Rilevamento automatico del livello dell'acqua tramite reti neurali convoluzionali

L'implementazione di sistemi di monitoraggio del livello dell'acqua riveste un'importanza cruciale nella prevenzione degli straripamenti fluviali e dei conseguenti disastri ambientali, con potenziali impatti sulla vita umana e sull'economia. Tra le soluzioni proposte, l'impiego di reti neurali convoluzionali (CNN) si configura come una prospettiva promettente per il rilevamento automatico del livello dell'acqua. Questo studio propone un approccio innovativo che combina tecniche di deep learning con l'analisi delle immagini per la segmentazione e il rilevamento del livello dell'acqua. Il lavoro inizia con una valutazione comparativa tra metodologie tradizionali e approcci basati su deep learning per il rilevamento del livello dell'acqua. Successivamente, vengono esaminati due dataset: uno utilizzato per l'addestramento dei modelli e l'altro costituito da dati reali acquisiti tramite telecamera, destinati all'applicazione del metodo di misurazione. La fase successiva si focalizza sull'implementazione e sull'addestramento dei modelli DeepLabv3 e MobileSAMv2 per la segmentazione dell'acqua. I risultati ottenuti vengono quindi impiegati per l'implementazione e il test del metodo di misurazione del livello dell'acqua. Infine, vengono discussi i risultati sperimentali ottenuti comparando i modelli utilizzati, al fine di valutare le performance degli stessi su una gamma diversificata di scenari e condizioni ambientali, identificando quelle che sono le specifiche capacità e limitazioni di ciascun modello nel contesto del rilevamento del livello dell'acqua.