les systèmes de surveillance maritime automatisés. Ces systèmes ne sont pas seulement utilisés pour assurer la sécurité des zones portuaires, mais aussi des territoires maritimes et des voies fluviales et canalaires très fréquentées.

Les chercheurs ont entrepris de développer un système robuste adapté à des conditions très variables. Cependant, ils n’avaient pas de séquences visuelles pour tester leurs algorithmes, c’est pourquoi Ghahremani a d’abord passé un mois à filmer et à collecter des photos. Cela comprenait des photos de navires dans les ports d’Amsterdam et de Rotterdam, de bateaux dans les ports turcs et de son préféré : le village de Giethoorn, célèbre pour ses canaux et ses bateaux.

Mais vous ne trouverez pas de porte-conteneurs à Giethoorn. Au lieu de cela, les canaux sont bondés de bateaux de plaisance pour les touristes, surtout en haute saison. Ghahremani s’est finalement retrouvé dans un bateau de barque traditionnel. Et non sans résultats, admet-il en souriant, car cela a appris au chercheur d’origine iranienne avec une prédilection pour les montagnes à apprécier la campagne néerlandaise plate et riche en eau. En fait, il est même devenu citoyen néerlandais récemment.

Comportement dynamique

Ses photos montrent clairement les différents défis dans le domaine maritime, explique Ghahremani. “Les navires sont de formes et de tailles variées, et ils se déplacent dans des directions différentes. La surveillance maritime couvre souvent de vastes zones, c’est pourquoi les navires sont parfois situés loin d’une caméra. Et puis il y a le défi de l’évolution des conditions météorologiques et du comportement dynamique des l’eau.”

Ghahremani montre une photo d’un navire au milieu d’un océan parfait sous un soleil éclatant et brillant. “Si vous avez besoin de plisser les yeux à cause du soleil, vous avez aussi plus de mal à voir les choses.”

Ghahremani a développé des algorithmes de reconnaissance des vaisseaux et a remarqué que la reconnaissance s’améliorait fortement lorsqu’il devenait clair où se trouvait l’eau dans l’image. “En délimitant la région de l’eau dans une image, vous pouvez ensuite zoomer dessus. Une voiture roulant le long du littoral ne sera plus identifiée comme un navire.”

Il a alors commencé à mettre en place un soi-disant réseau de neurones basé sur ses images. À l’aide de techniques d’apprentissage en profondeur, il a formé le système pour aider les nouveaux algorithmes à améliorer leur précision dans la reconnaissance des navires. Et cela a fonctionné. Avec des images familières au début, mais à la fin de son projet avec de nouvelles séquences également, dans lesquelles la reconnaissance des vaisseaux est devenue de plus en plus précise.

Havre de paix

Ses algorithmes d’auto-apprentissage n’ont pas seulement amélioré la reconnaissance des navires, ils se sont également avérés utiles pour la ré-identification (ré-identification) des navires sur des vues de caméra sans chevauchement. “Parfois, un navire réapparaît devant la caméra après 10 kilomètres, en particulier dans les grandes zones maritimes. Le réseau de neurones intelligent augmente considérablement les chances de ré-identification. Cette approche est nouvelle et prometteuse. Et l’amélioration continue et la formation du réseau permettront des systèmes de surveillance maritime pour analyser le comportement des navires, ce qui augmentera la sécurité des zones portuaires et des autres régions maritimes.”


Image : Embouteillage du canal de Suez vu de l’espace


Plus d’information:
Analyse vidéo automatisée pour la surveillance maritime, research.tue.nl/en/publication … aritime-surveillance

Fourni par l’Université de technologie d’Eindhoven

Citation: De nouveaux algorithmes suivent les navires dans les ports (2022, 24 juin) récupéré le 24 juin 2022 sur https://techxplore.com/news/2022-06-algorithms-track-ships-harbors.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.