基于北斗船位数据的流刺网网次和方向提取方法研究

渔船监测系统(vessel monitoring system,VMS)在渔业管理中发挥着重要作用,一直以来都受到各国及渔业组织的重视,我国近海渔船主要采用基于北斗的VMS系统。刺网是我国主要的捕捞作业方式之一,提出一种使用北斗数据提取流刺网作业网次以及网长和方向的方法。该方法使用阈值综合判别的方法判断捕捞作业的状态,通过航速、空间距离、时间间隔和航向变化的阈值判别作业时收网状态的船位点,然后根据收网状态的起始点判定放网状态的起始点。根据范例中提取的516组网次,使用程序判别的船位点和人工判断的船位点有74%相同,表明有较好的一致性,具有精度高、处理快速、实时程度高的特点。该方法可为我国渔业管理和相关研究提供新的手段,并可应用于捕捞控制、海上执法等多个领域。     

基于北斗船位数据灯光罩网渔船作业状态特征的提取和验证

为研究一种使用北斗船位数据提取灯光罩网渔船的作业状态特征的方法,选取桂北渔36288、61999、62666和68209四艘灯光罩网渔船2017年的北斗船位数据,使用阈值综合判别的方法判断渔船作业的状态,通过航速、水深和时间区间的阈值判别渔船作业状态的船位点,利用船位分析软件(AST)提取渔船的作业天数、作业日期、作业时长以及对应的作业位置信息,并与实际填写的渔捞日志数据进行对比验证。结果显示:提取的结果和实际记录的结果误差较小,其中作业天数每月差值在0～3 d以内;对应的作业日期准确率在94.45%以上;作业时长每日最大误差不超过2.4 h,最小误差为0 h,总平均误差为1.49 h,且提取的作业时长和渔获率存在明显的显著性差异,相关系数r=0.512(P0.01);作业距离差值较小,总体在50 km以内。因此可以确定,本研究根据北斗船位数据提取灯光罩网渔船作业状态特征的方法可靠,具有较大的实用性和现实性意义。     

基于北斗卫星船位数据提取拖网航次方法研究

渔业生产管理、捕捞效益计算、资源调查等常把航次作为一个重要参考量。北斗卫星船位数据时间分辨率约为3 min,空间分辨率约为10 m,具有很好的时空特征,通过对北斗卫星船位数据挖掘可以提取航次。渔船作业过程中航次一般包括起航、海上作业、返航,渔船起航和返航的港口常不同,对港口所在的陆地和岛屿做向外缓冲形成一个面,以船位点与港口所在陆地缓冲面的距离作为离岸距离,根据离岸距离变化判断渔船的航次,并通过编程实现航次提取,6艘调查船提取的航次结果与实际记录的43个航次相比,起航时间差值在2 d内的占95.1%,返航时间差值在2 d内的占95.2%,网次可以根据航速提取,计算出每个航次中的网次数。     

基于NPP/VIIRS夜光遥感影像的作业灯光围网渔船识别

为对远洋灯光渔船作业信息进行实时动态监测,该研究基于可见光红外辐射仪(visible infrared imaging radiometer suite,VIIRS)夜光遥感影像,根据远洋灯光渔船作业时其集鱼灯灯光在VIIRS白天/夜晚波段(day/night band,DNB)影像上的辐射特征,采用峰值中值指数(spike median index,SMI)对灯光渔船与背景像元间的辐射差异进行拉伸,在此基础上设计了基于最大熵法(maximum entropy method,Max Ent)阈值分割以及局部峰值检测(local spike detection,LSD)的作业远洋灯光渔船识别算法,并采用2015年西北太平洋公海灯光围网渔场内作业渔船船位监控系统(vessel monitoring system,VMS)数据对该算法的识别精度进行检验。验证结果显示,该文提出的作业远洋灯光渔船自动识别算法对实际作业灯光渔船的识别精度在92%以上,可以满足远洋灯光渔船日常监测的需求,可为进一步评估远洋光诱渔业捕捞努力量、推进远洋光诱渔业信息化管理以及打击非法、未申报和无管制的(illegal,unregulated,unreported,IUU)捕捞活动提供技术支持。     

Argo数据库的构建与渔业分析应用

遥感数据在渔业分析中应用广泛,但它只能提供海洋表层参考信息,远洋捕捞常常需要次表层环境信息辅助渔场预测。Argo剖面数据提供了从表层到2 000 m以浅的数据,利用Argo数据建立的次表层海况数据库可以为渔业分析提供更多的参考信息。从GDacs服务器自动定时下载数据并更新数据库,利用Akima插值方法处理垂直剖面数据,通过分析温度和盐度的变化情况计算出温跃层和盐跃层,以及其深度、厚度、强度等信息,利用反距离权重插值法绘制海洋次表层环境信息图,结合渔业信息数据可以很好地应用于渔业分析。研究亮点:多数金枪鱼类生活在海洋表层至100 m,温跃层限制了鱼类的上下移动。文章研究了Argo数据自动化处理,使用AKIMA、IDW插值生成温跃层上(下)界温度、盐度、深度、强度;根据温跃层深度选择用于辅助分析的水层;分析渔获量分布、变化等与海洋次表层环境特点的关系。     

基于VMS的张网渔船捕捞努力量与网位坐标提取方法

捕捞努力量是渔业资源管理和评估领域的重要参数之一,传统捕捞努力量计算方法无法满足实时、大范围、快速统计的需要。以我国近海作业的某张网渔船为研究对象,采用BP(back propagation)神经网络模型,对张网船155在2016年和2017年北斗渔船监控系统所获取的若干连续航次的经纬度坐标、航速和航向等信息进行分析和判断,提取各航次作业的网位坐标,通过阈值筛选渔船布网位置和时间,计算放网时长,把网口迎流面积与放网时长的乘积作为网次的捕捞努力量。结合BP神经网络和阈值分析的判断结果,网位判断准确率为82%,4个航次累计捕捞时长3562.62 h,累计捕捞努力量712524(m²·h)。设计的张网渔船状态判断、确定网位、放网时长提取和捕捞努力量计算方法为张网作业分析和其捕捞强度量化提供新的研究思路。     

基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统目标检测应用

为评估金枪鱼延绳钓系统运行质量、降低人工成本,以及从金枪鱼延绳钓系统电子监控EMS系统中提取浮球、金枪鱼数量等信息,本文提出一种基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统浮球及金枪鱼目标检测方法,从HNY722远洋渔船EMS系统视频监控数据中截取包含有目标浮球和金枪鱼的15578帧关键帧,将所有关键帧及其标记文件划分为14178个训练数据及1400个验证数据,基于YOLOV5s、YOLOV5l、YOLOV5m、YOLOV5x等4种YOLOV5神经网络模型,设计分组训练试验对比训练效果.结果表明:参与训练的4种神经网络模型均可完成金枪鱼延绳钓电子监控系统的目标检测任务,但网络模型的选择对广义交并比损失(GIoU loss)、目标检测损失(objectness loss)、准确率(precision)、召回率(recall)、多类别平均精度值(mAP)等参数具有显著性影响(P<0.05),对目标分类损失(classifi-cation loss)参数无显著性影响(P>0.05);检测效果表现较好的模型是YOLOV5l和YOLOV5m,二者的mAP@0.5值分别为99.1％和99.2％,召回率分别为98.4％和98.3％,但YOLOV5m网络模型在GIoU损失等表现上劣于YOLOV5l.研究表明,4种网络模型中YOLOV5l模型是最适合应用于金枪鱼延绳钓电子监控系统目标检测的网络模型.     

远洋捕捞渔船电子监控视频文字信息提取

计算机图像处理技术发展迅速,基于OCR(Optical Character Recognition)的图像文字提取得到广泛应用。在远洋渔业捕捞中,EMS(Electronic Monitoring System)逐渐开始使用,视频中文字信息提取是系统的重要功能之一。通过左右舷、前甲板、后甲板安装的4个摄像头,获取渔船作业的视频影像,再利用jTessBoxEditor软件生成图片样本,人工添加文字标签,然后通过tesseract软件训练标注的样本,制作traineddata字库,最后用Python编程提取远洋捕捞渔船监控视频中的时间、位置、航速、航向等信息,提取的960条记录,经与原图片对比全部正确,提取的文字信息可为视频存档和渔业管理提供参考。     

浙江省近海渔运船转载信息提取

渔运船是从事渔获物运输的专用船舶,能够提高捕捞渔船作业效率,增加捕捞渔船的作业强度。为掌握渔运船在海上的转载情况,从而间接了解捕捞渔船作业强度,该研究提出一种基于北斗船位数据的以设定航速阈值、距离阈值和时间阈值来提取渔运船转载信息的方法。如果渔运船和捕捞渔船距离小于50 m,且期间有持续3条以上的船舶监控系统(Vessel Monitoring Systems,VMS)记录,则认为可能发生了1次转载,并记录下相遇的时长、船名、空间位置。以浙江省为例,利用该方法从2018年浙江省的北斗船位数据中提取渔运船的海上转载信息,并进行统计分析。结果表明,有转载记录的渔运船808条,参与转载的捕捞渔船3 548条,共转载28 916次。渔运船停船转载占比21.0%,以1～1.4 m/s低速航行的作业状态转载占比53.7%,转载时长小于12.5 min的占比81.3%,同时得到渔运船转载的热点分布,转载累积时长最长的空间网格为122.5°E～123°E,31.5°N～32°N,转载累积时长187 h,其次为122°E～122.5°E,28°N～28.5°N,转载累积时长150h。通过分析渔运船海上转载位置和转载累积时长的空间分布情况可掌握捕捞渔船作业的时空变化特点,为渔业限额捕捞精细化管理提供依据。