Новый подход к круглосуточному мониторингу качества воздуха с помощью камер

Загрязнение воздуха — критическая проблема глобального здравоохранения, требующая инновационных решений для мониторинга. Традиционные методы, основанные на наземных станциях, дороги и географически ограничены, что мешает обеспечить всесторонний охват. Новое исследование, опубликованное в журнале Environmental Science and Ecotechnology, представляет гибридную модель глубокого обучения, которая значительно улучшает оценку качества наружного воздуха с помощью изображений с камер наблюдения, включая концентрации PM_2.5 и PM₁₀, а также Индекс качества воздуха (AQI), независимо от времени суток.

Исследовательская группа объединила сверточные нейронные сети (CNN) с сетями долгой краткосрочной памяти (LSTM), создав модель, которая интеллектуально захватывает как пространственные детали на отдельных изображениях, так и временную динамику в последовательности кадров. Этот инновационный подход особенно эффективен для решения давней проблемы точной оценки качества воздуха в ночное время, когда традиционные методы на основе изображений обычно дают сбой из-за слабого освещения. Анализируя визуальные подсказки на видеозаписях, такие как дымка и видимость, модель может эффективно предсказывать концентрации взвешенных частиц и AQI как днем, так и ночью.

Ведущий исследователь, доктор Сюэцзюнь Лю, отмечает: «Способность нашей модели точно оценивать качество воздуха по изображениям, независимо от времени суток, является значительным шагом вперед в использовании технологий для экологического мониторинга. Это открывает новые возможности для всесторонней оценки качества воздуха в регионах, где отсутствует инфраструктура». Исследование знаменует существенный скачок в экологическом мониторинге, открывая путь к более динамичным и экономически эффективным решениям, которые могут значительно улучшить наше понимание и управление загрязнением воздуха в глобальном масштабе.