[发明专利]一种基于双向长短时神经网络的渔船行为智能监控算法

说明书

本发明公开了一种基于双向长短时神经网络的渔船行为智能监控算法，涉及人工智能领域，本专利基于渔船上北斗定位回传的序贯位置数据，利用具备时序分析能力的双向长短时神经网络手段对海上渔船目标进行智能意图识别和作业行为分析，判断及预测当前渔船是在进行围网作业、拖网作业还是刺网作业，从而进行鱼情预报、捕捞行为干预、异常行为甄别等。本发明实现了对海上渔政作业船只行为的有效监控和海洋渔业资源的可控开采。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于双向长短时神经网络的渔船行为智能监控算法。

背景技术

渔业可持续发展对于区域渔业生态系统健康发展以及区域经济可持续发展起着重要的作用。然而，伴随着人类渔业活动的强度增加，过度的人类活动已经对全球渔业可持续发展产生了威胁。因此，建立完善的渔业监控手段以及增加有效的管理措施有利于渔业可持续发展。

现有技术仅能利用导航数据还原渔船在海上的做业轨迹和动作，但却无法时视监控渔船的做业行为，从而避免渔船的过渡捕捞和非法撒网行为。

本发明通过北斗船位数据利用长短时神经网络持续学习、分析渔船航速、航向的特征判断渔船的状态，由渔船历史轨迹提取渔船各作业状态，根据状态计算累计捕捞时间，推算渔船油耗，统计结果可作为燃油补贴依据。根据拖网渔船捕捞特点，识别捕捞许可证没有登记拖网捕捞而从事拖网作业的渔船，通过空间分析渔船位置与专属经济区、渔业协定区、许可捕捞区的位置关系，可识别在渔船捕捞许可证规定的范围以外海域的捕捞，通过时间位置可识别休渔区的非法捕捞。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何对渔船行为的状态准确判断。为实现上述目的，本发明提供了一种基于双向长短时神经网络的渔船行为智能监控算法，涉及图像识别领域，其特征在于，基于渔船上北斗定位回传的序贯位置数据，利用具备时序分析能力的双向长短时神经网络手段对海上渔船目标进行智能意图识别和作业行为分析，判断及预测当前渔船是在进行围网作业、拖网作业还是刺网作业，从而进行鱼情预报、捕捞行为干预、异常行为甄别等。

进一步地，所述方法包括以下步骤：

步骤1、对回传北斗数据进行归一化处理；

步骤2、数据清洗与数据集构建；

步骤3、双向长短时神经网络模型训练；

步骤4、渔船做业行为预测。

进一步地，所述步骤1是指根据选取的属性对数据进行归一化：

式中，x为监测到的特征，x_min为该特征的最小值，x_max为该特征的最大值。

进一步地，所述归一化最终将每个特征的范围归一为0～1。

进一步地，所述步骤2中所述双向长短时神经网络的数据输入结构一般是[样本数，时间窗口长度，特征数]形状的三维数组。

进一步地，设置L为样本构建的所述时间窗口长度，L根据实际使用情况酌情选择。

进一步地，所述数据构建引入了一种滑动回归的方法。