近年来,海洋经济已然成为拉动国民经济的有利引擎。我国拥有1.8万公里海岸线,水上运输的快速发展以及水产品市场需求的急剧增长滋生了许多无船名船号、无船舶证书(无有效渔业船舶检验证书、船舶登记证书、捕捞许可证)、无船籍港的“三无渔船”。对渔业的健康发展和渔民的生命安全都造成了很大威胁,有效监管势在必行。而监管的首要任务,就是感知识别渔船的数量,以往都是依赖人工识别,成本高昂,只能定性分析是否有非法渔船。随着深度学习的发展,计算机视觉领域的目标检测能力得到了极大发展,识别率和识别速度都有显著提高,使用计算机代替人工识别有利于降低成本,加强监管力度。通过比较不同深度学习类目标检测算法的优缺点,本文选择目标检测You Only Look Once(YOLO)算法,结合已有的物联网设备,搭建了监管人员使用的智能渔业监管系统,能有效监管三无渔船。本文的主要工作如下:一分析了不同类型的目标检测算法各自的优缺点,结合各自特点及渔船监管需求,选择了 YOLO算法作为系统视频监控模块的算法。二由于港口渔船的视频数据采集困难,只能从网上采集类似的港口航拍视频作为训练数据集。担心数据集太小影响训练效果和泛化能力,我们先构建车辆数据集,在车辆的识别以及数量统计达到良好效果以后,再把训练方法及参数迁移到渔船数据集上,构建港口渔船识别模型。以YOLO网络为基础,首先标注构建交通路口车辆数据集,训练网络权重矩阵,网络检测视频时,利用OpenCV库编写脚本,把目标框出来,并实时计算各类目标数量,标注在视频上,然后通过分析模型各项指标,优化模型。最后迁移到渔船数据集中,在渔船的识别上,检测平均精度值(Average Precision,AP)达到了 0.94,渔船数量统计也较准确,漏检率低。三把模型部署在服务器上,组成视频监控模块。为了方便执法人员监管三无渔船,我们结合已有物联网模块搭建渔业监管系统。系统后台用Express框架结合Sqlize作为Object Relational Mapping(ORM)连接数据库,作为后端接收请求。前端搭建基于Bootstrap的HTML页面,JavaScript控制页面逻辑。Bootstrap栅格化css样式类实现页面自适应,Javascript控制页面显示、绘图、交互逻辑。可视化渔船监控数据,实时展示渔船位置及渔船数量。通过已有的物联网设备,再使用以YOLO算法为核心构建的视频监控模块,搭建了渔业监管系统,系统能可视化地展示渔船实时类别,数量,渔船位置等信息,可以订阅具体渔船的信息,准确率高,方便执法人员监管三无渔船。