案例研究
「透過與 Ansys 合作，我們得以探索新的方法，來因應未來新功能開發所面臨的資料可用性挑戰。」
-Aitor Facio Valero，Navantia COEX Naval Systems 人工智慧技術架構師
由於實際的海軍系統過去缺乏資料治理、未能統一與集中資訊來源，加上缺乏相關標準，導致海軍環境影像的數量嚴重不足。由於此類資料具有保密性，要想建立一套適合訓練高品質機器學習 (ML) 視覺模型的資料集，用於感測、辨識與識別海上船隻，一直是相當困難的事。如此一來，海軍指揮官難以及時判斷接近的船隻是敵還是友，進而影響決策效率。為了取得大量且高品質的海軍影像，有必要發展創新的海軍認知系統，以探索替代的資料來源。
Navantia 展示了如何透過模擬建立合成環境，產生用於海軍認知系統的影像，進而訓練視覺感測模型來提升海軍目標物的辨識能力。該公司受委託開發一套可在海事環境中自動化進行威脅目標視覺偵測與識別的系統。該系統旨在協助海軍艦艇船員辨識戰艦、航空母艦、郵輪及其他船隻，特別是在遠距離情況下。及早偵測有助於及時啟動適當的應對措施。他們使用 Ansys AVxcelerate Sensors™ 感測器模擬軟體，產生影像與情境，藉此訓練機器學習型系統自動識別海軍艦艇。
挑戰
Navantia 所面臨的主要挑戰包括：
- 缺乏足夠資料來訓練機器學習型的電腦視覺系統
- 海上的實際作戰情況相當難以預測，因此訓練出來的模型必須具備高度泛化能力
- 將三種相機 (近距、中距與遠距) 所拍攝的實際影像與模擬海軍艦艇情境的影像進行關聯比對
使用 Ansys AVxcelerate 軟體與 Ansys optiSLang 工具產生合成相機資料
輸入至 Ansys AVxcelerate Sensors 模擬的內容為：在海洋環境與夕陽光照下的航空母艦 3D 模型
在海事環境中由廣視野監控相機所模擬出的影像
工程解決方案
Navantia 工程師：
- 利用 AVxcelerate Sensors 軟體模擬不同特性 (如光學、解析度等) 的相機感測器，並搭配 Ansys optiSLang 程序整合與設計最佳化軟體進行情境變化與整合，從而產生上千張具有高度變異性的影像，用於訓練深度學習演算法
- 產生合成相機影像，用於訓練深度神經網路 (DNN) 來辨識海軍環境中的目標物。使用合成影像訓練的 DNN 表現優於僅使用真實資料訓練的 DNN。結合真實資料與合成影像，建立混合資料集，展現高準確度。
- 與過去非物理型合成資料方法相比，此作法大幅提升影像偵測系統的效能
使用以 AVxcelerate Sensors 合成影像訓練的模型 (左) 與使用真實影像訓練的模型 (右) 之偵測結果對比
使用以 AVxcelerate Sensors 合成影像訓練的模型 (左) 與使用混合資料集 (合成與真實影像) 訓練的模型 (右) 之偵測結果對比
效益
- 透過物理型模擬產生影像，用於訓練深度學習演算法，有效解決在海軍作戰場域等異質環境中資料不足的問題
- 突破在軍事環境中不易取得資料的限制，例如影像機密性、安全疑慮、海上實際作戰的不可預測性、在海軍艦艇上執行實際量測任務的困難，以及艦艇本身的可用性問題
- 透過模擬更深入理解作戰設計領域，並將自動決策流程拓展至先前未曾遭遇的情境
- 透過與 Ansys 合作，有效降低建立擬真虛擬環境的成本，進而最佳化預算並妥善分配資源
- 與 Ansys 合作於 2023 年國防與安全研發全國大會 (DESEi+d 2023) 發表了一篇名為《透過模擬環境建立海軍系統中的混合資料集》(Datasets híbridos mediante entornos de simulación en sistemas navales) 的論文。
混合資料集衡量指標
讓我們開始吧
如果您面臨工程挑戰，我們的團隊將隨時為您提供協助。憑藉豐富的經驗和對創新的承諾，我們邀請您與我們聯絡。讓我們共同合作，將您的工程障礙轉化為成長和成功的機會。立即與我們聯絡，開始對話。