Pääsiäisenä 2019 Durbanin satamaan Etelä-Afrikassa tulvi paljon muoviroskaa. Se oli tutkijoiden aineistona. Kuva: <span class="photographer">Grant Blakeway/Lauren Biermann</span>
Pääsiäisenä 2019 Durbanin satamaan Etelä-Afrikassa tulvi paljon muoviroskaa. Se oli tutkijoiden aineistona. Kuva: Grant Blakeway/Lauren Biermann

Tekoäly erottaa nyt roskan 86 prosentin tarkkuudella. Pian tutkijat siirtyvät rannikolta ulapalle etsimään isoja valtamerten roskalauttoja.

Tekoäly on valjastettu etsimään muovilauttoja valtameristä. Nyt oppiva osaa jo seuloa muovilautan esiin satelliittien välittämistä kuvista merten rannoilta.

Tekniikka voi auttaa ympäristöviranomaisia ja meritutkijoita valvomaan valtameren muovijätteitä ja puhdistamaan niitä.

Tekoälyn suunnitteli ryhmänsä kanssa tutkija Lauren Biermann Plymouthin merenkulun tutkimuslaitoksessa Britanniassa.

Sisältö jatkuu mainoksen jälkeen

Tekoäly opetettiin tunnistamaan merimuovi kuvista, joita otti Sentinel on 2 -satelliitti. Se on ympäristösatelliitti, joka kuvaa meriä eri aallonpituuksilla.

Sisältö jatkuu mainoksen alla

Ensiksi tekoälyä koulutettiin Euroopan avaruusjärjestön ESAN Sentinel-2-satelliitin kuvatarjonnalla. Se tuottaa muun muassa kuvia rannikoilta useilla eri aallonpituuksilla, aina näkyvästä valosta lyhytaaltoiseen infrapunakuvaan.

Tekoäly osaa nyt algoritmin avulla erottaa kelluvat muovit, joiden läpimitta on yli viisi millimetriä. Hämääviä materiaaleja ovat esimerkiksi rannikoiden merivaahto ja merilevä, ja siksi algoritmin tarkkuus ei ole täydellinen vaan kohtuulliset 86 prosenttia.

Biermann oli jo aiemmin havainnut, että kelluva muovi heijastaa valoa tietyllä tavalla. Muovilla on oma ainutlaatuinen spektri, jonka satelliitti voi tunnistaa. Se on kuin muovin allekirjoitus.

Esimerkiksi merivesi imee suurimman osan infrapunavalosta, mutta muovi heijastaa valoa infrapunan aallonpituuksilla.

Tutkijoiden aineistona tekoälyn koulutuksessa olivat satelliittikuvat kelluvasta muovista. Ne otettiin Durbanissa Etelä-Afrikassa huhtikuussa 2019, kun kaupungin satamaan lainehti valtavia määriä muovijätettä.

Biermann koulutti ryhmänsä kanssa tekoälyn myös tunnistamaan, millaisia muiden eri luonnonmateriaalien spektrit ovat. Listalla olivat esimerkiksi merilevä, puuroskat kuten oksat ja tulivuorten kiviaines.

Tekoäly oppi erittelemään satelliittikuvien yksittäisiä pikseliä eli kuvapisteitä. Niitä kukin vastaa sadan neliömetrin pinta-alaa. Tekoäly määritti, minkä tyyppistä ainetta tuo pikseli todennäköisesti sisälsi, kuten vaikkapa kirkasta vettä tai merilevää.

Tekoälyä on nyt testattu neljällä eri alueella Kanadan, Ghanan, Britannian ja Vietnamin rannikoilla. Kokeissa se pystyi tunnistamaan kelluvan muovin oikein 86 prosentissa tapauksista.

Näihin päiviin valtamerten muoveja on seurattu ja valvottu veneistä, Biermann sanoo. Näytteet ovat siksi aina vain pieneltä alueelta.

Tutkija kuitenkin toivoo, että hän saisi kuvan siitä, mitä löytö tarkoittaa isossa mittakaavassa.

Satelliitin kuvilla ja tekoälyllä tehtävä seuranta onkin askel kohti laajempaa roskien keräystä.

Sentinel-2 kerää tietoa vain rannikkovesistä. Se rajaa vielä muoviroskien tutkimista.

”Jos tarkastellaan Sentinel-2:n kuvaa, se tarkoittaa, että kuva se on otettu eilen tai toissapäivänä. Rannikkoalueilla asiat muuttuvat nopeasti”, Biermann sanoo.

Seuraavaksi Biermannin ryhmä aikoo laajentaa seurantaa avoimille valtamerille, joissa merivirtaukset liikkuvat hitaammin kuin rannikolla.

”Voisimme poista avomerelle kerääntynyttä muovia tonnikaupalla, koska voimme ohjata puhdistuksen paikkoihin, joissa jätettä on paljon”, Biermann sanoo New Scientist -lehden mukaan.

Muoveja erottavasta tekoälystä kertoi Nature-lehden Scientific Reports ja New Scientist.

Sisältö jatkuu mainoksen alla