使用深度學習進行海上雷達資料品質管控自動化

本文說明Miros公司設計的一套Wavex感測器系統，如何精準測量波浪、洋流、以及對水航速，並使用深度學習網路來自動辨識測量下取得的雷達資料，進一步提升Wavex系統的表現與可靠度。

對海上船隻而言，海浪、洋流、對水航速（speed through water）等量測資料的準確性，對於船隻執行各種任務，如燃料優化、或在受限區域內導航等，具有很高的價值。舉例來說，對水航速量測錯誤，即使只是一些微小誤差，就有可能對船艦效能的計算帶來重大錯誤，讓每天的燃料使用量多出好幾十噸。傳統上，對水航速是透過水下的測速儀器來測量，這類儀器使用船體承受的水壓差異（水壓計程儀），通過聲納訊號的都卜勒偏移（都卜勒測速儀；Doppler velocity log），或通過藉由通電的線圈與移動水體的交互作用產生的訊號（電磁式測速儀；electromagnetic log）來估計船速。這些系統維護起來的成本高昂，而且容易因為泡沫、亂流或其他船隻運動產生的干擾受到影響。

在Miros公司，我們設計了一套稱為Wavex的感測器系統，它可以精準地測量波浪、洋流、及對水航速。我們這一個系統處理從常見的海用X波段導航雷達的數位化影像，消除干擾問題以及與水下感測器有關的維護費用。我們也使用深度學習網路來自動辨識，例如下大雨等在較差量測條件下所取得的雷達影像，以進一步提升Wavex的表現與可靠度（圖1）。
...
...

使用者別	新聞閱讀限制	文章閱讀限制	出版品優惠
一般使用者	10則/每30天	0則/每30天	付費下載
VIP會員	無限制	25則/每30天	付費下載