ImgSensingNet：无人机视觉引导的空地空气质量感知系统
系统与控制
2019-05-28 v1 计算机视觉与模式识别
机器学习
摘要
鉴于日益严重的空气污染问题，城市地区空气质量指数（AQI）的监测已引起相当关注。本文提出 ImgSensingNet，一种视觉引导的空地感知系统，利用无人机（UAV）所拍雾霾图像与地面三维（3D）无线传感器网络（WSN）采集的 AQI 数据融合，进行细粒度空气质量监测与预报。具体而言，ImgSensingNet 首先利用计算机视觉技术从所拍雾霾图像中判别不同区域的 AQI 等级，其中设计了雾霾相关特征与深度卷积神经网络（CNN）用于雾霾图像与对应 AQI 等级之间的直接学习。基于学习到的 AQI 等级，ImgSensingNet 决定是否唤醒地面无线传感器进行小尺度 AQI 监测与推断，可大幅降低系统能耗。采用基于熵的模型用于未测位置的精确实时 AQI 推断及未来空气质量分布预报。我们自 2018 年 2 月起在两所大学校园实现并评估了 ImgSensingNet，已收集 17,630 张照片与 260 万份 AQI 数据样本。实验结果表明，与最先进的 AQI 监测方法相比，ImgSensingNet 能在大幅提高推断精度的同时极大降低能耗。
引用
@article{arxiv.1905.11299,
title = {ImgSensingNet: UAV Vision Guided Aerial-Ground Air Quality Sensing System},
author = {Yuzhe Yang and Zhiwen Hu and Kaigui Bian and Lingyang Song},
journal= {arXiv preprint arXiv:1905.11299},
year = {2019}
}
备注
Preliminary version published in INFOCOM 2019. Code available at https://github.com/YyzHarry/ImgSensingNet