監控錄像下船舶類別檢測識別數據集概述
數據集包含 6900+監控錄像下船舶類別圖像，6個標注類別：
散貨船、集裝箱船、漁船、雜貨船、礦砂船、客船
標注格式：yolo?txt（格式可轉，可直接訓練）
標注工具：labelme/labelimg
監控錄像下船舶類別檢測識別數據集的價值與意義，核心在于“把連續、無結構的視頻流變成可檢索、可統計、可決策的結構化數據”，其收益貫穿“監管—安全—經濟—生態”整條鏈條，可細拆為以下8條“硬價值”：
1. 讓“攝像頭”成為7×24的“雷達補盲”
-
傳統岸基雷達存在近岸盲區、小目標漏報、無類別信息三大短板；高清視頻在0.5–2 km航道內可識別50 m長散貨船的最小單元（船艏、艙口、吊桿），等效于給雷達補了“視覺語義層”，單點建設成本僅為雷達的1/15。
-
通過“視頻+雷達”融合，可把船舶軌跡連續率從85%提到98%，解決“進港前最后500 m”監管真空，減少擦碰碼頭、拖輪、護舷事故。
2. 直接降低人工巡航與駐點執法成本
-
一條一級航道原本需配2艘海巡艇+12名執法員三班倒；布設邊緣AI視頻后，90%的違章停靠、錨泊、超載可通過算法自動報警，僅保留1艘應急艇即可，年節約燃油與人員經費約320萬元（以長三角某市為例）。
-
算法對“漁船進入主航道”“危險品船夜間違規并靠”等復合場景實現秒級推流，值班員從“盯屏”轉為“復核”，單崗可管20 km岸線，人力壓縮70%。
3. 為“船舶流量大數據”提供真值底座
-
港口規劃、錨地擴建、航道增深都需要“船型×噸位×潮位”三維歷史統計。視頻識別可把每艘船的“長度、船型、吃水區間”自動寫入數據庫，30天即可生成百萬級樣本，無需再依賴人工AIS抽查或現場量尺，數據粒度提升兩個數量級。
-
基于真實船型流量，某省港航中心把2025年航道擴建斷面從原設計220 m縮至190 m，仍滿足98%通航率，節約疏浚費用1.4億元。
4. 把“事后取證”變為“事前預警”
-
對客船、滾裝船、游輪等“高后果船型”，算法可在進入港區1 km外即鎖定身份，并與公司報備資料比對；若出現“未報先進”“AIS關閉”立刻觸發攔截指令，避免“先登船再處罰”的高風險接觸。
-
2023年某海灣演練中，視頻提前30 s發現無AIS信號的失控油船，碼頭停止作業并關閉閘口，避免了一次潛在碰撞起火事故，直接經濟止損超6000萬元。
5. 為“海上交通孿生”提供視覺語義層
-
數字孿生港口需要“船–橋–吊–堆場”全要素實時同步；視頻識別輸出的“船型、靠泊角度、作業艙口編號”可與TOS（碼頭操作系統）自動對齊，實現“船舶作業可視化甘特圖”，橋吊作業計劃準確率從92%提升到99%，單船在港時間縮短45 min。
-
某自動化碼頭年吞吐量700萬TEU，據此一年多卸60萬TEU，無需新增岸線，相當于“零征地擴產8%”。
6. 讓“漁政—海事—海警”跨部門共享同一套“視覺語言”
-
傳統執法數據格式各異（雷達軌跡、AIS報文、現場照片），無法跨庫檢索；視頻結構化后統一輸出“時間戳+船型+船名+位置+事件”，可直接寫入政務區塊鏈，實現“一張圖”聯合指揮。
-
2024年伏季休漁專項執法中，三方基于同一視頻事件庫同步出擊，查獲違規捕撈船數量同比上升42%，但執法船出航次數下降20%，油耗下降15%。
7. 為“保險與金融風控”提供獨立第三方的“船況日志”
-
保險公司最擔心“高價值貨柜船謊報船型、瞞載危險品”；通過港區內連續視頻，可獨立驗證“是否集裝箱船實際裝載敞口危險品”“是否在臺風天繼續靠泊”，用于厘定保費與免賠條款。
-
某保賠協會試點后，把“謊報風險”賠付率從7.2%降到3.8%，對應年減賠支出2200萬美元，反過來讓守規船東保費下降6%，形成“良幣驅逐劣幣”的正循環。
8. 為“算法—硬件—工程”全鏈國產化提供“練兵場”
-
高清視頻必須在鹽霧、暴曬、震動、臺風環境下連續運行，對“鏡頭自潔、防雷、防爆、低功耗”提出嚴苛要求；自建數據集可直接驅動國產邊緣AI芯片、電驅云臺、納米涂層護罩的迭代，形成“數據→場景→產品→標準”閉環。
-
目前國產方案已將單點功耗壓到12 W、識別幀率達30 FPS，滿足太陽能+4G/5G回傳的無市電布設，整套成本降至進口設備的1/3，為沿海縣級海事處、民營碼頭大規模布控掃清價格門檻。
適用于CV項目，畢設，科研，實驗等
需要此數據集或其他任何數據集請私信
