海上人工智慧的新利器
一支中國軍事研究團隊公布了其所稱全球最大的公開船舶偵測資料集，這項資源可能改變人工智慧在海上辨識與追蹤船隻的方式。這份雙模態船舶偵測（DMSD）資料集於 1 月刊登在經同儕審查的《雷達學報》，包含超過 2,000 組配對影像，以及近 20,000 個標註目標，為無人機、飛彈及監偵系統提供前所未有的訓練工具，使其能在艱困的海上環境中運作。研究團隊由煙台海軍航空大學、哈爾濱工程大學及中國科學院計算技術研究所的研究人員組成，並已將這批資料免費提供給全球研究社群。這項發布顯示，中國正大力投入人工智慧輔助海戰能力，尤其著眼於長期困擾海上目標辨識的技術難題。
這份資料集旨在彌補現代海戰系統的一項關鍵弱點：在傳統雷達遭到干擾、欺敵或效能下降等對抗環境中，系統難以可靠辨識並追蹤移動中的船隻。DMSD 集合結合可見光影像與紅外線熱影像，提供訓練機器學習演算法所需的原始資料，讓系統即使在黑暗、霧霾或電子干擾下，仍能持續掌握目標。這次發布的資料量有別於以往的海上偵測資料庫，為研究人員與國防承包商提供大量且高品質的訓練資料，以利開發新一代自主目標鎖定系統。
海上環境對自動偵測系統構成獨特障礙，這些問題鮮少出現在陸上演算法的應用場景。陽光在水面反射形成眩光，可能使光學感測器失效；天氣快速變化，以及遠距海域的大氣扭曲，也會降低影像清晰度。缺乏明顯參照點的雜亂背景，則進一步增加區分船隻與周遭環境的難度。由於這些環境因素，要抵達海軍目標的大致位置，往往遠比確認目標身分並精確追蹤、以利武器接戰來得容易。DMSD 資料集特別針對這些挑戰，提供在不同海況與光線條件下拍攝的標註影像，讓人工智慧系統能學習穩健的辨識模式，不受環境變化影響。
海上尋找船隻的長期難題
海上船舶辨識面臨的技術障礙，遠比陸上物體偵測嚴峻。海上環境受到水面反射陽光、天氣快速變化、遠距大氣扭曲，以及缺乏明顯參照點的雜亂背景等因素影響。這些條件會系統性地削弱光學與電子分類系統的準確度。在對抗環境中可靠辨識並追蹤移動中的海軍目標，是現代軍事科技最棘手的難題之一。不同於固定不動的陸上目標，船隻持續在動態環境中移動，會產生動態模糊，且相對於感測器的方向不斷改變。海水飛沫、霧氣與霾也會降低影像品質，而外觀單調一致的海面幾乎沒有可供自動系統區分船隻與周遭環境的視覺線索。無論觀測平台是無人機、飛機或衛星，其本身的移動也會增加追蹤難度，造成視差誤差與視角變化，使以穩定陸地影像訓練的演算法混淆。
傳統雷達系統雖然功能強大，在現代對抗環境中卻面臨日益嚴重的弱點。電子作戰能力可干擾、欺騙或削弱雷達回波，使目標位置與身分難以判定。這項限制促使軍事研究人員轉向多感測器融合方法，結合不同偵測模式，建立具備備援能力的目標鎖定系統。DMSD 資料集直接回應這項需求，提供模擬真實世界變化的訓練資料，讓人工智慧系統能學會在實際作戰條件下維持可靠效能。若缺乏這類完整的訓練資源，自主武器系統可能在最需要發揮作用時失效，無法分辨軍艦與民用貨櫃船，或在關鍵接戰時刻失去對機動目標的追蹤。
DMSD 資料集如何改變局勢
DMSD 資料集採用雙模態方法，將相同船隻在相同條件下拍攝的可見光影像與紅外線影像配對。這種配對方式讓機器學習演算法能掌握船隻在一般攝影影像與熱影像中的外觀關聯，進而建立能適用於多種作戰情境的穩健辨識模型。研究論文通訊作者、中國科學院研究人員高龍說明了團隊採用的全面資料蒐集方法。
資料是透過安裝於岸基與空中平台上的合成孔徑雷達（SAR）、雷達、可見光攝影機、紅外線攝影機及其他感測器取得。
這次發布的標註規模有別於以往的海上偵測資料庫。資料集涵蓋超過 2,000 組配對影像、近 20,000 個標註目標，提供足夠的數量與多樣性，可用於訓練深度學習模型，避免小型資料集常見的過度擬合問題。每筆標註都包含精確的邊界框與分類標籤，讓監督式學習演算法能培養細緻的辨識能力，區分船型、作業狀態與方向。納入紅外線影像尤其有助於夜間作業：此時可見光攝影機已無法有效運作，熱感測器卻仍能偵測引擎、排氣系統與船體的熱訊號，並與溫度較低的海水背景形成對比。即使船隻試圖以視覺方式偽裝，或處於光學辨識無法發揮作用的環境，這些熱影像資料仍能維持可靠性。
紅外線在對抗環境中的優勢
在高強度戰鬥情境中，紅外線感測器相較於主動雷達具有明顯的戰術優勢。雷達必須發射可被偵測的電磁訊號才能定位目標；紅外線系統則以被動方式運作，測量物體自然散發的熱輻射，不會主動發射訊號暴露自身位置。這種被動特性讓紅外線偵測具備隱蔽性，也不受傳統電子干擾技術影響，後者通常是用來混淆主動感測器。DMSD 資料集納入紅外線影像，正是為了彌補海戰中的一段關鍵弱點期：歷來能為船隻提供光學導引武器防護的夜間與低能見度環境。
結合可見光與紅外線資料，可形成互補能力，彌補個別感測模式的限制。光線充足時，可見光能提供船舶分類所需的細節；紅外線則能穿透黑暗、霾與薄霧，在光學系統失效時維持偵測能力。透過以兩種光譜的配對影像進行訓練，人工智慧目標鎖定系統能學會在其中一種感測器因環境因素或反制措施而失去訊號時，仍持續追蹤船隻。對於必須在時間緊迫的情境中不經人工介入、獨立做出接戰決策的自主武器系統而言，這種備援能力不可或缺。雙模態方法可確保感測器類型之間的切換順暢，維持連續的目標鎖定能力，避免因環境轉變而中斷。
現實案例：荷莫茲海峽事件
今年 2 月，伊朗宣稱成功攻擊荷莫茲海峽附近的美軍「亞伯拉罕．林肯號」航空母艦，凸顯提升船舶偵測能力的實際重要性。華府否認這項說法，表示相關飛彈或無人機並未接近預定目標。這起事件凸顯，朝海軍目標的大致方向發射武器，與精確辨識目標並提供末段導引、確實命中目標，兩者之間仍有差距。事件也顯示，即使對手意志堅定且具備先進武器系統，在海上環境中仍難以解決最後的目標鎖定問題；繁忙的航運路線與環境干擾會造成混淆。
荷莫茲海峽是全球最具戰略意義的海上咽喉之一，全球近三分之一的液化天然氣與石油運輸都經過這片狹窄水域。在商船往來頻繁、海岸線複雜的環境中，精確鎖定移動船隻並不容易；這也說明 DMSD 這類資料集為何具有重大的地緣政治意義。各國日益發展精密的反介入與區域拒止戰略之際，能否在民船往來中可靠辨識特定軍艦，已成為威懾評估與作戰規劃的關鍵因素。鑑於該區域局勢持續緊張，以及攻擊機動大型軍艦的難度已經顯現，這份於 1 月發布的資料集更顯重要。精確區分軍用與民用船隻，可避免意外升高衝突，同時確保防禦系統鎖定真正威脅，而非誘餌或中立商船。
軍事應用與戰略意涵
研究團隊的機構背景清楚顯示這份資料集的預定用途。海軍航空大學隸屬中國軍事院校體系，負責培訓中國人民解放軍海軍人員，並開發海軍航空作戰技術。哈爾濱工程大學在水下聲學與海洋工程領域設有實力雄厚的研究計畫；中國科學院則從事支援國防重點工作的基礎研究。學術機構與軍事機構攜手合作，反映中國國防研究的更廣泛趨勢：透過公開發表技術成果加速創新，同時為國內國防工業體系建立技術標準。這些特定機構參與其中，顯示研究尤其著重無人飛行載具與精準打擊系統的應用。
分析人士指出，北京公開 DMSD 資料集，可能是同時追求多項戰略目標。開放資料可讓民間研究人員協助改進偵測演算法，加速人工智慧海軍科技的發展。此舉也有助於將中國的技術標準與研究方法確立為海事人工智慧應用的全球基準。這份資料集特別支援自主監偵無人機、精準反艦飛彈，以及智慧偵察系統的開發，使其能在 GPS 遭拒用或電子對抗環境中有效運作；在這些環境中，傳統導航與目標鎖定系統的效能可能下降。透過邀請全球研究社群以這項特定技術基礎進行合作，中國將自身置於未來海事人工智慧發展的核心，同時掌握底層資料架構。
重點整理
- 中國軍事研究團隊公布 DMSD 資料集，包含超過 2,000 組可見光與紅外線船舶配對影像，以及近 20,000 個標註目標
- 這份資料集有助開發人工智慧目標鎖定系統，供無人機、飛彈與監偵平台在夜間或雷達效能受限的環境中使用
- 海軍航空大學、哈爾濱工程大學與中國科學院的研究人員主導這項計畫，相關研究刊登於《雷達學報》
- 雙模態偵測結合可見光細節與紅外線能力，以克服眩光、天候與黑暗等環境挑戰
- 公開資料集符合中國開放軍事相關人工智慧研究的策略，旨在加速創新並建立技術標準
- 海上目標辨識在技術上仍充滿挑戰，近期涉及攻擊美國海軍艦艇的說法也凸顯了這一點
