客滚船危险品监管一直是海事监管工作的重中之重,随着客滚运输的蓬勃发展,客滚船的增多及大型化发展都给客滚船危险品监管工作带来了巨大挑战。为实现对客滚船危险品的有效监管,保障人民的生命财产安全,论文中提出了一种针对客滚船危险品的协同监管方法,使危险品监管工作中的各部门形成了有效联动,提升了客滚船危险品的监管能力。论文从危险品夹带现象的起因,现行安检手段,执法部门联动效果等多几个角度分析。论证了现行监管机制中,安检站对车辆的安检效率低、面对日益增大的客流量安检能力明显不足、海事部门对登船车辆抽检随机性大、公安等执法部门处罚不及时不到位等诸多问题。论文引入深度学习技术,通过实地调研采集了安检图像数据样本并应用随机旋转等数据增强方法增加了样本容量和丰富度,自建了安检图像数据集。同时论文采用Coordinate Attention算法改进ResNet模型,构造了CA-ResNet模型。并基于自建的数据集和CA-ResNet模型训练了客滚船车载危险品检测模型并在同等条件下训练了VGG模型等多个经典深度学习模型作为对照,论证了此模型具有更优秀的检测性能和泛化性能。论文最后设计并实现了客滚船危险品协同监管平台,平台集成了货物信息网上申报、危险品检测、数据库信息共享、在线执法等多个功能,提高了安检效率、实现了监管部门跨地区跨部门的信息共享。论文以搭建客滚船危险品监管平台为依托,以客滚船危险品监管流程中的各种数据为连接,实现了联动各方协作的更高效更便捷的客滚船危险品协同监管方法,提高了安检效率和监管部门执法效能,弥补了现行监管方法的缺陷。