آموزش عمیق

تشخیص وجود شناورها در نزدیکی ساحل و دور از آن یکی از مسائل مهمی است که کاربردهای زیادی در صنایع نظامی و غیر نظامی دارد. این کار برای راهبری ترافیک دریایی و امنیت ترافیک در دریا بسیار مورد مفید است. روش های سنتی تشخیص شناورها شامل استفاده از ناظر انسانی یا سیستم های ارسال کننده مشخصات در شناورها است. فنون نوین که داده های حاصل از منابع مختلف را ادغام می کنند، درحال توسعه هستند. در این پژوهش با استفاده از روش شبکه ی عصبی عمیق اقدام به بهینه کردن ترکیب کرنل ها (MKL) و درنهایت شناسایی کشتی ها در منطقه مورد مطالعه (خلیج فارس) شده است. بدین منظور از تصاویر راداری سنجنده سنتینل-1 و با استفاده از الگوریتم K-means، 365 نمونه آموزشی از دریا و کشتی ها در خلیج فارس در شرایط جوی مختلف تهیه شده است که 70 درصد از آن به عنوان داده آموزشی و 30 درصد به عنوان داده آزمون به شبکه معرفی گردید. نتایج شبکه معرفی شده نشان دهنده دقت 88 درصدی مدل در شناسایی و آشکارسازی شناورها در منطقه خلیج فارس براساس داده های آموزشی بود. درنهایت شبکه به منظور اعتبارسنجی در دو منطقه بندرعباس و بندرلنگه اجرا گردید نتایج حاصل از این پژوهش می-تواند به منظور حفاظت و امنیت کشتی ها در دریانوردی و کنترل عبور و مرور در آبراهه ها حائز اهمیت می باشد.