ERIC：利用商用门铃摄像头估算降雨量以实现精准住宅灌溉
计算机视觉与模式识别
2024-10-07 v2 人工智能
机器学习
系统与控制
系统与控制
摘要
当前最先进的住宅灌溉系统（如 WaterMyYard）依赖附近气象站的降雨数据来调整灌溉量。然而，雨量计有限的空间分辨率和超局地降雨的显著变异性损害了降雨数据的准确性，导致大量水资源浪费。为了提高灌溉效率，我们开发了一种名为 ERIC 的低成本灌溉系统，该系统采用机器学习模型从商用门铃摄像头录像中估算降雨量，并在无需人工干预的情况下优化灌溉计划。具体而言，我们：a) 设计了具有轻量级神经网络模型的新型视觉和音频特征，以在边缘端从摄像头推断降雨，从而保护用户隐私；b) 在 Raspberry Pi 4 上构建了一个完整的端到端灌溉系统，成本仅为 75 美元。我们在五个具有不同背景和光照条件的地点部署了该系统（收集了超过 750 小时的视频）。综合评估验证了 ERIC 实现了 SOTA 的降雨估算性能（约 5mm/day），每月节省 9,112 加仑的水，相当于每月节省 28.56 美元的公用事业费用。数据和代码可在 https://github.com/LENSS/ERIC-BuildSys2024.git 获取。
引用
@article{arxiv.2409.13104,
title = {ERIC: Estimating Rainfall with Commodity Doorbell Camera for Precision Residential Irrigation},
author = {Tian Liu and Liuyi Jin and Radu Stoleru and Amran Haroon and Charles Swanson and Kexin Feng},
journal= {arXiv preprint arXiv:2409.13104},
year = {2024}
}
备注
BuildSys 2024