Всеки ден в океаните попадат все повече пластмасови отпадъци. Спътниковите изображения могат да помогнат за откриването на натрупвания на отпадъци по бреговете и в морето, така че те да бъдат извадени. Изследователски екип е разработил нов модел с изкуствен интелект, който разпознава плаващите пластмаси много по-точно на сателитните изображения, отколкото преди. Дори когато изображенията са частично покрити с облаци или метеорологичните условия са мъгливи.

Нашето общество разчита в голяма степен на пластмасови продукти и се очаква в бъдеще количеството на пластмасовите отпадъци да се увеличава. Ако не се изхвърлят или рециклират правилно, голяма част от тях се натрупват в реките и езерата. В крайна сметка те попадат в океаните, където могат да образуват струпвания от морски отпадъци заедно с естествени материали като плаващи дървета и водорасли.

В ново проучване на изследователи от Университета Вагенинген, Нидерланадия и Федералния политехнически институт в Лозана, Швейцария (EPFL), публикувано наскоро в Cell iScience, е разработен детектор, базиран на изкуствен интелект, който оценява вероятността за поява на морски отпадъци, показани на сателитни снимки. Това би могло да помогне за систематичното отстраняване на пластмасовите отпадъци от океаните с помощта на кораби.

Търсене в сателитни изображения с помощта на изкуствен интелект

Натрупванията на морски отпадъци се виждат в свободно достъпните сателитни изображения Sentinel-2, които заснемат крайбрежните райони на всеки 2-5 дни по целия свят на земни маси и крайбрежни зони. Тъй като те възлизат на терабайти данни, данните трябва да се анализират автоматично чрез модели на изкуствен интелект, като например дълбоки невронни мрежи.

Ето какво казва Марк Русвурм, асистент в университета Вагенинген: "Тези модели се учат от примери, предоставени от океанографи и специалисти по дистанционно наблюдение, които визуално са идентифицирали няколко хиляди случая на морски отпадъци в сателитни изображения на места по целия свят. По този начин те "обучиха" модела да разпознава пластмасови отпадъци."

Подобрено намиране в трудни условия

Изследователите разработиха детектор за морски отпадъци, базиран на изкуствен интелект, който оценява вероятността за наличие на морски отпадъци за всеки пиксел в спътниковите изображения Sentinel-2. Детекторът е обучен, като се следват принципите на ИИ, ориентирани към данните, които целят да се използват по най-добрия начин ограничените данни за обучение, които са налични за този проблем. Един от примерите е проектирането на алгоритъм за компютърно зрение, който прикрепя ръчни анотации от експерти точно към видимите на изображенията отпадъци. С този инструмент океанографите и експертите по дистанционно наблюдение могат да предоставят повече примери за учебни данни, като са по-малко прецизни при ръчното щракване на очертанията.

Като цяло този метод за обучение, съчетан с алгоритъма за усъвършенстване, научава дълбокия модел за откриване на изкуствен интелект да предсказва по-добре обекти от морски отпадъци в сравнение с предишни подходи. „Детекторът остава точен дори при по-трудни условия. Например, когато облачността и атмосферната мъгла затрудняват съществуващите модели да идентифицират точно морските отпадъци," обяснява Русвурм.

В търсене на пластмасовите отпадъци след великденските наводнения в Дърбан през 2019 г.

Откриването на пластмаси в морските отпадъци при трудни атмосферни условия с облаци и мъгла е особено важно, тъй като често пластмасите се отмиват в открити води след дъждове и наводнения. Това показват Великденските наводнения в Дърбан, Южна Африка: През 2019 г. дълъг период на дъждове доведе до преливане на реки, в резултат на което бяха отмити много повече отпадъци, отколкото обикновено. Той беше отнесен през пристанището на Дърбан в открития Индийски океан. На спътниковите изображения такива обекти, плаващи между облаците, трудно се различават при използване на обичайните червено-зелено-сини цветови "канали". Те могат да бъдат визуализирани чрез превключване към други спектрални канали, включително близка инфрачервена светлина.

Двойният изглед разкрива посоките на дрейфа

Освен по-точното прогнозиране на струпванията на морски отпадъци, моделът за откриване ще забелязва отпадъци и в ежедневно достъпните изображения на PlanetScope.

"Комбинирането на ежеседмични снимки на Sentinel-2 с ежедневни снимки на PlanetScope може да запълни пропастта към непрекъснат ежедневен мониторинг", обяснява Русвурм. "Освен това PlanetScope и Sentinel-2 понякога заснемат един и същ участък от морски отпадъци в един и същи ден само с разлика от няколко минути. Този двоен изглед на един и същ обект на две места разкрива посоката на дрейфа, дължаща се на вятъра и океанските течения във водата. Тази информация може да се използва за подобряване на моделите за оценка на дрейфа на морските отпадъци."