Key points are not available for this paper at this time.
Objectif : Ce travail vise à présenter les véhicules aériens sans pilote (UAV), connus sous le nom de drones, comme une alternative pour la surveillance environnementale, considérant la difficulté d’identifier les événements de dépôt illégal dans des zones éloignées, que ce soit en raison de l'omission gouvernementale ou de la difficulté d'accès à ces localisations. Ces dispositifs offrent plusieurs avantages, notamment la portabilité et la capacité de prendre des photos en temps réel depuis des endroits éloignés et difficiles d'accès à un coût réduit sans mettre en danger la sécurité de l’opérateur. Conception/méthodologie/approche : La quantité de données recueillies par les drones nécessite un énorme effort pour être analysée et interprétée correctement en raison de la topographie difficile de Rio de Janeiro et de sa grande zone géographique. Pour surmonter cette difficulté, l'intelligence artificielle devrait être utilisée pour évaluer et géoréférencer automatiquement les photos et vidéos rassemblées durant l'investigation. Le présent travail vise à démontrer la faisabilité de cette technique dans l'identification précoce et efficace des zones éloignées avec un dépôt illégal de déchets solides en combinant une variété de méthodes, y compris l'utilisation d'un système de positionnement global (GPS), des caméras et capteurs de haute précision sur un dispositif électronique de télédétection (drone), ainsi que le traitement et l'interprétation d'images utilisant des ressources computationnelles. Résultats : Après une télédétection extensive dans les zones sélectionnées, avec l'assistance d'un UAV, les photos obtenues ont été traitées par lots en utilisant des algorithmes d'apprentissage profond et des techniques de traitement d'images numériques. Après un volume significatif de formation, ces algorithmes ont été capables d'identifier et de classer automatiquement les photos montrant des signes de dépôt de déchets solides de celles qui n'en montraient pas, montrant que cette séparation rapide et automatisée a produit une efficacité de 92 %. Discussion : Rio de Janeiro produit beaucoup de déchets, dont une grande partie est mal éliminée et déposée de manière indiscriminée dans les régions urbaines et environnantes, sur les collines et dans des lieux difficiles d'accès. Ce problème est particulièrement aggravé dans les zones où le gouvernement est absent et inefficace, amenant les citoyens à déposer leurs ordures dans des lieux dangereux et difficiles d'accès. Cette étude propose une méthode basée sur l'apprentissage profond pour identifier automatiquement les communautés défavorisées nécessitant une intervention gouvernementale pour réduire le dépôt irrégulier de déchets et toutes les conséquences environnementales qui y sont associées.
Musci et al. (Thu,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: