Revista internacional de inteligencia de enjambre y computación evolutiva

Abstracto

Enfoque eficaz para el monitoreo de derrames de petróleo en el Golfo de Omán mediante el uso de herramientas avanzadas de aprendizaje automático y minería de datos

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

Los derrames de petróleo afectan negativamente al medio ambiente al poner en peligro los ecosistemas marinos y los entornos costeros. El daño ambiental causado por un derrame de petróleo de un petrolero, un oleoducto o una plataforma marina puede ser devastador casi de inmediato y puede durar décadas. En consecuencia, el propósito de este estudio es detectar derrames de petróleo en el Golfo de Omán. Para encontrar derrames de petróleo, se utilizan imágenes espectrales de Sentinel-2. Sentinel-2 divide la imagen en N cuadrículas y utiliza la relación de bandas de Sentinel-2 para mapear los derrames de petróleo y ejecutar la segmentación de instancias utilizando un Yolov7 para lograr la detección de derrames de petróleo en un solo paso. En nuestro experimento, el modelo de segmentación instantánea Yolov7 entrenado pudo producir resultados de intersección sobre unión excepcionalmente precisos, identificando correctamente el 91% del derrame de petróleo real. Estos resultados explican el potencial de la inteligencia artificial y el impacto significativo que se puede adquirir en el medio ambiente.