Operation of Maritime Transport Operation of Maritime Transport Эксплуатация морского транспорта 1992-8181 53746 10.34046/aumsuomt96/12 РАЗДЕЛ 2. СУДОВОЖДЕНИЕ, ВОДНЫЕ ПУТИ СООБЩЕНИЯ И ГИДРОГРАФИЯ NAVIGATION AND ENSURING OF SEAFARING РАЗДЕЛ 2. СУДОВОЖДЕНИЕ, ВОДНЫЕ ПУТИ СООБЩЕНИЯ И ГИДРОГРАФИЯ Practical problem and solution of detecting tracks in ice fields, calculating track’s direction with help of machine vision and a neural networktraining Решение практической задачи распознавания ледовых треков и определения их направления с применением машинного зрения и обучением нейронной сети Тульчинский В В Tulchinskiy V V Боран-Кешишьян Анастас Леонидович L Boran-Keshishyan A L ФГБОУ ВО «ГМУ им. адм. Ф.Ф. Ушакова» ru ФГБОУ ВО «ГМУ им. адм. Ф.Ф. Ушакова» ru ФГБОУ ВО «ГМУ им. адм. Ф.Ф. Ушакова» ru ФГБОУ ВО «ГМУ им. адм. Ф.Ф. Ушакова» ru 25 09 2020 25 09 2020 3 93 99 20 09 2020 20 09 2020 https://aumsu.editorum.ru/en/nauka/article/53746/view

В статье рассмотренавозможность использования машинного зрения при ледовом плавании с целью автоматизации процесса поиска «треков» в ледяных полях. Представлена технология обработки изображений и детектирования границ ледового разлома с применением сверточной нейронной сети архитектуры MobileNet и глубокого обучения. Описан способ поиска теоретической линии ледового «трека» с помощью линейной регрессии. Создано программное средство, способное производить автоматизированный поиск ледовых «треков» и производить расчет их отклонения от курса судна. Рассмотрены ограничения и недостатки программы, а также ее практическая значимость в рамках перспектив внедрения автоматических систем судовождения на примере СПГ газовоза типа Агс7.

The article studiesthe possibility of using the machine vision while ice navigation in order to automate the process of detecting "tracks" in ice fields. The technology of image processing for detecting ice fractures’ boundaries with help of MobileNet convolutional neural network architecture and deep learning is presented. A method of calculating the theoretical line of the ice "track" using linear regression is described. A software product has been created and it is capable to perform ice "tracks" automated detection and to calculate their deviation from the true course of the vessel. The limitations and disadvantages of the program, as well as its practical importance in the prospects of automatic navigational systems, are described. Program shows an example of implementation on Arc7 TNG carrier.

 машинное зрение арктическая навигация навигация во льдах автоматизация судовождения ледовый «трек» сверточная нейронная сеть глубокое обучение нейросети линейная регрессия СПГ газовоз Агс7 газовоз machine vision arctic navigation ice navigation automation of navigation "tracks" in ice convolutional neural network deep learning neural networks linear regression TNG vessel Arc7 TNG

Гиниятова Д. Нейронные сети на python. - Казань: Казанский Федеральный Университет, 2017. - 7 с. Режим доступа: https://kpfu.ru/portal/docs/F 1458204831/Neiroimve.seti.na.Python.pdf Giniyatova D. Neyronnye seti na python. - Kazan': Kazanskiy Federal'nyy Universitet, 2017. - 7 s. Rezhim dostupa: https://kpfu.ru/portal/docs/F 1458204831/Neiroimve.seti.na.Python.pdf Гонсалес Р., Вудс Р. Цифровая обработка изобра жений // Техносфера - 2005. - 1007 с Gonsales R., Vuds R. Cifrovaya obrabotka izobra zheniy // Tehnosfera - 2005. - 1007 s Ильин ИВ, Гудков К.В. Анализ программных средств для глубинного обучения искусственных нейронных сетей,- Пенза: Пензенский государственный технологический университет, 2018.-7с Il'in IV, Gudkov K.V. Analiz programmnyh sredstv dlya glubinnogo obucheniya iskusstvennyh neyronnyh setey,- Penza: Penzenskiy gosudarstvennyy tehnologicheskiy universitet, 2018.-7s Созыкин А. В. Обзор методов обучения глубоких нейронных сетей // Вестник Южно-Уральского Гос. Университета-2017-Том 6-№ 3 -31 с Sozykin A. V. Obzor metodov obucheniya glubokih neyronnyh setey // Vestnik Yuzhno-Ural'skogo Gos. Universiteta-2017-Tom 6-№ 3 -31 s Тульчинский В.В, Тульчинский В.И. Рассмотре ние возможности применения элементов машинного зрения для автоматизации ледовой проводки на примере СПГ газовозов типа Агс7. // Эксплуатация морского транспорта,- 2019.- №3- С. 67-76 Tul'chinskiy V.V, Tul'chinskiy V.I. Rassmotre nie vozmozhnosti primeneniya elementov mashinnogo zreniya dlya avtomatizacii ledovoy provodki na primere SPG gazovozov tipa Ags7. // Ekspluataciya morskogo transporta,- 2019.- №3- S. 67-76 Шашков В.Б. Прикладной Регрессионный анализ,- Оренбург: Оренбургский государственный университет, 2003.-363 с Shashkov V.B. Prikladnoy Regressionnyy analiz,- Orenburg: Orenburgskiy gosudarstvennyy universitet, 2003.-363 s Howard A.G., ZhuBoChen M., Kalenichenko D., Wang W., Weyand Т., Andreetto М., Hartwig A. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications.Google Inc., 2017. -9 p Howard A.G., ZhuBoChen M., Kalenichenko D., Wang W., Weyand T., Andreetto M., Hartwig A. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications.Google Inc., 2017. -9 p