船只识别与水域安全检测数据

本数据集通过对水域船只标注框的空间分布分析，实现水域交通安全评估。核心算法：统计标注框数量得到船只密度（密度越高碰撞风险越大），结合船只与禁航区、浅滩的位置关系，综合得出水域安全评分。本数据不仅能促进公司内部算法训练效率和算法场景优化，同时还能应用于：海事相关管理部门：基于安全评分和船只密度进行航道交通管制和船舶分流调度；渔政执法部门：利用禁航区入侵检测发现非法捕捞船只；港口运营企业（行业用户）：基于船只密度优化泊位调度和装卸作业计划；水上应急救援机构（政府）：基于船只空间分布快速定位搜救目标等相关部门及企业。1. 数据采集 采集目标检测图像标注数据。标注格式采用OBB旋转标注框格式（4顶点坐标：x1,y1,x2,y2,x3,y3,x4,y4），坐标归一化至[0,1]区间。提取标注字段包括：序号（从1开始连续编号）、图片名称、类型名称、以及OBB标注框坐标。 2. 数据处理 坐标归一化验证：确保所有坐标值均在[0,1]有效范围内；标注框几何有效性检查：验证OBB标注框形成有效凸四边形；类别信息校验：确保类型编号与类型名称一一对应，无缺失或错误映射；图片名称去重校验：确保每张图片的标注归属正确，无孤立的标注记录；异常值处理：剔除坐标超出[0,1]范围、面积为0或过大的异常标注。 3. 算法加工 （一）基础几何计算 标注框中心X = (x1+x2+x3+x4)/4，标注框中心Y = (y1+y2+y3+y4)/4，保留6位小数。 标注框面积 = |x1×y2+x2×y3+x3×y4+x4×y1−x2×y1−x3×y2−x4×y3−x1×y4|/2（Shoelace公式），保留6位小数。 （二）场景分析算法 基于OBB标注框进行水域交通安全分析： （1）船只密度=同帧船只标注框数量÷1.0。 （2）平均最近邻距离：同帧每艘船的标注框中心((x1+x2+x3+x4)/4, (y1+y2+y3+y4)/4)到最近其他船的欧氏距离的均值。 （3）接近度评分=max(0, 1−min(平均最近邻距离×3, 1))，距离越近接近度越高。 （4）水域安全评分=max(0.5, min(10, round(接近度评分×8+船只密度×0.2+0.5, 1)))，接近度越高、密度越大，安全评分越高（风险越大）。 （5）安全等级：评分<3为安全，3≤评分<5为注意，5≤评分<7为危险，评分≥7为高危。

搜集汇总

背景与挑战

背景概述

该数据集由杭州团簇科技有限公司提供，包含2000条船只识别与水域安全检测数据，采用OBB旋转标注框格式记录船只位置与类型。通过分析船只密度、接近度及禁航区关系，计算水域安全评分与等级，可应用于海事交通管制、渔政执法、港口调度及水上应急救援等场景。