Oil spill classification based on satellite image using deep learning techniques

作者：A. Abba, Noorfa Haszlinna Mustaffa, Siti Zaiton Mohd Hashim, Razana Alwee · 发表于：Baghdad Science Journal · 年份：2024 · DOI：10.21123/bsj.2024.9767 · 被引用次数：9 · 研究领域：Oil Spill Detection and Mitigation、Maritime Navigation and Safety、Fire Detection and Safety Systems

التسرب النفطي هو تسرب في خطوط الأنابيب أو السفن أو منصات النفط أو الناقلات يؤدي إلى انطلاق المنتجات البترولية في البيئة البحرية أو على اليابسة بشكل طبيعي أو بسبب عمل بشري، مما يؤدي إلى أضرار جسيمة وخسائر مالية. تعد صور الأقمار الصناعية إحدى الأدوات القوية المستخدمة حاليًا لالتقاط المعلومات الحيوية والحصول عليها من سطح الأرض. لكن التعقيد والكم الهائل من البيانات يجعل من الصعب على البشر معالجتها ويستغرق وقتًا طويلاً. ومع ذلك، مع تقدم تقنيات التعلم العميق، أصبحت العمليات الآن محوسبة للعثور على المعلومات الحيوية باستخدام صور الأقمار الصناعية في الوقت الحقيقي. طبقت هذه الورقة ثلاث خوارزميات للتعلم العميق لتصنيف صور الأقمار الصناعية، بما في ذلك ResNet50، وVGG19، وInceptionV4؛ تم تدريبهم واختبارهم على مجموعة بيانات صور الأقمار الصناعية مفتوحة المصدر لتحليل كفاءة الخوارزميات وأدائها وربط دقة التصنيف والدقة والاستدعاء ودرجة f1. وأظهرت النتيجة أن InceptionV4 يعطي أفضل دقة تصنيف بنسبة 97% للغيوم والصحراوية والمناطق الخضراء والمياه، يليه VGG19 بنسبة 96% تقريبًا وResNet50 بنسبة 93%. أثبتت النتائج أن خوارزمية InceptionV4 مناسبة لتصنيف الانسكابات النفطية وعدم الانسكابات باستخدام صور الأقمار الصناعية على مجموعة بيانات تم التحقق من صحتها.