抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
効果的でコスト効率の良い監視は,環境の持続可能性を確保するために不可欠である。シアノバクテリア有害藻類ブルーム(CyanoHABs)は主要な水質と内陸水体における公衆衛生問題である。クラウドコンピューティングとデータ分析の進歩と結合したオンラインソーシャルメディア(OSM)プラットフォームの最近の人気は環境モニタリングへのcitizen科学に基づくアプローチを与えた。これらの手法は獲得における産卵群集,ツイートの形での関連するデータの収集と伝送,画像,音声記録とスマートフォンやタブレット計算機のような低コストモバイル機器を使用した典型的に収集したビデオを含んでいる。コスト有効であるが,市民科学に基づくアプローチは雑音,不正確さと欠測データに非常に敏感である。本論文では,内陸水体の画像データの解析による有害藻類ブルーム(HABs)の自動検出の問題を取り上げて論じた。これら画像データは様々なスマートフォンを用いて取得し,Facebook,ツィッター,Instagramのような一般的なOSMプラットフォームを介して影響していた。イメージングパラメータと周囲環境パラメータの広い変動を説明するために著者らはHAB検出の目的のための特徴抽出と分類を画像化するための深層学習アプローチを提案した。電流系は,内陸水体のCyanoHAB汚染の有害な影響を軽減するために採用可能な自動早期発見,警戒と急速な応答システムの設計の第一段階である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】