[發(fā)明專利]一種基于單幅圖像估計空氣質(zhì)量的方法

在審

• 申請?zhí)枺?/td>: 201810047540.3
• 申請日: 2018-01-18
• 公開（公告）號: CN108376397A
• 公開（公告）日: 2018-08-07
• 發(fā)明（設(shè)計）人: 謝斌;李沁
• 申請（專利權(quán)）人: 中南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G01N21/17
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于單幅圖像估計空氣質(zhì)量的方法，包括：采集已知空氣質(zhì)量指數(shù)的任意場景圖像，建立數(shù)據(jù)庫并進行擴充，得到空氣質(zhì)量等級為“優(yōu)良”、“輕度污染”和“重度污染”三個等級的圖像數(shù)據(jù)庫；選取卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典模型——Alexnet模型作為本發(fā)明的空氣質(zhì)量模型，并利用Imagenet大數(shù)據(jù)進行預(yù)訓練，提高深層特征差異性；預(yù)訓練完成后，將本發(fā)明采集的場景圖像庫代入空氣質(zhì)量分類模型進行微調(diào)；微調(diào)完成后，將測試訓練集圖像空氣質(zhì)量分類模型進行場景空氣質(zhì)量分類；本發(fā)明首次提出利用場景圖像信息進行空氣質(zhì)量估計，該方法無需任何測量儀器及人工輔助，分類準確率較高，且有較強的實時性，為未來大氣污染監(jiān)測技術(shù)的發(fā)展提供了新思路。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種圖像解析空氣質(zhì)量方法。

背景技術(shù)

隨著我國的經(jīng)濟和社會的高速發(fā)展，城市一體化進程加快，工業(yè)規(guī)模也在迅速擴大，特別是煤和石油的持續(xù)使用，空氣中存在著過多的顆粒物、二氧化硫和二氧化氮等有害污染物，空氣污染環(huán)境問題越來越嚴峻，已經(jīng)到了直接影響到生態(tài)環(huán)境和人類健康的地步。作為目前來說國際上最受關(guān)注的問題，空氣污染不僅成為了諸多研究方向的研究熱點，而且目前社會大眾對該方面的問題也更加關(guān)注。空氣質(zhì)量已經(jīng)成為了評價一個區(qū)域生活品質(zhì)和舒適度的重要因素，值得全社會討論和重視。

用于空氣質(zhì)量檢測的直接量測方法包括光散射法(Journal of AppliedMeteorology,1970,9(9):86-103)、錐形元件震蕩微天平法(Journal of the Air&WasteManagement Association,1991,41(8):1079-1083)等方法。此類方法大多受到顆粒物吸附水汽而產(chǎn)生變化的影響，且成本高昂(最便宜的光學測量系統(tǒng)單價也在上萬元)，因而不適宜于大批量配置。為此，研究學者結(jié)合不同的數(shù)據(jù)來源，做出了一定的探索，如S.Vardoulakis提出利用高斯羽狀模型、計算流體動力學模型、流轉(zhuǎn)街道模型等估計空氣質(zhì)量(Atmospheric

Environment,2003,37(2):155-182)。微軟亞洲研究院的鄭宇博士通過結(jié)合氣象信息、城市路網(wǎng)、交通流量等建立空氣質(zhì)量模型，可估算出任何一個角落一公里乘一公里細粒度的空氣質(zhì)量(Proceedings of the 19th ACM SIGKDD international conference onKnowledge discovery and data mining,ACM,2013:1436-1444)。這些方法雖然能得到較準確的結(jié)果，但對采集數(shù)據(jù)量級要求較高，無法實時性檢測且普適性較差。

綜上所述，現(xiàn)有空氣質(zhì)量檢測技術(shù)不僅成本高，精度低，而且可推廣性較低。而視覺特征作為空氣質(zhì)量最為直觀的反映，與對應(yīng)的空氣質(zhì)量息息相關(guān)。如果我們深入研究兩者之間的關(guān)系，有望從視覺特征推導出對應(yīng)的空氣質(zhì)量等級。

發(fā)明內(nèi)容

本發(fā)明要解決的問題是：現(xiàn)有空氣質(zhì)量檢測技術(shù)存在不足，如檢測成本高、精度易受影響、局限性大、可推廣性較低且實時性差等。因此需要一種低成本、無須人工干預(yù)、簡單易實施的空氣質(zhì)量實時檢測方法。

本發(fā)明的技術(shù)方案為：本發(fā)明設(shè)計了一種基于卷積神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量估計算法，卷積神經(jīng)網(wǎng)絡(luò)包含若干卷積層、池化層、激活層、全連接層及一個分類輸出層，首先利用Imagenet大數(shù)據(jù)集對卷積神經(jīng)網(wǎng)絡(luò)進行預(yù)訓練，再依靠場景數(shù)據(jù)庫對網(wǎng)絡(luò)參數(shù)進行微調(diào)，最后輸入測試數(shù)據(jù)樣本進行測試，得到最后的空氣質(zhì)量分類結(jié)果；具體過程如下：

步驟1：場景圖像采集，本發(fā)明采集墨跡天氣軟件中的實景圖像并進行了擴充；該數(shù)據(jù)集包含了3個空氣質(zhì)量等級，分別是：優(yōu)良、輕度污染及重度污染；不同等級場景圖像示意如圖1圖2圖3所示；由于數(shù)據(jù)量較小，不符合深度學習的要求，故需進行擴充；

步驟2：圖像預(yù)處理，統(tǒng)一將數(shù)據(jù)圖像縮放為固定尺寸；為提高訓練精度和速度，將訓練圖像減去均值再訓練；