海巡季刊第105期

CGA Discussion Cloud CGA 交流雲 11. 〈 2 0 1 2 年查緝馬祖地區越域捕漁概況〉，馬祖海巡隊 ， h t t p s : / / w w w . t p c . m o j . g o v . t w / media/85202/610141146292.pdf 。 12. 〈海巡助民！紅外線熱影像發現車輛受困沙地〉，民視新聞網， 2019 年 6 月 16 日， https://www.ftvnews.com. tw/news/detail/2019616C07M1 。 （如圖 11 ），提供本署岸巡隊、查緝隊與海巡隊勤 務人員使用。 聰明的讀者一定發現了在上一段，筆者特地把 「以長久的經驗與專業的技能」給框了起來，人工 就代表著可能失誤，所以在這裡可以分成兩個部分 來探討，一是在雷達回波的部分，可以引用前面介 紹的 CNN 網路，針對本署大量的回波圖片資料進行 訓練，藉以自動化分析出船隻的位置，雖然現行系 統已有相關的演算法可以將海面的雜訊（如碎浪干 擾）去除，但 CNN 網路也不失為一個可行的輔助 方法。 其二則是針對「雷情資訊系統」部分進行探 討，雷情系統是本署執勤的重要依據，在船隻航跡 的研判十分重要，而航跡則是說明了漁民的行為。 比方說，並排的船可能是雙拖船，但也可能是走私 貿易進行中；朝著岸際快速移動的船可能是返航的 漁民，也可能是快速衝岸的偷渡犯。從上述許許多 多的情形來看，仍回歸到了「經驗」之上，坦若將 以往的各式犯罪樣態航跡拿來讓人工智慧訓練，將 相關的「經驗」正規化，不但可以大大降低失誤的 機率，更可以提高人員的效率。 然而航跡這樣的東西，是有時間性的因素，所 以在這裡需要補充遞歸神經網路（ Recurrent Neural Network, RNN ）的概念，這是可以將時間作為關聯 的神經網路，所以是用來解決上述問題的可行方案。 二、紅外線監視 本署在民國 107 年期間於許多偷渡熱點，試辦 建置了新型的紅外線熱顯像顯示系統，輔助守望人 員監控岸際狀況（如圖 12 ），在夜晚中沒有任何光 源，可見光已無法提供任何有效訊息，然而紅外線 的特性可有效解決這個問題，同理本系統亦可將紅 外線的圖像資料庫，導入 CNN 網路訓練，所訓練出 來的模型便可即時輔助人員監控。 三、無人機巡邏 為加強海面及岸際偵蒐，並提供快速到達現 場能力，本署亦於民國 107 年建置旋翼型無人機小 組，專門進行相關勤務支援任務，現行採取人員操 圖 11 　雷情資訊系統 11 圖 12 　紅外線熱顯像顯示系統畫面 12 68