研究人员开发人工智能模型，使用卫星图像来检测海洋中的塑料

　　随着每天更多的塑料垃圾进入海洋，研究团队近日开发出一种新的人工智能模型，能够在卫星图像中更准确地识别海洋中的塑料污染，即使图像被云层遮挡或天气条件不佳。

　　我们社会对塑料产品的依赖程度很高，未来塑料垃圾的数量预计会增加。如果不能得到妥善处理或回收利用，大部分塑料垃圾将在河流和湖泊中积累，最终流入海洋，与漂木和海藻等自然材料一起形成海洋垃圾的聚集。

　　荷兰瓦赫宁根大学和瑞士洛桑联邦理工学院(EPFL)的研究人员最近在iScience杂志上发表的一项研究中，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概率。这有助于利用船只系统地清理海洋塑料垃圾。

　　海洋垃圾的聚集在Sentinel-2卫星图像中是可见的，该卫星每2-5天在全球陆地和沿海地区拍摄一次。由于这些数据量达到了几TB，需要通过深度神经网络等人工智能模型进行自动分析。

　　瓦赫宁根大学的Marc Rußwurm助理教授表示:“这些模型是通过海洋学家和遥感专家提供的示例进行学习的，他们在全球各地的卫星图像中可视地识别了数千个海洋垃圾实例。通过这种方式，他们‘训练’了模型以识别塑料垃圾。”

　　研究人员开发了一种基于人工智能的海洋垃圾探测器，该探测器估计了Sentinel-2卫星图像中每个像素存在海洋垃圾的概率。该探测器遵循数据中心的人工智能原则，旨在充分利用为该问题提供的有限训练数据。

　　Rußwurm表示:“即使在更具挑战性的条件下，例如云层和大气雾霾使得现有模型难以精确识别海洋垃圾时，该探测器仍然保持准确。”

　　在Durban Easter洪水事件后，对困难大气条件下的塑料垃圾进行探测尤为重要。在这次南非Durban市的2019年复活节洪水中，长时间的雨导致河流溢出，导致比正常情况下更多的垃圾被冲走。这些垃圾通过Durban港口流入印度洋。在卫星图像中，当使用常见的红绿蓝色“通道”难以区分这些在云层间漂浮的物体时，可以通过切换到其他光谱通道，包括近红外光，来可视化它们。

　　除了更准确地预测海洋垃圾的聚集外，该检测模型还可以在PlanetScope图像中发现日常可访问的垃圾。Rußwurm解释道:“将每周的Sentinel-2与每日的PlanetScope获取相结合，可以弥合朝夕连续监测的差距。此外，PlanetScope和Sentinel-2有时在同一天仅几分钟内捕捉到相同的海洋垃圾区域。在两个位置同时观察相同物体的这种双重视图揭示了由风和洋流引起的漂移方向。这些信息可用于改进海洋垃圾的漂移估计模型。”