每天都有越来越多的塑料垃圾进入海洋。卫星图像可以帮助探测海岸和海上堆积的垃圾，以便将其清除。一个研究小组开发了一种新的人工智能模型，即使在图像部分被云层覆盖或天气条件模糊的情况下，也能比以前更准确地识别卫星图像中的漂浮塑料。
我们的社会严重依赖塑料制品，预计未来塑料垃圾的数量还会增加。如果不适当地丢弃或回收，其中大部分会积聚在河流和湖泊中。最终，它会流入海洋，在那里它会与浮木和藻类等天然物质一起形成海洋垃圾的集合体。
瓦赫宁根大学和欧洲理工学院的研究人员最近在《科学》杂志上发表了一项新研究，他们开发了一种基于人工智能的探测器，可以估计卫星图像中显示的海洋垃圾的可能性。这可能有助于用船只系统地清除海洋中的塑料垃圾。
在免费提供的Sentinel-2卫星图像中可以看到海洋垃圾的堆积，这些图像每隔2-5天在全球陆地和沿海地区拍摄一次沿海地区。由于这些数据达到tb级，因此需要通过深度神经网络等人工智能模型自动分析这些数据。
瓦赫宁根大学(Wageningen University)助理教授Marc ru - wurm说:“这些模型从海洋学家和遥感专家提供的例子中学习，他们在全球各地的卫星图像中直观地识别了数千个海洋垃圾实例。通过这种方式，他们‘训练’了模型来识别塑料碎片。”
研究人员开发了一种基于人工智能的海洋垃圾探测器，可以估计Sentinel-2卫星图像中每个像素存在海洋垃圾的可能性。检测器遵循以数据为中心的人工智能原则进行训练，旨在充分利用可用于此问题的有限训练数据。
一个例子是计算机视觉算法的设计，该算法将专家的手动注释精确地捕捉到图像中可见的碎片。有了这个工具，海洋学家和遥感专家可以通过不那么精确的手动点击轮廓来提供更多的训练数据示例。
总的来说，这种训练方法结合了细化算法，教会了深度人工智能检测模型比以前的方法更好地预测海洋碎片物体。
ruwurm说:“即使在更具挑战性的条件下，探测器也能保持准确;例如，当云层覆盖和大气雾霾使现有模型难以精确识别海洋垃圾时。”
在有云和雾霾的恶劣大气条件下检测海洋垃圾中的塑料尤为重要，因为塑料经常在雨后和洪水事件后被冲进开阔的水域。南非德班复活节洪水就证明了这一点:2019年，长时间的降雨导致河流泛滥，导致比平时更多的垃圾被冲走。
它通过德班港进入开阔的印度洋。在卫星图像中，当使用普通的红-绿-蓝“通道”时，很难区分这些漂浮在云之间的物体。它们可以通过切换到包括近红外光在内的其他光谱通道来可视化。
除了更准确地预测海洋碎片聚集外，探测模型还将注意到日常可访问的行星望远镜图像中的碎片。
“将每周的Sentinel-2与每日的PlanetScope采集相结合，可以缩小持续每日监测的差距，”Ru?wurm解释说。
此外，PlanetScope和Sentinel-2有时会在同一天捕捉到同一块海洋垃圾，只是相隔几分钟。这张同一物体在两个位置的双重视图揭示了由于风和洋流在水面上的漂移方向。这些信息可用于改进海洋垃圾的漂移估计模型。”
