Die zunehmende Verschmutzung der Ozeane durch Plastikmüll ist zu einem großen Umweltproblem geworden. Unkorrekte Entsorgung und mangelndes Recycling führen dazu, dass ein erheblicher Teil dieses Mülls sich in Flüssen und Seen ansammelt, von wo aus er letztendlich in die Ozeane gelangt. Dort bedroht das Plastik die marinen Ökosysteme und stellt eine globale Herausforderung dar.

Inmitten dieser Krise haben Forscher der Universität Wageningen und der EPFL einen bedeutenden Schritt unternommen, um die Identifizierung und Entfernung von Plastikmüll zu verbessern. Sie entwickelten ein innovatives KI-Modell, das auf der Analyse von Satellitenbildern basiert. So ermöglicht es eine präzisere Erkennung von schwimmendem Plastik.

Die Grundlage des Systems bilden frei verfügbare Sentinel-2-Satellitenbilder, die alle zwei bis fünf Tage weltweit Küstengebiete erfassen. Angesichts der riesigen Datenmengen nutzen die Forscher KI-Modelle, insbesondere tiefe neuronale Netze, um automatisch nach Anzeichen von Meeresmüll zu suchen. Geschult wurden die Modelle durch das Lernen von Tausenden visuell identifizierten Fällen von Meeresmüll in Satellitenbildern.

Darauf basierend haben die Forscher einen KI-Meeresmülldetektor entwickelt, der für jedes Pixel in den Sentinel-2-Bildern die Wahrscheinlichkeit des Vorhandenseins von Meeresmüll berechnet. Die entscheidende Innovation besteht darin, dass dieses Modell selbst unter widrigen Bedingungen, wie durch Wolken verdeckte Bilder oder dunstige Wetterverhältnisse, eine präzisere Erkennung ermöglicht als bisherige Ansätze. Das ist besonders nach heftigen Regenfällen oder Überschwemmungen wichtig, denn hier wird traditionell viel Müll in Gewässer getragen.