مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

121
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

28
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص لکه های نفتی در تصاویر ماهواره ای سنتینل-1 با استفاده از رویکرد یادگیری عمیق

صفحات

 صفحه شروع 30 | صفحه پایان 46

چکیده

 آگاهی از مسائل حوزه دریایی برای مدیریت بحران در صورت بروز حوادث بسیار مهم است, نشت نفت یکی از تهدیدهای اصلی برای محیط های دریایی و ساحلی محسوب می شود و به طور جدی بر اکوسیستم دریایی تأثیر می گذارد و نگرانی های سیاسی و زیست محیطی ایجاد می کند, زیرا اکوسیستم شکننده دریایی و ساحلی را به طور جدی تحت تأثیر قرار می دهد. میزان تخلیه آلاینده ها و اثرات مرتبط با آن بر محیط دریایی, پارامترهای مهمی در ارزیابی کیفیت آب دریاها هستند. نظارت موثر, شناسایی زودهنگام و برآورد حجم این لکه های نقتی اولین و مهمترین مرحله برای یک عملیات پاکسازی موفق است. سنسورهای رادار دریچه مصنوعی (SAR) به دلیل قابلیت عملکرد موثر بدون توجه به وضعیت آب و هوا و شرایط روشنایی محیط و برداشت منطقه وسیعی از زمین, انتخاب بسیار مناسبی برای این منظور هستند. لکه های سیاه مربوط به نشت نفت را می توان به وضوح توسط سنسورهای SAR ثبت کرد, با این حال تمایز آنها از نظر ظاهری یک هدف چالش برانگیز است. در این مطالعه از تصاویر رادار ماهواره سنتینل-1 برای شناسایی نشت نفت استفاده شده است. این مطالعه یک چارچوب یادگیری عمیق برای شناسایی لکه های نفتی بر اساس یک مجموعه داده بسیار وسیع از نقاط مختلف دنیا ارئه داده و با استفاده از ساختار شبکه های کانوولوشن U-Net و DeepLabV3++ و Fc-DenseNet طبقه بندی تصاویر را به دو کلاس انجام می دهد. در این پژوهش با تغییر تابع ضرر و حذف تصاویر تک کلاسه نتایج بسیار بهتری نسبت به کار های مشابه قبلی حاصل شد. به طوری که نتایج IoU برای مدل های U-Net, DeepLabV3++ و Fc-DenseNet بترتیب برابر 0. 547, 0. 613 و 0. 545 بدست آمد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button