تشخیص لکه های نفتی از روی تصاویر ماهواره ای با استفاده از یادگیری ماشین

چکیده مقاله

نشت نفت در محیطهای آبی یکی از مهم ترین تهدیدات زیستمحیطی به شمار می رود که آثار مخربی بر اکوسیستمهای دریایی، منابع آب، حیات آبزیان و اقتصاد مناطق ساحلی دارد تشخیص سریع و دقیق این لکهها بهویژه در مراحل اولیه نشت، نقش بسزایی در کنترل بحران، کاهش هزینههای پاک سازی و جلوگیری از گسترش آلودگی ایفا میکند تصاویر ماهواره ای، بهویژه تصاویر راداری با روزنه مصنوعی SAR ، به دلیل توانایی تصویربرداری در شرایط نوری و جوی نامساعد، ابزار مناسبی برای شناسایی لکههای نفتی هستند در این مقاله، یک چارچوب مبتنی بر الگوریتم های یادگیری ماشین و یادگیری عمیق جهت شناسایی خودکار لکههای نفتی از تصاویر SAR ماهواره Sentinel ۱ ارائه شده است فرآیندمقاله با پیشپردازش تصاویر، نرمالسازی داده ها و استخراج ویژگیهای مهم آغاز شده است سپس با بهره گیری از روش کاهش ابعاد PCA ، ویژگیهای اصلی انتخاب و به عنوان ورودی به مدلهای یادگیری داده شدند در ادامه، عملکرد مدل های مختلف از جمله SVM همراه با PCA ، شبکه عصبی پیچشی CNN ، مدلهای عمیق تر VGG ۱۱ و ResNet ارزیابی و مقایسه شدند مجموعه داده مورد استفاده شامل ۱۰۱۱ تصویر دارای برچسب لکه نفتی/غیرنفتی بود نتایج تجربی نشان داد مدل CNN با ساختار ساده و بهینه سازی شده، بهترین عملکرد را با دقت تست ۴ ۳۹٪ و دقت اعتبارسنجی ۴ ۳۴٪ ارائه داد مدل VGG ۱۱ نیز با دقت تست۰ ۳۹٪ در رتبه دوم قرار گرفت در حالی که مدل ResNet با وجود پیچیدگی بالاتر، تنها به دقت۱۱۳ ٪ دست یافت که نشاندهنده ی عدم تطابق کامل آن با ماهیت دادههای مورد استفاده بود مدل SVM نیز دقت تست۱۹۳۶٪ را ارائه داد که در مقایسه با مدلهای عمیق، عملکرد ضعیفتری داشت این نتایج تاکید می کنند که استفاده از معماریهای سبک تر ولی موثر یادگیری عمیق مانند CNN میتواند راه حل مناسبی برای کاربردهای عملی در حوزه پایش دریایی، هشدار سریع و حفاظت از محیط زیست باشد مزایایی چون دقت بالا، سرعت پردازش مطلوب، نیاز کمتر به منابع محاسباتی و قابلیت پیاده سازی در مقیاس بزرگ از جمله ویژگیهای برجسته مدل پیشنهادی هستند

کلیدواژه‌ها

نویسندگان

محسن نظری شکیب

دانشجوی کارشناسی ارشد دانشگاه علم و صنعت

مهدی نصیری سروی

استادیار دانشگاه علم و صنعت

نظری شکیب، محسن و نصیری سروی، مهدی،1404،تشخیص لکه های نفتی از روی تصاویر ماهواره ای با استفاده از یادگیری ماشین،چهاردهمین همایش بین المللی ایده های نوین در معماری، شهرسازی، جغرافیا و محیط زیست پایدار،مشهد

ارائه‌شده در

مجموعه مقالات چهاردهمین همایش بین المللی ایده های نوین در معماری، شهرسازی، جغرافیا و محیط زیست پایدار18 خرداد 1404 · مشهد