Télédétection aérienne des déchets de plastiques utilisant les images hyper-spectrales et l’apprentissage automatique

Abstract

Une solution hyperspectral basée sur les véhicules aériens sans pilote « Unmanned Aerial Vehicles UAV » pour la détection des paramètres physiologiques de plastiques a été explorée dans un cadre d’apprentissage automatique. Une gamme de mesures complémentaires ont été recueillies sur le terrain d’expérience d’imagerie, basée sur une diversité d’échantillons de polymères plastiques dans des conditions artificiel et naturel. À partir des données de l’UAV, une référence de réflectance blanche précise en position a été produite pour corriger les différences de réponse spectrale en tenant compte de la référence sombre afin de corriger les effets des variations des capteurs de caméra au fil du temps à l’aide d’un système automatisé et en mosaïque méthodologie. Les données de UAV obtenues ont ensuite été utilisées dans un cadre d’apprentissage automatique. Deux approches ont été évaluées pour identifier les méthodes non supervisées les plus performantes (LDA et K-NN). Une étude de la stratégie d’apprentissage et de la valeur de l’utilisation des bandes spectrales comme caractéristiques de prédiction a également été effectuée à l’aide du sélecteur de caractéristiques « "mRMR" redondance minimale-pertinence maximale ». Enfin, l’utilité de l’imagerie hyper-spectrale basée sur les UAV a été démontrée en détectant les effets de la lumière solaire et de l’éclairage artificiel sur les différents polymères plastiques en estimant leur impact sur les résultats d’identification