基于卫星影像的海洋碎片与漂浮塑料高精度密度测绘
图像与视频处理
2023-05-03 v2 机器学习
摘要
结合多光谱卫星数据与机器学习已被提出作为监测海洋环境中塑料污染物的一种方法。近期研究在通过机器学习识别海洋塑料方面取得了理论进展。然而，尚无研究评估这些方法在测绘和监测海洋塑料密度方面的应用。因此，本文包含三个主要部分：(1) 开发一个机器学习模型，(2) 构建 MAP-Mapper，一个用于测绘海洋塑料密度的自动化工具，以及 (3) 对整个系统在分布外测试位置的评估。本文的发现利用了这样一个事实：机器学习模型必须具备高精度以减少假阳性对结果的影响。所开发的 MAP-Mapper 架构为用户提供了选择，可根据训练/测试数据集达到高精度（缩写为 -HP）或最优精确率-召回率（缩写为 -Opt）值。我们的 MAP-Mapper-HP 模型将塑料检测的精确率大幅提升至 95%，而 MAP-Mapper-Opt 达到了 87%-88% 的精确率-召回率对。MAP-Mapper 作为首个利用先进的深度/机器学习与多光谱影像在自动化软件中测绘海洋塑料密度的工具，为相关文献做出了贡献。所提出的数据管道采用了一种新颖的方法来测绘海洋区域的塑料密度。因此，这能够初步评估该方法面临的挑战与机遇，以帮助指导未来的工作与科学研究。
引用
@article{arxiv.2210.05468,
title = {High-precision Density Mapping of Marine Debris and Floating Plastics via Satellite Imagery},
author = {Henry Booth and Wanli Ma and Oktay Karakus},
journal= {arXiv preprint arXiv:2210.05468},
year = {2023}
}
备注
14 pages, 4 tables, 4 figures