海岸带研究动态 海岸带研究动态

回到完整页面
«返回

内容

机器学习:测量海岸海洋垃圾新方法

 

 

来源:美国国家沿海海洋科学中心(NCCOS)                 发布时间:2021年12月06日

 

       海洋塑料垃圾是一个全球性问题,对生态环境、航行安全、沿海经济以及人类健康等产生潜在的威胁。美国国家气象局(NOAA)与合作伙伴,正尝试利用航空影像和机器学习对大型(尺寸>20厘米)海岸线搁浅垃圾进行定位、分类和计数的新方法。

       研究人员使用2015年收集的夏威夷高分辨率图像(),生成了一组带标记的海岸线海洋垃圾物体数据库。该数据集包括了分布在1224个航拍图像上的5733个手工标记的海洋垃圾点位信息数据,用于训练基于深度学习的物体检测模型。

       研究团队使用该深度学习模型开发了原型应用程序,它允许用户上传自己的高分辨率的航拍图像,并接收每个相关图像中潜在海洋废弃物的可操作信息,包括材料类型,分布和数量。从该应用中收集的信息可用于创建热图,为海洋垃圾的快速筛查和清除工作提供信息。

       经过训练的模型、相关代码和数据在TensorFlow 上开源,这将使未来的机器学习研究人员能够在团队的工作基础上进行开发。

       这些开源数据、机器学习模型和终端用户应用程序是激励研究和采用机器学习管理海洋垃圾的关键第一步。该工作是NCCOS、NOAA 海洋垃圾项目、俄勒冈州立大学(OSU) 和ORBTL.AI合作项目的一部分,旨在探索使用无人机系统(UAS) 准确快速地检测和识别海洋垃圾。

俄勒冈州海王星湾的高分辨率无人机图像,由俄勒冈州立大学的研究人员拍摄,并由机器学习算法标记。   图片:NCCOS

 

 

 

原文链接:Machine Learning Collaboration Yields New Methods to Measure Shoreline Marine Debris

编译:王晓晴