机器人和人工智能正在改变我们世界的许多方面。本研究将调查这些技术在水下监视领域的潜在影响和应用，更具体地说，是在应对水雷威胁方面的潜在影响和应用。最终目的是测试是否有可能利用人工智能算法使自主水下航行器具备必要的能力，以取代海上扫雷行动中的人类操作员。这项研究的重要性既在于海事部门日益增长的重要性，也在于机器人和人工智能学科的科学价值。
事实上，海事部门在社会和世界经济中发挥着越来越重要的作用，这就要求加强安全措施，以保证服务的连续性。海上贸易的增长、通过水下管道输送的数据和原材料的数量以及在海岸线附近或海域建造的基础设施的重要性都证明了这一点。然而，必须强调的是，目前监测、控制和必要时干预这种环境的能力非常有限。要监测和保护广阔的海域，需要付出巨大的努力，而这些海域的边界很难界定，也没有关于威胁性质的准确信息，以目前在该领域使用的技术很难持续下去。最近发生的几起破坏其中一些基础设施的事件就证明了这一点，这些事件对整个地区的稳定造成了严重后果（见北溪管道事件）。
机器人技术和人工智能的最新发展也为这一领域开辟了新天地，创造了重要机遇。一方面是所谓的无人海上系统的发展和演变，这种系统能够在恶劣的环境中工作，配备强大的传感器，但平均成本要比传统的海军资产低得多；另一方面是人工智能，它使机器能够在没有人类干预的情况下执行越来越复杂的操作。
本文的研究结构如下。在引言中，概括性地指出了使用海上无人系统（MUS）进行水下监视所面临的主要挑战和机遇，并分析了该领域最有前途的战略和解决方案。
然后，重点转向本论文开发的主要应用，即研究和实现能够自主探测和定位海底地雷的系统和相关算法。
第一步是选择一个符合成本效益和小尺寸要求的合适平台。然后选择一个能够在水下探测水雷等物体的传感器，并将其集成到平台上。
接下来，讨论了人工智能的发展及其在水下领域的应用。重点是研究应用于水下图像的自动目标识别的最新技术。
从最有前途的最新技术入手，开始为自主水下航行器上的准实时应用选择最佳算法。为此，创建了一个水下图像数据集，用于训练和测试基于卷积神经网络的算法。选定用于船上集成的算法是 “只看一次”（YOLO）神经网络。该算法的集成实现了为自动潜航器提供自主探测海底类雷物体能力的目标。此外，该算法的训练和测试阶段强调了正确选择不同数据集的数据以及管理不同水下感知传感器的重要性。然而，这些研究结果凸显了这些算法的一些局限性，这促使人们开始寻找新的解决方案。特别是，我们提出了一种名为 “显著性 CNN ”的算法，它将使用显著性算法检测图像中异常的能力与 CNN 对已知物体进行分类的能力相结合。结果，这种两阶段分类器既能区分感兴趣的物体，也能区分海底的一般异常现象。
最后，结束语一章为今后的工作留出了空间，提出了拟议算法 Saliency-CNN 的新实施方案，并为数字孪生系统在水下机器人技术中的引入和使用铺平了道路。
图 1.1： CSSN 的系统体系示意图。由网关浮标与指挥和控制站连接的异构无人系统，具有各种传感和通信方式（水下和无线电）以及高度自动化。
图 2.2： 基于无人系统的水下监视概念方案。每个无人潜航器都携带一个或多个特定有效载荷并执行特定任务，通过网络进行通信、数据收集和实时监测。水下和空中环境之间的通信基础设施由作为网关浮标的 USV（即配备声学和无线电调制解调器）提供保障。北约研究船 “联盟号”（NRV Alliance）是辅助船，用于开展各种海洋学活动，并可充当 C2S。在草图中，UUV 配备了矢量传感器和/或声学阵列，用于探测入侵者。但有些 UUV 则配备了侧扫声纳有效载荷，用于海底探测。
原文
相关内容
微信扫码咨询专知VIP会员