空氣污染是一個嚴重的全球健康問題，需要創(chuàng)新的監(jiān)測解決方案。傳統(tǒng)方法依賴地面站，成本昂貴且受地域限制，阻礙了全面覆蓋。最近的技術進步凸顯了使用監(jiān)控攝像頭的視覺數據作為空氣質量評估的經濟高效替代方案的潛力。
發(fā)表在《環(huán)境科學與生態(tài)技術》上的一項新研究創(chuàng)新了一種混合深度學習模型，可使用監(jiān)控攝像頭圖像顯著改善室外空氣質量監(jiān)測。這種方法增強了空氣質量估計，包括 PM2.5和 PM10濃度以及空氣質量指數 (AQI)，無論一天中的什么時間。
研究團隊將卷積神經網絡 (CNN) 與長短期記憶 (LSTM) 網絡相結合，創(chuàng)建了一個模型，可以智能地捕獲單個圖像中存在的空間細節(jié)以及圖像序列中的時間動態(tài)。這種創(chuàng)新方法特別擅長克服準確估計夜間空氣質量的長期挑戰(zhàn)，在夜間，傳統(tǒng)的基于圖像的方法通常會因弱光條件而失效。
通過分析監(jiān)控錄像中的視覺線索(例如霧霾和能見度)，該模型可以有效預測白天和夜間的顆粒物(PM2.5和 PM10)濃度和 AQI。
首席研究員兼通訊作者劉學軍博士表示：“我們的模型能夠根據圖像準確估計空氣質量，無論白天還是夜晚，這標志著利用技術進行環(huán)境監(jiān)測向前邁出了重要一步。它為全面監(jiān)測空氣質量開辟了新途徑。”缺乏基礎設施地區(qū)的空氣質量評估。”
這項研究標志著環(huán)境監(jiān)測的重大飛躍，展示了顯著加強空氣質量評估的潛力。它為更動態(tài)、更具成本效益的監(jiān)測解決方案打開了大門，可以極大地提高我們對全球范圍內空氣污染的理解和管理。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！