تشخيص خسارت سيل در تصاوير ماهواره اي با استفاده از يادگيري عميق

در دهه‌هاي اخير، تشخيص بلايا به دليل از دست رفتن جان انسان‌ها به كثرت مورد مطالعه بوده. محققان با استفاده از پردازش تصوير، تأثيرات فاجعه را بررسي كرده‌اند. تحقيقات قبلي نشان مي‌دهد كه سيستم‌هاي تشخيص فاجعه داراي چند مشكل عمده از جمله مشاهده وقوع بلايا در يك منطقه محدود مي‌شود. اين به دليل محدوديت سنسور تشخيص فاجعه است كه اطلاعات به صورت شفاهي دريافت مي‌كند و دقت پاييني دارد. در همين راستا در اين پژوهش روشي جهت تشخيص خسارت سيل در تصاوير ماهواره اي با استفاده از يادگيري عميق مطرح مي‌شود. در روش پيشنهادي براي استخراج ويژگي از CNN و براي انتخاب ويژگي از PCA و يادگيري ماشين به عنوان طبقه بند استفاده شده است. به منظور ارزيابي رويكرد پيشنهادي، روش پايه در كنار روش پيشنهادي به كمك متلب پياده سازي شده است. ارزيابي‌ها بر روي مجموعه داده‌ها و در قالب دو سناريو با اندازه مجموعه داده آموزش 50% و 70% انجام شده است. نتايج ارزيابي‌ها كه در قالب معيارهاي MSE، Precision، Recall، F1-Score و Recall ارائه شده است نشان مي‌دهد كه روش پيشنهادي توانسته است به ازاي هر دو مجموعه داده آموزش و تمامي معيارهاي ارزيابي نسبت به روش پايه عملكرد بهتري از خود نشان دهد.