JP2023061680A - エアロゾル濃度の推測方法及びシステム - Google Patents
エアロゾル濃度の推測方法及びシステム Download PDFInfo
- Publication number
- JP2023061680A JP2023061680A JP2021171760A JP2021171760A JP2023061680A JP 2023061680 A JP2023061680 A JP 2023061680A JP 2021171760 A JP2021171760 A JP 2021171760A JP 2021171760 A JP2021171760 A JP 2021171760A JP 2023061680 A JP2023061680 A JP 2023061680A
- Authority
- JP
- Japan
- Prior art keywords
- aerosol concentration
- estimating
- estimation
- sample image
- aerosol
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000443 aerosol Substances 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000010801 machine learning Methods 0.000 claims description 26
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 37
- 230000005855 radiation Effects 0.000 description 31
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 238000003915 air pollution Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 230000002146 bilateral effect Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000000149 argon plasma sintering Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000001443 photoexcitation Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【課題】大掛かりな装置を必要としないエアロゾル濃度の推測方法やシステムを提供する。【解決手段】コンピュータを用いた対象領域のエアロゾル濃度の推測方法であって,対象領域を撮影したサンプル画像から物理量を得る,物理量取得工程と,物理量を用いて,エアロゾル濃度を推測するための推定用数値を得る,推定用数値取得工程と,推定用数値を用いて,エアロゾル濃度を推測する,エアロゾル濃度推測工程と,を含むエアロゾル濃度の推測方法。【選択図】図1
Description
この発明は,エアロゾル濃度の推測方法及びシステムに関する。より詳しく説明すると,この発明は,撮影した画像に基づいて,エアロゾルの濃度を推測する方法やその方法のためのシステムに関する。
特許第5046076号公報(特許文献1)には,特定物質を含むエアロゾルの遠隔選別画像計測法が記載されている。この方法は,光励起によって特定の物質から発生する特有の波長の光のみを画像として検出する。
このエアロゾルの遠隔選別画像計測法を行うためには,光励起を行うために,レーザーレーダーといった大掛かりな装置が必要となる。このため,この方法では,エアロゾル濃度を観測できる地点が限られてしまうという問題がある。
この明細書に記載されるある発明は,大掛かりな装置を必要とせずに,エアロゾル濃度を推測できる方法や,その方法を実装するためのシステムを提供することを目的とする。
上記の発明は,基本的には,対象領域を撮影した画像を分析し,対象領域のサンプル画像から物理量を取得し,その物理量を用いて推定用の数値を求めることで,エアロゾル濃度を効果的に推測できるという知見に基づく。
ある発明は,コンピュータを用いた対象領域のエアロゾル濃度の推測方法に関する。この方法は,物理量取得工程(S101)と,推定用数値取得工程(S102)と,エアロゾル濃度推測工程(S103)とを含む。
物理量取得工程(S101)は,対象領域を撮影したサンプル画像から物理量を得るための工程である。
推定用数値取得工程(S102)は,得られた物理量を用いて,エアロゾル濃度を推測するための推定用数値を得るための工程である。
エアロゾル濃度推測工程(S103)は,その推定用数値を用いて,エアロゾル濃度を推測するための工程である。
物理量取得工程(S101)は,対象領域を撮影したサンプル画像から物理量を得るための工程である。
推定用数値取得工程(S102)は,得られた物理量を用いて,エアロゾル濃度を推測するための推定用数値を得るための工程である。
エアロゾル濃度推測工程(S103)は,その推定用数値を用いて,エアロゾル濃度を推測するための工程である。
上記の方法の例は反射率を用いた対象領域のエアロゾル濃度の推測方法に関する。
この方法は,輝度取得工程(S101’),反射率取得工程(S102’)と,エアロゾル濃度推測工程(S103’)とを含む。
輝度取得工程(S101’)は,対象領域を撮影したサンプル画像からサンプル画像の物理量である輝度Iを得るための工程である。
反射率取得工程(S102’)は,基準照度L0と,対象領域を撮影したサンプル画像の輝度Iとを用いて,対象領域の反射率Rを求めるための工程である。
エアロゾル濃度推測工程(S103’)は,反射率Rを用いて,エアロゾル濃度を推測するための工程である。
そして,基準照度L0の好ましい例は,サンプル画像と同じ撮影場所において撮影された対象領域の空間画像を用いて得られた照度である。サンプル画像は,空上層部分,空下層部分,地平線と境界部分,及び建物部分のいずれか1つ以上に領域された部分領域画像を含むものが好ましい。
また,エアロゾル濃度推測工程(S103’)の好ましい例は,機械学習を用いて,反射率Rを用いてエアロゾル濃度を推測する工程である。反射率Rは,複数の色成分ごとの反射率を含むものが好ましい。エアロゾル濃度推測工程の別の例は,複数の色成分ごとの反射率の比を用いてエアロゾル濃度を推測する工程を含むものである。
対象領域のサンプル画像から求めた対象領域の反射率は,エアロゾルによる光の散乱の波長依存性と相関があると考えられる。このため,対象領域の反射率を求めることにより,エアロゾル濃度を効果的に推測できると考えられる。
この方法は,輝度取得工程(S101’),反射率取得工程(S102’)と,エアロゾル濃度推測工程(S103’)とを含む。
輝度取得工程(S101’)は,対象領域を撮影したサンプル画像からサンプル画像の物理量である輝度Iを得るための工程である。
反射率取得工程(S102’)は,基準照度L0と,対象領域を撮影したサンプル画像の輝度Iとを用いて,対象領域の反射率Rを求めるための工程である。
エアロゾル濃度推測工程(S103’)は,反射率Rを用いて,エアロゾル濃度を推測するための工程である。
そして,基準照度L0の好ましい例は,サンプル画像と同じ撮影場所において撮影された対象領域の空間画像を用いて得られた照度である。サンプル画像は,空上層部分,空下層部分,地平線と境界部分,及び建物部分のいずれか1つ以上に領域された部分領域画像を含むものが好ましい。
また,エアロゾル濃度推測工程(S103’)の好ましい例は,機械学習を用いて,反射率Rを用いてエアロゾル濃度を推測する工程である。反射率Rは,複数の色成分ごとの反射率を含むものが好ましい。エアロゾル濃度推測工程の別の例は,複数の色成分ごとの反射率の比を用いてエアロゾル濃度を推測する工程を含むものである。
対象領域のサンプル画像から求めた対象領域の反射率は,エアロゾルによる光の散乱の波長依存性と相関があると考えられる。このため,対象領域の反射率を求めることにより,エアロゾル濃度を効果的に推測できると考えられる。
上記の方法の例は画素の色ごとの値の比を用いた対象領域のエアロゾル濃度の推測方法に関する。
この方法は,色値取得工程(S101’’),色比取得工程(S102’’)と,エアロゾル濃度推測工程(S103’’)とを含む。
色値取得工程(S101’’)は,対象領域を撮影したサンプル画像からサンプル画像の画素ごとの色ごとの値を得るための工程である。
色比取得工程(S102’’)は,色値取得工程(S101’’)で取得した色ごとの値の比を求めるための工程である。
エアロゾル濃度推測工程(S103’’)は,色ごとの値の比を用いて,機械学習により,エアロゾル濃度を推測するための工程である。
この方法は,色値取得工程(S101’’),色比取得工程(S102’’)と,エアロゾル濃度推測工程(S103’’)とを含む。
色値取得工程(S101’’)は,対象領域を撮影したサンプル画像からサンプル画像の画素ごとの色ごとの値を得るための工程である。
色比取得工程(S102’’)は,色値取得工程(S101’’)で取得した色ごとの値の比を求めるための工程である。
エアロゾル濃度推測工程(S103’’)は,色ごとの値の比を用いて,機械学習により,エアロゾル濃度を推測するための工程である。
ある発明は,コンピュータを用いたエアロゾル濃度の推測システム1に関する。
このシステム1は,撮影部3と,物理量取得部(例:輝度算出部)5と,推定用数値取得部(例:反射率取得部)7と,(第1の)エアロゾル濃度推測部9とを有する。
撮影部3は,サンプル画像を撮影するための要素である。
推定用数値取得部5は,サンプル画像から所定の物理量を得るための要素である。例えば,輝度算出部は,サンプル画像の輝度Iを求める。
推定用数値取得部7は,物理量を用いて,エアロゾル濃度を推測するための推定用数値を得るための要素である。例えば,反射率取得部は,サンプル画像の輝度Iと,基準照度L0とを用いて,サンプル画像が撮影された領域の反射率Rを求める。
エアロゾル濃度推測部9は,推定用数値を用いて,エアロゾル濃度を推測するための要素である。
このシステム1は,撮影部3と,物理量取得部(例:輝度算出部)5と,推定用数値取得部(例:反射率取得部)7と,(第1の)エアロゾル濃度推測部9とを有する。
撮影部3は,サンプル画像を撮影するための要素である。
推定用数値取得部5は,サンプル画像から所定の物理量を得るための要素である。例えば,輝度算出部は,サンプル画像の輝度Iを求める。
推定用数値取得部7は,物理量を用いて,エアロゾル濃度を推測するための推定用数値を得るための要素である。例えば,反射率取得部は,サンプル画像の輝度Iと,基準照度L0とを用いて,サンプル画像が撮影された領域の反射率Rを求める。
エアロゾル濃度推測部9は,推定用数値を用いて,エアロゾル濃度を推測するための要素である。
上記の発明によれば,サンプル画像を撮影するだけで対象領域のエアロゾル濃度を求めることができる。このため,この明細書は,大掛かりな装置を必要とせずに,エアロゾル濃度を推測できる方法や,その方法を実装するためのシステムを提供できる。
以下,図面を用いて本発明を実施するための形態について説明する。本発明は,以下に説明する形態に限定されるものではなく,以下の形態から当業者が自明な範囲で適宜修正したものも含む。
図1は,対象領域のエアロゾル濃度の推測方法の例を示すフローチャートである。Sは,ステップ(工程)を示す。この明細書に記載されるある発明は,コンピュータを用いた対象領域のエアロゾル濃度の推測方法に関する。
図2は,エアロゾル濃度の推測システムの例を示すブロック図である。このシステム1は,撮影部3と,物理量取得部5と,推定用数値取得部7と,エアロゾル濃度推測部9とを有する。このシステムは,コンピュータに基づくシステムであり,各処理はコンピュータにより行われる。コンピュータは,入力部,出力部,制御部,演算部及び記憶部を有しており,各要素は,バスなどによって接続され,情報の授受を行うことができるようにされている。例えば,記憶部には,制御プログラムが記憶されていてもよいし,各種情報が記憶されていてもよい。入力部から所定の情報が入力された場合,制御部は,記憶部に記憶される制御プログラムを読み出す。そして,制御部は,適宜記憶部に記憶された情報を読み出し,演算部へ伝える。また,制御部は,適宜入力された情報を演算部へ伝える。演算部は,受け取った各種情報を用いて演算処理を行い,記憶部に記憶する。制御部は,記憶部に記憶された演算結果を読み出して,出力部から出力する。このようにして,各種処理や各工程が実行される。この各種処理を実行するものが,各部や各手段である。
図3は,エアロゾル濃度の推測システムの構成例を示す概念図である。このシステムは,インターネット又はイントラネットなどのネットワークと接続された端末と,ネットワークに接続されたサーバとを含むものであってもよい。もちろん,単体のコンピュータや携帯端末が,本発明の装置として機能してもよいし,複数のサーバが存在してもよい。図3の例では,入力端末31,33,35,37が,ネットワーク39を介して,サーバ41と接続されている。入力端末の例は,カメラ31,スマートフォン33,携帯用ゲーム機35及びノート型パソコン37である。これらのように撮影部を有するものであれば,このシステムの入力端末として機能しうる。撮影されたサンプル画像は,これら端末内において処理されてもよいし,サーバ41へ送られて,サーバにおいて処理されてもよい。
次に,コンピュータを用いた対象領域のエアロゾル濃度の推測方法の例について説明する。図1に示されるように,この方法は,物理量取得工程(S101)と,推定用数値取得工程(S102)と,エアロゾル濃度推測工程(S103)とを含む。この一連の,エアロゾル濃度を推定するためのアルゴリズムを,SNAP-CIIとよぶ。
物理量取得工程(S101)は,対象領域を撮影したサンプル画像から物理量を得るための工程である。対象領域は,空間写真を撮影できる領域であればよい。対象領域は,ある地域であってもよいし,ある個所から撮影される領域であってもよい。物理量は,エアロゾル濃度推測工程においてエアロゾル濃度を推測するために用いられる推定用数値取を求めるために用いられる数値である。サンプル画像を得るためには,公知の撮影装置により撮影されたサンプル画像をコンピュータに入力すればよい。サンプル画像は,撮影装置により対象領域を撮影することにより得られた空間のデジタル画像であってもよい。物理量は,サンプル画像全体のものであってもよいし,画素ごとのものであってもよい。また,物理量は,サンプル画像の特定の領域のものであってもよい。物理量の例は,画素ごとの輝度I,画素ごとの色ごとの輝度I,画素ごとの色ごとの値,サンプル画像のある領域の輝度I,ある領域の色ごとの輝度,ある領域の色ごとの値,及び明度である。コンピュータは,記憶部からサンプル画像(又はサンプル画像の画素)を読み出し,読み出したサンプル画像を解析し,所定の物理量を求める。後述の通り,この発明は機械学習を用いてエアロゾル濃度を推測するので,サンプル画像から得られる物理量であればどのような物理量であっても,エアロゾル濃度を推測できる。特に,エアロゾル濃度により変化する物理量は,好ましい物理量である。求めた物理量は適宜記憶部に記憶される。
推定用数値取得工程(S102)は,得られた物理量を用いて,エアロゾル濃度を推測するための推定用数値を得るための工程である。コンピュータは,記憶部から物理量取得工程で得た物理量を読み出す。そして,制御部は,プログラムの指令に基づき,適宜記憶部から必要な数値を読み出して,物理量と併せてその数値を用いて,演算部に推定用数値を求める演算を行う。この推定用数値は,実際のエアロゾル濃度と推測値とが関連することを機械学習などの手法を用いて確認できた値であれば,どのような値を用いてもよい。コンピュータは,得られた推定用数値を適宜記憶部に記憶する。
エアロゾル濃度推測工程(S103)は,その推定用数値を用いて,エアロゾル濃度を推測するための工程である。コンピュータは,記憶部から推定用数値を読み出す。コンピュータの制御部は,プログラムの指令に基づき,推定用数値を用いて,エアロゾル濃度を推測する。コンピュータは,例えば,機械学習用エンジンを搭載しており,機械学習により,推定用数値を用いて,エアロゾル濃度を推測してもよい。求めたエアロゾル濃度は,記憶部に記憶されてもよい。また,コンピュータは,エアロゾル濃度を出力してもよい。また,コンピュータは,推測されたエアロゾル濃度を用いて,視界度,見晴らしのよさ,又は大気汚染度といった別の数値を求めてもよい。気象条件判定工程については,後述するものを適宜用いてもよい。
図4は,反射率によりエアロゾル濃度を求める工程例を示すフローチャートである。
事前準備工程
事前準備工程は,対象領域のエアロゾル濃度を推測するために用いられる基準照度L0を求めるための工程である。事前準備工程は,上記を達成できるものであれば特に限定されない。事前準備工程の例は,基準画像データ取得工程(S111),基準照度L0導出工程(S112)及び基準照度L0記憶工程(S113)と,を含む。
事前準備工程は,対象領域のエアロゾル濃度を推測するために用いられる基準照度L0を求めるための工程である。事前準備工程は,上記を達成できるものであれば特に限定されない。事前準備工程の例は,基準画像データ取得工程(S111),基準照度L0導出工程(S112)及び基準照度L0記憶工程(S113)と,を含む。
基準画像データ取得工程(S111)
基準画像データ取得工程は,対象領域の基準照度L0を導出するために,基準となる画像データを取得するための工程である。この画像データの例は,撮影された画像データである。例えば,事前に,大気汚染の状況を推測しようとする対象領域を撮影できる地点から,カメラなどの撮影装置(撮影部3)を用いて,所定の方向に向けて対象領域を撮影する。このようにして,基準画像データを得ることができる。撮影装置は,CCDやスマートフォンのカメラのようなものであってもよい。最も,一定の方向に向けて対象領域を撮影できるように,撮影方向を制御するための撮影方向制御装置を用いてもよい。また,撮影装置の別の例は定点カメラである。コンピュータは,得られた基準画像データを,記憶部に適宜記憶してもよい。
基準画像データ取得工程は,対象領域の基準照度L0を導出するために,基準となる画像データを取得するための工程である。この画像データの例は,撮影された画像データである。例えば,事前に,大気汚染の状況を推測しようとする対象領域を撮影できる地点から,カメラなどの撮影装置(撮影部3)を用いて,所定の方向に向けて対象領域を撮影する。このようにして,基準画像データを得ることができる。撮影装置は,CCDやスマートフォンのカメラのようなものであってもよい。最も,一定の方向に向けて対象領域を撮影できるように,撮影方向を制御するための撮影方向制御装置を用いてもよい。また,撮影装置の別の例は定点カメラである。コンピュータは,得られた基準画像データを,記憶部に適宜記憶してもよい。
基準照度L0導出工程(S112)
基準照度L0導出工程は,基準照度L0を導出するための工程である。基準画像データは,通常複数の画素を含む。基準照度L0は,基準画像データの画素ごとの照度L0であることが好ましい。コンピュータの制御部は,記憶部から基準画像データを読み出し,プログラムの指令に基づき,演算部に画素ごとの輝度(I0)を求める演算を行わせる。制御部は,プログラムの指令に基づき,基準画像データの画素ごとの輝度(I0)から画素ごとの照度L0を求める演算を行わせる。この演算処理の例はバイラテラルフィルタによる演算処理である。バイラテラルフィルタを用いた演算処理の例は,特開2019-180002号公報や特開2021-057866号公報に記載されている通り公知である。基準照度L0の好ましい例は,後述するサンプル画像と同じ撮影場所において撮影された,サンプル画像と同じ対象領域の空間画像を用いて得られた照度である。サンプル画像は,空上層部分,空下層部分,地平線と境界部分,及び建物部分のいずれか1つ以上に領域された部分領域画像を含むものが好ましい。もっとも,基準照度L0は,近隣の対象領域における基準照度L0から推測された値であってもよい。
基準照度L0導出工程は,基準照度L0を導出するための工程である。基準画像データは,通常複数の画素を含む。基準照度L0は,基準画像データの画素ごとの照度L0であることが好ましい。コンピュータの制御部は,記憶部から基準画像データを読み出し,プログラムの指令に基づき,演算部に画素ごとの輝度(I0)を求める演算を行わせる。制御部は,プログラムの指令に基づき,基準画像データの画素ごとの輝度(I0)から画素ごとの照度L0を求める演算を行わせる。この演算処理の例はバイラテラルフィルタによる演算処理である。バイラテラルフィルタを用いた演算処理の例は,特開2019-180002号公報や特開2021-057866号公報に記載されている通り公知である。基準照度L0の好ましい例は,後述するサンプル画像と同じ撮影場所において撮影された,サンプル画像と同じ対象領域の空間画像を用いて得られた照度である。サンプル画像は,空上層部分,空下層部分,地平線と境界部分,及び建物部分のいずれか1つ以上に領域された部分領域画像を含むものが好ましい。もっとも,基準照度L0は,近隣の対象領域における基準照度L0から推測された値であってもよい。
基準照度L0記憶工程(S113)
基準照度L0記憶工程は,基準照度L0を記憶部に記憶させるための工程である。コンピュータの制御部は,演算処理により求められた基準照度L0を記憶部に記憶させる。このようにして,画像データに対してバイラテラルフィルタ処理を施すことで,画素ごとの基準照度L0を求め,記憶部に記憶させることができる。
なお,基準照度L0を画像データのすべての画素について求める必要はない。画像データのうち,反射率を求めるために必要な部分に含まれる画素について基準照度L0を求めてもよい。
基準照度L0記憶工程は,基準照度L0を記憶部に記憶させるための工程である。コンピュータの制御部は,演算処理により求められた基準照度L0を記憶部に記憶させる。このようにして,画像データに対してバイラテラルフィルタ処理を施すことで,画素ごとの基準照度L0を求め,記憶部に記憶させることができる。
なお,基準照度L0を画像データのすべての画素について求める必要はない。画像データのうち,反射率を求めるために必要な部分に含まれる画素について基準照度L0を求めてもよい。
気象条件判定工程
気象条件判定工程は,気象条件がエアロゾル濃度を推測するために相応しいか否か(撮影場所が晴天時条件に合致するか否か)を判定するための工程である。気象条件判定工程の別の例は,気象条件によりエアロゾル濃度を推測するための方法が異なる場合や,気象条件によりエアロゾル濃度を推測するためのパラメータが異なる場合に,それらの判断に用いられる気象条件を求めるための工程である。気象条件判定工程は,上記を達成できるものであれば,特に限定されない。この工程は,事前準備工程においても行ってもよい。
気象条件判定工程は,気象条件がエアロゾル濃度を推測するために相応しいか否か(撮影場所が晴天時条件に合致するか否か)を判定するための工程である。気象条件判定工程の別の例は,気象条件によりエアロゾル濃度を推測するための方法が異なる場合や,気象条件によりエアロゾル濃度を推測するためのパラメータが異なる場合に,それらの判断に用いられる気象条件を求めるための工程である。気象条件判定工程は,上記を達成できるものであれば,特に限定されない。この工程は,事前準備工程においても行ってもよい。
気象条件判定工程の例は,気象条件入力工程(S121)と,条件判定工程(S122)とを含むものである。気象条件入力工程(S121)は,判断のために必要となる情報をコンピュータに入力するための工程であり,条件判定工程(S122)は入力された情報に基づいて,気象条件を判定するための工程である。気象条件判定工程の具体的な例は,全天日射量(GSI)と散乱日射量(DSI)とを用いて,気象条件を判定するものである。国際公開WO2018/100957号パンフレットには,採光システムが記載されている。この採光システムの天候検出部は,直達日射量を検出する直達日射計と, 全天日射量を検出する全天日射計とを含む。そして,このシステムは,全天日射量から直達日射量を減算することで,散乱日射量を算出し,直達日射量に対する散乱日射量の比を算出する。このように,直達日射計と全天日射計とを用いて,全天日射量や散乱日射量を求めるシステムは公知である。コンピュータは,直達日射計や全天日射計と接続されてもよいし,直達日射計と全天日射計との観測データを入力できるようにされていてもよい。
気象条件判定工程の例は,GSI > 550 W/m2,DSI/GSI < 0.15を晴天時の判定基準とするものである。この例では,システムに,全天日射量(GSI)と散乱日射量(DSI)とが入力される。システムは,入力された全天日射量(GSI)と散乱日射量(DSI)とを適宜記憶部に記憶する。制御部は,プログラムの指令に基づいて,記憶部から全天日射量(GSI)と,閾値(例えば550 W/m2)を読み出す。制御部は,演算部に,全天日射量(GSI)と閾値とを比較する演算を行わせ,全天日射量(GSI)が閾値より大きい場合に,次のステップに進む。一方,制御部は,演算部に,全天日射量(GSI)と閾値とを比較する演算を行わせ,全天日射量(GSI)が閾値より小さい場合は,気候条件が晴天時ではないと判断する。次のステップでは,制御部は,記憶部から全天日射量(GSI)と散乱日射量(DSI)とを読み出し,プログラムの指令に基づいて,DSI/GSIを求める演算処理を行わせる。この処理をハードウェアで行う場合は,リバース回路と乗算回路とを用いて, 全天日射量(GSI)から1/全天日射量(GSI)を求め,求めた値を散乱日射量(DSI)と乗算することで,DSI/GSIを求めてもよい。制御部は,求めたDSI/GSIを記憶部に記憶する。制御部は,記憶部からDSI/GSIと閾値(例えば0.15)を読み出して,プログラムの指令に基づいて,演算部にDSI/GSIと閾値を比較する演算を行わせる。その結果DSI/GSIが閾値より小さい場合に,気候条件が晴天時であると判断すればよい。気候条件が晴天時であることを示す情報は,適宜記憶部に記憶されてもよいし,次の処理のために用いられてもよい。
コンピュータの演算部は,サンプル画像を記憶部から読み出して,プログラムの指令に基づいてパターンマッチング処理を行い,サンプル画像について,晴天部分,雲部分,雨,建物,樹木及びその他に分類する演算を行わせ,得られた演算結果に基づいて,気象条件を判定してもよい。この際,例えば,記憶部から判定基準となる閾値を読み出して,閾値と比較することで,気象条件を判定してもよい。
コンピュータの入力部から対象領域の気象条件が入力されて,記憶部に記憶されてもよい。そして,コンピュータの制御部は,プログラムの指令に基づき,演算部に適宜演算処理を行わせ,入力された気象条件(例えば,天候,温度,湿度,及び降水確率のいずれか1以上の条件)が,エアロゾル濃度を推定するために相応しいか否か判断させてもよい。また,入力された気象条件に基づいて,適宜エアロゾル濃度を求めるための係数が用いられ,後述するエアロゾル濃度を推定する工程において用いられてもよい。
例えば,気象条件判定工程において,測定時の気象条件が,エアロゾル濃度を推定するために相応しいと判断された場合,以下説明するエアロゾル濃度を推定する工程が行われてもよい。
対象領域のエアロゾル濃度の推測工程
対象領域のエアロゾル濃度の推測工程は,コンピュータを用いて対象領域のエアロゾル濃度を推測する工程である。この工程は,輝度取得工程(S101’),反射率取得工程(S102’)と,エアロゾル濃度推測工程(S103’)とを含む。これらの工程の後にエアロゾル濃度出力工程(S104’)が続いてもよい。
対象領域のエアロゾル濃度の推測工程は,コンピュータを用いて対象領域のエアロゾル濃度を推測する工程である。この工程は,輝度取得工程(S101’),反射率取得工程(S102’)と,エアロゾル濃度推測工程(S103’)とを含む。これらの工程の後にエアロゾル濃度出力工程(S104’)が続いてもよい。
輝度取得工程(S101’)
輝度取得工程(S101’)は,対象領域を撮影したサンプル画像の輝度Iを求めるための工程である。対象領域は,エアロゾル濃度を推測したいと考える地域の空間領域を意味する。撮影の意味は,先に説明した通りである。撮影部3は,サンプル画像を撮影するための要素である。撮影部3が,サンプル画像を撮影する。対象領域を撮影したサンプル画像は,コンピュータに入力され,適宜記憶部に記憶される。この際に,撮影場所(の識別情報),撮影時間及び撮影時の気象条件のいずれか1つ以上の情報も併せてコンピュータに入力され,適宜入力されたサンプル画像と関連を有する状態で記憶部に記憶されてもよい。
輝度取得工程(S101’)は,対象領域を撮影したサンプル画像の輝度Iを求めるための工程である。対象領域は,エアロゾル濃度を推測したいと考える地域の空間領域を意味する。撮影の意味は,先に説明した通りである。撮影部3は,サンプル画像を撮影するための要素である。撮影部3が,サンプル画像を撮影する。対象領域を撮影したサンプル画像は,コンピュータに入力され,適宜記憶部に記憶される。この際に,撮影場所(の識別情報),撮影時間及び撮影時の気象条件のいずれか1つ以上の情報も併せてコンピュータに入力され,適宜入力されたサンプル画像と関連を有する状態で記憶部に記憶されてもよい。
輝度算出工程
輝度算出部5が,サンプル画像の輝度Iを求める。例えば,コンピュータの制御部,演算部及び記憶部が輝度算出部5として機能する。例えば,コンピュータの制御部は,プログラムの指令に基づいて,記憶部からサンプル画像を読み出し,サンプル画像の輝度(Itgt)を求める。この際,コンピュータは,サンプル画像の画素ごとに輝度(Itgt)を求めてもよい。この際に,RGBといった色ごとに輝度を求めてもよい。また,RGBといった色ごとの輝度の値は,ガンマ補正等の補正をしてもよい。また,色成分の3軸はRGBに限らず,CMYやCIE XYZ,CIE xyY,CIE u‘v’Y,CIE LUV,CIE LAB,CIE LCh等あらゆる3軸であってもよい。求められた輝度(Itgt)は,適宜記憶部に記憶されてもよい。
輝度算出部5が,サンプル画像の輝度Iを求める。例えば,コンピュータの制御部,演算部及び記憶部が輝度算出部5として機能する。例えば,コンピュータの制御部は,プログラムの指令に基づいて,記憶部からサンプル画像を読み出し,サンプル画像の輝度(Itgt)を求める。この際,コンピュータは,サンプル画像の画素ごとに輝度(Itgt)を求めてもよい。この際に,RGBといった色ごとに輝度を求めてもよい。また,RGBといった色ごとの輝度の値は,ガンマ補正等の補正をしてもよい。また,色成分の3軸はRGBに限らず,CMYやCIE XYZ,CIE xyY,CIE u‘v’Y,CIE LUV,CIE LAB,CIE LCh等あらゆる3軸であってもよい。求められた輝度(Itgt)は,適宜記憶部に記憶されてもよい。
輝度算出部5は,サンプル画像を複数の領域に分割し,エアロゾル濃度を推測するための領域を抽出するようにしてもよい。例えば,サンプル画像を,空上層部分,空下層部分,地平線と境界部分,及び建物部分のいずれか1つ以上に領域された部分領域画像に分割してもよい。また,サンプル画像を分析して,建物や樹木といった障害物がある領域を,エアロゾル濃度を求めるための領域から除いてもよい。さらに,空領域においては,雲の量を分析し,エアロゾル濃度を求めるための領域から除いてもよいし,エアロゾル濃度を求める際の係数や定数(補正値)を求めてもよい。
図5は,パターンマッチングの例を示す概念図である。図5の例では,サンプル画像に含まれる各画素のRGB値から建物や樹木と推測される部分(障害物のある領域)を含む領域がエアロゾル濃度を推測するための領域から除去され,障害物のある領域の上部に存在するサンプル画像の領域がエアロゾル濃度を推測するための領域とされている。図5の例では,サンプル画像51が,建物などの障害物があるためエアロゾル濃度を推測することに用いられない領域53,その上部であり雲が存在しない領域55,及びさらに上部であり雲が存在する領域57に分類されている。
反射率取得工程(S102’)
反射率取得工程(S102’)は,基準照度L0と,対象領域を撮影したサンプル画像の輝度Iとを用いて,対象領域の反射率Rを求めるための工程である。 反射率取得部7が,サンプル画像の輝度Iと,基準照度L0とを用いて,サンプル画像が撮影された領域の反射率Rを求める。例えば,コンピュータの制御部,演算部及び記憶部が反射率取得部7として機能する。例えば,コンピュータの制御部は,記憶部から基準照度L0とサンプル画像の輝度(Itgt)とを読み出し,演算部に反射率(Rtgt)を求める演算処理を行わせる。反射率を求める演算処理の例は,Rtgt=Itgt/L0である。反射率を求める演算処理は,時刻や気象条件に応じた係数や定数が適宜用いられてもよい。この際に,サンプル画像の複数の画素についてRtgtが求められてもよい。また,RGBといった色ごとにRtgtが求められてもよい。RGBといった色ごとの値は,ガンマ補正等の補正をしてもよい。色成分の3軸はRGBに限らず,CMYやCIE XYZ,CIE xyY,CIE u‘v’Y,CIE LUV,CIE LAB,CIE LCh等あらゆる3軸であってもよい。以下,RGBを例として説明する。好ましい例は,複数の画素について,また色ごとにRtgtが求められるものである。複数のRtgtは,Rtgt[1],Rtgt[2],Rtgt[3],・・・Rtgt[n]のように表記される。複数のRtgtは,適宜記憶部に記憶される。
反射率取得工程(S102’)は,基準照度L0と,対象領域を撮影したサンプル画像の輝度Iとを用いて,対象領域の反射率Rを求めるための工程である。 反射率取得部7が,サンプル画像の輝度Iと,基準照度L0とを用いて,サンプル画像が撮影された領域の反射率Rを求める。例えば,コンピュータの制御部,演算部及び記憶部が反射率取得部7として機能する。例えば,コンピュータの制御部は,記憶部から基準照度L0とサンプル画像の輝度(Itgt)とを読み出し,演算部に反射率(Rtgt)を求める演算処理を行わせる。反射率を求める演算処理の例は,Rtgt=Itgt/L0である。反射率を求める演算処理は,時刻や気象条件に応じた係数や定数が適宜用いられてもよい。この際に,サンプル画像の複数の画素についてRtgtが求められてもよい。また,RGBといった色ごとにRtgtが求められてもよい。RGBといった色ごとの値は,ガンマ補正等の補正をしてもよい。色成分の3軸はRGBに限らず,CMYやCIE XYZ,CIE xyY,CIE u‘v’Y,CIE LUV,CIE LAB,CIE LCh等あらゆる3軸であってもよい。以下,RGBを例として説明する。好ましい例は,複数の画素について,また色ごとにRtgtが求められるものである。複数のRtgtは,Rtgt[1],Rtgt[2],Rtgt[3],・・・Rtgt[n]のように表記される。複数のRtgtは,適宜記憶部に記憶される。
エアロゾル濃度推測工程(S102)
エアロゾル濃度推測工程(S102)は,反射率Rを用いて,エアロゾル濃度を推測するための工程である。エアロゾル濃度推測部9が,反射率Rを用いて,エアロゾル濃度を推測する。例えば,コンピュータの制御部,演算部及び記憶部がエアロゾル濃度推測部9として機能する。エアロゾル濃度推測工程(S102)の好ましい例は,機械学習を用いて,反射率Rを用いてエアロゾル濃度を推測する工程である。反射率Rは,複数の色成分ごとの反射率を含むものが好ましい。コンピュータは,好ましくは,機械学習エンジンを有する。この機械学習エンジンは,プログラムと記憶部とを含む。そして,機械学習エンジンは,Rtgtとエアロゾル濃度に関する多数の情報とを記憶している。そして,機械学習エンジンは,入力された反射率R(例えば,複数のRtgt)を用いて,エアロゾル濃度を推測する。なお,機械学習エンジンは,入力された反射率R(例えば,複数のRtgt)のみならず時刻や気象条件といった情報を用いて,エアロゾル濃度を推測するものであってもよい。このようにすれば,コンピュータが,反射率Rを用いて,エアロゾル濃度を推測できる。推測されたエアロゾル濃度は適宜記憶部に記憶される。
エアロゾル濃度推測工程(S102)は,反射率Rを用いて,エアロゾル濃度を推測するための工程である。エアロゾル濃度推測部9が,反射率Rを用いて,エアロゾル濃度を推測する。例えば,コンピュータの制御部,演算部及び記憶部がエアロゾル濃度推測部9として機能する。エアロゾル濃度推測工程(S102)の好ましい例は,機械学習を用いて,反射率Rを用いてエアロゾル濃度を推測する工程である。反射率Rは,複数の色成分ごとの反射率を含むものが好ましい。コンピュータは,好ましくは,機械学習エンジンを有する。この機械学習エンジンは,プログラムと記憶部とを含む。そして,機械学習エンジンは,Rtgtとエアロゾル濃度に関する多数の情報とを記憶している。そして,機械学習エンジンは,入力された反射率R(例えば,複数のRtgt)を用いて,エアロゾル濃度を推測する。なお,機械学習エンジンは,入力された反射率R(例えば,複数のRtgt)のみならず時刻や気象条件といった情報を用いて,エアロゾル濃度を推測するものであってもよい。このようにすれば,コンピュータが,反射率Rを用いて,エアロゾル濃度を推測できる。推測されたエアロゾル濃度は適宜記憶部に記憶される。
エアロゾル濃度推測工程の別の例は,複数の色成分ごとの反射率の比を用いてエアロゾル濃度を推測する工程を含むものである。色成分ごとの反射率の例はRGB値ごとの反射率である。RGBといった色ごとの値は,ガンマ補正等の補正をしてもよい。色成分の3軸はRGBに限らず,任意の色成分を用いることができる。以下では,RGB値を例に説明する。色ごとの反射率の比の例は,RB/RG, RG/RR, 及びRR/RBの値である。コンピュータの制御部は,サンプル画像のRRRGRB値を用い,演算部にRB/RG, RG/RR, 及びRR/RBを求める演算処理を行わせる。そして,コンピュータの制御部は,求めたRB/RG, RG/RR, 及びRR/RBの値を適宜記憶部に記憶させる。エアロゾル濃度推測部は例えば機械学習エンジンを有している。そして,エアロゾル濃度推測部はRB/RG, RG/RR, 及びRR/RBの値を用いて,エアロゾル濃度を推測する。このようにすれば,コンピュータが,複数の色成分ごとの反射率の比を用いて,エアロゾル濃度を推測できる。推測されたエアロゾル濃度は適宜記憶部に記憶される。
エアロゾル濃度出力工程(S103)
推測されたエアロゾル濃度は,適宜,出力されてもよい。例えば,複数の地点からエアロゾル濃度の推測値がサーバに出力される。すると,広域においてエアロゾル濃度に関する情報を集めることができる。その結果,例えば,ある工場付近において,エアロゾル濃度が高く,その工場から離れるについて,エアロゾル濃度が低い場合は,その工場が汚染源であると推測される。また,例えば,コンピュータが,ユーザの携帯端末(スマートフォン,携帯電話,及び腕時計を含む)である場合,携帯端末の表示部に,エアロゾル濃度が表示されてもよい。また,エアロゾル濃度は,コンピュータと情報の授受を行うことができるサーバに出力されてもよい。このようにすると,複数のユーザの携帯端末からエアロゾル濃度に関する情報が出力され,サーバに集約されることとなる。
推測されたエアロゾル濃度は,適宜,出力されてもよい。例えば,複数の地点からエアロゾル濃度の推測値がサーバに出力される。すると,広域においてエアロゾル濃度に関する情報を集めることができる。その結果,例えば,ある工場付近において,エアロゾル濃度が高く,その工場から離れるについて,エアロゾル濃度が低い場合は,その工場が汚染源であると推測される。また,例えば,コンピュータが,ユーザの携帯端末(スマートフォン,携帯電話,及び腕時計を含む)である場合,携帯端末の表示部に,エアロゾル濃度が表示されてもよい。また,エアロゾル濃度は,コンピュータと情報の授受を行うことができるサーバに出力されてもよい。このようにすると,複数のユーザの携帯端末からエアロゾル濃度に関する情報が出力され,サーバに集約されることとなる。
また,コンピュータは,推測されたエアロゾル濃度に基づいて大気汚染度を求めてもよい。この場合,制御部は,推測されたエアロゾル濃度を用いて,記憶部から閾値を読み出し,推測されたエアロゾル濃度と閾値とを比較することで,大気汚染度を求めればよい。求めた大気汚染度は,適宜記憶部に記憶されてもよいし,出力されてもよい。なお,コンピュータは,天気予報情報とともにエアロゾル濃度や大気汚染度を出力してもよい。
この明細書は,コンピュータ(又はプロセッサ)を上記のエアロゾル濃度の推測システムとして機能させるためのプログラムや,そのようなプログラムを記憶したコンピュータが読み取ることのできる情報記録媒体をも提供する。
そのようなプログラムは,コンピュータを,サンプル画像を撮影する撮影部と,サンプル画像の輝度Iを求める輝度算出部と,サンプル画像の輝度Iと,基準照度L0とを用いて,サンプル画像が撮影された領域の反射率Rを求める反射率取得部と,反射率Rを用いて,エアロゾル濃度を推測する,エアロゾル濃度推測部と,を有するエアロゾル濃度の推測システムとして機能させるためのプログラムである。
そのようなプログラムは,コンピュータを,サンプル画像を撮影する撮影部と,サンプル画像の輝度Iを求める輝度算出部と,サンプル画像の輝度Iと,基準照度L0とを用いて,サンプル画像が撮影された領域の反射率Rを求める反射率取得部と,反射率Rを用いて,エアロゾル濃度を推測する,エアロゾル濃度推測部と,を有するエアロゾル濃度の推測システムとして機能させるためのプログラムである。
次に,サンプル画像の画素ごとの色ごとの値を用いてエアロゾル濃度を推測する発明を説明する。この発明は,基準照度L0を用いずにエアロゾル濃度を推測できる。このため,定点カメラといった制御を必要としない。例えば,スマートフォンといった携帯端末にインストールできるアプリケーションといった利用を促進できるものである。すると,この発明は,エアロゾル濃度に関する情報を複数集めることができることとなり,環境汚染の状況などを迅速かつ広範囲において把握できることとなる。
この発明も,コンピュータを用いたエアロゾル濃度の推測システムに関する。このシステムは,
サンプル画像を撮影する撮影部サンプル画像を撮影する撮影部と,
サンプル画像の画素ごとの色ごとの値(例えばRGB値)を求めるRGB値取得部と,
サンプル画像の画素ごとのRGB値又はRGB値の比を用いて,エアロゾル濃度を推測するエアロゾル濃度推測部と,
を有する。
このシステムは,サンプル画像を撮影して撮影部サンプル画像を取得し,
サンプル画像の画素ごとの色ごとの値(例えばRGB値)を求め,
サンプル画像の画素ごとのRGB値又はRGB値の比を用いて,エアロゾル濃度を推測する。
サンプル画像を撮影する撮影部サンプル画像を撮影する撮影部と,
サンプル画像の画素ごとの色ごとの値(例えばRGB値)を求めるRGB値取得部と,
サンプル画像の画素ごとのRGB値又はRGB値の比を用いて,エアロゾル濃度を推測するエアロゾル濃度推測部と,
を有する。
このシステムは,サンプル画像を撮影して撮影部サンプル画像を取得し,
サンプル画像の画素ごとの色ごとの値(例えばRGB値)を求め,
サンプル画像の画素ごとのRGB値又はRGB値の比を用いて,エアロゾル濃度を推測する。
このシステムにおいても気象条件判定工程が行われてもよい。サンプル画像を撮影する撮影部は,先に説明したと同様である。
RGB値取得部が,サンプル画像の画素ごとの色ごとの値(例えばRGB値)を求める。RGBといった色ごとの値は,ガンマ補正等の補正をしてもよい。色成分の3軸はRGBに限らず,任意の色成分を用いることができる。以下,簡単のためRGB値を例にしてこの発明を説明する。この際,すべての画素についてRGB値を求めてもよいし,一部の画素についてRGB値を求めてもよい。RGBは先に説明した通り,色ごとの例であり,補正を行った後の値でもよいし,他の色分類を用いても構わない。以下ではRGBに分類するものを例に説明する。例えば,コンピュータの制御部,演算部及び記憶部がRGB値取得部として機能する。例えば,コンピュータの制御部は,プログラムの指令に基づいて,記憶部からサンプル画像を読み出し,サンプル画像の特定の領域について,画素ごとのRGB値を求める。求められたRGB値(R[1],R[2],R[3],・・・R[n];G[1],G[2],G[3],・・・G[n];B[1],B[2],B[3],・・・B[n])は,適宜記憶部に記憶されてもよい。
エアロゾル濃度推測部が,サンプル画像の画素ごとのRGB値を用いて,エアロゾル濃度を推測してもよい。例えば,コンピュータの制御部,演算部及び記憶部がエアロゾル濃度推測部として機能する。エアロゾル濃度推測工程の好ましい例は,機械学習を用いて,画素ごとのRGB値を用いてエアロゾル濃度を推測する工程である。コンピュータは,好ましくは,機械学習エンジンを有する。この機械学習エンジンは,プログラムと記憶部とを含む。そして,機械学習エンジンは,画素ごとのRGB値とエアロゾル濃度に関する多数の情報とを記憶している。そして,機械学習エンジンは,入力された画素ごとのRGB値を用いて,エアロゾル濃度を推測する。なお,機械学習エンジンは,入力された画素ごとのRGB値のみならず時刻や気象条件といった情報を用いて,エアロゾル濃度を推測するものであってもよい。このようにすれば,コンピュータが,画素ごとのRGB値を用いて,エアロゾル濃度を推測できる。推測されたエアロゾル濃度は適宜記憶部に記憶される。
エアロゾル濃度推測部は,画素の色ごとの比を用いるものであってもよい。色ごとの比の例は,B/G, G/R, 及びR/Bの値である。コンピュータの制御部は,サンプル画像の画素ごとのRGB値を用い,演算部にB/G, G/R, 及びR/Bを求める演算処理を行わせる。そして,コンピュータの制御部は,求めたB/G, G/R, 及びR/Bの値を適宜記憶部に記憶させる。そして,エアロゾル濃度推測部はB/G, G/R, 及びR/Bの値を用いて,エアロゾル濃度を推測する。上記と同様,コンピュータは,機械学習エンジンを有しており,B/G, G/R, 及びR/Bの値を用いて,エアロゾル濃度を推測すればよい。
図6は,実施例1における処理工程を示す概念図である。エアロゾルによる光の散乱の波長依存性を抽出するために,画像データから反射率(Reflectance, R)を導出した。反射率Rは,画像データの輝度 (Intensity, I) と光源からの照度(Illuminance, L)の比により,R=I/Lで記述される。対象となる画像データから反射率 R を導出し,この反射率 R を入力変数,エアロゾルの地上測定値を出力変数として,反射率 Rからエアロゾル濃度を推定する機械学習モデルを作成した。
実施例におけるアルゴリズムのフローを図6に示す。まず,エアロゾル濃度による画像の変化を高精度に抽出するため,日射量データを用いて雲による影響が大きい画像データを除去した。日射量データとして,全天日射量(GSI)と散乱日射量(DSI)の2変数を組み合わせ,GSI > 550 W/m2,DSI/GSI < 0.15を晴天時の判定基準とした。ある画角からの基準となる画像データにバイラテラルフィルタをかけることで基準となる照度 L0 を導出し,サンプル画像の輝度Iを L0 で割ることで,反射率 R を導出した。解析対象とする画像範囲を空上層部分,空下層部分,地平線との境界部分,建物部分等の狭い範囲に絞ることで,エアロゾルの光散乱波長依存性を反射率Rとして抽出した。さらにRGBのカラー成分毎に解析し,1枚の画像データから複数の反射率Rを導出することに成功し,少ない教師データにより機械学習モデルの構築を可能とした。
福岡市で撮影された2021年1月~2月の2ヶ月分の画像データで検証した。図7は,撮影されたサンプル画像の例を示す図面に代わる写真である。ここでは,エアロゾルの中で粒径が10μm以下の浮遊粒子状物質(SPM)の濃度について,K-近傍法による2クラス分類を実施した。図8は,反射率を導出する際の図面に代わるグラフである。グラフの縦軸は反射率であり横軸はSPMの粒径である。左上図は,図7の空(2)の領域における青色(B)の反射率と,SPMの粒径との相関を示すグラフである。右上図は,図7の空(1)の領域における緑色(G)の反射率と,SPMの粒径との相関を示すグラフである。下図は,全領域における赤色(R)の反射率と,SPMの粒径との相関を示すグラフである。クラス分けの閾値は,1月のSPM観測濃度の平均値25 μg/m3とした。テスト1では,1月のデータをランダムに6:4の割合で学習用と試験用に分け,学習用のデータのみで構築したモデルを試験用データに適用し,その正解率を算出した。テスト2では,学習用に1月分のデータ,試験用に2月分のデータを使用した。また,それぞれのテストについて,画像範囲の選択肢7通り×カラー成分4通りの計28通りの反射率を使った場合(「入力変数1」)と,RGB成分毎にSPM濃度と相関が最も高かった画像範囲の反射率の計3つを使った場合(「入力変数2」)を比較した。データの切り分け方法の2通り×入力変数の2通りの計4通りで正解率を計算した。その結果を下記の表に示す。最も実運用に近いテスト2と入力変数2の場合で正解率86%であった。なお,ここではひまわり8号衛星観測から取得された日射量データから晴天時のみのデータを抽出して検証を行った。
入力変数1 入力変数2
テスト1 100% 92%
テスト2 86% 86%
テスト1 100% 92%
テスト2 86% 86%
この実施例により示された通り,天気予報などで使用されている定点カメラの画像データからエアロゾルの量を推定することが可能となる。カメラは,エアロゾルの光学的特性を利用した手法で使用する専門的測定器よりも入手しやすく,エアロゾル観測の観測範囲が飛躍的に広くなり,観測点数が飛躍的に向上すると考えられる。これは学術的な意義が大きく,時空間的に稠密なエアロゾル濃度の観測データを用いたビッグデータ解析等が可能となり,エアロゾル等大気汚染の予報への適用が期待される。さらに,定点カメラだけでなくスマホで撮影された画像への応用も実現できるので,国民の全員がエアロゾル観測をすることができるようになる。大気汚染に限らず地球大気観測についての一般市民の理解度・認知度を上げることが期待され,学術的な意義だけではなく,社会的な応用の可能性も高い。
実施例2
図9は,実施例2における処理工程を示す概念図である。この例では,サンプル画像を撮影するだけでエアロゾル濃度を求めることができることとなる。実施例1と同様,エアロゾル濃度による画像の変化を高精度に抽出するため,日射量データを用いて雲による影響が大きい画像データを除去した。日射量データとして,全天日射量(GSI)と散乱日射量(DSI)の2変数を組み合わせ,GSI > 550 W/m2,DSI/GSI < 0.15を晴天時の判定基準とした。解析対象とする画像範囲を空上層部分,空下層部分,地平線との境界部分,建物部分等の狭い範囲に絞った。サンプル画像を撮影するとともに,撮影時刻及び撮影場所に関する情報をシステムに入力した。これらの情報をサンプル画像と関連付けて記憶した。撮影したサンプル画像のうち解析対象領域の画素ごとにRGB値を求めた。求めたRGB値を用いて,これらの比(画素値比)を求めた。画素値比は,B/G,G/R,R/Bとして求めた。事前に撮影時刻及び撮影場所と関連して,画素値比とエアロゾル濃度の値との関係を記憶した。これらの情報を用いて,少ない教師データにより機械学習モデルの構築を可能とした。サンプル画像の対象領域を解析して得られた画素値比を用いて,機械学習エンジンを用いて,対象領域のエアロゾル濃度を求める。
図9は,実施例2における処理工程を示す概念図である。この例では,サンプル画像を撮影するだけでエアロゾル濃度を求めることができることとなる。実施例1と同様,エアロゾル濃度による画像の変化を高精度に抽出するため,日射量データを用いて雲による影響が大きい画像データを除去した。日射量データとして,全天日射量(GSI)と散乱日射量(DSI)の2変数を組み合わせ,GSI > 550 W/m2,DSI/GSI < 0.15を晴天時の判定基準とした。解析対象とする画像範囲を空上層部分,空下層部分,地平線との境界部分,建物部分等の狭い範囲に絞った。サンプル画像を撮影するとともに,撮影時刻及び撮影場所に関する情報をシステムに入力した。これらの情報をサンプル画像と関連付けて記憶した。撮影したサンプル画像のうち解析対象領域の画素ごとにRGB値を求めた。求めたRGB値を用いて,これらの比(画素値比)を求めた。画素値比は,B/G,G/R,R/Bとして求めた。事前に撮影時刻及び撮影場所と関連して,画素値比とエアロゾル濃度の値との関係を記憶した。これらの情報を用いて,少ない教師データにより機械学習モデルの構築を可能とした。サンプル画像の対象領域を解析して得られた画素値比を用いて,機械学習エンジンを用いて,対象領域のエアロゾル濃度を求める。
この発明は,気象予報などの分野で利用されうる。
1 システム
3 撮影部
5 物理量取得部(輝度算出部)
7 推定用数値取得部(反射率取得部)
9 エアロゾル濃度推測部
3 撮影部
5 物理量取得部(輝度算出部)
7 推定用数値取得部(反射率取得部)
9 エアロゾル濃度推測部
Claims (7)
- コンピュータを用いた対象領域のエアロゾル濃度の推測方法であって,
前記対象領域を撮影したサンプル画像から物理量を得る,物理量取得工程と,
前記物理量を用いて,エアロゾル濃度を推測するための推定用数値を得る,推定用数値取得工程と,
前記推定用数値を用いて,エアロゾル濃度を推測する,エアロゾル濃度推測工程と,
を含むエアロゾル濃度の推測方法。 - 請求項1に記載の方法であって,
前記サンプル画像は,空上層部分,空下層部分,地平線と境界部分,及び建物部分のいずれか1つ以上に領域された部分領域画像を含む,方法。 - 請求項1に記載の推測方法であって,
前記物理量は,前記対象領域を撮影したサンプル画像の輝度であり,
前記推定用数値は,基準照度と,前記対象領域を撮影したサンプル画像の輝度とを用いて求められた,前記対象領域の反射率であるエアロゾル濃度の推測方法。 - 請求項3に記載の方法であって,
前記基準照度は,前記サンプル画像と同じ撮影場所において撮影された前記対象領域の空間画像を用いて得られた照度であり,
前記エアロゾル濃度推測工程は,機械学習を用いて,前記推定用数値を用いてエアロゾル濃度を推測する工程である,
方法。 - 請求項1に記載の方法であって,
前記反射率Rは,複数の色成分ごとの反射率を含む,方法。 - 請求項1に記載の方法であって,
前記物理量は,画素ごとの色ごとの値であり,
前記推定用数値は,前記色ごとの値の比であり,
前記エアロゾル濃度推測工程は,機械学習を用いて,前記推定用数値を用いてエアロゾル濃度を推測する工程である,
反射率の比を用いてエアロゾル濃度を推測する工程を含む,方法。 - コンピュータを用いたエアロゾル濃度の推測システムであって,
サンプル画像を撮影する撮影部と,
前記サンプル画像から所定の物理量を得る物理量取得部と,
前記物理量を用いて,エアロゾル濃度を推測するための推定用数値を得る推定用数値取得部,
前記推定用数値を用いて,エアロゾル濃度を推測する,エアロゾル濃度推測部と,
を有するエアロゾル濃度の推測システム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021171760A JP2023061680A (ja) | 2021-10-20 | 2021-10-20 | エアロゾル濃度の推測方法及びシステム |
PCT/JP2022/038452 WO2023068208A1 (ja) | 2021-10-20 | 2022-10-14 | エアロゾル濃度の推測方法及びシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021171760A JP2023061680A (ja) | 2021-10-20 | 2021-10-20 | エアロゾル濃度の推測方法及びシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023061680A true JP2023061680A (ja) | 2023-05-02 |
Family
ID=86059269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021171760A Pending JP2023061680A (ja) | 2021-10-20 | 2021-10-20 | エアロゾル濃度の推測方法及びシステム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023061680A (ja) |
WO (1) | WO2023068208A1 (ja) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5046076B2 (ja) | 2005-12-22 | 2012-10-10 | 独立行政法人日本原子力研究開発機構 | 特定物質を含むエアロゾルの遠隔選別画像計測法 |
KR100958210B1 (ko) * | 2007-12-28 | 2010-05-14 | 그린비환경기술연구소 주식회사 | 시정 계측 장치 및 그 방법 |
WO2011002272A1 (en) * | 2009-07-01 | 2011-01-06 | Universiti Sains Malaysia | Air pollution measuring and warning system |
CN103218622B (zh) * | 2013-04-22 | 2016-04-13 | 武汉大学 | 一种基于计算机视觉的雾霾监测方法 |
CN104596929B (zh) * | 2013-10-31 | 2017-06-23 | 国际商业机器公司 | 确定空气质量的方法及设备 |
US20190390512A1 (en) | 2016-12-01 | 2019-12-26 | Panasonic Intellectual Property Management Co., Ltd. | Daylighting system |
JP6741037B2 (ja) | 2018-03-30 | 2020-08-19 | 三菱電機株式会社 | 画像処理装置及び画像処理方法 |
KR102146287B1 (ko) * | 2019-01-10 | 2020-08-20 | 한밭대학교 산학협력단 | 임의의 풍경 사진 영상을 이용한 대기 중 미세 먼지의 소산 및 크기 정보 추출 시스템 |
JP7353899B2 (ja) | 2019-10-02 | 2023-10-02 | キヤノン株式会社 | 画像読取装置および画像読取装置の制御方法 |
CN111504912A (zh) * | 2020-05-11 | 2020-08-07 | 兰州大学 | 一种基于图像识别的空气污染观测系统及方法 |
-
2021
- 2021-10-20 JP JP2021171760A patent/JP2023061680A/ja active Pending
-
2022
- 2022-10-14 WO PCT/JP2022/038452 patent/WO2023068208A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023068208A1 (ja) | 2023-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Macfarlane | Classification method of mixed pixels does not affect canopy metrics from digital images of forest overstorey | |
WO2020078229A1 (zh) | 目标对象的识别方法和装置、存储介质、电子装置 | |
EP3598736B1 (en) | Method and apparatus for processing image | |
JP6336117B2 (ja) | 建物高さの計算方法、装置及び記憶媒体 | |
CN103954542B (zh) | 基于无参考图像清晰度评价的pm2.5浓度检测仪 | |
US20160189354A1 (en) | Image processing system, image processing device, and image processing method | |
US9330340B1 (en) | Noise estimation for images using polynomial relationship for pixel values of image features | |
CN105719320B (zh) | 一种基于彩色数字图像植被冠层覆盖度计算方法及系统 | |
CN116167932A (zh) | 一种图像质量优化方法、装置、设备及存储介质 | |
JP6720876B2 (ja) | 画像処理方法及び画像処理装置 | |
JP2016126750A (ja) | 画像処理システム、画像処理装置、撮像装置、画像処理方法、プログラムおよび記録媒体 | |
WO2013114803A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
CN111316135B (zh) | 根据正在发生大气降水的环境的数字图像实时计算大气降水速率的系统 | |
CN111222360B (zh) | 硅料熔化状态的检测方法、设备及存储介质 | |
CN111080722A (zh) | 一种基于显著性检测的颜色迁移方法及系统 | |
KR20210018672A (ko) | 카메라를 이용한 미세먼지 농도 측정용 예측값 제공 장치 및 방법 | |
Carretas et al. | Atmospheric visibility and Angström exponent measurements through digital photography | |
CN117351472A (zh) | 烟叶信息检测方法、装置及电子设备 | |
WO2023068208A1 (ja) | エアロゾル濃度の推測方法及びシステム | |
Schwalbe et al. | Hemispheric image modeling and analysis techniques for solar radiation determination in forest ecosystems | |
KR101507642B1 (ko) | 평가 전달량에 기초한 안개 영상 보상 방법 | |
KR20190025079A (ko) | 토양 이미지를 이용한 토양 분류 방법 및 함수비 추정 방법 | |
Schwalbe et al. | Profile based sub-pixel-classification of hemispherical images for solar radiation analysis in forest ecosystems | |
CN113240759A (zh) | 一种基于色温的能见度确定方法、装置、设备及存储介质 | |
US20160187637A1 (en) | Image processing apparatus, storage medium, and image processing method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240513 |