度分辨:一种机器视觉应用程序,用于从水下图像中估计度
Ian M Rudy1, Matthew J Wilson2
1Department of Math and Computer Science, Susquehanna University, Sellinsgrove, Pennsylvania, United States.
PeerJ
|September 30, 2024
概括
从水下图像中估计水的度,为传统方法提供了具有成本效益的替代方案. 这种机器视觉模型为公民科学和历史分析提供了可访问的水质数据.
科学领域:
- 环境科学 环境科学
- 计算机视觉 计算机视觉
- 水质监测 水质监测
背景情况:
- 度是工业,生态和公共健康的关键水质指标.
- 目前的度测量方法可能昂贵且耗费大量劳动力.
- 水下图像为度估计提供了潜在的替代数据源.
研究的目的:
- 开发一种机器视觉模型,用于从水下图像中估计度.
- 提供一种具有成本效益和可访问的水质评估方法.
- 为了分析历史图像数据集,并支持公民科学倡议.
主要方法:
- 采用了两步机器视觉方法,结合了图像分类和多重线性回归.
- 从实地站点和实验室中层宇宙收集了数据,涵盖了各种沉积物和色度分析.
- 图像被分为11个度等级 (0-55 形态尼菲洛度单位 - FNU).
主要成果:
- 图像分类模型在一个类内实现了100%的准确性和84%的准确匹配准确性.
- 回归分析提供了连续度值,准确度为±0.7 FNU低于2.5 FNU,±33%在2.5至55 FNU之间.
- 该模型的准确性与教育和公民科学环境中使用的现场测试套件相提并论.
结论:
- 水下图像分析为估计水度提供了一种可行的方法.
- 开发的模型对于公民科学和教育等应用来说足够准确.
- 一个免费的,开源的应用程序使这种技术广泛可用于各种用户.
