相关实验视频
Updated: Jun 22, 2025
06:37
Continuous Hydrologic and Water Quality Monitoring of Vernal Ponds
Published on: November 13, 2017
9.2K
一个细粒度的数据集,用于在自然环境中对污水泄漏的客观检测
Yuqing Tian1, Ning Deng1, Jie Xu2
1School of Environment, Tsinghua University, Beijing, 100084, PR China.
Scientific data
|July 2, 2024
概括
研究人员开发了一个新的污水排放 (SOs) 图像数据集,这些图像是由无人机捕获的. 这一数据集有助于训练人工智能模型进行自动检测,改善流域管理和水质监测.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 遥感 遥感 遥感 遥感
背景情况:
- 污水泄漏 (SOs) 将污染物释放到水体中,需要有效的监测.
- 用于SO检测的高分辨率图像的手动解释是劳动密集型的,需要专业知识.
- 现有的数据集不足以训练可靠的自动化SO检测模型.
研究的目的:
- 引入一个高质量的,注释图像数据集,用于污水泄漏检测.
- 促进使用深度学习和无人机的自动检测工具的开发.
- 通过改进SO识别来加强智能流域管理.
主要方法:
- 在中国河流盆地使用无人机和手持相机收集了10481张图像.
- 对数据集进行注释,以确保污水废弃物识别的准确性和一致性.
- 使用YOLOv10对象检测模型验证了数据集.
主要成果:
- 该iSOOD数据集为训练深度学习模型提供了宝贵的资源.
- 技术验证证明了数据集适合于对象检测任务.
- 该数据集支持自动化SO检测系统的进步.
结论:
- 对于开发用于SO检测的先进深度学习模型而言,iSOOD数据集至关重要.
- 整合无人机和人工智能可以带来高效和智能的河流流域管理.
- 这项工作解决了环境监测应用中需要高质量的数据的需求.
