3、基于视觉的颗粒物估计与船舶牌照识别技术

基于视觉的颗粒物估计与船舶牌照识别技术

基于视觉的 PM2.5 估计方法

在空气质量监测领域，基于视觉的 PM2.5 估计方法是一种创新的尝试。传统的 PM2.5 监测方法往往依赖于专业的传感器设备，而视觉方法则为空气质量监测提供了新的视角。

数据处理

单张图像存在噪声且视野有限，利用不同视角的图像可以减轻噪声影响并获取更多信息。具体操作步骤如下：
1. 将整个视频平均分成六部分。
2. 从每部分中选取一张图像，CNN 的输入包含这六张图像。
3. 对所有图像使用双线性插值将其调整为 108×192 的大小。
4. 为这六张图像生成与雾霾相关的特征，从原始图像数据中获得 36 个与雾霾相关的特征作为网络的输入。

通过这样的数据处理方式，能够充分利用多视角图像的信息，为后续的 PM2.5 预测提供更丰富的数据基础。

模型架构

CNN 因其强大的特征提取能力，在图像处理和视觉应用中得到了广泛应用。为了从多个特征图中预测 PM2.5 值，设计了一个基于视频的 CNN 网络。
- 提取的特征维度为 108 × 192 × 36。
- 第一层设置卷积核大小为 3 × 3。
- 后续的池化层采用 2 × 2 的最大池化。
- 模型由三个卷积 - 池化块组成。
- 扁平化向量与输出层全连接。
- 选择 leaky ReLU 函数作为激活函数，以避免死亡 ReLU 现象。

以下是该模型架构的 mermaid 流程图：

graph