无人机捕获的数据集,细分图像用于在港口环境中检测漏油
Thomas De Kerf1, Seppe Sels2, Svetlana Samsonova2,3
1InViLab Research Group, Faculty of Applied Engineering, University of Antwerp, Antwerpen, Belgium. thomas.dekerf@uantwerpen.be.
Scientific data
|October 31, 2024
概括
自动无人机提供了一种更快,更准确的方法来检测港口的石油泄漏. 一个新的无人机捕获的数据集和神经网络模型改善了环境监测和问责制.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 港口地区的石油泄漏给环境带来了重大风险.
- 有效和快速的检测方法对于减轻损害和确保问责至关重要.
- 使用RGB图像检测海上石油泄漏现有的数据集有限.
研究的目的:
- 通过使用无人机捕获的RGB图像来引入用于油污检测的新的注释数据集.
- 为了解决培训和评估自动检测系统的资源短缺问题.
- 用神经网络模型来证明数据集的实用性.
主要方法:
- 创建了一个由1268个无人机拍摄的图像组成的数据集,分为油,水和其他类别.
- 在这个数据集上训练了一个采用Unet模型架构的卷积神经网络.
- 该模型被评估为油探测性能.
主要成果:
- 训练有素的Unet模型在油探测方面获得了F1得分0.71.
- 这一数据集在环境监测中的实际应用中被证明是实用的.
- 该系统证明了在桌面和边缘计算平台上的分析可行性.
结论:
- 开发的数据集和模型为改善港口环境中漏油检测提供了宝贵的资源.
- 基于无人机的自动化检测系统可以显著提高响应时间和环境保护.
- 这项工作有助于推进海洋环境保护和污染者问责制的技术.


