Alqurashi, Hassan (2026) Integrating Remote Sensing and Machine Learning to Detect Illegal Dumping Along Highways in Saudi Arabia. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Hassan_Alqurashi_Thesis .pdf Restricted to Repository staff only until 15 July 2027. Download (3MB)

Arabic Abstract

يُعد الإلقاء غير القانوني للنفايات على امتداد الطرق السريعة تحديًا بيئيًا وتشغيليًا في مجال الرصد. تقدم هذه الرسالة إطارًا مبدئيًا لإثبات المفهوم يقيّم إمكانية استخدام صور الاستشعار عن بُعد مع التعلم الآلي لدعم الفحص الأولي لمواقع الإلقاء غير القانوني للنفايات في بيئات الطرق السريعة في المملكة العربية السعودية. تم تطوير سير عمل للكشف عن الأجسام من فئة واحدة باستخدام صور مُعنونة يدويًا في منصة سوبيرفايزلي (Supervisely). وتم تقييم إعدادين للتدريب: إعداد دون صور خلفية باستخدام صور تحتوي على مواقع إلقاء فقط، وإعداد مع صور خلفية باستخدام صور تحتوي على مواقع إلقاء وصور غير محتوية على إلقاء. واستُخدم التحقق المتقاطع خماسي الطيات لتقييم الاستقرار الداخلي، بينما استُخدمت مجموعة اختبار خارجية مستقلة على مستوى الصور من طريق أبو حدرية لفحص التعميم الأولي. أظهرت النتائج قدرة كشف متوسطة وإمكانية أولية للتعميم. في التحقق المتقاطع خماسي الطيات، حقق الإعداد دون صور خلفية متوسطات داخلية أعلى قليلًا، حيث بلغت الدقة التنبؤية 0.555 ± 0.070، والاسترجاع 0.464 ± 0.044، وبلغ متوسط الدقة المتوسطة عند عتبة 50% (mean Average Precision at 50%, mAP50) مقدار 0.496 ± 0.038، ومتوسط الدقة المتوسطة عبر العتبات من 50% إلى 95% (mean Average Precision at 50–95%, mAP50–95) مقدار 0.243 ± 0.035. أما في الاختبار الخارجي على مستوى الصور، فكان الإعداد مع صور الخلفية أكثر تحفظًا، محققًا دقة تنبؤية مقدارها 0.841 ± 0.109، ودقة كلية مقدارها 0.751 ± 0.063، ونوعية مقدارها 0.943 ± 0.036، بينما حقق الإعداد دون صور خلفية استرجاعًا أعلى مقداره 0.650 ± 0.085. ويشير هذا التوازن بين الدقة التنبؤية والاسترجاع إلى أن سير العمل المقترح ينبغي تفسيره كأداة فحص أولية لدعم ترتيب أولويات التفتيش، وليس كنظام كشف مستقل ومكتمل. وينبغي تفسير هذه النتائج في ضوء محدودية حجم مجموعة البيانات، واعتماد الدراسة على الصور الملونة من منصة جوجل إيرث (Google Earth) فقط دون نطاقات طيفية إضافية، واقتصار التقييم الخارجي على ممر طريق سريع واحد. وتسهم هذه الدراسة في تقديم إطار بيئي مبدئي لإثبات المفهوم للكشف عن مواقع الإلقاء غير القانوني المرئية في بيئات الطرق السريعة الجافة في المملكة العربية السعودية.

English Abstract

Illegal dumping along highways is an environmental and operational monitoring challenge. This thesis presents a proof-of-concept framework that evaluates whether remote sensing imagery combined with machine learning can support the preliminary screening of illegal dumping in Saudi highway environments. A single-class object detection workflow was developed using manually annotated imagery prepared in Supervisely. Two training configurations were evaluated: a no-background configuration using dumping images only, and a with-background configuration using both dumping and non-dumping/background images. Five-fold cross-validation was used to assess internal stability, while an independent image-level external test set from Abu Hadriyah Road was used to examine preliminary generalization. The results showed moderate detection capability and preliminary generalization potential. In fivefold cross-validation, the no-background configuration achieved slightly higher internal mean values, with precision of 0.555 ± 0.070, recall of 0.464 ± 0.044, mAP50 of 0.496 ± 0.038, and mAP50-95 of 0.243 ± 0.035. In external image-level testing, the with-background configuration was more conservative, achieving precision of 0.841 ± 0.109, accuracy of 0.751 ± 0.063, and specificity of 0.943 ± 0.036, while the no-background configuration achieved higher recall of 0.650 ± 0.085. This precision–recall trade-off indicates that the proposed workflow is better interpreted as a preliminary screening and inspection-prioritization aid rather than a complete standalone detection system. The findings should be interpreted in light of the limited dataset size, the use of RGB-only Google Earth imagery, and the external evaluation being limited to one highway corridor. The study contributes a proof-of-concept environmental monitoring framework for visible illegal dumping detection in arid Saudi highway settings.

Item Type:	Thesis (Masters)
Subjects:	Environmental Research > Remote Sensing Research > Environment
Department:	College of Petroleum Engineering and Geosciences > Geosciences
Thesis Advisor:	Abdullah Al-shuhail,
Thesis Committee Members:	Bassam Al-tawabini, Umair Waheed,
Depositing User:	HASSAN ALQURASHI
Date Deposited:	15 Jul 2026 10:02
Last Modified:	15 Jul 2026 10:02
URI:	https://eprints.kfupm.edu.sa/id/eprint/144656