Die Erkennung von Schiffen spielt eine wichtige Rolle bei der nationalen Verteidigung und Sicherheit, der Hafenverwaltung, der Umweltüberwachung, der Versicherungs- und Risikobewertung sowie der Seenotrettung. Für gewöhnlich wird zur Erkennung von Schiffen zwar das automatische Identifikationssystem (Automated Identification System, AIS) eingesetzt, jedoch bestehen einige Einschränkungen, beispielsweise unvollständige Schiffverkehrsdaten aufgrund ausgeschalteter oder fehlerhafter AIS. Zudem sind nicht alle Schiffe mit einem AIS-Transponder ausgestattet. Durch eine auf Satellitenbildern basierende Erkennung können diese Einschränkungen überwunden werden.
Mit dem vortrainierten Modell Ship Detection (RGB) werden in hochauflösenden optischen Satellitenbildern Schiffe erkannt und verortet. Es können Verteilungsmuster mit hoher wie auch geringer Dichte verarbeitet werden. Die erkannten Polygone werden am Drehwinkel des jeweiligen Schiffes ausgerichtet, um genauere Informationen zur Schiffsausrichtung und eine bessere räumliche Darstellung der Schiffe zu liefern. Das Modell basiert auf der in ArcGIS API for Python implementierten MaskRCNN-Architektur und wurde mit einem internen Dataset zur Schiffserkennung trainiert, das verschiedene in den USA gängige Schiffstypen und -größen umfasst.
Lizenzanforderungen
Für diesen Workflow gelten die folgenden Lizenzanforderungen:
- ArcGIS Desktop: ArcGIS Image Analyst-Erweiterung für ArcGIS Pro
- ArcGIS Enterprise: ArcGIS Image Server
- ArcGIS Online: ArcGIS Image for ArcGIS Online
Modelldetails
Dieses Modell hat die folgenden Merkmale:
- Eingabe: Hochauflösende Dreiband-RGB-Satellitenbilder mit einer räumlichen Auflösung von 30 Zentimeter (0,3 Meter)
- Ausgabe: Feature-Layer mit Polygonen, die die in den Eingabebilddaten erkannten Schiffe darstellen
- Berechnung: Dieser Workflow ist rechenintensiv. Empfohlen wird eine GPU mit Compute Capability Version 6.0 oder höher.
- Eignung für Geographien: Das Modell eignet sich gut für die Vereinigten Staaten und ähnliche Geographien.
- Architektur: Das Modell verwendet die in ArcGIS API for Python implementierte MaskRCNN-Modellarchitektur.
- Accuracy-Kennwerte: Das Modell hat einen durchschnittlichen Precision-Score von 0,683.
Training: Das Modell wurde mit einem internen Dataset zur Schiffserkennung trainiert.
Zugreifen auf das Modell
Laden Sie das vortrainierte Modell Ship Detection (RGB) aus dem ArcGIS Living Atlas of the World herunter. Alternativ können Sie direkt über ArcGIS Pro auf das Modell zugreifen oder es in ArcGIS Image for ArcGIS Online verwenden.
Herunterladen des Modells (ArcGIS Living Atlas of the World)
Führen Sie die folgenden Schritte aus, um das Modell mit ArcGIS Living Atlas of the World herunterzuladen:
- Navigieren Sie zum ArcGIS Living Atlas of the World.
- Melden Sie sich mit Ihren ArcGIS Online-Anmeldedaten an.
- Suchen Sie nach Ship Detection (RGB), und öffnen Sie in den Suchergebnissen die entsprechende Elementseite.
- Klicken Sie auf die Schaltfläche Herunterladen, um das Modell herunterzuladen.Sie können die heruntergeladene .dlpk-Datei direkt in ArcGIS Pro verwenden oder sie in ArcGIS Enterprise hochladen und dort verwenden. Außerdem können Sie das vortrainierte Modell bei Bedarf optimieren.
Herunterladen des Modells (ArcGIS Pro)
Führen Sie die folgenden Schritte aus, um das Modell mit ArcGIS Pro herunterzuladen:
- Öffnen Sie ArcGIS Pro.
- Klicken Sie auf den Bereich Katalog, und wählen Sie Portal aus.
- Klicken Sie auf Living Atlas, und suchen Sie nach Ship Detection (RGB).
- Klicken Sie mit der rechten Maustaste auf das Modell, und laden Sie die .dlpk-Datei herunter.
Versionshinweise
Es folgen die Versionshinweise:
| Datum | Beschreibung |
|---|---|
| November 2023 | Erste Version von "Ship Detection (RGB)" |