Ученые разработали модель ИИ, которая использует спутниковые изображения для обнаружения пластика в океанах

Каждый день все больше пластикового мусора попадает в океаны. Спутниковые изображения могут помочь найти скопление мусора вдоль берегов и в море, чтобы его можно было вывезти.

Исследовательская группа разработала новую модель искусственного интеллекта, которая распознает плавающий пластик гораздо точнее на спутниковых снимках, чем раньше, даже если изображения частично закрыты облаками или туманом.

Наше общество в значительной степени зависит от пластиковых изделий, и ожидается, что количество пластиковых отходов в будущем возрастет. Если его неправильно выбросить или переделать, значительная часть его накапливается в реках и озерах. Впоследствии он потечет в океаны, где может образовываться скопление морского мусора вместе с природными материалами, такими как коряги и водоросли.

Новое исследование Университета Вагенингена и исследователей EPFL, недавно опубликованное в iScience, разработало детектор на основе искусственного интеллекта, который оценивает вероятность морского мусора, показанного на спутниковых изображениях. Это может помочь систематически вывозить пластиковый мусор из океанов с помощью кораблей.

Скопление морского мусора видно на доступных в свободном доступе спутниковых снимках Sentinel-2, которые снимают прибрежные районы каждые 2−5 дней по всему миру на суше и прибрежных районах. Поскольку они составляют терабайты данных, данные должны анализироваться автоматически с помощью моделей искусственного интеллекта, таких как глубокие нейронные сети.

Марк Русвурм, доцент Университета Вагенингена, говорит: «Эти модели учатся на примерах, предоставленных океанографами и специалистами по дистанционному зондированию, которые визуально идентифицировали несколько тысяч морских обломков на спутниковых изображениях в разных точках земного шара. Таким образом, они «обучались».

Исследователи разработали детектор морского мусора на основе ИИ. Он оценивает вероятность наличия морского мусора для каждого пикселя на спутниковых изображениях Sentinel-2. Детектор обучается в соответствии с принципами искусственного интеллекта, ориентированными на данные, направленные на лучшее использование ограниченных учебных данных, доступных для этой проблемы.

Одним из примеров является разработка алгоритма компьютерного зрения, который привязывает ручные аннотации от экспертов точно к обломкам, видимым на изображениях. С помощью этого инструмента океанографы и эксперты по дистанционному зондированию могут предоставить больше примеров обучающих данных, будучи менее точным при ручном кликании контуров.

В общем, этот метод обучения в сочетании с алгоритмом уточнения обучает модель глубоком обнаружения искусственного интеллекта лучше предусматривать объекты морского мусора, чем предыдущие подходы.