I ricercatori hanno sviluppato un modello di intelligenza artificiale che utilizza immagini satellitari per rilevare la presenza di plastica negli oceani.

22 novembre 2023

Questo articolo è stato revisionato secondo il processo editoriale e le linee guida di Science X. Gli editori hanno evidenziato i seguenti attributi garantendo la credibilità dei contenuti:

• verifica dei fatti
• pubblicazione sottoposta a revisione paritaria
• fonte affidabile
• correttura di bozze

da Wageningen University

Un sempre maggior numero di detriti di plastica finisce ogni giorno negli oceani. Le immagini satellitari possono aiutare a individuare accumuli di rifiuti lungo le coste e in mare, in modo che possano essere rimossi. Un team di ricercatori ha sviluppato un nuovo modello di intelligenza artificiale che riconosce la plastica galleggiante in modo molto più accurato nelle immagini satellitari rispetto in precedenza, anche quando le immagini sono parzialmente coperte dalle nuvole o le condizioni atmosferiche sono nebbiose.

La nostra società si affida pesantemente ai prodotti di plastica e si prevede che la quantità di rifiuti di plastica aumenterà in futuro. Se non vengono correttamente smaltiti o riciclati, gran parte di essi si accumula nei fiumi e nei laghi. Alla fine, finirà negli oceani, dove può formare aggregazioni di rifiuti marini insieme a materiali naturali come legni galleggianti e alghe.

Uno studio recente condotto da ricercatori dell'Università di Wageningen e dell'EPFL, recentemente pubblicato in iScience, ha sviluppato un rilevatore basato sull'intelligenza artificiale che stima la probabilità di presenza di rifiuti marini nelle immagini satellitari. Ciò potrebbe aiutare a rimuovere sistematicamente i detriti di plastica dagli oceani con le navi.

Gli accumuli di rifiuti marini sono visibili nelle immagini satellitari Sentinel-2 liberamente disponibili, che catturano le aree costiere ogni 2-5 giorni in tutto il mondo sulle masse terrestri e le aree costiere. Poiché queste immagini rappresentano terabyte di dati, i dati devono essere analizzati automaticamente attraverso modelli di intelligenza artificiale come le reti neurali profonde.

Marc Rußwurm, professore associato all'Università di Wageningen, afferma: "Questi modelli apprendono dagli esempi forniti dagli oceanografi e dai specialisti di telerilevamento, che hanno identificato visivamente diverse migliaia di casi di rifiuti marini nelle immagini satellitari in diverse località del globo. In questo modo, hanno 'addestrato' il modello a riconoscere i rifiuti di plastica".

I ricercatori hanno sviluppato un rilevatore di rifiuti marini basato sull'intelligenza artificiale che stima la probabilità di presenza di rifiuti marini per ogni pixel nelle immagini satellitari Sentinel-2. Il rilevatore viene addestrato seguendo i principi dell'intelligenza artificiale incentrati sui dati che mirano a sfruttare al meglio i dati di addestramento limitati disponibili per questo problema.

Un esempio è la progettazione di un algoritmo di visione artificiale che cattura annotazioni manuali dagli esperti in modo preciso sui detriti visibili nelle immagini. Con questo strumento, gli oceanografi e gli esperti di telerilevamento possono fornire ulteriori esempi di dati di addestramento essendo meno precisi nel cliccare manualmente i contorni.

In generale, questo metodo di addestramento combinato con l'algoritmo di raffinamento insegna al modello di intelligenza artificiale a rilevare in modo più preciso gli oggetti di rifiuti marini rispetto agli approcci precedenti.

Rußwurm afferma: "Il rilevatore rimane preciso anche in condizioni più sfidanti, ad esempio quando la copertura nuvolosa e la foschia atmosferica rendono difficile per i modelli esistenti identificare con precisione i rifiuti marini".

Rilevare la plastica nei rifiuti marini in condizioni atmosferiche difficili con nuvole e foschia è particolarmente importante, poiché la plastica viene spesso trascinata in acque libere dopo eventi di pioggia e inondazione. Questo è dimostrato dalle alluvioni di Pasqua di Durban in Sudafrica: nel 2019, un lungo periodo di piogge ha provocato il trabocco dei fiumi, con conseguente trascinamento di molti più rifiuti di quanto avvenga normalmente.

Sono stati trasportati attraverso il porto di Durban nell'oceano Indiano aperto. Nelle immagini satellitari, tali oggetti galleggianti tra le nuvole sono difficili da distinguere quando si utilizzano i comuni "canali" di colore rosso-verde-blu. Possono essere visualizzati passando ad altri canali spettrali, incluso la luce infrarossa prossima.

Oltre a una previsione più accurata delle aggregazioni di rifiuti marini, il modello di rilevamento noterà anche i rifiuti nelle immagini quotidiane di PlanetScope.

"La combinazione delle immagini settimanali di Sentinel-2 con gli acquisiti quotidiani di PlanetScope può colmare il divario verso un monitoraggio quotidiano continuo", ha spiegato Rußwurm.

"Inoltre, PlanetScope e Sentinel-2 talvolta catturano la stessa area di rifiuti marini lo stesso giorno solo a pochi minuti di distanza. Questa doppia visione dello stesso oggetto in due posizioni rivela la direzione della deriva a causa del vento e delle correnti oceaniche sull'acqua. Queste informazioni possono essere utilizzate per migliorare i modelli di stima della deriva per i rifiuti marini".