【中国】中国研究人员利用ENSIT研究成果检测海洋污染

要点
- TUN-MED-MAR-UAV-LITTER数据库包含10,397张突尼斯17处海滩的无人机航拍图像。
- CoastalLitterNet模型在突尼斯数据上mIoU得分89.99%,垃圾类别得分81.17%。
- ENSIT团队对比36种AI架构,最佳分类准确率达91.71%,分割指标得分87%。
- 研究于2026年10月16日在《Remote Sensing》期刊发表,提供跨地域数据验证基准。
人工智能生成的示意图展示了利用无人机航拍图像检测海岸线垃圾。
突尼斯高等工程师学校(ENSIT)的研究成果已被纳入国际人工智能研究领域。中国科学家利用突尼斯海滩图像数据库,对一套海岸污染检测系统进行了评估。这项研究于2026年10月16日在《Remote Sensing》期刊上发表,为突尼斯方面于10月29日(周四)介绍的这一项目提供了具体的应用价值。
覆盖17处海滩的逾1万张图像
ENSIT下属RIFTSI实验室历时四年开发了TUN-MED-MAR-UAV-LITTER数据库,该库汇集了在突尼斯17处海滩、58个评估区域内通过无人机采集的10,397张航拍图像。研究人员在其中识别并标注了22,736个物体,将其归类为7个主要类别和19个子类别。
具体而言,这些标注数据使软件能够学习区分垃圾(包括塑料、金属或木材)与沙子、岩石及植被。照片还涵盖了复杂的地中海环境,例如海草床,在这些环境中,算法极易将自然元素与遗留物体混淆。
突尼斯团队对比了36种人工智能架构。据称,最佳测试结果显示,分类准确率达到91.71%,而基于分割指标(即在图像中界定物体边界)的得分达到87%。
中国研究依托这些数据展开
该项目的意义已超越突尼斯本土。大连海事大学研究人员及隶属于中国生态环境部的科研机构发表了一项关于CoastalLitterNet的研究,这是他们开发的海岸垃圾识别模型。
为了验证该系统在不同于初始训练环境中的表现,研究人员在突尼斯数据库上进行了评估,该数据库包含马赫迪亚(Mahdia)地区等地的图像。
在这些数据上,该模型根据mIoU指标(衡量预测区域与实际标注区域平均匹配度的指标)获得了89.99%的得分,其中仅针对垃圾类别的得分达到81.17%。
这并非一项已宣布的双边合作,而是对突尼斯开放数据的独立科学利用。
保护海岸线的潜在工具
从长远来看,无人机拍摄的图像若能实现自动化分析,将有助于定位污染区域、追踪其演变趋势,并更精准地指导清理行动。不过,这一技术无法取代实地作业和常规的环境监管。
中国研究团队坦言,其系统尚未在真实环境下对无人机进行过系统性验证。因此,实验室中的优异表现并不意味着该系统可立即投入实际部署。
真正的突破在于:一所突尼斯工程学院产生的数据,如今已成为外国研究人员的参考基准。这为国际人工智能及沿海生态系统保护研究提供了可量化的贡献。
编辑观点
开源数据共享机制正在重塑海洋塑料监测格局,为再生塑料行业提供低成本、高精度的前端分选技术参考。从业者应关注AI算法在复杂环境下的实际部署进度,避免仅凭实验室数据做出投资决策,同时探索与科研机构合作获取定制化检测方案。
常见问题
CoastalLitterNet在突尼斯数据上表现如何?
该模型在突尼斯数据库上mIoU得分达89.99%,垃圾类别得分81.17%。这一结果基于大连海事大学团队对TUN-MED-MAR-UAV-LITTER数据库的独立评估,验证了模型在非训练环境下的泛化能力。
TUN-MED-MAR-UAV-LITTER数据库包含多少图像?
该数据库汇集10,397张无人机航拍图像,覆盖突尼斯17处海滩。研究人员标注了22,736个物体,分为7个主类别和19个子类别,用于训练AI区分塑料、金属等垃圾与自然元素。
AI检测系统能直接替代人工清理吗?
不能。AI系统主要用于定位污染区域和追踪演变趋势,辅助指导清理行动。研究团队坦言系统尚未在真实环境进行系统性无人机验证,实验室优异表现不代表可立即投入实际部署,仍需结合实地作业。