Details

Тема выпускной квалификационной работы: «Бортовая система видео-распознавания обстановки на воде». В работе предложено решение для автоматического обнаружения и классификации объектов (7 классов) с оценкой расстояния и курсового угла в реальном времени. На основе анализа аналогов и научных методов выбран YOLOv11 как оптимальная архитектура по скорости (45 FPS) и точности (mAP@0.5 73.6%). С использованием тренажёра Navigator Pro 6000 сгенерирован датасет (48 тыс. изображений), имитирующий морские условия (волнение, туман, освещённость от 0.003 лк). Реализованы: геометрический метод оценки расстояния (погрешность 6.8 м) и алгоритм определения курсового угла на основе PCA (ошибка 12.7°). Система, разработанная на Python/OpenCV, соответствует техническому заданию: распознаёт объекты на расстоянии до 3 миль, работает при качке (30°), температуре −40...+50°C, обеспечивает обработку 17-20 кадр/с. Результаты подтверждают эффективность подхода для повышения безопасности судоходства в актуальных условиях.

Thesis topic: "Onboard Video Recognition System for Marine Environment Monitoring on Ships". This work presents a solution for real-time automatic detection and classification of objects (7 classes) with distance and course angle estimation. Based on analysis of analogs and scientific methods, YOLOv11 was selected as the optimal architecture for speed (45 FPS) and accuracy (mAP@0.5 73.6%). Using the Navigator Pro 6000 simulator, a dataset (48k images) simulating maritime conditions (waves, fog, illumination from 0.003 lux) was generated. Implemented features include: a geometric distance estimation method (6.8 m error) and a PCA-based course angle determination algorithm (12.7° error). The Python/OpenCV system meets technical specifications: detects objects up to 3 nautical miles away, operates under roll (30°), temperatures from −40°C to +50°C, and processes 17-20 FPS. Results confirm the approachs effectiveness for enhancing navigation safety in real-world maritime environments.