在极端天气事件期间推进海洋碎片计数:在Saola和海台风中的深度学习应用
Boyu Zhang1, Fei Zhang1, Jiangang Hui1
1Key Laboratory of Underwater Acoustic Communication and Marine Information Technology of the Ministry of Education, College of Ocean and Earth Sciences, Xiamen University, Xiamen, 361005, Fujian, China; State Key Laboratory of Marine Environmental Science, College of Ocean and Earth Sciences, Xiamen University, Xiamen, 361005, Fujian, China; College of Ocean and Earth Sciences, Xiamen University, Xiamen, 361005, Fujian, China.
智能垃圾计数 (SDC) 使用人工智能和摄像头来监测台风期间的海洋垃圾. 这种方法提供了连续的数据,与传统的调查不同,并揭示了台风后的大量碎片增加.
科学领域:
- 环境科学 环境科学
- 人工智能的人工智能
- 海洋生物学 海洋生物学
背景情况:
- 传统的海洋垃圾采样受到台风等极端天气事件的阻碍.
- 在台风期间获取数据具有挑战性,限制了对碎片动态的理解.
研究的目的:
- 开发和验证一种用于在台风期间监测海洋垃圾的新方法.
- 通过使用人工智能,在恶劣的天气条件下持续收集数据.
主要方法:
- 拟议的"智能碎片计数" (SDC) 将深度学习与陆基固定摄像机相结合.
- 训练了十个算法,根据平均平均精度 (mAP) 和处理时间选择最好的.
- 在台风期间,在东山海域部署了SDC进行持续监测.
主要成果:
- 开发了一个AI算法,在极端天气下实现84.48%的mAP和0.2153s/图像处理时间,用于碎片识别.
- 在8天的时间里收集了2080张图像,这些图像是在风Saola和海期间收集的,展示了不间断的数据采集.
- 在台风萨奥拉和海奎之后,海上垃圾分别增加了8.3%和37%.
结论:
- 基于深度学习的海洋垃圾监测为连续数据收集提供了比传统方法更高的效率.
- SDC方法对于了解海洋垃圾的时空动态,分布和趋势是有价值的.
- 这种方法为在极端天气事件期间和之后的碎片行为提供了关键的见解.
更多相关视频
13:35Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring
Published on: June 13, 2025
09:01An Ultra-clean Multilayer Apparatus for Collecting Size Fractionated Marine Plankton and Suspended Particles
Published on: April 19, 2018
