机构名称：
¥ 1.0
本研究探讨了使用人工智能 (AI) 作为支持水监测手段的可能性。更准确地说，它解决了公民科学数据的质量和可靠性问题。本文讨论了 SIMILE（伊苏布里克湖及其生态系统综合监测信息系统）项目的工具和数据，旨在开发一个开放的预过滤系统，用于全球范围内的湖水监测志愿者地理信息 (VGI)。目标是自动确定公民科学家上传的图像中是否存在有害现象（藻类和泡沫），以减少手动检查贡献所需的时间。这项任务具有挑战性，因为数据的异质性在于没有具体指示就拍摄的带地理标记的照片。为此，我们测试了不同的工具和深度学习技术（Clarifai 平台、卷积神经网络 (CNN) 和一种称为更快的基于区域的 CNN (R-CNN) 的对象检测算法）。由 SIMILE - 湖泊监测应用程序的观测结果组成的原始数据集已与网络引擎（Google、Bing 等）上的关键字和图像搜索结果以及抓取的 Flickr 数据相结合。介绍了不同算法在检测存在和正确标记现象方面的能力，以及未来改进它们的一些可能策略。
人工智能支持水质监测
主要关键词
相关文件推荐
