earticle

영어

In this paper, we propose a methodology that combines patch-based kernel PCA and deep learning for image-based particulate matter (PM2.5 and PM10) concentration prediction. Kernel PCA effectively extracts the nonlinear features of images, and a CNN model is trained to achieve high prediction performance. Through reinforcement learning-based mask optimization and multi-kernel integration, we improve the prediction accuracy and learning efficiency, while maintaining consistent performance in different environments. Experimental results show that the proposed methodology is capable of real-time monitoring in a wider range than existing sensor-based methods, and shows good real-time performance even on low-end hardware. Future work will focus on data collection in different environments and model optimization to further enhance its real-time applicability.

한국어

본 연구는 이미지 기반 미세먼지(PM2.5 및 PM10) 농도 예측을 위해 패치 기반 커널 PCA와 딥러닝을 이용한 미세먼지 추정 방법론을 제안한다. 커널 PCA는 이미지의 비선형적 특징을 효과적으로 추출하고, CNN 모델은 이를 학 습하여 높은 예측 성능을 달성한다. 강화 학습 기반 마스크 최적화와 다중 커널 통합을 통해 예측 정확도와 학습 효율성 을 향상했으며, 다양한 환경에서 일관된 성능을 유지했다. 실험 결과, 제안된 방법론은 기존 센서 기반 방법보다 넓은 범위에서 실시간 모니터링이 가능하며, 저사양 하드웨어에서도 우수한 실시간 성능을 보여준다. 향후 연구는 다양한 환 경에서의 데이터 수집과 모델 최적화를 통해 실시간 응용 가능성을 더욱 높이는 데 주력할 것이다.