利用社交媒体实时收集山体滑坡数据(Landslide Detection )

1年前浏览864

1 引言

手工收集山体滑坡的数据非常耗时，因此，近年来人们一直在尝试将这一过程自动化。在刚刚发表在《国际减灾杂志(International Journal of Disaster Risk Reduction)》上, 来自英国地质调查局BGS的Catherine Pennington和一个国际团队利用人工智能AI将这项工作向前推进了一大步，参看：

[1] Pennington, C.V.L. et al. (2022) A near-real-time global landslide incident reporting tool demonstrator using social media and artificial intelligence. International Journal of Disaster Risk Reduction.

[2] Ferda Ofli et al. (2022) A Real-time System for Detecting Landslide Reports on Social Media using Artificial Intelligence, International Conference on Web Engineering.

[3] Ferda Ofli et al. (2021) Landslide Detection in Real-Time Social Media Image Streams, arXiv preprint.

2 工作原理

研究者们通过一种机器学习算法持续扫描社交媒体Twitter上使用32种语言的关键词关于描述山体滑坡的帖子，实时收集世界各地发生的山体滑坡信息，然后从这些帖子中收集帖子内的图片，通过算法分析图像，以确定该帖子是否涉及真正的山体滑坡。例如，它使用的中文搜索词汇有“滑坡, 山体滑坡, 岩崩, 岩滑, 泥石流, 山体塌方,地崩, 雪崩”，如果帖子中有这些关键词汇，就会执行下一步，使用图像处理机器学习模型分析该帖内的图像，识别那些显示山体滑坡、泥石流、岩石滑坡等。如果检测出有重复的图像，只显示事件第一次发生的图像。地理位置则是根据推文内提到的地点名称进行标注。

根据关键词搜寻相关帖子的算法很容易实现，比较困难的是图像识别。为此首先建立一个大的图像数据集。他们从Google, Twitter和BGS的数据库中人工标记哪些图片是滑坡的，哪些是不滑坡的，然后使用卷积神经网络训练这个数据集。