渡轮船舶运输是我国交通运输的重要组成部分,近年来渡轮船舶事故时有发生,对生命财产造成重大威胁。为保障船舶安全、评估通航信息以及打击非法停泊等违规现象,对渡轮船舶进行监测势在必行。监测系统首先需要获取船舶身份信息进而保存到数据库中以备进行管理,传统的船舶监测基于数据交换,没有船只图像,无法根据实际情况对现场做出指导,传统数据管理的做法通常是匹配查询词与数据库数据,这使得信息的查询非常僵化且效率低下,无法全面展示用户所需的信息。针对这些问题,本文分析了渡轮船舶监测系统的需求,利用深度学习获取船舶身份等数据,并建立船舶监测信息的知识图谱,实现监测数据的智能查询,增加船舶监测管理效率。总的来说,本文的主要工作表现为以下几个方面:1.针对监控画面识别的多类别识别问题,论文选择Faster-RCNN作为检测算法,选择Res Net作为骨干网络并对其进行优化,改进Res Net的残差块。引入以知识图谱为基础的全局推理模块,通过引入外部知识,在全局范围内进行视觉推理,得到增强的图像特征以提升检测效果。2.为获得更加贴合船牌的检测框,选择DB算法作为检测船牌的办法。选择CRNN作为识别船牌方法,获取详细的船牌数据信息。经实验验证,两种方法均可以达到使用要求。3.收集船舶相关信息,将船舶、港口、航线和国家等信息并以此为基础制作知识图谱,然后利用知识图谱构建信息查询模型,结合朴素贝叶斯模型和jieba等技术进行实现,提供智能查询,增加数据管理效率。4.设计并实现了一套以上述技术为主要技术基础的渡轮船舶监测系统。实现了对出入港船只的监控,结合知识图谱验证船舶行为是否违规,以确保港口船舶的航行安全。经验证,该系统能有效实现预期结果。