融合多源信息及图像特征泛化的空气质量检测

来源：电子测量技术杂志2025年第13期北京时间：

作者：王晓婷，崔雅博，刘丽娜

单位：1.开封大学信息工程学院 开封 475004;2.郑州大学国家超级计算郑州中心 郑州 450001

摘要：针对空气PM2.5浓度检测过度依赖专业设备的问题，提出了一种融合多源信息及图像特征泛化的空气质量检测算法。首先采用EfficientNet-B0作为主干网络对输入的大气可见光图像进行特征编码，将温度、湿度、风速、气压和光照强度等多源气象信息映射为与大气图像对应的特征向量，并与大气图像特征进行拼接融合；然后利用全连接层将全局特征输出为标量，并利用损失函数检测出空气的PM2.5浓度；最后在网络模型训练阶段，通过对大气图像不同尺度的特征进行随机泛化增强来丰富样本分布空间，使网络能够在有限的数据样本中学习到更多特征，从而有效改善了检测网络的性能。实验结果表明：设计的检测方法与几种主流的方法相比具有更高的检测精度和稳定性，在测试集上得到的RMSE和 R-squared分别为21.55 μg/m3和0.923，通过对8个场景检测，得到结果的平均误差仅为5.2%，最大误差也仅为7.6%，能够适应各类极端大气污染环境的空气质量检测任务。

关键词：空气质量;PM2.5检测;卷积神经网络;多源信息;特征泛化增强;特征融合

基金资助：河南省科技攻关项目（232102210008）资助