摘要
本发明涉及一种基于监控相机图像的环境空气质量检测方法,方法包括以下步骤:S1、构建混合深度学习网络;S2、获取监控相机视频图像和空气质量数据,构建空气质量时序图像数据集;S3、利用滑动窗口法从空气质量时序图像数据集中构建序列样本,采用“T:1”模式设置序列样本的长度和预测目标;S4、基于训练集训练混合深度学习网络,并基于测试集进行验证,得到空气质量多指标回归模型;S5、将实际的空气质量时序图像数据输入空气质量多指标回归模型,得到预测的PM2.5浓度、PM10浓度和AQI三个空气质量指标。与现有技术相比,本发明具有改善了目前夜间图像空气质量估计难度大的问题,有效提高了全天时空气质量的估计精度等优点。
技术关键词
环境空气质量检测
混合深度学习
监控相机
空间特征提取
特征提取器
多指标
时序
序列
样本
梯度下降优化算法
数据
训练集
滑动窗口
视频
深度学习网络
归一化方法
解码图像
系统为您推荐了相关专利信息
分类方法
协同注意力
sigmoid函数
数据
模块
水质
在线监测数据
环境管理部门
历史大数据
变化趋势预测
糖尿病视网膜病变
多分支
特征提取器
多尺度特征融合
分类器
细胞图像分类方法
多模态特征
生物
画像
构建分类模型