基于视觉语言模型从天空图像预测和可视化空气质量

空气污染仍然是公共健康和环境可持续性的重大威胁，然而传统监测系统通常受限于有限的空间覆盖和可及性。本文提出了一种AI驱动的智能体，可从天空图像预测环境空气污染水平，并利用生成建模合成污染场景的真实可视化。我们的方法结合统计纹理分析与监督学习进行污染分类，并利用视觉语言模型（VLM）引导的图像生成来产生空气质量条件的可解释表示。生成的视觉效果模拟不同程度的污染，为面向用户的界面奠定基础，以提高透明度并支持知情的环境决策。这些输出可以无缝集成到旨在增强态势感知并鼓励基于实时预测的行为响应的智能应用中。我们使用城市天空图像数据集验证了方法，并在污染水平估计和语义一致的视觉合成两方面展示了其有效性。系统设计还融入了以人为中心的用户体验原则，以确保可及性、清晰度和公众参与空气质量预测。为支持可扩展和节能部署，未来迭代将纳入结合FPGA增量学习的green CNN架构，实现边缘平台上的实时推理。