沿海地区的高效塑料检测具有选定的光谱带
Ámbar Pérez-García1, Tim H M van Emmerik2, Aser Mata3
1Institute for Applied Microelectronics, University of Las Palmas de Gran Canaria, Las Palmas de Gran Canaria, 35001, Spain; Hydrology and Environmental Hydraulics Group, Wageningen University, Wageningen, 6708, BP, the Netherlands.
本研究确定了可见和近红外范围的关键光谱波段,用于使用机器学习检测海洋塑料污染. 这些发现支持开发负担得起的传感器,以有效检测和减轻塑料污染.
科学领域:
- 环境科学 环境科学
- 遥感技术 遥感技术 遥感技术
- 机器学习应用 机器学习应用
背景情况:
- 海洋塑料污染带来了重大的生态和经济挑战.
- 光谱成像和光学遥感对于检测水生巨型塑料非常有价值.
- 短波红外传感器是有效的,但成本高昂,阻碍了广泛应用.
研究的目的:
- 为了确定可见和近红外 (VNIR) 范围内的最佳光谱波段,用于海洋塑料检测.
- 评估机器学习模型在各种塑料数据集中的可转移性.
- 为开发用于海洋塑料监测的成本效益高的传感器提供信息.
主要方法:
- 使用顺序特征选择 (SFS) 和随机森林 (RF) 模型进行频段选择.
- 在四个数据集中评估模型:从实验室初始塑料到现场经过化的塑料.
- 评估模型性能和数据集之间的频段可转移性.
主要成果:
- 在具有均背景的塑料检测中达到97%的准确性.
- 在数据集之间证明了成功的频段可转移性,从87%到91%不等.
- 表示模型转移需要进一步的数据集特定培训以获得最佳准确性.
结论:
- VNIR光谱范围具有具有成本效益的海洋塑料检测的潜力.
- 机器学习模型显示了广泛的传感器应用的希望,并进一步改进.
- 这项研究支持开发负担得起的传感器,以打击全球海洋塑料污染.
更多相关视频
09:19Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging
Published on: April 18, 2025
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
相关概念视频
High-Performance Liquid Chromatography: Types of Detectors
Electronic Distance Measuring Instruments
