隨着信息技術的不斷發展以及互聯網和人工智能（AI）的普及，漁船漁港管理正在經歷廣泛的數字化轉型。儘管許多管理單位積極採用各種數字化管理手段來進行漁船漁港管控，但仍然存在一些問題，例如船隻號牌識別率低、風險識別滯後以及誤報率高等，這主要是由於傳統AI算法的固有特點所致。
為了解決這些問題，廣為海洋與華為合作，基於昇騰的澎湃算力推出了面向智慧漁港的多模態大模型——“廣為·智港”，該系統將傳統AI算法與大模型技術深度結合，實現了漁船漁港管理的全新數字化。
針對船隻號牌識別率低、風險識別不及時、誤報率高等痛點，“廣為·智港”採用大模型相關的新一代AI技術來改進漁船漁港管理系統：利用深度學習技術，從大量數據中學習複雜的模式和規律，更準確地進行船隻號牌識別和風險識別；通過遷移學習和增強學習，將已在其他領域成熟的模型遷移到漁船漁港管理中；結合圖像、視頻、聲音、雷達和AIS等多種數據，利用多模態融合技術更全面地進行風險識別和事件監測；採用自監督學習等方法，從未標記的數據中學習更豐富的表示，提高系統對新情況的適應能力。
在產品功能上，“廣為·智港”可在複雜的漁港漁船場景中突破天氣、角度、遮擋等因素影響，進行精準的圖像分割與目標自動標註；通過AI圖像分割技術對區域內多個複雜目標進行精準識別，包括漁船類型、船舷船號，並融合AIS信息記錄漁船行動軌跡；通過圖像識別技術對船隻傾覆、碰撞行為、逆向行駛、人員落水等安全行為進行有效識別，並對潛在或已知的風險行為發出預警預報。
廣為海洋完成了研發平台向華為青島昇騰人工智能生態創新中心的異構計算架構的遷移，使用華為Atlas 910服務器和MindSpore深度學習框架完成了大模型的孵化，在短時間內完成了“廣為·智港”的產品研發。相對於其它漁港管理類產品，“廣為·智港”高度融合了視頻監控、雷達、AIS、電子海圖等信息，大模型數據集需求減少90%、數據標註工作量減少50%、支持零樣本學習、支持多模態學習、識別準確率大幅提升、並可兼容現有系統。未來，“廣為·智港”的相關技術將廣泛應用於漁船漁港管理、漁政執法、漁業捕撈、海上應急管理、海洋環境保護、綜合指揮調度等場景中。
