在英國《科學報告》雜志4月23日發表的一項環境研究報告中,英國人工智能小組報告了一種新方法,可以檢測海洋環境中大型塑料(5毫米以上)漂浮垃圾帶。研究人員利用歐洲航天局的“哨兵2號”衛星數據訓練機器學習算法,將塑料與其他材料區分開來。平均準確率為86%,局部達到最大100%。螺桿泵
人類的活動和垃圾的排放已經導致許多塑料流入海洋。如何準確有效地識別漂浮物中的塑料已成為一個難題。鑒于漂浮物吸收和反射的可見光和紅外光波長不同,英國普利茅斯海洋實驗室的勞倫特·比爾曼和同事利用這一光譜特征對“哨兵2號”目標帶數據中的漂浮物進行了識別。研究小組隨后訓練了一種機器學習算法,根據不同塑料和天然材料的特定光譜特性,對構成這些漂浮帶的各種材料進行分類。不銹鋼磁力泵
機器學習算法使用的這些特征來自于2019年4月24日被沖入南非德班港的塑料垃圾衛星數據,以及2018年和2019年部署在米蒂利尼海岸(希臘)海岸的漂浮塑料衛星數據。他們還利用了先前獲得的有關天然材料的衛星數據,如海藻、泡沫、木材和火山巖,這些材料可能與海洋塑料同時被發現。計量泵
研究小組使用哨兵2號在四個不同地區的沿海水域的數據測試了這種方法:阿克拉(加納)、峴港(越南)、圣胡安島(加拿大)和東蘇格蘭(英國)。該方法能成功地將四個位置的塑料與其它漂浮物或海水區分開來,平均準確率達86%,在圣胡安島的準確率達到100%。離心泵
研究結果表明,該方法在四個不同的海岸帶上取得了成功。研究人員希望這種方法可以與無人機或高分辨率衛星結合使用,以改善對海洋塑料廢物的全球監測。排污泵