(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210800037.7 (22)申请日 2022.07.06 (71)申请人 海南大学 地址 570100 海南省海口市人民大道58号 (72)发明人 王冠军　文绍平　黄梦醒　张梦凡　 王晓蕾　向冠男　周瑞　张森　 张炜超　杨建立　杨茜　 (74)专利代理 机构 郑州博骏知识产权代理事务 所(普通合伙) 41222 专利代理师 樊超越 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/22(2022.01)G06V 10/77(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于数字孪生的智能渔港监管系统及 方法 (57)摘要 本发明公开了一种基于数字孪生的智能渔 港监管系统， 包括： 物理监控系统、 数字孪生管理 控制系统、 AI算法和存储系统； 能够有效解决现 有渔港监管系统存在的监控摄像模块拍摄视场 角有限、 数据分析与可视化能力差、 无法对渔船 进行自动检测 和识别的问题。 权利要求书2页 说明书7页 附图3页 CN 115100477 A 2022.09.23 CN 115100477 A 1.一种基于数字孪生的智能渔港监管系统， 其特征在于， 包括： 物理监控系统、 数字孪 生管理控制系统、 AI 算法和存 储系统； 物理监控系统： 包括全景视频拍摄装置、 AIS装置、 雷达扫描装置、 数据缓存与传输模 块； 全景视频拍摄装置实时获取360度全景监控数据以及按需启动长焦摄像头获取高清局 部视频数据； AIS装置， 实时获取渔船状态信息； 雷达扫描装置， 实时获取渔港、 渔船的三维 空间信息； 所述数字孪生管理控制平台包括： 三维仿真模块、 数据显示模块、 数据缓冲模块、 控制 响应采集和发送模块， 结合数字孪生概念与前沿三维仿 真， 对渔港、 渔船进行模 型构建与仿 真， 以数字可视化 化的方式智能监管、 完整记录整个渔港渔 船的实际运行情况； AI算法和存储系统， 包括： 渔船检测与跟踪模型、 船牌识别 模型、 数据存储模块、 数据分 析模型， 计算模块。 2.根据权利要求1所述一种基于数字孪生的智能渔港监管系统， 其特征在于， 所述全景 视频拍摄装置外围包括多个光学摄像头， 每个镜头光心与其焦点的反向延长线重合于一 点， 达到360度快速同时拍摄的效果， 构成全景拍摄子模块， 全景拍摄子模块下方搭载相机 云台控制的长焦摄像头， 实现远距离拍摄， 由全景拍摄子模块和长焦摄像头共同构成全景 视频拍摄装置 。 3.根据权利要求1所述一种基于数字孪生的智能渔港监管系统， 其特征在于， 所述数字 孪生管理控制平台， 利用雷达扫描数据或监控视频数据， 以及结合数字孪生概念与三维仿 真技术， 对渔港、 渔船进行模型构建与仿真， 以数字可视化化的方式智能监管、 完整记录整 个渔港渔 船的实际运行情况。 4.根据权利要求1所述一种基于数字孪生的智能渔港监管系统， 其特征在于， 所述数字 孪生管理控制平台中的控制响应采集和发送模块， 实现用户、 数字孪生管理控制平台、 渔港 渔船、 AI算法与存 储系统四者之间的互联互通。 5.根据权利要求1所述一种基于数字孪生的智能渔港监管系统， 其特征在于， 所述AI算 法和存储系统中的数据分析模型存储有不同的数据分析模型， 包括有设备故障状态预测模 型、 设备使用寿命预测模型、 渔 船调度优化模型。 6.一种基于数字孪生的智能渔港监管方法， 其特征在于， 对渔船检测与跟踪， 对船牌的 识别。 7.根据权利要求6所述一种基于数字孪生的智能渔港监管方法， 其特征在于， 所述渔船 检测与跟踪方法,包括以下步骤： S1、 针对特定渔港， 采集渔 船视频和图像数据并做增强处 理； S2、 建立渔 船数据集， 对每 个所述图像数据进行 标注预处 理并存入渔船数据集； S3、 在AI算法与存储系统， 建立目标检测模型， 通过渔船数据集对目标检测模型进行训 练， 获得渔船检测模型； S4、 基于渔船检测模型， 通过AI算法与存储系统中的计算模块， 对全景视频拍摄装置采 集的视频 数据中的渔 船进行检测， 计算渔 船在图像内位置的变化实现渔 船跟踪。 8.根据权利要求7所述一种基于数字孪生的智能渔港监管方法， 其特征在于， 在步骤S3 中， 所述渔 船检测模型 是基于YOLO V3的算法模型， 目标检测模型训练步骤 包括： a、 预处理， 去噪、 图像增强、 并缩放图片为 适于处理的大小；权　利　要　求　书 1/2 页 2 CN 115100477 A 2b、 特征提取， 将渔船数据集中的图像数据输入到YOLO  V3 的主干网络中进行卷积计 算， 最终获得特征层； c、 特征融合， 将特 征层输入特 征金字塔网络用于特 征融合； d、 模型训练完成， 将融合后的特征经下一步网络处理获得预测参数， 将预测参数与实 际参数进行比较， 计算 误差， 当误差收敛时， 模型训练完成。 9.根据权利要求6所述一种基于数字孪生的智能渔港监管方法， 其特征在于， 所述船牌 识别方法包括以下步骤： F1、 针对特定渔港， 采集渔 船船牌图像数据并做增强处 理； F2、 建立渔 船船牌数据集， 对每 个所述图像数据进行 标注预处 理并存入船牌数据集； F3、 在AI算法与存储系统， 建立文本检测和识别 模型， 通过渔船船牌数据集对检测和识 别模型进行训练， 获得 船牌文本检测 和识别模型； F4、 基于船牌文本检测和识别 模型， 通过AI算法与存储系统中的计算模块， 对检测到的 渔船中的船牌进行检测定位和识别。 10.根据权利要求9所述一种基于数字孪生的智能渔港监管方法， 其特征在于， 在步骤 F3中， 采用基于回归的文本检测方法， 文本识别步骤 包括： a、 预处理： 去噪、 图像增 强、 缩放， 其目的是去除背景或者噪点， 突出文字部分， 并缩放 图片为适于处理的大小； b、 特征抽取： 常用特 征： 边缘特征、 笔画特 征、 结构特 征； c、 文本识别： 可采用分类 器， 随机森林、 SVM、 卷积神经网络进行识别。权　利　要　求　书 2/2 页 3 CN 115100477 A 3