隨著每天更多的塑料垃圾進入海洋，研究團隊近日開發出一種新的人工智能模型，能夠在衛星圖像中更準確地識別海洋中的塑料污染，即使圖像被云層遮擋或天氣條件不佳。

　　我們社會對塑料產品的依賴程度很高，未來塑料垃圾的數量預計會增加。如果不能得到妥善處理或回收利用，大部分塑料垃圾將在河流和湖泊中積累，最終流入海洋，與漂木和海藻等自然材料一起形成海洋垃圾的聚集。

　　荷蘭瓦赫寧根大學和瑞士洛桑聯邦理工學院(EPFL)的研究人員最近在iScience雜志上發表的一項研究中，開發了一種基于人工智能的探測器，可以估計衛星圖像中顯示的海洋垃圾的概率。這有助于利用船只系統地清理海洋塑料垃圾。

　　海洋垃圾的聚集在Sentinel-2衛星圖像中是可見的，該衛星每2-5天在全球陸地和沿海地區拍攝一次。由于這些數據量達到了幾TB，需要通過深度神經網絡等人工智能模型進行自動分析。

　　瓦赫寧根大學的Marc Rußwurm助理教授表示:“這些模型是通過海洋學家和遙感專家提供的示例進行學習的，他們在全球各地的衛星圖像中可視地識別了數千個海洋垃圾實例。通過這種方式，他們‘訓練’了模型以識別塑料垃圾。”

　　研究人員開發了一種基于人工智能的海洋垃圾探測器，該探測器估計了Sentinel-2衛星圖像中每個像素存在海洋垃圾的概率。該探測器遵循數據中心的人工智能原則，旨在充分利用為該問題提供的有限訓練數據。

　　Rußwurm表示:“即使在更具挑戰性的條件下，例如云層和大氣霧霾使得現有模型難以精確識別海洋垃圾時，該探測器仍然保持準確。”

　　在Durban Easter洪水事件后，對困難大氣條件下的塑料垃圾進行探測尤為重要。在這次南非Durban市的2019年復活節洪水中，長時間的雨導致河流溢出，導致比正常情況下更多的垃圾被沖走。這些垃圾通過Durban港口流入印度洋。在衛星圖像中，當使用常見的紅綠藍色“通道”難以區分這些在云層間漂浮的物體時，可以通過切換到其他光譜通道，包括近紅外光，來可視化它們。

　　除了更準確地預測海洋垃圾的聚集外，該檢測模型還可以在PlanetScope圖像中發現日�？稍L問的垃圾。Rußwurm解釋道:“將每周的Sentinel-2與每日的PlanetScope獲取相結合，可以彌合朝夕連續監測的差距。此外，PlanetScope和Sentinel-2有時在同一天僅幾分鐘內捕捉到相同的海洋垃圾區域。在兩個位置同時觀察相同物體的這種雙重視圖揭示了由風和洋流引起的漂移方向。這些信息可用于改進海洋垃圾的漂移估計模型。”