Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

HydroVision: Predicting Optically Active Parameters in Surface Water Using Computer Vision

Created by
  • Haebom

作者

Shubham Laxmikant Deshmukh, Matthew Wilchek, Feras A. Batarseh

概要

HydroVisionは、表面水のRGB画像を使用して葉緑素-アルファ、葉緑素、色素溶存有機物（CDOM）、ピコシアニン、浮遊堆積物、濁度などの光学的に活性な水質パラメータを推定する深層学習ベースのシーン分類フレームワークです。 2022年から2024年までに米国地質調査局水文映像の視覚化と情報システムで収集された50万枚以上の季節変動画像を使用して訓練され、さまざまな条件で実際の水質モニタリングの可能性を示しています。従来の多分光および超分光遠隔検出と比較して、スケーラビリティが高く費用対効果の高い代替手段としてRGB画像を利用します。 VGG-16、ResNet50、MobileNetV2、DenseNet121、およびビジョントランスフォーマーネットワークを評価した結果、DenseNet121はCDOM予測でR2スコア0.89で最高のパフォーマンスを達成しました。現在、モデルは明るい画像に最適化されていますが、将来の低照度や障害物のある状況での堅牢性を向上させ、運用上の有用性を拡張する予定です。

Takeaways、Limitations

•
Takeaways：
◦
深層学習を用いた非接触式水質モニタリング法を提示することで、災害対応や公衆衛生保護に貢献
◦
RGB画像を用いた従来の多分光および超分光遠隔検出方式よりも費用対効果が高くスケーラブルな水質モニタリングシステムの構築
◦
さまざまな水質パラメータを正確に予測し、汚染傾向の早期検出と規制機関のモニタリングの強化に貢献します。
◦
DenseNet121アーキテクチャを使用して高精度（CDOM予測でR2スコア0.89）を達成。
•
Limitations:
◦
現在、モデルは照明の良い画像に最適化されており、低照度や障害物がある状況では性能低下の可能性が存在。
◦
さまざまな環境条件の一般化パフォーマンスの向上が必要です。
◦
モデルの予測結果に対する不確実性分析と信頼性評価が必要
👍
Made with Slashpage