机构名称：
¥ 1.0
海洋塑料污染构成了重大的生态，经济和社会挑战，需要创新发现，管理和缓解解决方案。光谱成像和光学遥感在水生环境中检测和表征大型塑料方面已证明有价值的工具。尽管许多研究着重于短波红外频谱中感兴趣的频段，但该范围内的传感器的高成本使得很难在长期和大规模应用中大量生产它们。因此，我们介绍了各种机器学习模型在四个数据集中的评估和传输，以识别用于检测和分类海洋环境中最普遍的塑料的关键频段，并在可见的和近边缘（VNIR）范围内检测到最普遍的塑料。我们的研究使用四个不同的数据库，从实验室条件下的维珍塑料到田间条件下的天气塑料。我们使用顺序特征选择（SFS）和随机森林（RF）模型进行最佳频带选择。同质背景对于准确检测的重要性是由97％的精度突出显示的，并且数据集之间的成功频段转移（87％ - 91％）表明，在各种情况下适用的传感器的可行性。但是，模型传输需要为每个特定数据集进行进一步的培训，以实现最佳精度。结果强调了通过持续改进和扩展培训数据集的更广泛应用的潜力。我们的发现提供了有价值的信息，以开发引人注目的负担得起的检测传感器来解决沿海地区的塑料污染。这项工作为增强全球海洋垃圾检测和减少的准确性铺平了道路，从而为我们的海洋带来了可持续的未来。
在具有选定光谱带的沿海地区有效塑料检测
主要关键词
相关文件推荐
