人工智能技术使称重船现代化

造船公司Tymor海洋和爱丁堡大学是否在支持和资助下创建了该工具CENSIS是苏格兰传感、成像和物联网(IoT)技术创新中心。由深度学习驱动的机器视觉工具将自动且更准确地读取船舶吃水标志。

该协会说，吃水标志——在船只侧面以增量的形式标记的数字，表明船只被淹没的程度——目前是在码头或船上用肉眼测量和记录的，类似于2000多年来的方法。

测量结果往往有不同的解释——海浪、褪色的标记、光线和海洋生长只是导致同一艘船获得不同读数的一些因素。水手还必须检查船只两侧的标志，这可能需要数小时，需要一艘船，并且涉及健康和安全风险。

准确的吃水读数对于确保船舶的稳定性至关重要，它可以显示出船舶装载了多少货物以及可以安全航行的深度。港口当局也会检查这些读数，以确保船只符合当地的限制和规定。

根据研究人员的说法，他们的技术使用了应用于船舶视频记录的算法，以准确识别船舶的水线到达船体的位置。

Tymor Marine和爱丁堡大学将继续开发这项技术，目的是创建一个智能手机应用程序，使海员能够记录水迹并将其上传到云端进行实时读取。

更多的是铁路和海运

Tymor Marine的造船工程师罗茜•克莱格(Rosie Clegg)表示:“我们一直在努力开发这项技术，但很快发现没有现成的软件。”通过CENSIS，我们在爱丁堡大学找到了我们需要的专业知识来开发我们自己的技术，并为传统行业带来创新。”

Clegg补充说，在过去的12周里，该团队已经证明了这个概念是可行的，现在他们将专注于不同的元素，用每次访问船只时捕获的数据对其进行训练，并开始将其推向商业水平。

她说:“我们也在探索将其应用于无人机的可能性，这将使整个过程更加安全。”

爱丁堡大学信息学学院的哈坎·比伦博士表示，早期的人工智能研究人员认为，人工智能可以轻松解决我们毫不费力就能完成的视觉任务，比如识别数字和估计水线，但在更复杂的情况下，比如下棋，人工智能就会很困难。

比伦说:“然而，事实却恰恰相反，我们仍在改进那些看似简单的任务。”

“我们为Tymor Marine开发的算法是基于深度神经网络的最新进展。该模型接收显示船体的视频，并在各种不同的场景中识别船舶侧面的数字与水线相交的位置。

“我们将继续通过引入更多用于训练的手动注释来构建数据库，并改进方法中的各个组件，这只会使它在未来更加准确。”