論文の概要: Waste Detection and Change Analysis based on Multispectral Satellite Imagery

• arxiv url: http://arxiv.org/abs/2303.14521v1
• Date: Sat, 25 Mar 2023 17:12:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 19:15:39.304582
• Title: Waste Detection and Change Analysis based on Multispectral Satellite Imagery
• Title（参考訳）: マルチスペクトル衛星画像による廃棄物の検出と変化解析
• Authors: D\'avid Magyar, M\'at\'e Cser\'ep, Zolt\'an Vincell\'er, Attila D. Moln\'ar
• Abstract要約: 本研究では, ホットスポット(不法廃棄物捨て場)の同定と水面河川ブロックの同定の2つの可能な廃棄物検出形態を解析した。 その結果, 衛星画像と機械学習を用いることで, 検出した廃棄物の変化を検知し, 監視することが可能であることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the biggest environmental problems of our time is the increase in illegal landfills in forests, rivers, on river banks and other secluded places. In addition, waste in rivers causes damage not only locally, but also downstream, both in the water and washed ashore. Large islands of waste can also form at hydroelectric power stations and dams, and if they continue to flow, they can cause further damage to the natural environment along the river. Recent studies have also proved that rivers are the main source of plastic pollution in marine environments. Monitoring potential sources of danger is therefore highly important for effective waste collection for related organizations. In our research we analyze two possible forms of waste detection: identification of hot-spots (i.e. illegal waste dumps) and identification of water-surface river blockages. We used medium to high-resolution multispectral satellite imagery as our data source, especially focusing on the Tisza river as our study area. We found that using satellite imagery and machine learning are viable to locate and to monitor the change of the previously detected waste.
• Abstract（参考訳）: この時代の最大の環境問題の一つは、森林、川、川岸などの密集地における不法埋立地の増加である。 また, 河川の廃棄物は, 沿岸部だけでなく下流部にも被害をもたらす。 廃棄物の大きな島は、水力発電所やダムでも形成でき、流れ続けると、川に沿った自然環境にさらに被害を与える可能性がある。 近年の研究では、河川が海洋環境におけるプラスチック汚染の主な原因であることを証明している。 したがって, 廃棄物の有効収集には潜在的な危険源のモニタリングが重要である。 本研究は, ホットスポット(不法廃棄物捨て場)の同定と水面河川ブロックの同定の2つの可能性について分析した。 データソースとして中分解能・高分解能衛星画像を用い,特にチサ川を研究エリアとして活用した。 衛星画像と機械学習を用いることで, 検出した廃棄物の変化を検知し, 監視することが可能であることが判明した。

関連論文リスト

• Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey [0.8499685241219366]
  不適切に管理された埋立地は、浸透雨水を介して土壌と地下水を汚染し、動物と人間の両方に脅威を与える。 現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。 地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
  論文  参考訳（メタデータ） (2024-02-14T10:24:04Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Implementing Edge Based Object Detection For Microplastic Debris [0.0]
  プラスチックは、我々の日々の活動に欠かせない存在として自制している。 プラスチックの破片レベルは、埋立地のゴミ処理場に廃棄物が蓄積されるにつれて上昇し続けている。 このプロジェクトでは、サンプル画像の時間的検出で実行可能なモデルを生成することができる。
  論文  参考訳（メタデータ） (2023-07-30T17:55:03Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
  本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。 畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
  論文  参考訳（メタデータ） (2022-10-10T17:37:56Z)
• Water Surface Patch Classification Using Mixture Augmentation for River Scum Index [0.0]
  都市河川は住宅に影響を及ぼす水環境を提供している。 我々は、河川表面に蓄積する有機泥(scum)に焦点を当て、その独特の臭いと外部の経済効果を景観に与える。 そこで本研究では,河川表面に浮かぶスカムと,建物,橋梁,ポール,バリアなどの近傍構造に反映された河川表面の絡み合った背景との多様性を高めるために,混合画像拡張を用いた河川表面のスカムの特徴を検出するパッチ分類パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-07-13T17:45:25Z)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)
• Waste detection in Pomerania: non-profit project for detecting waste in environment [0.0]
  リッターは、バイオ、ガラス、金属、プラスチック、リサイクル不能、その他の紙、未知の7つのカテゴリに分類される。 提案手法は, 廃棄物検出における平均精度の70%, テストデータセットにおける分類精度の約75%を達成する。
  論文  参考訳（メタデータ） (2021-05-12T09:33:22Z)
• Big Plastic Masses Detection using Sentinel 2 Images [91.3755431537592]
  このコミュニケーションは、地球観測衛星システムを用いて、海や海におけるプラスチック(海洋ゴミ)の大きな塊の検出に関する予備的な研究を記述している。
  論文  参考訳（メタデータ） (2021-03-17T10:45:33Z)
• STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
  本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。 提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2020-11-10T02:28:47Z)
• Attention Neural Network for Trash Detection on Water Channels [2.4660652494309936]
  都市を流れる川や運河は、ゴミを捨てるためにしばしば違法に使用される。 これにより、淡水流路が汚染され、下水道が封鎖され、都市部が浸水する。 本稿では,都市部における運河水面に浮かぶ可視性ゴミの検出手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T08:41:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。