近日，中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所漁業(yè)遙感技術(shù)及數(shù)字漁業(yè)創(chuàng)新團(tuán)隊(duì)周為峰研究員等科研人員在漁船行為智能識別領(lǐng)域取得系列突破。相關(guān)成果分別以論文《A Data Cleaning Method for the Identification of Outliers in Fishing Vessel Trajectories Based on a Geocoding Algorithm》發(fā)表于《Journal of Marine Science and Engineering》（DOI為10.3390/jmse13050917）；論文《Fishing operation type recognition based on multi-branch convolutional neural network using trajectory data》發(fā)表于《PeerJ Computer Science》（DOI為10.7717/peerj-cs.3020）。

上述2項(xiàng)科研成果通過創(chuàng)新性融合地理編碼與深度學(xué)習(xí)技術(shù)，構(gòu)建了覆蓋漁船軌跡“清洗—識別”全鏈條的智能分析體系，為漁業(yè)資源可持續(xù)管理提供技術(shù)支撐。一方面，針對軌跡數(shù)據(jù)所存在的異頻采樣性和數(shù)據(jù)質(zhì)量差的特點(diǎn)，提出了一種創(chuàng)新的Geohash地理編碼算法結(jié)合動態(tài)可達(dá)性分析的軌跡異常識別方法，通過將軌跡點(diǎn)進(jìn)行地理格網(wǎng)編碼轉(zhuǎn)換，并充分利用軌跡數(shù)據(jù)中的航速與時間間隔，動態(tài)生成“可達(dá)區(qū)域網(wǎng)格”，無需大量先驗(yàn)數(shù)據(jù)即可精準(zhǔn)識別異常軌跡點(diǎn)。實(shí)現(xiàn)異常軌跡點(diǎn)的精準(zhǔn)識別，有效解決了傳統(tǒng)方法依賴人工閾值、自適應(yīng)差的痛點(diǎn)。另一方面，針對現(xiàn)實(shí)存在的“證業(yè)不符”的漁業(yè)管理痛點(diǎn)，引入自然語言處理（NLP）嵌入技術(shù)，研發(fā)多分支一維卷積神經(jīng)網(wǎng)絡(luò)（MB-1dCNN），將經(jīng)緯度坐標(biāo)轉(zhuǎn)化為Geohash字符串，提取軌跡的“空間上下文語義”，使神經(jīng)網(wǎng)絡(luò)能理解漁船行為的時序特征，實(shí)現(xiàn)基于漁船作業(yè)軌跡的不同作業(yè)模式的智能識別。研究表明，多分支結(jié)構(gòu)優(yōu)于單分支結(jié)構(gòu)，一維卷積神經(jīng)網(wǎng)絡(luò)優(yōu)于全連接神經(jīng)網(wǎng)絡(luò)。

這2項(xiàng)技術(shù)可形成協(xié)同效應(yīng)。通過數(shù)據(jù)清洗方法解決軌跡噪聲問題，為后續(xù)分析提供高質(zhì)量數(shù)據(jù)基礎(chǔ)，作業(yè)類型識別模型也將有助于非法作業(yè)監(jiān)管，相關(guān)成果將推動我國漁船監(jiān)控技術(shù)從“人工經(jīng)驗(yàn)”向“智能算法”的跨越。上述研究得到了國家重點(diǎn)研發(fā)計(jì)劃（2023YFD2401303）、中央公益性科研院所基本科研業(yè)務(wù)費(fèi)（水科院東海所2022ZD0402）等項(xiàng)目的資助。

紅色為檢測出異常點(diǎn)（以2018年1月2日ZhePuYu 68823 的軌跡為例）