การประเมินความเสียหายในพื้นที่ที่มีผลกระทบจากภัยพิบัติโดยใช้วิธีการ manual ทำมือนั้นเป็นงานที่ท้าทายและต้องใช้เวลาเป็นอย่างมาก เพื่อที่จะช่วยทำให้สามารถประเมินได้อย่างแม่นยำยิ่งขึ้นและรวดเร็วยิ่งขึ้นเพื่อช่วยเหลือผู้ปฏิบัติงานและองค์กรความช่วยเหลือต่างๆ นักวิจัยจาก Facebook และ CrowdAI จึงได้ร่วมกันสร้างระบบ deep learning ที่สามารถประมาณการณ์ระดับความเสียหายในพื้นที่ที่ได้รับความเดือดร้อนได้อย่างอัตโนมัติ
“เป้าหมายของงานวิจัยนี้คือการช่วยเหลือให้ผู้ปฏิบัติงานสามารถระบุจุดได้อย่างรวดเร็วและอัตโนมัติว่าที่ใดที่ต้องรีบเข้าไปช่วยเหลืออย่างเร็วที่สุดก่อน โดยที่ไม่ต้องขึ้นกับการอธิบายสิ่งต่างๆ จากข้อมูลที่เกิดภัยพิบัติโดยวิธีการ manual” นักวิจัยเขียนไว้ในบล็อคโพส “วิธีการใหม่นี้มีศักยภาพที่จะสร้างข้อมูลที่มีความแม่นยำมากกว่าและใช้เวลาน้อยกว่ามากเมื่อเทียบกับวิธีการ manual ที่ทำอยู่ในปัจจุบัน”
สำหรับงานนี้ ทีมงานได้ใช้ข้อมูลจาก DigitalGlobe และ Planet Labs เพื่อเทรนระบบโครงข่าย Convolutional Neural Network เพื่อตรวจจับฟีเจอร์ที่คนทำขึ้นมาจากภาพถ่ายดาวเทียม ซึ่งจะไม่เหมือนกับงานที่มีอยู่ก่อนหน้านี้ที่จะนำเอาโครงข่าย Convolutional Neural Network มาประยุกต์ใช้กับข้อมูล dataset ที่ใช้คนมาอธิบายเฉพาะเจาะจงเรื่องภัยพิบัติ หากแต่วิธีการนี้จะขึ้นกับข้อมูล dataset ที่มีให้พร้อมใช้งานได้เลย (readily available) จากภาพถ่ายดาวเทียมที่มีฟีเจอร์ที่คนทำไว้แล้วโดยทั่วไปเพียงเท่านั้น อย่างเช่น การบอกส่วนที่เป็นถนน หรืออาคาร เป็นต้น นักวิจัยอธิบาย
“โดยการคำนวณการเปลี่ยนแปลงที่เปรียบเทียบกันระหว่างหลายๆ snapshot ของข้อมูลที่บันทึกไว้ก่อนและหลังเกิดภัยพิบัติ พวกเราจึงสามารถระบุพื้นที่ที่มีความเสียหายมากที่สุดและจัดลำดับความสำคัญในการที่จะต้องดูแลตอบสนองกับสิ่งที่เกิดขึ้นจากภัยพิบัติได้” นักวิจัยกล่าวไว้ในงานตีพิมพ์
เพื่อที่จะ validate ตรวจสอบผลลัพธ์ของโครงข่าย Neural Network ทางทีมงานจึงได้ทดสอบระบบกับข้อมูลภาพของ 2 ภัยพิบัติธรรมชาติ ได้แก่ เฮอริเคน Harvey ในรัฐเท็กซัส กับเพลิงไหม้ในเมืองซานตาโรซาในตอนเหนือของรัฐแคลิฟอร์เนีย
โครงข่ายที่ได้มานี้สามารถดำเนินการได้ด้วยความแม่นยำ 88.8% ในการระบุจุดที่ถนนเสียหายหลังจากเกิดเหตุการณ์เฮอริเคน Harvey ที่แถวๆ เมืองชูการ์แลนด์ รัฐเท็กซัส และความแม่นยนำ 81.1% ในการตรวจจับความเสียหายของอาคารในข้อมูลเพลิงไหม้ของเมืองซานตาโรซาตอนเหนือของรัฐแคลิฟอร์เนีย
สิ่งที่เป็น contribution หลังอีกส่วนหนึ่งของงานวิจัยนี้คือการนำเสนอ metric ใหม่ของทีมงานที่เรียกว่า Disaster Impact Index ซึ่งถูกออกแบบมาเพื่อช่วยให้เข้าใจผลกระทบของภัยพิบัติได้ง่ายขึ้นกว่าเดิม
“การระบุจุดพื้นที่ที่กระทบเสียหายได้อย่างรวดเร็วและถูกต้องแม่นยำนั้นจะช่วยให้องค์กรความช่วยเหลือสามารถที่จะจัดส่งสิ่งของเครื่องใช้และความช่วยเหลืออื่นๆ ไปในที่ที่พวกเขาต้องการมากที่สุดก่อนได้” ทีมงานเขียนในบล็อคโพส “ในอนาคตสิ่งนี้จะสามารถต่อยอดเพื่อที่จะค้นหาผลกระทบจากภัยพิบัติไปยังส่วนที่เป็นพื้นที่ธรรมชาติได้ เช่น ในพื้นที่เกษตรและในพื้นที่ป่า และสามารถประเมินผลกระทบจากภัยพิบัติแบบอื่นๆ ได้อีกเช่น กรณีเกิดแผ่นดินไหว”
Source : https://news.developer.nvidia.com/ai-helps-detect-disaster-damage-from-satellite-imagery/
