A poluição do meio marinho provocado por plásticos é uma ameaça para a vida selvagem e para a saúde humana. A capacidade de detetar detritos de plástico flutuantes em curtos períodos de tempo após a sua entrada no oceano é um fator atenuante, evitando a degradação dos macroplásticos em pedaços mais pequenos e a consequente ameaça à cadeia alimentar. Assim, beneficiando da ampla experiência do consórcio em deep learning, numa primeira fase, a proposta visa identificar os diferentes tipos de detritos flutuantes a partir de imagens de satélite e investigar a possibilidade de distinguir entre diferentes tipos de plástico. SMART apresenta uma abordagem inovadora baseada em physics-informed learning, que combina a identificação e classificação automática de detritos de plásticos flutuantes a partir de imagens de satélite, modelação espácio-temporal de acumulações de plástico usando modelação numérica estuarina de alta resolução e um sistema distribuído de sensores montados em veículos marítimos autónomos de baixo custo para implantação a longo prazo e validação dos resultados do modelo. Os mapas de probabilidade de ocorrência de plástico e os mapas de risco permitirão que as autoridades preparem estratégias para a limpeza dos oceanos enquanto tomam decisões sob incerteza. O projeto será desenvolvido em duas áreas piloto localizadas no Atlântico Norte, e os resultados obtidos irão ser validados com dados in-situ usando veículos marítimos autónomos de baixo custo que recolherão amostras em regiões chave previstas pelo modelo.
