使用Sentinel-2在沿海地区大规模检测海洋垃圾

科学领域:

• 环境科学 环境科学
• 遥感技术 遥感技术 遥感技术
• 人工智能的人工智能

背景情况:

• 海洋污染,特别是巨型塑料,对生态和人类健康构成重大风险.
• 遥感为沿海地区的海洋垃圾监测提供了一种可行的方法.

研究的目的:

• 开发和评估基于深度学习的海洋垃圾探测器.
• 通过遥感数据提高海洋塑料污染检测的准确性.

主要方法:

• 开发了一种深度细分模型,用于在像素级上绘制海洋垃圾的概率图.
• 培训包括注释数据集,广泛的负面示例采样和自动标签改进.
• 该模型在具有高塑料污染概率的测试场所进行了评估.

主要成果:

• 与现有的检测模型相比,开发的深度学习模型实现了更高的准确性.
• 以数据为中心的AI方法,包括精细的标签和负采样,提高了性能.
• 该模型为海洋碎片检测提供像素级概率输出.

结论:

• 拟议的深度学习探测器对准确的海洋垃圾量化有显著的前景.
• 这种方法可以帮助定期监测和管理沿海塑料污染.
• 整合以数据为中心的AI原则可以提高环境监测模型的稳定性和准确性.