基于深度学习的遥感图像固体废物检测管线
计算机视觉与模式识别
2025-09-18 v4 人工智能
摘要
不当的固体废物处理不仅构成对生态健康的严重威胁，还是犯罪组织从事环境犯罪获取巨额利润的重要来源。得益于Very-High-Resolution遥感图像（VHR RS）的日益增多，现代图像分析工具已支持自动化照片解读和大范围领土扫描，以寻找非法倾倒废物的地点。本文展示了一套由区域环境保护局合作开发的半自动化废物检测管线，用于在VHR RS图像中检测候选非法倾倒地点。为优化检测器的效果，本文通过大量实验评估了网络结构、输入图像的地理分辨率和地理范围以及预训练流程等设计选择。最佳模型取得优异性能，实现92.02%的F1分数和94.56%的准确率。 generalization 研究评估了当检测器处理与训练时使用的地域显著ly不同的图像时的性能变化，仅出现约5.1%的F1分数平均下降。最后，组织一次专家照片解读员比较有无检测器支持下扫描大范围领土所需工作量的练习，评估了在专业环境保护机构中引入计算机辅助图像分析工具的实际效益。结果表明，废物场址检测的时间可缩短最高30%。
引用
@article{arxiv.2502.06607,
title = {A Deep Learning Pipeline for Solid Waste Detection in Remote Sensing Images},
author = {Federico Gibellini and Piero Fraternali and Giacomo Boracchi and Luca Morandini and Thomas Martinoli and Andrea Diecidue and Simona Malegori},
journal= {arXiv preprint arXiv:2502.06607},
year = {2025}
}