CarboFormer：一种面向光学气体成像的轻量级语义分割架构用于高效 CO₂ 检测
计算机视觉与模式识别
2026-05-26 v2
摘要
二氧化碳 (CO) 排放是衡量环境影响以及 Various 工业过程的关键指标，其中包括畜牧业管理。我们引入 CarboFormer，一种轻量级语义分割框架，用于光学气体成像 (OGI)，旨在检测和量化 CO 在 various 应用场景中的排放。我们的方法将优化的 encoder-decoder 架构与专门的多尺度特征融合和辅助监督策略相结合，以有效地建模气体 plume 图像中的局部细节和全局关系，同时以最小的计算开销实现竞争性能，适用于资源受限的环境。我们贡献了两个 novel 数据集：(1) 受控二氧化碳释放 (CCR) 数据集，模拟具有系统化可变流量 (10-100 SCCM) 的气体泄漏；(2) 实时 Ankom (RTA) 数据集，聚焦于 dairy cow rumen 液体的排放。广泛的评估表明，CarboFormer 在 CCR 上实现了 84.88% mIoU，在 RTA 上实现了 92.98% mIoU，同时保持计算效率，仅需 5.07M 参数，操作于 84.68 FPS。该模型在挑战性的低流量场景中表现尤为出色，显著优于其他轻量方法，如 SegFormer-B0 (CCR 上 83.36% mIoU) 和 SegNeXt (CCR 上 82.55% mIoU)，适用于如可编程无人机等资源受限平台实现实时监控。我们的工作推动了环境传感和精密畜牧管理，提供了用于 CO 排放分析的稳健且高效工具。
关键词
引用
@article{arxiv.2506.05360,
title = {CarboFormer: A Lightweight Semantic Segmentation Architecture for Efficient Carbon Dioxide Detection Using Optical Gas Imaging},
author = {Taminul Islam and Toqi Tahamid Sarker and Mohamed G Embaby and Khaled R Ahmed and Amer AbuGhazaleh},
journal= {arXiv preprint arXiv:2506.05360},
year = {2026}
}