用计算机视觉和低成本传感器进行大规模描述住宅产生的PM的新方法
Kai Su1, Xixian Fang1, Siqing Wu2
1School of Public Health (Shenzhen), Shenzhen Campus of Sun Yat-sen University, Shenzhen, Guangdong 518107, China.
The Science of the total environment
|August 20, 2024
概括
计算机视觉准确地量化了与有关的室内空气污染. 一个名为Cooking-I3D的新模型识别了高排放的活动,揭示了颗粒物 (PM2.5和PM10) 水平的显著增加.
科学领域:
- 环境科学 环境科学
- 公共卫生 公共卫生
- 计算机科学 计算机科学
背景情况:
- 活动是室内颗粒物 (PM) 的主要来源,对健康构成重大风险.
- 目前用于量化相关的PM (PM2.5和PM10) 的现有方法在大规模的现实应用中是有限的.
- 需要经济有效的分析框架来评估住宅时的室内空气质量.
研究的目的:
- 开发和验证计算机视觉 (CV) 模型,根据其排放水平对活动进行分类.
- 评估不同方法对室内颗粒物度的影响.
- 建立一个框架,对与有关的室内空气污染进行大规模,现实世界的评估.
主要方法:
- 收集了一个月的数据,包括视频和空气质量指标 (室内/室外PM2.5,PM10,CO2,温度,湿度).
- 开发并验证了一个CV模型"Cooking-I3D",使用预训练的双流膨胀3DConvNet (I3D) 架构来分类高排放 (炸) 和低排放 (沸,蒸汽) 的.
- 使用一级多变量自回归模型来分析CV预测的方法和PM度之间的关系,控制环境因素.
主要成果:
- I3D模型在对活动进行分类时获得了高精度 (95%) 和AUC (0.98).
- 一次6分钟的高排放过程导致室内PM度增加了21-25%.
- 在高排放后,室内/室外PM比率增加了23-24% ,相对误差在10-21%之间.
结论:
- 计算机视觉提供了一种创新且有效的工具,用于量化与有关的室内空气污染.
- I3D模型使室内空气质量的长期大规模评估和健康研究中的精确暴露评估成为可能.
- 这种方法有助于更好地了解与住宅排放相关的健康影响.
