آلودگی بصری نگرانی نسبتاً جدیدی در میان مجموعه های موجود از آلودگی های اصلی محیط زیست است ، و لزوم تحقیق برای مفهوم سازی ، رسمی سازی ، تعیین کمیت و ارزیابی آن را از ابعاد مختلف توصیه می کند. هدف از این مطالعه ایجاد زمینه جدیدی از طبقه بندی آلاینده های بصری خودکار ، بهره گیری از توانمندی فناوری قرن بیست و یکم برای کاربردهای مدیریت محیط زیست است. از طیف گسترده ای از آلاینده های بصری ، چهار دسته به عنوان مثال در نظر گرفته شده اند. (i) تابلوهای تبلیغاتی و علائم ، (ii) سیمهای تلفنی و ارتباطی ، (iii) برجهای شبکه و ارتباطات و (IV) بسترهای خیابانی. مدل یادگیری عمیق مورد استفاده در این مطالعه ، تجربه یادگیری انسان را در زمینه تشخیص تصویر برای طبقه بندی آلاینده های بصری با آموزش و آزمایش یک شبکه عصبی حلقوی با چند لایه از نورون های مصنوعی شبیه سازی می کند. از داده های تقویت شده با استفاده از تکنیک های پردازش تصویر و نسبت تقسیم قطار از آزمون ۸۰:۲۰ استفاده شده است. دقت آموزش ۹۵٪ و صحت اعتبار ۸۵٪ با مدل یادگیری عمیق حاصل شده است. نتایج نشان می دهد که حد بالایی از دقت ، یعنی مجانب ، به اندازه مجموعه داده برای این نوع کار بستگی دارد. این مطالعه کاربردهای مختلفی در مدیریت محیط زیست دارد. به عنوان مثال ، استقرار مدل آموزش دیده برای پردازش فیلم های ویدئویی / زنده از برنامه های گوشی های هوشمند ، تلویزیون های مدار بسته و هواپیماهای بدون سرنشین / هواپیماهای بدون سرنشین می تواند برای حذف و مدیریت آلاینده های بصری در محیط طبیعی و ساخته شده استفاده شود. علاوه بر این ، ایجاد “شاخص / شاخص آلودگی بصری” در مناطق شهری مانند شهرها و شهرها “معیار / شاخص جدید” را در زمینه مدیریت محیط زیست شهری ایجاد می کند.