Resumen

La identificación precisa y clasificación de las partículas atmosféricas pueden proporcionar la base para su asignación de fuentes. La mayoría de los estudios de investigación actuales se centran principalmente en la clasificación de las partículas atmosféricas basada en el espectro de energía de las partículas, lo cual tiene problemas de baja precisión y es consumidor de tiempo. Es necesario estudiar un método de clasificación de partículas atmosféricas con mayor precisión. En este artículo, se propone un modelo de red neuronal convolucional (CNN) con mecanismo de atención para identificar y clasificar las imágenes de microscopía electrónica de barrido (SEM) de partículas atmosféricas. En primer lugar, este trabajo estableció una base de datos, Qingdao 20162018, para la investigación de clasificación de partículas atmosféricas. Esta base de datos consta de 3469 imágenes SEM de partículas individuales. En segundo lugar, mediante el análisis de las características morfológicas de las imágenes SEM de partículas individuales, se pueden dividir en cuatro categorías: partículas fib

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Partículas atmosféricas; Clasificación; Red neuronal convolucional; Imágenes SEM; Mecanismo de atención; Base de datos
• Keywords:Atmospheric particulates; Classification; Convolutional neural network; SEM images; Attention mechanism; Database