研究人員開(kāi)發(fā)人工智能模型，使用衛(wèi)星圖像來(lái)檢測(cè)海洋中的塑料

　　隨著每天更多的塑料垃圾進(jìn)入海洋，研究團(tuán)隊(duì)近日開(kāi)發(fā)出一種新的人工智能模型，能夠在衛(wèi)星圖像中更準(zhǔn)確地識(shí)別海洋中的塑料污染，即使圖像被云層遮擋或天氣條件不佳。

　　我們社會(huì)對(duì)塑料產(chǎn)品的依賴程度很高，未來(lái)塑料垃圾的數(shù)量預(yù)計(jì)會(huì)增加。如果不能得到妥善處理或回收利用，大部分塑料垃圾將在河流和湖泊中積累，最終流入海洋，與漂木和海藻等自然材料一起形成海洋垃圾的聚集。

　　荷蘭瓦赫寧根大學(xué)和瑞士洛桑聯(lián)邦理工學(xué)院(EPFL)的研究人員最近在iScience雜志上發(fā)表的一項(xiàng)研究中，開(kāi)發(fā)了一種基于人工智能的探測(cè)器，可以估計(jì)衛(wèi)星圖像中顯示的海洋垃圾的概率。這有助于利用船只系統(tǒng)地清理海洋塑料垃圾。

　　海洋垃圾的聚集在Sentinel-2衛(wèi)星圖像中是可見(jiàn)的，該衛(wèi)星每2-5天在全球陸地和沿海地區(qū)拍攝一次。由于這些數(shù)據(jù)量達(dá)到了幾TB，需要通過(guò)深度神經(jīng)網(wǎng)絡(luò)等人工智能模型進(jìn)行自動(dòng)分析。

　　瓦赫寧根大學(xué)的Marc Rußwurm助理教授表示:“這些模型是通過(guò)海洋學(xué)家和遙感專(zhuān)家提供的示例進(jìn)行學(xué)習(xí)的，他們?cè)谌�球各地的衛(wèi)星圖像中可視地識(shí)別了數(shù)千個(gè)海洋垃圾實(shí)例。通過(guò)這種方式，他們‘訓(xùn)練’了模型以識(shí)別塑料垃圾。”

　　研究人員開(kāi)發(fā)了一種基于人工智能的海洋垃圾探測(cè)器，該探測(cè)器估計(jì)了Sentinel-2衛(wèi)星圖像中每個(gè)像素存在海洋垃圾的概率。該探測(cè)器遵循數(shù)據(jù)中心的人工智能原則，旨在充分利用為該問(wèn)題提供的有限訓(xùn)練數(shù)據(jù)。

　　Rußwurm表示:“即使在更具挑戰(zhàn)性的條件下，例如云層和大氣霧霾使得現(xiàn)有模型難以精確識(shí)別海洋垃圾時(shí)，該探測(cè)器仍然保持準(zhǔn)確。”

　　在Durban Easter洪水事件后，對(duì)困難大氣條件下的塑料垃圾進(jìn)行探測(cè)尤為重要。在這次南非Durban市的2019年復(fù)活節(jié)洪水中，長(zhǎng)時(shí)間的雨導(dǎo)致河流溢出，導(dǎo)致比正常情況下更多的垃圾被沖走。這些垃圾通過(guò)Durban港口流入印度洋。在衛(wèi)星圖像中，當(dāng)使用常見(jiàn)的紅綠藍(lán)色“通道”難以區(qū)分這些在云層間漂浮的物體時(shí)，可以通過(guò)切換到其他光譜通道，包括近紅外光，來(lái)可視化它們。

　　除了更準(zhǔn)確地預(yù)測(cè)海洋垃圾的聚集外，該檢測(cè)模型還可以在PlanetScope圖像中發(fā)現(xiàn)日常可訪問(wèn)的垃圾。Rußwurm解釋道:“將每周的Sentinel-2與每日的PlanetScope獲取相結(jié)合，可以彌合朝夕連續(xù)監(jiān)測(cè)的差距。此外，PlanetScope和Sentinel-2有時(shí)在同一天僅幾分鐘內(nèi)捕捉到相同的海洋垃圾區(qū)域。在兩個(gè)位置同時(shí)觀察相同物體的這種雙重視圖揭示了由風(fēng)和洋流引起的漂移方向。這些信息可用于改進(jìn)海洋垃圾的漂移估計(jì)模型。”