La pollution de l’air est un problème de santé mondial crucial qui nécessite des solutions de surveillance innovantes. Les méthodes traditionnelles, qui reposent sur des stations au sol, sont coûteuses et géographiquement limitées, ce qui empêche une couverture complète. Les récents progrès technologiques ont mis en lumière le potentiel de l'utilisation des données visuelles des caméras de surveillance comme alternative rentable pour l'évaluation de la qualité de l'air.

Une nouvelle étude publiée dans Environmental Science and Ecotechnology innove avec un modèle hybride d'apprentissage profond qui améliore considérablement la surveillance de la qualité de l'air extérieur à l'aide d'images de caméras de surveillance. Cette approche améliore les estimations de la qualité de l'air, y compris les PM_2,5 et PM₁₀ concentrations et l'indice de qualité de l'air (IQA), quelle que soit l'heure de la journée.

L’équipe de recherche a combiné des réseaux de neurones convolutifs (CNN) avec des réseaux de mémoire à long terme (LSTM), créant ainsi un modèle qui capture intelligemment à la fois les détails spatiaux présents dans les images individuelles et la dynamique temporelle dans une séquence d’images. Cette approche innovante est particulièrement adaptée pour surmonter le défi de longue date consistant à estimer avec précision la qualité de l'air pendant la nuit, période pendant laquelle les méthodes traditionnelles basées sur l'image échouent généralement en raison de conditions de faible luminosité.

En analysant les signaux visuels des images de surveillance, tels que la brume et la visibilité, le modèle peut prédire les concentrations de particules (PM_2,5 et PM₁₀ ) et l'IQA efficacement, de jour comme de nuit.

Le Dr Xuejun Liu, chercheur principal et auteur correspondant, déclare :« La capacité de notre modèle à estimer avec précision la qualité de l'air à partir d'images, quel que soit le jour ou la nuit, marque une avancée significative dans l'utilisation de la technologie pour la surveillance environnementale. évaluation de la qualité de l'air dans les régions manquant d'infrastructures."

Cette recherche représente un pas en avant substantiel dans la surveillance environnementale, démontrant le potentiel d'améliorer considérablement les évaluations de la qualité de l'air. Cela ouvre la porte à des solutions de surveillance plus dynamiques et plus rentables qui pourraient considérablement améliorer notre compréhension et notre gestion de la pollution atmosphérique à l'échelle mondiale.

Plus d'informations : Xiaochu Wang et al, Surveillance de la qualité de l'air extérieur basée sur des images, Sciences environnementales et écotechnologie (2023). DOI :10.1016/j.ese.2023.100319

Fourni par TranSpread