Verbesserte auf Deep Learning basierende Müllerkennung in aquatischen Umgebungen in Indonesien mit Drohnen

Jährlich gelangen Millionen von metrischen Tonnen Plastikmüll in den Ozean, was eine Belastung für die marine Umgebung darstellt. Von den Flüssen, die als verantwortlich für 80% der fluvialen Plastikemissionen gelten, befinden sich mehr als hundert in Indonesien. Indonesien wird als die fünftwichtigste Quelle für fluvialen Plastikmüll eingeschätzt, was die Bedeutung des Landes als Forschungsgebiet verdeutlicht. Im Rahmen dieser Forschung wurde ein Open-Source-System zur Bewertung von Plastikmüll, das auf Deep Learning basiert, weiter verbessert und auf den indonesischen Flüssen Citarum, Cisadane und Tukad Saba angewendet. Die wesentlichen Verbesserungen des Systems waren (i) das Training der neuronalen Netzwerke mit deutlich größeren und diverseren Datensätzen zum Plastikmüll, (ii) ein angepasstes Klassifikationssystem, um die Ergebnisse der Müllbewertung leichter mit anderen Methoden zur Müllüberwachung vergleichbar zu machen, und (iii) die Ergebnisse der Müllbewertung wurden georeferenziert, um Vergleiche mit anderen Methoden zur Überwachung von Plastikmüll zu erleichtern und Netztauchvermessungen, Feldkampagnen und Aufräumaktionen zu ergänzen. Das verbesserte auf Deep Learning basierende Müllerkennungssystem hatte eine Gesamtgenauigkeit von 83% bei der Erkennung von Müll in aquatischen Umgebungen. Die wichtigsten Ergebnisse der Forschung zeigen, dass das System zur Bewertung von Müllzusammensetzungen, zur potenziellen Identifizierung von Müllquellen oder Zonen der Ansammlung von Plastikmüll verwendet werden kann und den Stakeholdern umsetzbare Informationen auf lokaler und regionaler Ebene bereitstellt.