ВИКОРИСТАННЯ ІСТОРИЧНИХ ДАНИХ ДЛЯ ПІДВИЩЕННЯ ТОЧНОСТІ ВИЯВЛЕННЯ СМІТТЄЗВАЛИЩ НА АЕРОКОСМІЧНИХ ЗНІМКАХ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2026.01.081Ключові слова:
несанкціоновані сміттєзвалища, аерокосмічні знімки, Sentinel-2, історичні дані, мультитемпоральний аналіз, change detection, YOLO, екологічний моніторинг, агентно-ознакова модельАнотація
У роботі розглянуто можливості використання історичних супутникових даних для підвищення точності виявлення несанкціонованих сміттєзвалищ на аерокосмічних знімках. Показано, що для таких об’єктів часовий контекст має важливе діагностичне значення, оскільки сміттєзвалища формуються поступово та проявляються не лише у спектральних характеристиках поточної сцени, а й у динаміці змін земної поверхні. Проаналізовано підходи satellite image time series, change detection, моделі часових рядів, а також history prior map. Обґрунтовано, що найбільш перспективним є гібридний підхід, у якому первинне виявлення виконується YOLO-подібним детектором, а подальше уточнення здійснюється за допомогою історичних даних, карт змін і агентно-ознакової моделі. Така схема дозволяє підвищити стійкість виявлення, зменшити кількість хибнопозитивних спрацьовувань і забезпечити кращу інтерпретованість результатів екологічного моніторингу.
Посилання
Fraternali P., Cazzaniga P., Dell’Acqua F. et al. Solid waste detection, monitoring and mapping in remote sensing: a review // Waste Management. 2024.
Jiang W., Sun Y., Lei L. et al. Change detection of multisource remote sensing images: a review // International Journal of Digital Earth. 2024. Vol. 17, No. 1. DOI: 10.1080/17538947.2024.2398051.
Vincent E., Ponce J., Aubry M. Satellite Image Time Series Semantic Change Detection: Novel Architecture and Analysis of Domain Shift // arXiv. 2024. DOI: 10.48550/arXiv.2407.07616.
Wang R., Ma L., He G. et al. Transformers for Remote Sensing: A Systematic Review and Analysis // Sensors. 2024. Vol. 24, No. 11. Art. 3495. DOI: 10.3390/s24113495.
Gui S., Song S., Qin R., Tang Y. Remote Sensing Object Detection in the Deep Learning Era—A Review // Remote Sensing. 2024. Vol. 16, No. 2. Art. 327. DOI: 10.3390/rs16020327.
Sakti A. D., Sembiring E., Rohayani P. et al. Identification of illegally dumped plastic waste in a highly polluted river in Indonesia using Sentinel-2 satellite imagery // Scientific Reports. 2023. Vol. 13. Art. 5039. DOI: 10.1038/s41598-023-32087-5.
Scharf N., Ducry B., Sy B. et al. Integrating Remote Sensing, GIS, and Citizen Science to Map Illegal Waste Dumping Susceptibility in Dakar, Senegal // Sustainability. 2025. Vol. 17, No. 24. Art. 11137. DOI: 10.3390/su172411137.
El Hafyani H., Pasdeloup B., Yver C., Romenteau P. Multimodal Object Detection via Probabilistic a priori Information Integration // arXiv. 2024. DOI: 10.48550/arXiv.2405.15596.
Lytvynov, Ye., Hnatushenko, V., & Udovyk, I. (2026). Detection of illegal landfills in satellite images using a multi-agent approach. Herald of Khmelnytskyi National University. Technical Sciences, 361(1), 523–530. https://doi.org/10.31891/2307-5732-2026-361-73
