Nieuws
AI helpt plastic op te sporen in de oceaan
Elke dag komt er meer plastic zwerfvuil in de oceanen terecht. Satellietbeelden kunnen helpen om ophopingen van plastic op zee en langs de kust te traceren, zodat het op een efficiënte manier kan worden verwijderd. Een onderzoeksteam heeft een nieuw detectiemodel ontwikkeld dat met kunstmatige intelligentie werkt. Op satellietbeelden herkent dit model drijvend plastic veel nauwkeuriger dan voorheen. Zelfs als die beelden deels schuil gaan achter wolken, of bij nevelig weer.
Onze samenleving is erg afhankelijk van plastic producten, en de hoeveelheid plastic afval zal naar verwachting alleen maar toenemen. Als het niet op de juiste manier wordt weggegooid of gerecycled, hoopt veel ervan zich op in rivieren en meren. Uiteindelijk komt het in de oceanen terecht, waar het samen met natuurlijk materiaal (zoals drijfhout en algen) drijvende ophopingen kan vormen. Wetenschappers van Wageningen University en EPFL hebben een detector ontwikkeld die op kunstmatige intelligentie (AI) is gebaseerd. Hun studie verscheen onlangs in Cell iScience. De detector kan inschatten waar er op satellietbeelden waarschijnlijk afval te zien is dat op zee drijft. Dit zou kunnen helpen om plastic systematisch met schepen uit de oceanen weg te halen.
Satellietbeelden doorzoeken met AI
Ophopingen van afval op zee zijn zichtbaar in de vrij beschikbare beelden van de Sentinel-2 satellieten. Deze maken elke 2-5 dagen wereldwijd beelden van kustgebieden. Omdat dit om terabytes aan gegevens gaat, moeten de data automatisch geanalyseerd worden via AI-modellen, zoals ‘diepe neurale netwerken’. Marc Rußwurm, universitair docent bij Wageningen University: "Deze modellen leren van voorbeelden die zijn ingevoerd door oceanografen en remote sensing-specialisten. In satellietbeelden over de hele wereld hebben zij handmatig duizenden voorbeelden aangewezen van afval op zee. Op die manier hebben ze het model 'getraind' om plastic afval te herkennen."
Betere detectie onder lastige omstandigheden
De onderzoekers ontwikkelden een op AI gebaseerde detector die per pixel van de Sentinel-2 satellietbeelden inschat hoe waarschijnlijk het is dat er drijvend afval op zee op te zien is. Hij is getraind volgens ‘data-centrische’ AI-principes. Deze maken optimaal gebruik van de beperkte trainingsdata die er voor dit probleem beschikbaar zijn. Een voorbeeld hiervan is een nieuw ontworpen algoritme, dat de handmatige ingevoerde aanwijzingen heel nauwkeurig koppelt aan het afval dat zichtbaar is in de satellietbeelden. Met dit hulpmiddel kunnen oceanografen en remote sensing-specialisten meer voorbeelden voor de training aanleveren, doordat ze minder precies hoeven zijn bij het handmatig aanklikken van de contouren.
In combinatie met dit verfijnde algoritme zorgt de trainingsmethode ervoor dat het AI-detectiemodel een betere voorspelling kan doen over waar er afval op zee drijft, dan eerdere methoden. Rußwurm: "De detector blijft zelfs onder lastige omstandigheden accuraat. Bijvoorbeeld als bewolking en atmosferische nevel het voor bestaande modellen moeilijk maken om het afval in zee nauwkeurig te detecteren."
Plastic afval in Durban gevolgd na overstromingen in 2019
Het is erg belangrijk om plastic afval op zee te kunnen detecteren onder lastige atmosferische omstandigheden (wolken en nevel), omdat plastic vaak juist na noodweer of overstromingen de zee in spoelt. Dat blijkt ook uit de overstromingen in het voorjaar van 2019 in Durban, Zuid-Afrika. Toen zorgde een lange periode van regen ervoor dat rivieren overstroomden. Dit had tot gevolg dat er veel meer afval werd weggespoeld dan normaal. Het kwam via de haven van Durban (rechter foto) in de Indische Oceaan terecht (linker foto). Op satellietbeelden zijn zulke drijvende voorwerpen moeilijk tussen de wolken te onderscheiden als er een regulier rood-groen-blauw kleurenspectrum wordt gebruikt. Ze kunnen echt wel zichtbaar worden gemaakt via een ander kleurenspectrum, waaronder nabij-infrarood licht.
Combinatie van beelden vertelt meer over drijfrichting
Naast het nauwkeuriger voorspellen van waar zich afval op zee ophoopt, kan het detectiemodel ook afval traceren in beelden van PlanetScope-satellieten, die dagelijks beschikbaar zijn. "Het combineren van de wekelijkse beelden van Sentinel-2 met de dagelijkse opnames door PlanetScope, brengt ons dichtbij continue monitoring", legt Rußwurm uit. "Bovendien leggen deze satellieten soms op dezelfde dag dezelfde ophoping van drijvend afval vast, met maar een paar minuten verschil. Deze dubbele weergave geeft ons meer inzicht in drijfrichting van het afval, die door wind en oceaanstromingen ontstaat. Die informatie kan worden gebruikt om modellen voor het inschatten van de drijfrichting te verbeteren."
Verder onderzoek
Deze ontwikkelingen zullen verder worden verkend in het onderzoek van Marc Rußwurm en Tim van Emmerik (universitair docent op het gebied van plastic in rivieren), met Nederlandse partners zoals de Ocean Cleanup, die met speciale schepen plastic uit de oceanen halen. Het komt voort uit onderzoek in het project ‘AI for Detection of Plastics with Tracking (ADOPT)’. Dit is een samenwerking van het Swiss Data Science Center (een samenwerkingsverband tussen ETH Zürich en EPFL) en EPFL door Devis Tuia, Emanuele Dalsasso en Marc Rußwurm, gericht op het continu volgen van afval op zee via satellietbeelden.