利用亚马逊光纤电缆进行船舶检测与定位

海底电缆在全球互联网连接、能源传输和通信中发挥着关键作用，但因意外损坏或破坏而暴露于风险之中。最近发生在波罗的海的事件凸显了加强监控以保护这一关键基础设施的必要性。传统的船舶检测方法，如合成孔径雷达、视频监控和多光谱卫星影像，在实时处理、恶劣天气条件和覆盖范围方面存在局限。本文探索了利用分布式声学传感（Distributed Acoustic Sensing, DAS）作为替代方案的方法，将海底电信缆 repurposed 为大规模声学传感器阵列。DAS 提供了连续实时监控，独立于自动识别系统（Automatic Identification System, AIS）等合作系统，几乎不受光照或天气条件的影响。然而，现有研究在规模和现实条件下的验证方面有限。为克服这些差距，本文提出了一种通用且系统的方法，用于利用 DAS 进行船舶检测和距离估计。应用先进的机器学习模型以提高在动态海域环境中的检测和定位精度。该方法在持续十天的评估期间进行，涵盖了多样化的船舶和作业条件，代表截至目前规模最大的基于 DAS 的船舶监控研究之一，我们发布了完整的评估数据集。结果表明，DAS 作为海域监视工具具有实际应用价值，船舶检测的总F1分数超过90%，船舶距离估计的平均误差为141米，弥合了实验研究与实际部署之间的差距。