[发明专利]一种基于图像识别的空气污染观测系统及方法

权利要求书

1.一种基于图像识别的空气污染观测系统，其特征在于，包括：

图像获取模块，用于获得穿过环境空气的光线到达光学传感器的图像，进行预处理后得到图像数据；

建模模块，用于计算图像中的关键物理量，关联空气污染物浓度和关键物理量进行建模；

计算模块，用于通过模型计算空气污染物浓度或确定天气现象。

2.根据权利要求1所述的基于图像识别的空气污染观测系统，其特征

在于，所述图像获取模块用于通过光学传感器，获得相机、手机、摄像机、扫描仪的图像，或互联网平台收集到与空气污染有关的图像。

3.根据权利要求1所述的基于图像识别的空气污染观测系统，其特征

在于，所述图像获取模块用于筛选符合空气污染计算的图像，进行图像数字化处理，获得图像各像素值或光学信息的数据。

4.根据权利要求1所述的基于图像识别的空气污染观测系统，其特征

在于，所述建模模块用于提取图像灰度直方图，获得灰度直方图特征如能量、均值和方差等关键物理量；计算图像的亮度、饱和度、色调和对比度等关键物理量；利用图像对象的先验特征估算图像对象到传感器的距离或测量图像对象与传感器间的距离。

5.根据权利要求1所述的基于图像识别的空气污染观测系统，其特征

在于，所述建模模块用于：

利用图像的关键物理量和观测的污染物浓度联立建立统计方程，得到空气污染物浓度计算模型；

通过训练得到关键物理量与空气污染物浓度的神经网络模型；

通过空气无污染图像与空气有污染图像对比，其差值与空气污染物浓度建立统计方程，得到空气污染物浓度计算模型；

基于不同时序的图像识别对应不同时刻空气污染物浓度，建立空气污染物浓度计算模型；

基于支持向量机分析图像关键物理量与天气现象建立天气现象判别模型；

通过其他人工智能方法识别图像，图像清晰化前后差异与空气污染物浓度关联，建立空气污染物浓度计算模型；

建模过程中，涉及空气污染非先验图像识别问题，各方向、各位置图像计算污染物浓度存在动力关联。

6.根据权利要求1所述的基于图像识别的空气污染观测系统，其特征

在于，所述计算模块用于收集图像，通过步骤二建立的模式，计算空气污染物浓度；收集图像，通过步骤二建立的模式，判别天气现象。

7.一种基于图像识别的空气污染观测方法，其特征在于，包括以下步

骤：

S1，获得穿过环境空气的光线到达光学传感器的图像，进行预处理后得到图像数据；

S2，计算图像中的关键物理量，关联空气污染物浓度和关键物理量进行建模；

S3，通过模型计算空气污染物浓度或确定天气现象。

8.根据权利要求7所述的基于图像识别的空气污染观测方法，其特征

在于，所述步骤S1中的获得穿过环境空气的光线到达光学传感器的图像包括：

通过光学传感器获得相机、手机、摄像机、扫描仪的图像，或互联网平台收集到与空气污染有关的图像；

所述步骤S1中的预处理包括：

筛选符合空气污染计算的图像，进行图像数字化处理，获得图像各像素值或光学信息的数据。