Fuente: MLIT, Oficina de Desarrollo Regional de Shikoku
La inteligencia artificial (IA) aceleró el proceso de detección de edificios inundados inmediatamente después de una inundación a gran escala, lo que permitió a los servicios de emergencia dirigir las operaciones de manera eficiente. Ahora, un grupo de investigación de la Universidad de Tohoku ha creado un modelo de aprendizaje automático (ML) que utiliza imágenes de los medios de comunicación para identificar con precisión los edificios inundados dentro de las 24 horas posteriores a un desastre.
Su investigación fue publicada en la revista Sensores remotos 5 de abril de 2021
“Nuestro modelo muestra la rapidez con la que la cobertura de los medios puede acelerar y aumentar la precisión del mapeo de daños, acelerando alivio de desastres y decisiones de respuesta, dijo Shunichi Koshimura del Instituto Internacional de Investigación de Desastres de la Universidad de Tohoku y coautor del estudio.
Los algoritmos de aprendizaje profundo y aprendizaje automático están diseñados para clasificar objetos Análisis de imagen. Para que la inteligencia artificial y el aprendizaje automático sean efectivos, necesita datos para entrenar el modelo, en este caso, datos de inundación.
Si bien los datos de inundaciones se pueden recopilar de eventos anteriores, esto inadvertidamente generará problemas ya que cada evento es diferente y sigue las características locales del área inundada. Esto hace que la información en el sitio sea más confiable.
Los equipos de prensa y medios suelen ser los primeros en transmitir imágenes a los espectadores en casa en un lugar de desastre, y el equipo de investigación descubrió que esta información también podría usarse en algoritmos de inteligencia artificial.
La clasificación obtenida muestra edificios inundados (rojo), edificios no inundados (azul), datos de los medios de comunicación (verde) y el área inundada (amarillo). Aproximadamente el 80% de los edificios inundados estimados se inundaron de hecho. Fuente: Okada et al.
Aplicaron su modelo a Mabi-cho, la ciudad de Kurashiki en la prefectura de Okayama que fue golpeada por fuertes lluvias en el oeste de Japón en 2018.
Primero, los investigadores identificaron fotos de prensa y las ubicaron basándose en puntos de referencia y otras pistas que aparecían en la foto. Entonces ellos usaron Radar de Apertura Sintética (SAR) Imágenes PALSAR-2 proporcionadas por JAXA para identificar condiciones de inundación y no inundación en áreas desconocidas.
En este caso, las imágenes SAR se pueden usar para clasificar cuerpos de agua, ya que las microondas exponen de manera diferente en superficies húmedas y secas. La Support Vector Machine (SVM), una de las aprendizaje automático se utilizó para clasificar edificios rodeados por aguas de inundación o en áreas no inundadas.
“Nuestro rendimiento Modelo resultó en un 80% de precisión de la estimación ”, agregó Koshimura.
De cara al futuro, el grupo de investigación explorará la posibilidad de utilizar bases de datos de medios de noticias de eventos pasados como conjuntos de datos de entrenamiento para desarrollar modelos de IA en situaciones actuales para aumentar la precisión y la velocidad de clasificación.
Genki Okada y col. El papel potencial de los medios de comunicación en la creación de un marco de mapeo de fallas basado en el aprendizaje automático, Sensores remotos (2021). DOI: 10.3390 / rs13071401
Entregado por
Universidad de Tohoku