导读 空气污染是一个严重的全球健康问题，需要创新的监测解决方案。传统方法依赖地面站，成本昂贵且受地域限制，阻碍了全面覆盖。最近的技术进步...
空气污染是一个严重的全球健康问题，需要创新的监测解决方案。传统方法依赖地面站，成本昂贵且受地域限制，阻碍了全面覆盖。最近的技术进步凸显了使用监控摄像头的视觉数据作为空气质量评估的经济高效替代方案的潜力。
发表在《环境科学与生态技术》上的一项新研究创新了一种混合深度学习模型，可使用监控摄像头图像显着改善室外空气质量监测。这种方法增强了空气质量估计，包括 PM2.5和 PM10浓度以及空气质量指数 (AQI)，无论一天中的什么时间。
研究团队将卷积神经网络 (CNN) 与长短期记忆 (LSTM) 网络相结合，创建了一个模型，可以智能地捕获单个图像中存在的空间细节以及图像序列中的时间动态。这种创新方法特别擅长克服准确估计夜间空气质量的长期挑战，在夜间，传统的基于图像的方法通常会因弱光条件而失效。
通过分析监控录像中的视觉线索(例如雾霾和能见度)，该模型可以有效预测白天和夜间的颗粒物(PM2.5和 PM10)浓度和 AQI。
首席研究员兼通讯作者刘学军博士表示：“我们的模型能够根据图像准确估计空气质量，无论白天还是夜晚，这标志着利用技术进行环境监测向前迈出了重要一步。它为全面监测空气质量开辟了新途径。”缺乏基础设施地区的空气质量评估。”
这项研究标志着环境监测的重大飞跃，展示了显着加强空气质量评估的潜力。它为更动态、更具成本效益的监测解决方案打开了大门，可以极大地提高我们对全球范围内空气污染的理解和管理。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！