仪器仪表学报

作者：翔 云，张凯华，陈作辉，宣 琦

单位：翔 云,1. 浙江工业大学网络空间安全研究院，2. 滨江区浙工大人工智能创新研究院,,张凯华,1. 浙江工业大学网络空间安全研究院，2. 滨江区浙工大人工智能创新研究院,,陈作辉,1. 浙江工业大学网络空间安全研究院,,宣 琦,1. 浙江工业大学网络空间安全研究院，2. 滨江区浙工大人工智能创新研究院,

关键词：空气质量估计;计算机视觉;细颗粒物;光晕;夜间图像

基金：浙江省重点研发计划(2021C02052)、浙江省“尖兵”“领雁”研发攻关计划(2022C01018,2022C02016)项目资助

基于视觉的细颗粒物浓度(PM2.5)估计技术依据成像时悬浮细颗粒物对光线散射和吸收的整体影响来评估其浓度。这类技术具备良好的普适性,可实时检测广阔区域。已有研究依赖大气光均匀且充足的日间场景,无法适用于缺乏大气光且光照不均匀的夜间场景。本文提出首个基于视觉的夜间PM2.5浓度估计方法,通过图像处理捕获人造光源在不同散射方向的光强分布,并以此特征拟合浓度值。该方法创新地将人造光源及周边光晕区域视为夜晚雾霾信息的主要来源。由于夜间自然光照强度相对人造光源较低,其主导的区域往往趋于漆黑,导致日间雾霾信息的主要来源(自然光照下像素颜色随着景深增加而逐渐接近“大气光/天空”颜色)在夜间的作用相比光源处要小很多。该方法明显优于日间PM2.5估计方法,平均误差(MAE)为6.187μg/m3,决定系数(R2)为0.857,对比最新的端到端的神经网络方法在MAE和R2上分别有20.69%、13.36%的相对提升。

来源：2024年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第5期