Dissertação
Automatic Detection of Floating Marine Debris Using Multi-spectral Satellite Imagery, EVALUATED
A poluição dos mares por plástico representa uma emergência ecológica e é um problema que tem de ser abordado e resolvido brevemente. Detritos de plástico flutuantes têm de ser detetados, recolhidos e removidos do oceano, de modo a preservar este frágil ecossistema. Este trabalho demonstra que plásticos são não só detetáveis, como também distinguíveis de outros materiais flutuantes, tais como madeira, algas, muco marinho, espuma e pedra-pomes, em imagens dos satélites Sentinel-2, da Agência Espacial Europeia (ESA), através de um método de aprendizagem supervisionada. O modelo aqui proposto, um Extreme Gradient Boosting (XGBoost), treinado com sete índices e duas bandas espectrais, classificou corretamente 98% dos pixéis que continham plástico. Além disso, devido à escassez de dados de plástico flutuante, foram gerados dados sintéticos a partir de uma Rede Adversária Generativa do tipo Wasserstein (WGAN). Um modelo supervisionado treinado apenas com dados sintéticos classificou corretamente pixéis de plástico com uma precisão de 91%. Por fim, de modo a conceber um sistema que forneça resultados confiáveis quando aplicado em condições do mundo real, foi criado um modelo que quantifica a incerteza nas previsões. Esta nova abordagem classificou acertadamente 79% dos pixéis de plástico. Contudo, o número de previsões erradas diminuiu consideravelmente quando comparado com o modelo que apresenta a maior precisão, o que torna esta alternativa a melhor para monitorizar o oceano.
julho 8, 2022, 16:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Leonardo Azevedo Guerra Raposo Pereira
Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)
Professor Auxiliar