Ảnh minh họa. ITN

Nghiên cứu được công bố trên Tạp chí Environmental Science and Ecotechnology cho thấy khả năng của mô hình học sâu này trong việc dự báo chất lượng không khí, bao gồm nồng độ các hạt vật chất như PM2.5 và PM10.

CNN, một loại mô hình mạng nơ-ron nhân tạo, và LSTM, một mạng thần kinh hồi quy nhân tạo đã được kết hợp để tạo ra một mô hình có khả năng nhận biết các chi tiết không gian và động lực thời gian từ các hình ảnh camera giám sát. Điều này cho phép mô hình dự đoán chất lượng không khí không chỉ vào ban ngày mà còn vào ban đêm, thời điểm mà các phương pháp truyền thống gặp khó khăn do ánh sáng yếu.

Bằng cách phân tích các dấu hiệu trực quan như sương mù và tầm nhìn từ các hình ảnh, mô hình có thể ước tính chính xác nồng độ các hạt vật chất trong không khí một cách hiệu quả. Điều này đánh dấu một bước tiến quan trọng trong việc sử dụng công nghệ để giám sát môi trường, đặc biệt là ở những vùng thiếu cơ sở hạ tầng quan trắc.

Với sự phát triển này, việc đánh giá chất lượng không khí trở nên linh hoạt hơn và chi phí hiệu quả hơn. Công nghệ này không chỉ giúp chúng ta hiểu rõ hơn về chất lượng không khí mà còn cung cấp cơ sở cho việc ra quyết định và thực hiện các biện pháp cần thiết để giảm thiểu ô nhiễm không khí và bảo vệ sức khỏe con người.