面向撒哈拉亚非洲从众UAV影像中检测公开倾泻分散型城市固体废物的开放模型
计算机视觉与模式识别
2026-05-05 v1 机器学习
摘要
管理撒哈拉亚非洲快速城市化地区的城市固体废物 remains 挑战性大，由于废物分散性倾泻且缺乏高分辨率数据集进行空间监测。我们提出一种开放获取的深度学习模型，用于通过众包UAV影像自动检测公开倾泻的分散型固体废物，该模型在10个国家29个地区进行训练和评估，涵盖多样化的环境背景。在手动标注影像切片上训练的深度学习模型在所有研究地区均实现优异的检测效果。预测分布揭示了异质的累积模式，从局部热点——通常沿水道，废物可加剧洪涝和公共卫生风险——到城市区域更广泛的散布。废物累积与人口密度和缺乏本地基础设施接入指标关联最强，而与更广泛的区域发展水平关系较弱，突显了利用细尺度数据理解局部废物动态的重要性。通过发布该模型，本研究为由城市政府和地方制图社区收集的UAV影像提供了即插即用工具，无需大量技术专业知识即可实现公开倾泻的分散型固体废物监测。该方法赋能当地实践者将UAV影像转化为可操作的见解，支持针对性干预，改进撒哈拉亚非洲的城市固体废物管理。
引用
@article{arxiv.2605.02316,
title = {Open-access model for detecting openly dumped dispersed municipal solid waste from crowdsourced UAV imagery in Sub-Saharan Africa},
author = {Steffen Knoblauch and Ram Kumar Muthusamy and Luis M. A. Bettencourt and Costas Velis and Pierre Chrzanowski and Edward Charles Anderson and Pete Masters and Innocent Maholi and Antonio Inguane and Levi Szamek and Alexander Zipf},
journal= {arXiv preprint arXiv:2605.02316},
year = {2026}
}