随着信息技术的不断发展以及互联网和人工智能（AI）的普及，渔船渔港管理正在经历广泛的数字化转型。尽管许多管理单位积极采用各种数字化管理手段来进行渔船渔港管控，但仍然存在一些问题，例如船只号牌识别率低、风险识别滞后以及误报率高等，这主要是由于传统AI算法的固有特点所致。
为了解决这些问题，广为海洋与华为合作，基于昇腾的澎湃算力推出了面向智慧渔港的多模态大模型——“广为·智港”，该系统将传统AI算法与大模型技术深度结合，实现了渔船渔港管理的全新数字化。
针对船只号牌识别率低、风险识别不及时、误报率高等痛点，“广为·智港”采用大模型相关的新一代AI技术来改进渔船渔港管理系统：利用深度学习技术，从大量数据中学习复杂的模式和规律，更准确地进行船只号牌识别和风险识别；通过迁移学习和增强学习，将已在其他领域成熟的模型迁移到渔船渔港管理中；结合图像、视频、声音、雷达和AIS等多种数据，利用多模态融合技术更全面地进行风险识别和事件监测；采用自监督学习等方法，从未标记的数据中学习更丰富的表示，提高系统对新情况的适应能力。
在产品功能上，“广为·智港”可在复杂的渔港渔船场景中突破天气、角度、遮挡等因素影响，进行精准的图像分割与目标自动标注；通过AI图像分割技术对区域内多个复杂目标进行精准识别，包括渔船类型、船舷船号，并融合AIS信息记录渔船行动轨迹；通过图像识别技术对船只倾覆、碰撞行为、逆向行驶、人员落水等安全行为进行有效识别，并对潜在或已知的风险行为发出预警预报。
广为海洋完成了研发平台向华为青岛昇腾人工智能生态创新中心的异构计算架构的迁移，使用华为Atlas 910服务器和MindSpore深度学习框架完成了大模型的孵化，在短时间内完成了“广为·智港”的产品研发。相对于其它渔港管理类产品，“广为·智港”高度融合了视频监控、雷达、AIS、电子海图等信息，大模型数据集需求减少90%、数据标注工作量减少50%、支持零样本学习、支持多模态学习、识别准确率大幅提升、并可兼容现有系统。未来，“广为·智港”的相关技术将广泛应用于渔船渔港管理、渔政执法、渔业捕捞、海上应急管理、海洋环境保护、综合指挥调度等场景中。
