基于卷积神经网络的AWD稻作准确水位监测
计算机视觉与模式识别
2025-06-10 v2 人工智能
摘要
交替干湿法（AWD）是一种推广用于可持续替代持续浸水（CF）的稻作灌溉水管理技术。气候变化正使农业部门面临巨大挑战，尤其是随着全球水资源日益稀缺，对灌溉低地稻作生产造成影响。稻作是全球半数人口的主食作物，灌溉需求远高于其他主要作物。 在孟加拉国，Boro稻在 cultivation期间需要巨大的水力输入。传统上，农民手动测量水位，这一过程既耗时又容易出错。虽然超声波传感器在水高度测量方面提供了改进，但仍面临受天气条件和环境因素影响的局限性。为此，我们提出一种新方法，通过计算机视觉特别是卷积神经网络（CNN）自动化水位测量。我们基于注意力的架构实现了0.9885的得分和0.2766的均方误差（MSE），为管理AWD系统提供了更准确和更高效的解决方案。
引用
@article{arxiv.2412.08477,
title = {Accurate Water Level Monitoring in AWD Rice Cultivation Using Convolutional Neural Networks},
author = {Ahmed Rafi Hasan and Niloy Kumar Kundu and Saad Hasan and Mohammad Rashedul Hoque and Swakkhar Shatabda},
journal= {arXiv preprint arXiv:2412.08477},
year = {2025}
}
备注
15 pages, 6 figures