Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Abordagem eficaz de monitorização de derrames de petróleo no Golfo de Omã, utilizando ferramentas avançadas de aprendizagem automática e mineração de dados

Aishah Saeed Jumah Alabdouli, Muhammed Sirajul Huda Kalathingal, Shaher Bano Mirza*, Fouad Lamghari Ridouane

Os derrames de petróleo têm um impacto negativo no ambiente, pondo em perigo os ecossistemas marinhos e os arredores costeiros. Os danos ambientais causados ​​por um derrame de petróleo provocado por um navio-tanque, um oleoduto ou uma plataforma offshore podem ser devastadores quase imediatamente e podem durar décadas. Consequentemente, o objetivo deste estudo é detetar derrames de petróleo no Golfo de Omã. Para encontrar derrames de petróleo, são utilizadas imagens espectrais do Sentinel-2. O Sentinel-2 divide a imagem em grades N e utiliza a relação de banda do Sentinel-2 para mapear derrames de petróleo para executar a segmentação de instâncias utilizando um Yolov7 para realizar a deteção de derrames de petróleo num único passo. Na nossa experiência, o modelo de segmentação instantânea Yolov7 treinado foi capaz de produzir interseções excecionalmente precisas sobre resultados de união, identificando corretamente 91% do derrame de petróleo real. Estes resultados explicam o potencial da inteligência artificial e o impacto significativo que pode ser adquirido no ambiente.