ربات‌ خودران با ۱۲ ساعت پایش به خط مقدم شناسایی آلودگی نفتی وارد می‌شود

به گزارش ایسنا، لکه‌های نفتی از جمله آلاینده‌هایی هستند که سرعت شناسایی و واکنش به آنها نقش تعیین ‌کننده‌ای در کاهش خسارت‌های زیست‌محیطی دارد. نشت نفت در دریا می‌تواند در مدت کوتاهی تحت تأثیر باد، جریان‌های دریایی و شرایط جوی گسترش یابد و از محل اولیه نشت فاصله بگیرد؛ از این رو، فناوری‌های نوین مدیریت آلودگی دریایی در سال‌های اخیر از شناسایی صرف لکه‌های نفتی به سمت پایش هوشمند، پیش‌بینی مسیر حرکت آلودگی و استفاده از سامانه‌های خودران برای واکنش و پاکسازی حرکت کرده‌اند.

در جهان، ترکیبی از تصاویر ماهواره‌ای و راداری، پهپادها، حسگرهای هوشمند، بینایی ماشین و الگوریتم‌های یادگیری ماشین برای شناسایی و پایش لکه‌های نفتی به کار گرفته می‌شود. در برخی طرح‌های پژوهشی نیز ربات‌های سطحی خودران و سامانه‌های چندرباته برای یافتن و دنبال کردن لکه نفتی و برنامه‌ریزی مسیر حرکت در سطح آب توسعه یافته‌اند؛ به‌گونه‌ای که ربات‌ها می‌توانند با دریافت داده‌های محیطی، بدون هدایت مستمر انسانی مسیر خود را تنظیم کنند.

هوش مصنوعی همچنین به یکی از ابزارهای مهم تشخیص لکه‌های نفتی از تصاویر ماهواره‌ای تبدیل شده است. برای نمونه، پژوهش‌های انجام‌شده درباره خلیج فارس از تصاویر ماهواره‌ای و الگوریتم‌های یادگیری ماشین برای شناسایی، تعیین گستره و ردیابی حرکت آلودگی استفاده کرده‌اند و در یک مطالعه، مدل‌های مبتنی بر شبکه عصبی پیچشی عملکرد بالاتری نسبت به برخی روش‌های دیگر در تشخیص لکه‌های نفتی نشان داده‌اند.

در ایران نیز بخشی از این مسیر فناوری دنبال شده است؛ از پایش لکه‌های نفتی در خلیج فارس با استفاده از تصاویر ماهواره‌ای «سنتینل-۱» تا توسعه مدل‌های یادگیری ماشین برای تشخیص و ردیابی آلودگی. پژوهشگران ایرانی همچنین سامانه‌های پشتیبان تصمیم برای برنامه‌ریزی واکنش به نشت نفت در خلیج فارس را بررسی کرده‌اند؛ سامانه‌هایی که با استفاده از مدل‌سازی حرکت لکه نفتی و داده‌های باد و جریان آب، می‌توانند در تعیین مناطق پرخطر و برنامه‌ریزی عملیات واکنش مورد استفاده قرار گیرند. …