新闻图片+人工智能算法,快速识别被淹没的建筑物
通过新闻媒体图片+人工智能算法来快速识别被淹没的建筑物
人工智能(AI)可以加快在大规模洪涝气象灾害下识别被淹没建筑物的过程,使紧急救援人员能够有效地指挥救助。目前,来自日本东北大学(Tohoku University)的一个研究小组开发了一个机器学习(ML)模型,该模型主要使用新闻媒体照片,在灾难发生后24小时内实现被淹没的建筑物的准确识别。
他们的研究成果发表在2021年4月5日出版的《Remote Sensing》杂志上。
该项研究的联合作者,东北大学国际灾害科学研究所的Shunichi Koshimura说:“我们的模型展示了如何通过新闻媒体的报道提高灾害测绘的效率和准确性,加快灾害救援和响应决策的速度”
机器学习和深度学习算法通过图像分析对目标进行分类。为了使模型有效,需要当前情况下的洪水数据来进行训练。
虽然可以从历史洪水灾害中收集到洪水数据,但由于每一次事件都是不同的,并且受制于洪涝区域本身的特点,这都会或多或少的导致偏差。因此,现场信息具有更高的可靠性。
新闻记者和媒体团队通常是最早在灾难现场向观众播报灾况图像的人,研究团队意识到这些信息也可以用于人工智能算法。
他们将这套模型应用于日本冈山县仓市的Mabi-cho,该城市在2018年受到了横扫日本西部的暴雨的侵袭。
首先,研究人员对新闻照片进行识别,根据照片中出现的地标和其他线索进行地理定位。接下来,他们使用由日本宇宙航空研究开发机构(Japan Aerospace Exploration Agency,JAXA,日本宇宙航空研究开发机构)提供的合成孔径雷达(synthetic aperture radar,SAR,一种高分辨率成像雷达)生成的PALSAR-2图像来分离未知地区的洪涝和非洪涝状况。
由于微波对湿表面和干表面的辐射不同,SAR图像可以用于区分水体,而支持向量机(SVM,一种机器学习技术)被用于对被洪水包围的建筑物或非洪涝区内的建筑物进行区分。
Koshimura补充说:“我们这套模型的性能可以达到80%的估算精度。”
放眼未来,研究小组将进一步探索新闻媒体数据库的适用性,利用过去的事件作为训练数据集开发人工智能模型,提高判别的准确性和速度。