Uncovering local aggregated air quality index with smartphone captured images leveraging efficient deep convolutional neural network

要約

スマートフォンの普及とモバイル性により、スマートフォンは環境健康研究に広く使用されるツールとなっています。
しかし、特定の場所の PM2.5 濃度に基づいて集計された大気質指数 (AQI) を決定できる可能性については、既存の文献ではほとんど調査されていないままです。
この論文では、スマートフォンのカメラで撮影した画像を使用して場所固有の PM2.5 濃度を予測する際の課題を徹底的に検討します。
私たちの研究は、深刻な大気汚染レベルと大気汚染にさらされている人口の多いバングラデシュの首都ダッカに焦点を当てています。
私たちの研究には、ディープ畳み込みニューラル ネットワーク (DCNN) の開発が含まれており、撮影して注釈を付けた 1,000 枚以上の屋外画像を使用してトレーニングします。
これらの写真はダッカのさまざまな場所で撮影されており、そのラベルは地元の米国総領事館から取得した PM2.5 濃度データに基づいており、NowCast アルゴリズムを使用して計算されています。
教師あり学習を通じて、私たちのモデルはトレーニング中に相関指数を確立し、PM2.5 濃度の画像ベースの予測器 (PPPC) として機能する能力を強化します。
これにより、アルゴリズムがスマートフォンの画像から同等の日次平均 AQI インデックスを計算できるようになります。
一般的な過度にパラメータ化されたモデルとは異なり、私たちのモデルは使用するパラメータが少ないため、リソース効率を示します。
さらに、テスト結果は、場所固有の PM2.5 濃度の予測において、当社のモデルが ViT や INN などの一般的なモデルや、VGG19、ResNet50、MobileNetV2 などの一般的な CNN ベースのモデルよりも優れていることを示しています。
私たちのデータセットは、ダッカでの大気画像と対応する PM2.5 測定値を含む、初の公的に利用可能なコレクションです。
コードとデータセットは https://github.com/lepotatoguy/aqi で入手できます。

要約(オリジナル)

The prevalence and mobility of smartphones make these a widely used tool for environmental health research. However, their potential for determining aggregated air quality index (AQI) based on PM2.5 concentration in specific locations remains largely unexplored in the existing literature. In this paper, we thoroughly examine the challenges associated with predicting location-specific PM2.5 concentration using images taken with smartphone cameras. The focus of our study is on Dhaka, the capital of Bangladesh, due to its significant air pollution levels and the large population exposed to it. Our research involves the development of a Deep Convolutional Neural Network (DCNN), which we train using over a thousand outdoor images taken and annotated. These photos are captured at various locations in Dhaka, and their labels are based on PM2.5 concentration data obtained from the local US consulate, calculated using the NowCast algorithm. Through supervised learning, our model establishes a correlation index during training, enhancing its ability to function as a Picture-based Predictor of PM2.5 Concentration (PPPC). This enables the algorithm to calculate an equivalent daily averaged AQI index from a smartphone image. Unlike, popular overly parameterized models, our model shows resource efficiency since it uses fewer parameters. Furthermore, test results indicate that our model outperforms popular models like ViT and INN, as well as popular CNN-based models such as VGG19, ResNet50, and MobileNetV2, in predicting location-specific PM2.5 concentration. Our dataset is the first publicly available collection that includes atmospheric images and corresponding PM2.5 measurements from Dhaka. Our codes and dataset are available at https://github.com/lepotatoguy/aqi.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google