Black and Odorous Water Detection of Remote Sensing Images Based on Improved Deep Learning

Abstract

Black and odorous water seriously affects the ecological balance of rivers and the health of people living nearby. Satellite remote sensing technology with its advantages of a large range, long-time series, low cost, and high efficiency, has provided a new area for water quality detection. Much archived remote sensing satellite data can be further processed and used as a data source for black and odorous water detection. In this paper, Gaofen-2 remote sensing data with a spatial resolution of 1 m is leveraged as the data source. To enrich the data source in the northern coastal zone of China, we have built a high-quality remote sensing dataset, called the remote sensing images for black and odorous water detection (RSBD) dataset, which is collected from the Gaofen-2 satellite in Yantai, China. In addition, we propose a network with an encoder-decoder discriminant structure for black and odorous water detection. In the network, an augmented attention module is designed to capture a more comprehensive semantic feature representation. Further, the median balancing loss function is adopted to solve the imbalance issues. Experimental results demonstrate that the network is superior to other state-of-the-art semantic segmentation methods on our dataset.

RÉSUMÉ

Les eaux noires et malodorantes affectent gravement l’équilibre écologique des rivières et la santé des personnes vivant à proximité. La technologie de télédétection par satellite, avec ses avantages de grande couverture, de longues séries temporelles, de faible coût et d’efficacité élevée, a ouvert un nouveau domaine pour la détection de la qualité de l’eau. De nombreuses données de télédétection par satellite archivées peuvent être traitées et utilisées comme source de données pour la détection des eaux noires et malodorantes. Dans cet article, les données du satellite Gaofen-2 avec une résolution spatiale de 1 m sont utilisées comme source de données. Pour enrichir la source de données dans la zone côtière du nord de la Chine, nous avons créé un ensemble de données de télédétection de haute qualité, appelées images de télédétection pour la détection des eaux noires et odorantes (RSBD), collectées par le satellite Gaofen-2 à Yantai, en Chine. De plus, nous proposons un réseau avec une structure discriminante encodeur-décodeur pour la détection des eaux noires et malodorantes. Dans le réseau, un module d’attention augmentée est conçu pour capturer une représentation sémantique plus complète des caractéristiques. De plus, la fonction de perte d’équilibrage médian est adoptée pour résoudre les problèmes de déséquilibre. Les résultats expérimentaux démontrent que le réseau est supérieur à d’autres méthodes de segmentation sémantique de pointe sur notre ensemble de données.

Acknowledgments

We appreciate the China Centre for Resources Satellite Data and Application providing the Gaofen-2 images.

Disclosure statement

No conflict of interest was reported by the author (s).

Additional information

Funding

This research was supported by the National Natural Science Foundation of China under Grants [62072391 and 62066013].