Menggabungkan media berita dan AI untuk mengidentifikasi bangunan yang banjir dengan cepat
Machine

Menggabungkan media berita dan AI untuk mengidentifikasi bangunan yang banjir dengan cepat


Kredit: MLIT, Biro Pengembangan Regional Shikoku

Kecerdasan buatan (AI) telah mempercepat proses pendeteksian bangunan yang banjir segera setelah banjir skala besar, memungkinkan personel darurat untuk mengarahkan upaya mereka secara efisien. Kini, sebuah kelompok peneliti dari Universitas Tohoku telah membuat model pembelajaran mesin (ML) yang menggunakan foto media berita untuk mengidentifikasi bangunan yang terendam banjir secara akurat dalam waktu 24 jam setelah bencana.

Penelitian mereka dipublikasikan di jurnal Penginderaan jauh pada tanggal 5 April 2021.

“Model kami menunjukkan bagaimana pelaporan cepat media berita dapat mempercepat dan meningkatkan akurasi kegiatan pemetaan kerusakan, mempercepat bantuan bencana dan keputusan tanggap bencana,” kata Shunichi Koshimura dari Institut Penelitian Ilmu Bencana Internasional Universitas Tohoku dan rekan penulis studi tersebut. .

Algoritme ML dan pembelajaran mendalam disesuaikan untuk mengklasifikasikan objek melalui analisis gambar. Agar AI dan ML efektif, data diperlukan untuk melatih model — data banjir dalam kasus saat ini.

Meskipun data banjir dapat dikumpulkan dari kejadian sebelumnya, namun secara tidak sengaja akan menimbulkan masalah karena setiap kejadian berbeda dan tunduk pada karakteristik lokal dari wilayah banjir. Dengan demikian, informasi di tempat memiliki keandalan yang lebih tinggi.

Kru berita dan tim media sering kali menjadi yang pertama di lokasi bencana yang menyiarkan gambar kepada pemirsa di rumah, dan tim peneliti menyadari bahwa informasi ini juga dapat digunakan dalam algoritme AI.

Menggabungkan media berita dan AI untuk mengidentifikasi bangunan yang terendam banjir dengan cepat

Klasifikasi yang dihasilkan menunjukkan bangunan tergenang (merah), bangunan tidak tergenang (biru), data pembelajaran dari media berita (hijau) dan daerah tergenang (kuning). Sekitar 80% dari perkiraan bangunan yang terkena banjir sebenarnya banjir dalam acara tersebut. Kredit: Okada et al.

Mereka menerapkan model mereka ke Mabi-cho, kota Kurashiki di Prefektur Okayama, yang terkena dampak hujan lebat di Jepang barat pada tahun 2018.

Pertama, para peneliti mengidentifikasi foto pers dan menempatkannya secara geografis berdasarkan landmark dan petunjuk lain yang muncul di foto. Selanjutnya, mereka menggunakan gambar radar apertur sintetis (SAR) PALSAR-2 yang disediakan oleh JAXA untuk membedakan kondisi banjir dan non-banjir di area yang tidak diketahui.

Di sini, citra SAR dapat digunakan untuk mengklasifikasikan badan air karena radiasi gelombang mikro berbeda pada permukaan basah dan kering. Mesin vektor pendukung (SVM), salah satu teknik pembelajaran mesin, digunakan untuk mengklasifikasikan bangunan yang dikelilingi oleh air banjir atau dalam area non-banjir.

“Performa model kami menghasilkan akurasi estimasi 80%,” tambah Koshimura.

Ke depan, kelompok peneliti akan mengeksplorasi penerapan basis data media berita dari peristiwa masa lalu sebagai kumpulan data pelatihan untuk mengembangkan Model AI pada situasi saat ini untuk meningkatkan akurasi dan kecepatan klasifikasi.


Menggunakan masa lalu untuk memprediksi masa depan: Kasus Topan Hagibis


Informasi lebih lanjut:
Genki Okada dkk. Potensi Peran Media Berita untuk Membangun Kerangka Pemetaan Kerusakan Berbasis Pembelajaran Mesin, Penginderaan jauh (2021). DOI: 10.3390 / rs13071401

Disediakan oleh Universitas Tohoku

Kutipan: Menggabungkan media berita dan AI untuk mengidentifikasi bangunan yang terkena banjir dengan cepat (2021, 16 April) diambil pada 16 April 2021 dari https://techxplore.com/news/2021-04-combining-news-media-ai-rapidly.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP