Нефтяные разливы

AD
by Arina Dorofeeva1 view·Updated Apr 19, 2021
Powered by AI

Need to present on this topic?

Create your own polished presentation in minutes. Just describe what you need.

Free to try, no credit card required

Transcript

Применение нейросетей и

алгоритмов машинного обучения для обнаружения нефтяных разливов

1

Предварительная обработка изображения

Основные этапы обнаружения разливов нефти:

Сегментация изображениядля выявления темных пятен

Методы машинного обучения

Выделение отличительных признаков

Классификация пикселей / объектов для обнаружения разливов нефти

2

Random Forest

Повышение качества

классификации за счёт большого ансамбля решающих деревьев.

Способность эффективно обрабатывать данные с большим числом признаков и классов.

Алгоритм Random Forest

Эффективное выявление разливов нефти среди незагрязненных участков земного покрова.

Незагрязненный участок леса

Незагрязненный участок земли

Незагрязненный участок пастбища

Изображения отдельных земельных участков позволяют более точно определять местонахождение нефтяных разливов.

Участок леса с нефтяным разливом

Участок земли с нефтяным разливом

Участок пастбища с нефтяным разливом

Синяя линия - точность F1 для отдельных земельных участков, красная - точность F2 для полного изображения исследуемой области.

Работа алгоритма

Изображение отдельного земельного участка

Изображение всей исследуемой площади

Результаты

Незагрязненный участок пастбища

Незагрязненный участок леса

Незагрязненный участок земли

Участок леса с нефтяным разливом

Участок пастбища с нефтяным разливом

Участок земли с нефтяным разливом

3

Входные

данные

Оптими-зированная нейросеть Wavelet

Процесс обнаружения разливов нефти

Изображение нефтяного пятна в океане, полученное с помощью RadarSat-2

4

Работа с использованием случайных чисел и использование некоторых идей генетических алгоритмов.

Алгоритм дифференциаль-ной эволюции

Это прямой метод оптимизации, то есть он требует только возможности вычислять значения целевой функций, но не её производных.

Дифферен-циальная эволюция

Высокая вероятность автоматичекого обнаружения разливов нефти в водоемах.

начало

ввод данных

конвертация в формат GeoTIFF

удаление участков суши

настройка радиуса действия

фильтрация шума

преобразование Гильберта-Хуанга

отображение обнаруженных тёмных пятен (бинарный формат)

выделение границ темных пятен

вычисление индекса формы пятен

ввод данных в ArcGIS или нейронную сеть

обнаружение и выделение нефтяного разлива

Работа алгоритма

анализ местонахождения нефтяного разлива

конец

Комбинированный метод алгоритма дифференциальной эволюции и нейронной сети позволил с высокой точностью определить расположение нефтяных разливов в Восточном море Вьетнама.

Результаты