海上人工智能的新工具
一支中国军事研究团队发布了其所称的全球最大公开舰船探测数据集。这项资源或将改变人工智能在海上识别和跟踪舰船的方式。该数据集于1月刊载在同行评审期刊《雷达学报》上，名为双模态舰船探测（DMSD）数据集，包含2000多组成对图像和近2万个标注实例，可为在复杂海上环境中运行的无人机、导弹和监视系统提供前所未有的训练工具。研究团队成员来自烟台海军航空大学、哈尔滨工程大学和中国科学院计算技术研究所，并已向全球研究界免费开放这批数据。此次发布表明，中国正大力投入人工智能赋能的海战能力建设，重点应对长期困扰海上目标识别的技术难题。
该数据集旨在弥补现代海战系统的一项关键短板：在传统雷达系统遭遇干扰、欺骗或性能下降等对抗环境下，系统难以可靠识别和跟踪移动舰船。DMSD数据集将可见光图像与红外热特征结合，为训练机器学习算法提供原始素材，使其能够在黑暗、雾霾和电子干扰环境中持续跟踪目标。与此前的海上目标探测数据库相比，该数据集规模更大，为研究人员和国防承包商开发新一代自主瞄准系统提供了大量高质量训练数据。
海上环境给自动探测系统带来的独特障碍，是陆上算法鲜少遇到的。阳光在水面上的反射会产生眩光，使光学传感器失效；天气快速变化以及远距离海面上的大气畸变则会降低图像清晰度。缺乏明显参照物的杂乱背景，也进一步增加了从周围环境中辨别舰船的难度。这些环境因素意味着，抵达海上目标的大致区域往往远比完成武器交战所需的准确识别和精确跟踪容易。DMSD数据集专门针对这些挑战，提供在不同海况和光照条件下采集的标注样本，帮助人工智能系统学习能够适应环境变化的稳健识别模式。
海上舰船探测面临的长期挑战
海上舰船识别面临的技术障碍远比陆上物体探测严峻。海上环境受水面阳光反射、天气快速变化、远距离大气畸变以及缺乏明显参照物的杂乱背景影响。这些因素会持续削弱光学和电子分类系统的准确性。在对抗环境下可靠识别移动海上目标，是现代军事技术中最棘手的问题之一。与静止的陆上目标不同，舰船会在动态介质中持续移动，造成运动模糊，并不断改变相对于传感器的方位。海浪飞沫、浓雾和霾会进一步降低图像质量，而外观单一的海面几乎无法为自动系统提供足够的视觉线索，以便将舰船与周围环境区分开来。无人机、飞机或卫星等观测平台本身的运动也增加了跟踪难度，会造成视差误差和视角变化，使基于稳定陆地影像训练的算法难以准确判断。
传统雷达系统虽然能力强大，但在现代对抗环境中面临日益严峻的脆弱性。电子战能力可以干扰、欺骗或削弱雷达回波，使目标位置和身份难以确定。这一局限促使军事研究人员转向多传感器融合方案，将不同探测方式结合起来，形成冗余的目标锁定能力。DMSD数据集直接回应了这一需求，提供能够模拟现实世界变化情况的训练数据，帮助人工智能系统在实际作战条件下实现可靠表现。缺少这样全面的训练资源，自主武器系统可能会在最需要发挥作用时失灵，无法区分军舰与民用集装箱船，或在关键交战窗口期跟丢机动目标。
DMSD数据集带来的变化
DMSD数据集采用双模态方案，为同一艘舰船在相同条件下配备可见光图像和红外特征。通过这种配对，机器学习算法能够掌握舰船在普通摄影图像中的外观与其热成像特征之间的关联，从而建立适用于多种作战场景的稳健识别模型。该研究的通讯作者、中国科学院研究人员高龙介绍了团队采用的全面数据采集方法。
数据由安装在岸基和空中平台上的合成孔径雷达（SAR）、雷达、可见光相机、红外相机及其他传感器采集。
标注工作的规模使该数据集有别于此前的海上目标探测数据库。数据集包含2000多组成对图像和近2万个标注实例，具备训练深度学习模型所需的数据量和多样性，有助于避免小规模数据集常见的过拟合问题。每个标注都包含精确的边界框和分类标签，使监督学习算法能够培养细粒度的辨别能力，从而区分舰船类型、运行状态和朝向。红外图像的加入对夜间行动尤为重要：此时可见光相机已难以发挥作用，但热传感器仍能探测发动机、排气系统和船体的热特征，并将其与温度较低的水面区分开来。即使舰船试图进行视觉伪装，或处于光学识别无法实现的环境中，这些热成像数据仍然可靠。
红外技术在对抗环境中的优势
在高强度作战场景中，红外传感器相较主动雷达具有独特的战术优势。雷达必须发射可被探测到的电磁信号才能定位目标，而红外系统以被动方式运行，只测量物体自然发出的热辐射，不会主动暴露自身位置。这种被动特性使红外探测具备隐蔽性，也不易受到旨在干扰主动传感器的传统电子干扰技术影响。DMSD数据集纳入红外图像，针对的是海战中的一个关键薄弱时段：黑夜和低能见度条件，这些环境过去曾为抵御光学制导武器提供掩护。
可见光与红外数据结合后，能形成互补能力，弥补各自的局限。光照充足时，可见光图像能提供舰船分类所需的细节；红外则可以穿透黑暗、霾和薄雾，在光学系统失效时维持探测能力。通过使用两种光谱的配对样本进行训练，人工智能瞄准系统能够学会在某一类传感器因环境条件或反制措施而失去目标时，继续跟踪舰船。这种冗余能力对于必须在时间紧迫的场景中自主作出交战决定的武器系统至关重要。双模态方案能够确保传感器类型之间无缝切换，持续提供目标锁定方案，避免在环境条件变化时跟踪中断。
现实利害：霍尔木兹海峡事件
今年2月，伊朗声称在霍尔木兹海峡附近成功打击美国海军“亚伯拉罕·林肯”号航空母舰，这一事件鲜明体现了提升舰船探测能力的现实意义。华盛顿方面驳斥了这一说法，称相关导弹或无人机并未接近预定目标。该事件凸显了向海上目标的大致方向发射武器，与实现实际命中所需的准确识别和末段制导之间存在差距。即便对手拥有决心和能力不俗的武器系统，在海上交通复杂、环境干扰严重的情况下，解决最终瞄准问题仍然困难重重。
霍尔木兹海峡是全球最具战略意义的海上咽喉要道之一，全球近三分之一的液化天然气和石油运输经过其狭窄水域。在商船密集、海岸线复杂的环境中，准确瞄准移动舰船十分困难，这也说明了DMSD这类数据集为何具有重要的地缘政治意义。随着各国发展日益先进的反介入和区域拒止战略，能否在民用船舶中可靠识别特定军舰，已成为威慑评估和作战规划中的决定性因素。鉴于该地区持续紧张，以及针对机动中的大型军舰实施海上打击的难度已得到印证，这一数据集在1月发布更显重要。准确区分军用和民用舰船，既能避免意外升级，也能确保防御系统针对真正威胁采取行动，而非被诱饵或中立船只误导。
军事应用与战略影响
研究团队的机构背景清楚表明了该数据集的预期用途。海军航空大学隶属中国军事院校体系，为中国人民解放军海军培养人才，并研发海军航空技术。哈尔滨工程大学在水声学和船舶工程领域实力突出，中国科学院则开展支持国防重点领域的基础研究。学术机构与军事机构的合作反映出中国国防研究的一种更广泛做法：公开发表技术成果，以加速创新，同时为国内国防工业体系确立技术标准。这些机构的参与也表明，该项目特别关注无人机和精确打击系统的应用。
分析人士指出，北京公开发布DMSD数据集，可能意在同时实现多项战略目标。开放数据有助于民间研究人员改进探测算法，从而加快人工智能海军技术的发展。此举也有助于将中国的技术标准和研究方法确立为海上人工智能应用领域的全球参照。该数据集专门支持自主监视无人机、精确反舰导弹和智能侦察系统的研发，使其能在GPS拒止或电子对抗环境中有效运行，而在这些环境下，传统导航和瞄准系统可能性能下降。通过邀请全球研究界围绕这一特定技术基础开展合作，中国既能在未来海上人工智能发展中占据核心位置，也能继续掌控底层数据架构。
要点
- 中国军事研究团队发布DMSD数据集，包含2000多组成对的可见光和红外舰船图像，标注近2万个实例
- 该数据集支持研发用于夜间或雷达性能受干扰环境的无人机、导弹和监视平台人工智能瞄准系统
- 海军航空大学、哈尔滨工程大学和中国科学院研究人员牵头完成该项目，相关研究发表于《雷达学报》
- 双模态探测将可见光细节与红外探测能力结合，以应对眩光、天气和黑暗等环境挑战
- 公开发布数据集符合中国开放军事相关人工智能研究、加速创新并确立技术标准的战略
- 海上目标识别仍面临技术难题，近期有关美军舰艇遭袭的说法所涉及的事件便体现了这一点
