La contaminación del aire es un problema de salud mundial crítico que exige soluciones de monitoreo innovadoras. Los métodos tradicionales, que dependen de estaciones terrestres, son costosos y geográficamente limitados, lo que dificulta una cobertura integral. Los recientes avances tecnológicos han puesto de relieve el potencial del uso de datos visuales de las cámaras de vigilancia como una alternativa rentable para la evaluación de la calidad del aire.
Un nuevo estudio publicado en Environmental Science and Ecotechnology innova un modelo híbrido de aprendizaje profundo que mejora significativamente el monitoreo de la calidad del aire exterior utilizando imágenes de cámaras de vigilancia. Este enfoque mejora las estimaciones de la calidad del aire, incluidas las PM2,5. y PM10 concentraciones y el índice de calidad del aire (ICA), independientemente de la hora del día.
El equipo de investigación combinó redes neuronales convolucionales (CNN) con redes de memoria a corto plazo (LSTM), creando un modelo que captura de manera inteligente tanto los detalles espaciales presentes en imágenes individuales como la dinámica temporal a través de una secuencia de imágenes. Este enfoque innovador es particularmente adecuado para superar el desafío de larga data de estimar con precisión la calidad del aire durante la noche, un período en el que los métodos tradicionales basados en imágenes generalmente fallan debido a condiciones de poca luz.
Al analizar las señales visuales en las imágenes de vigilancia, como la neblina y la visibilidad, el modelo puede predecir concentraciones de partículas (PM2.5 y PM10 ) y el ICA de forma eficaz, tanto de día como de noche.
El Dr. Xuejun Liu, investigador principal y autor correspondiente, dice:"La capacidad de nuestro modelo para estimar con precisión la calidad del aire a partir de imágenes, independientemente del día o la noche, marca un importante paso adelante en la utilización de la tecnología para el monitoreo ambiental. Abre nuevas vías para una investigación integral Evaluación de la calidad del aire en regiones que carecen de infraestructura."
Esta investigación significa un avance sustancial en el monitoreo ambiental, mostrando el potencial para mejorar significativamente las evaluaciones de la calidad del aire. Abre la puerta a soluciones de monitoreo más dinámicas y rentables que podrían mejorar enormemente nuestra comprensión y gestión de la contaminación del aire a escala global.
Más información: Xiaochu Wang et al, Monitoreo de la calidad del aire exterior basado en imágenes de vigilancia, Ciencias ambientales y ecotecnología (2023). DOI:10.1016/j.ese.2023.100319
Proporcionado por TranSpread
