石油流出の検出と追跡のための改良されたオブジェクト検出アルゴリズムの適用

科学分野:

• リモートセンシング
• 海洋汚染の監視
• 人工知能

背景:

• 石油流出事故は 予測不可能な性質のため 海洋汚染に重大な問題を 抱えています
• 現在の検出方法はしばしばバイナリ分類を使用し,ソースの識別を妨げています.
• OOSを他の海洋現象から区別するには,高度な分類技術が必要です.

研究 の 目的:

• 合成開口レーダー (SAR) 画像を用いたOOSの検出と分類のための高精度のモデルを開発する.
• 原油汚染を不明な源とOOSに分類する.
• 石油汚染源の追跡を改善する

主な方法:

• 改良されたYOLOv8モデル,YOLOv8大選択カーネル (LSK) は,OOS検出と分類のために提案されました.
• 機能抽出のためのLSK注意モジュールの統合.
• 精度向上と大規模な画像処理のために,ユニオン損失とスライシング支援のハイパーインフェレンスの最小点距離の交差点を利用しました.

主要な成果:

• YOLOv8-LSKモデルは,94.2%のマルチクラス mAP50を達成し,最高のバイナリ分類モデルよりも7.44%増加しました.
• マルチクラスmAP50-95の性能は71. 6%に達し,オリジナルのYOLOv8よりも3. 3%改善しました.
• 自動識別システム (AIS) のデータを統合することで,3つのケーススタディで流出源を成功裏に特定しました.

結論:

• 提案されたYOLOv8-LSKモデルは,既存の方法と比較して,OOSの検出と分類に優れた性能を提供します.
• このモデルは,OOSのインテリジェント検出と追跡を容易にし,汚染源の特定に役立ちます.
• この研究は,海洋汚染のモニタリング技術の進歩に貴重な参考資料を提供します.