تزايدت الحاجة إلى المراقبة البحرية بشكل ملحوظ، ما أدى إلى تطوير استراتيجيات لمراقبة أنشطة قوارب الصيد، وخاصة تلك التي تعمل في الظلام دون استخدام نظام التعريف الآلي (AIS). في هذا الإطار، قدمت دراسة جديدة طريقة مبتكرة لاكتشاف قوارب الصيد الصغيرة من خلال استخدام صور الأضواء الليلية (Nightlight Imagery) المستمدة من قمر SDGSAT-1، مستفيدة من تقنيات التعلم العميق (Deep Learning) لتعزيز الوعي بمراقبة الصيد على الساحل الغربي للهند.

تم تطوير معمارية YOLO11 ذات الفرعين لاستغلال كل من الصور النقطية بحجم 10 أمتار وصور RGB بحجم 40 متراً من SDGSAT-1. تم تحسين النموذج خصيصًا لاكتشاف الكائنات الصغيرة في الصور الليلية، حيث ميز بين التعليمات البرمجية المتوازية التي تعالج كلا الصيغتين قبل الدمج لتعزيز استخراج الميزات. وقد أظهرت نموذج YOLO11 الذي يتألف من فرعين أداءً استثنائيًا بدقة 0.99 واسترداد 0.93، ونتيجة F1 بلغت 0.96، وmAP@50 بنسبة 0.96، متفوقًا بشكل كبير على تنفيذات فرع واحد من النماذج مثل YOLOv5s وYOLOv8s. عند تطبيق النموذج على الساحل الغربي للهند، تم اكتشاف 31525 حالة قارب على مدار مجموعة البيانات الزمنية الممتدة من 2022 إلى 2023.

كشفت التحليلات المتقاطعة مع بيانات AIS أن 7146 (22.7%) من القوارب المكتشفة كانت لديها إشارات AIS، بينما 24379 (77.3%) تم تصنيفها كقوارب مظلمة محتملة. أشارت التحليلات الزمانية والمكانية إلى ذروة نشاط الصيد خلال شهري يناير وأبريل، مع وجود ممر نشاط رئيسي بالتوازي مع الساحل ضمن نطاق 50-100 كم، مما يتوافق مع مناطق الصيد الغنية. تسهم هذه الأبحاث في تعزيز قدرات المراقبة البحرية من خلال تسليط الضوء على فعالية صور الأقمار الصناعية في الكشف عن قوارب الصيد، وتوفير رؤى قيّمة حول أنماط الصيد وقضايا الامتثال التنظيمي المحتملة في المياه الهندية.