公开(公告)号：CN117132927A

公开(公告)日：2023-11-28

申请号：CN202310420090.9

申请日：2023-04-19

Applicant: 南通大学

Inventor： 王光成 ,  施佺 ,  王晗 ,  黄聪 ,  刘文杰 ,  姜鸿星

IPC: G06V20/52 ,  G06V10/56 ,  G06V10/26 ,  G06V10/82 ,  G06N3/088

Abstract: 本发明公开了一种基于图像自然场景统计分析的PM2.5浓度测量方法。本发明采用统计方法从自然场景图像中提取与PM2.5浓度高低相关的先验特征，并结合机器学习方法学习所得先验特征与PM2.5浓度值的映射，以得到PM2.5浓度测量模型。本发明在PM2.5图像饱和度与暗通道域提取统计特征，来表征雾霾在成像过程中引起的图像色彩与结构损失，并采用机器学习算法学习特征到PM2.5浓度值的映射。本发明能够自动测量PM2.5浓度，为更便捷基于视觉信息实现PM2.5浓度的精准测量提供了依据。

公开(公告)号：CN117636118A

公开(公告)日：2024-03-01

申请号：CN202311055531.6

申请日：2023-08-21

Applicant: 南通大学

Inventor： 王晗 ,  徐少杰 ,  杜若琳 ,  季钰姣 ,  吉翔 ,  金磊 ,  姜鸿星

IPC: G06V10/82 ,  G06N3/094 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/0455 ,  G06V20/52 ,  G06V10/80

Abstract: 本发明公开了一种基于对抗生成网络的多监测点协同空气污染物预测方法，包括如下步骤：步骤1，利用四个监测点6种常规污染物的实测数据和WRF‑CMAQ模型的“一次预测数据”作为“对抗生成网络优化模型”的输入信号；步骤2，建立“对抗生成网络优化模型”，利用四个监测点的WRF‑CMAQ模型的“一次预测数据”和实测数据生成四通道的二维矩阵“伪图像”数据，训练对抗生成网络结构参数；步骤3，利用训练好的“对抗生成网络优化模型”，对四个监测点6种常规污染物的浓度进行预测。本发明通过对抗生成网络实现对污染物浓度预测，有效减少传统WRF‑CMAQ模拟体系对空气质量预报的误差，显著提高空气质量检测的准确性与稳定性。

公开(公告)号：CN118150419A

公开(公告)日：2024-06-07

申请号：CN202410160741.X

申请日：2024-02-05

Applicant: 南通大学

Inventor： 王晗 ,  姜鸿星 ,  王光成 ,  刘文杰 ,  施佺 ,  金磊 ,  邓丽云

IPC: G01N15/075 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/082

Abstract: 本发明公开了一种先验网络增强的RGB‑FIR多模态图像PM2.5估计方法，采集相同时刻的RGB‑FIR多模态图像和对应的PM2.5浓度值；建立不同场景下的RGB‑FIR多模态图像PM2.5数据集；构建RGB‑FIR多模态PM2.5预测网络模型，获取最优网络权重值与PM2.5预测值Predict1；构建基于RGB图像的先验孪生网络，获取PM2.5的修正值Predict2；将预测值Predict1和PM2.5修正值Predict2进行线性加权平均，得到PM2.5估计值Predict。本发明充分利用先验知识和RGB‑FIR多模态图像特征信息间的互补，有效提高空气污染物预测模型的精度。