تشخیص خسارت سیل در تصاویر ماهواره ای با استفاده از یادگیری عمیق

در دهه‌های اخیر، تشخیص بلایا به دلیل از دست رفتن جان انسان‌ها به کثرت مورد مطالعه بوده. محققان با استفاده از پردازش تصویر، تاثیرات فاجعه را بررسی کرده‌اند. تحقیقات قبلی نشان می‌دهد که سیستم‌های تشخیص فاجعه دارای چند مشکل عمده از جمله مشاهده وقوع بلایا در یک منطقه محدود می‌شود. این به دلیل محدودیت سنسور تشخیص فاجعه است که اطلاعات به صورت شفاهی دریافت می‌کند و دقت پایینی دارد. در همین راستا در این پژوهش روشی جهت تشخیص خسارت سیل در تصاویر ماهواره ای با استفاده از یادگیری عمیق مطرح می‌شود. در روش پیشنهادی برای استخراج ویژگی از cnn و برای انتخاب ویژگی از pca و یادگیری ماشین به عنوان طبقه بند استفاده شده است. به منظور ارزیابی رویکرد پیشنهادی، روش پایه در کنار روش پیشنهادی به کمک متلب پیاده سازی شده است. ارزیابی‌ها بر روی مجموعه داده‌ها و در قالب دو سناریو با اندازه مجموعه داده آموزش 50% و 70% انجام شده است. نتایج ارزیابی‌ها که در قالب معیارهای mse، precision، recall، f1-score و recall ارائه شده است نشان می‌دهد که روش پیشنهادی توانسته است به ازای هر دو مجموعه داده آموزش و تمامی معیارهای ارزیابی نسبت به روش پایه عملکرد بهتری از خود نشان دهد.