CN110320163A - 无人机的在线水质监测方法、***及存储介质 - Google Patents
无人机的在线水质监测方法、***及存储介质 Download PDFInfo
- Publication number
- CN110320163A CN110320163A CN201910565111.XA CN201910565111A CN110320163A CN 110320163 A CN110320163 A CN 110320163A CN 201910565111 A CN201910565111 A CN 201910565111A CN 110320163 A CN110320163 A CN 110320163A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- water quality
- quality monitoring
- junk
- float zone
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- G01N2021/258—Surface plasmon spectroscopy, e.g. micro- or nanoparticles in suspension
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种无人机的在线水质监测方法、无人机的在线水质监测***及存储介质，该方法包括步骤：获取水面图像；根据预设规则将所述水面图像划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息；将各个像素点的颜色值信息与预设颜色范围比较，判断所述颜色值信息是否在所述预设颜色范围内；若所述颜色值信息不在所述预设颜色范围内，则将与所述颜色值信息对应的像素点设置为异常像素点；计算各个所述分析区域内的异常像素点的异常数量，判断所述异常数量是否大于预设阈值；当所述异常数量大于所述预设阈值，则判断该所述分析区域为垃圾漂浮区域。本发明可自动识别垃圾漂浮，灵活度高。
Description
技术领域
本发明涉及数据识别技术领域，尤其涉及无人机的在线水质监测方法、***及存储介质。
背景技术
近年来，受人类活动的影响，水资源污染越来越严重，近半数水资源受到严重污染。分析和划分水体的污染情况，对下一步进行治污计划具有重要意义。
目前，我国的水质监测主要依靠人工或者无人船实现监测。其中，人工监测需要实地采样，需要勘查员带同检测设备乘船或岸边抽取水样后进一步化验或直接使用仪器检测水质，所测量水域的范围较窄，灵活度低；使用水质监测无人船也存在一定问题，如在水面受到严重污染或有大量漂浮物时，无人船会受到阻碍和污染。同时，无人船遇到急流或突发湍流会遇到返航困难和丢失的情况。
为此，有必要提供一种基于无人机的水质检测***来克服上述缺陷。
发明内容
本发明的主要目的在于提供一种无人机的在线水质监测方法、无人机的在线水质监测***及存储介质，旨在解决现有水质监测取样不便的技术问题。
为实现上述目的，本发明提供一种无人机的在线水质监测方法，包括步骤：
获取水面图像；
根据预设规则将所述水面图像划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息；
将各个像素点的颜色值信息与预设颜色范围比较，判断所述颜色值信息是否在所述预设颜色范围内；
若所述颜色值信息不在所述预设颜色范围内，则将与所述颜色值信息对应的像素点设置为异常像素点；
计算各个所述分析区域内的异常像素点的异常数量，判断所述异常数量是否大于预设阈值；
当所述异常数量大于所述预设阈值，则判断该所述分析区域为垃圾漂浮区域。
优选地，所述根据预设规则对所述水面图像进行处理，将所述水面图像划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息的步骤包括：
对所述水面图像进行大气误差校正和阴影误差校正；
识别所述水面图像中的水面区域，将所述水面区域划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息。
优选地，所述获取水面图像的步骤，包括：
根据预设行程，以预设航速飞行，在距离水体第一预设距离高度，每间隔预设时间获取所述水面图像。
优选地，所述计算各个所述分析区域内的异常像素点的异常数量，判断所述异常数量是否大于预设阈值的步骤之后，还包括：
当所述异常数量小于或等于所述预设阈值，则判断该所述分析区域为非垃圾漂浮区域。
优选地，所述当所述异常数量小于或等于所述预设阈值，则判断该所述分析区域为非垃圾漂浮区域的步骤之后，还包括：
悬停于所述非垃圾漂浮区域的上方，在距离水体第二预设距离高度，通过地物光谱仪获取所述非垃圾漂浮区域的水体反射率，所述第一预设距离大于所述第二预设距离；
确定多个连续拍摄的所述水面图像对应的所述非垃圾漂浮区域，并获取各个所述水面图像的非垃圾漂浮区域的水体反射率；
根据预设水质对应表，获取与所述水域平均反射率对应的水质。
优选地，所述根据预设水质对应表，获取与所述水域平均反射率对应的水质的步骤之后，还包括：
悬停于所述非垃圾漂浮区域的上方，将所述水质测量仪放入水面以下，获取叶绿素浓度；
确定多个连续拍摄的所述水面图像对应的所述非垃圾漂浮区域，并获取各个所述水面图像的非垃圾漂浮区域的叶绿素浓度，计算水域平均叶绿素浓度；
判断所述水质是否在第一预设范围内，所述平均叶绿素浓度是否在第二预设范围内；
若所述水质在所述第一预设范围内，所述平均叶绿素浓度在所述第二预设范围内，则判断多个连续拍摄的所述水面图像对应的水域为水质污染水域。
优选地，所述悬停于所述非垃圾漂浮区域的上方，通过地物光谱仪获取所述非垃圾漂浮区域的水体反射率的步骤包括：
悬停于所述非垃圾漂浮区域的上方，通过地物光谱仪获取所述非垃圾漂浮区域的初始水体反射率；
获取当前太阳发射信息，在所述初始水体反射率各波段减去所述太阳发射信息，获得所述水体反射率。
优选地，所述当所述异常数量大于所述预设阈值，则判断该所述分析区域为垃圾漂浮区域的步骤，之后：
获取所述分析区域的水流速和所述分析区域的地理位置信息，并存储；
接收用户查询指令，根据所述水流速、所述地理位置信息和地形信息计算当前垃圾漂浮位置信息。
此外，为实现上述目的，本发明还提供一种无人机的在线水质监测***，所述无人机的在线水质监测***包括无人机和与所述无人机通信连接的终端，所述无人机包括通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述的无人机的在线水质监测方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的无人机的在线水质监测方法的步骤。
本发明提出的一种无人机的在线水质监测方法、无人机的在线水质监测***及存储介质，通过无人机可对位于任何地方的水体进行实时监测，灵活度高；通过无人机拍摄后分析像素点，从而可自动识别出垃圾大量漂浮的区域，待工作人员直接去对应区域进行清理，提高工作人员的工作效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明无人机的在线水质监测方法第一实施例的流程示意图；
图3为本发明无人机的在线水质监测方法第二实施例的流程示意图；
图4为本发明无人机的在线水质监测方法第三实施例的流程示意图；
图5为本发明无人机的在线水质监测方法第四实施例的流程示意图；
图6为本发明无人机的在线水质监测方法第五实施例的流程示意图；
图7为本发明无人机的在线水质监测方法第六实施例的流程示意图；
图8为本发明无人机的在线水质监测方法第七实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参照图1，图1为本发明各个实施例中的无人机的硬件结构示意图。本发明所提供的无人机包括通信模块10、存储器20及处理器30等部件。其中，所述处理器30分别与所述存储器20和所述通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序同时被处理器30执行。
通信模块10，可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求，还可发送广播事件、指令及信息至所述外部通讯设备。所述外部通讯设备可以是服务器、手机、电脑等。
存储器20，可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如转化率计算程序)等；存储数据区可存储根据监控服务端100的使用所创建的数据或信息等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器30，是无人机的控制中心，利用各种接口和线路连接整个无人机的各个部分，通过运行或执行存储在存储器20内的软件程序和/或模块，以及调用存储在存储器20内的数据，执行无人机的各种功能和处理数据，从而对无人机进行整体监控。处理器30可包括一个或多个处理单元；优选地，处理器30可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器30中。
尽管图1未示出，但上述无人机还可以包括电路控制模块，用于与电源连接，保证其他部件的正常工作等。上述无人机还可以包括显示模块，用于显示***界面等，方便工作人员进行实时操作和控制。该无人机还包括摄像模块、定位模块、检测模块等。
本领域技术人员可以理解，图1中示出的无人机结构并不构成对无人机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
基于上述硬件结构，提出本发明方法各个实施例。
参照图2，在本发明无人机的在线水质监测方法的第一实施例中，包括步骤：
步骤S1，获取水面图像；
可通过搭载在无人机上的摄像模块获取水面图像。优选地，保证每次获取水面图像时，无人机相对水面的的高度一致，速度稳定。
步骤S2，根据预设规则将所述水面图像划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息；
预设规则具体包括大气误差校正、阴影误差校正、镜头畸变、曝光度调整等，以保证处理之后的多个水面图像色相、色彩饱和度观感一致。将水面图像划分为多个分析区域，从而可分区域进行像素比较，增加获得结果的准确性。一个分析区域有多个像素点构成，每个像素点对应一种个颜色。各个像素点的颜色组成颜色值信息。
步骤S3，将各个像素点的颜色值信息与预设颜色范围比较，判断所述颜色值信息是否在所述预设颜色范围内；
预设颜色范围为本领域技术人员根据实际需要自行设置的。例如当前检测的水体为河道，则将绿色、蓝色等颜色放于预设颜色范围内；若当前检测河道含沙量较大，则将黄色、棕色等颜色放入预设颜色范围。还可以获取当前天气情况，选择与当前天气情况对应的预设颜色范围。
步骤S4，若所述颜色值信息不在所述预设颜色范围内，则将与所述颜色值信息对应的像素点设置为异常像素点；
步骤S5，计算各个所述分析区域内的异常像素点的异常数量，判断所述异常数量是否大于预设阈值；
预设阈值由本领域技术人员自行设定。
步骤S6，当所述异常数量大于所述预设阈值，则判断该所述分析区域为垃圾漂浮区域。
步骤S7，当所述异常数量小于或等于所述预设阈值，则判断该所述分析区域为非垃圾漂浮区域。
本领域技术人员可以根据水体垃圾日常垃圾漂浮的多少来决定无人机拍摄的高度、一个分析区域的对应实体水体的面积大小、预设阈值的大小等。以将不同垃圾漂浮面积识别为垃圾漂浮区域。
本发明提出的一种无人机的在线水质监测方法，通过无人机可对位于任何地方的水体进行实时监测；通过无人机拍摄后分析像素点，从而可自动识别出垃圾大量漂浮的区域，待工作人员直接去对应区域进行清理，提高工作人员的工作效率。
进一步的，参照图3，本申请第二实施例提供一种无人机的在线水质监测方法，基于上述实施例，所述步骤S2包括：
步骤S21，对所述水面图像进行大气误差校正和阴影误差校正；
具体地，可以采用现有技术中的大气误差校正和阴影误差校正进行校正处理。
步骤S22，识别所述水面图像中的水面区域，将所述水面区域划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息。
通过颜色、地理形状等识别出水面图像中的水面区域。一般情况下水面图像中还可以包括陆地图像，将陆地图像排出在外，以减小计算量，并减小陆地图像对分析的干扰。
进一步的，参照图4，本申请第三实施例提供一种无人机的在线水质监测方法，基于上述实施例，所述步骤S1包括：
步骤S11，根据预设行程，以预设航速飞行，在距离水体第一预设距离高度，每间隔预设时间获取所述水面图像。
预设行程为本领域技术人员预先设置的行程规划，无人机按照预设行程进行飞行。当然也可以由工作人员人工操作。以预设航速飞行，每间隔预设时间获取所述水面图像，从而保证获取水面图像在地理间隔上一致。在距离水体第一预设距离高度，从而保证每次获取的的水面图像对应实际水面的面积一致。
进一步的，参照图5，本申请第四实施例提供一种无人机的在线水质监测方法，基于上述实施例，所述步骤S7之后，还包括：
步骤S71，悬停于所述非垃圾漂浮区域的上方，在距离水体第二预设距离高度，通过地物光谱仪获取所述非垃圾漂浮区域的水体反射率，所述第一预设距离大于所述第二预设距离；
悬停于所述非垃圾漂浮区域的上方，从而保证获得的水体发射率不受漂浮垃圾的干扰。在距离水体第二预设距离高度，所述第一预设距离大于所述第二预设距离，以保证获得的水体反射率准确。
步骤S72，确定多个连续拍摄的所述水面图像对应的所述非垃圾漂浮区域，并获取各个所述水面图像的非垃圾漂浮区域的水体反射率；
在本实施例中，一个水面图像获取一个水体发射率，再将计算各个水面图像对应的水体反射率平均值。在其它实施例中，也可以一个水面图像检测多个水体反射率。
步骤S73，根据预设水质对应表，获取与所述水域平均反射率对应的水质。
水质对应表为本领域技术人员预先设置的水质与水体反射率的映射关系。通过获取非垃圾漂浮区域的水体反射率，从而可获得该水域的水质，即可反应水域浑浊度、浮游植物含量等。
进一步的，参照图6，本申请第五实施例提供一种无人机的在线水质监测方法，基于上述实施例，所述步骤S73之后，还包括：
步骤S74，悬停于所述非垃圾漂浮区域的上方，将所述水质测量仪放入水面以下，获取叶绿素浓度；
由于水体富营养化，大量藻类植物繁殖，导致叶绿素含量增加。通过测定叶绿素浓度，从而可识别水体富营养化。
步骤S75，确定多个连续拍摄的所述水面图像对应的所述非垃圾漂浮区域，并获取各个所述水面图像的非垃圾漂浮区域的叶绿素浓度，计算水域平均叶绿素浓度；
步骤S76，判断所述水质是否在第一预设范围内，所述平均叶绿素浓度是否在第二预设范围内；
第一预设范围和第二预设范围为本领域技术人员根据实际情况自行设置。
步骤S77，若所述水质在所述第一预设范围内，所述平均叶绿素浓度在所述第二预设范围内，则判断多个连续拍摄的所述水面图像对应的水域为水质污染水域。
本发明通过将水质测量仪直接放置于水面下测得叶绿素浓度，相较于现有技术遥感反射光谱，本发明获得叶绿素浓度精确度更高。
进一步的，参照图7，本申请第六实施例提供一种无人机的在线水质监测方法，基于上述实施例，所述步骤S74包括：
步骤S741，悬停于所述非垃圾漂浮区域的上方，通过地物光谱仪获取所述非垃圾漂浮区域的初始水体反射率；
步骤S742，获取当前太阳发射信息，在所述初始水体反射率各波段减去所述太阳发射信息，获得所述水体反射率。
初始水体反射率为直接通过地物光谱仪获得的光谱，在该光谱中减去太阳发射信息，从而使得获得水体反射率更贴近实际水体情况。
进一步的，参照图8，本申请第七实施例提供一种无人机的在线水质监测方法，基于上述实施例，所述步骤S6之后：
步骤S61，获取所述分析区域的水流速和所述分析区域的地理位置信息，并存储；
具体可以存储于飞行器自身携带的存储器中，也可以发送至对应的服务器，并存储于服务器中。
步骤S62，接收用户查询指令，根据所述水流速、所述地理位置信息和地形信息计算当前垃圾漂浮位置信息。
根据水流速和时间，可计算垃圾移动距离，通过地理位置信息和地形信息可计算出当前垃圾漂浮位置信息，即当前工作人员去处理时，垃圾漂浮的大概位置。
请再次结合图1，在一实施例中，无人机的在线水质监测***包括无人机和与无人机通信连接的终端，无人机包括通信模块10、存储器20及处理器30，其中，所述处理器30分别与所述存储器20和通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序被所述处理器20执行时实现如上所述的无人机的在线水质监测方法的步骤。终端用于存储无人机所需基础数据和历史数据。
本发明无人机的在线水质监测***的具体实施例与上述无人机的在线水质监测方法各实施例基本相同，在此不作赘述。
本发明还提出一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述无人机的在线水质监测方法的步骤。
本发明存储介质的具体实施例与上述无人机的在线水质监测方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种无人机的在线水质监测方法，其特征在于，包括步骤：
获取水面图像；
根据预设规则将所述水面图像划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息；
将各个像素点的颜色值信息与预设颜色范围比较，判断所述颜色值信息是否在所述预设颜色范围内；
若所述颜色值信息不在所述预设颜色范围内，则将与所述颜色值信息对应的像素点设置为异常像素点；
计算各个所述分析区域内的异常像素点的异常数量，判断所述异常数量是否大于预设阈值；
当所述异常数量大于所述预设阈值，则判断该所述分析区域为垃圾漂浮区域。
2.如权利要求1所述的无人机的在线水质监测方法，其特征在于，所述根据预设规则对所述水面图像进行处理，将所述水面图像划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息的步骤包括：
对所述水面图像进行大气误差校正和阴影误差校正；
识别所述水面图像中的水面区域，将所述水面区域划分为多个分析区域，并生成所述分析区域各个像素点的颜色值信息。
3.如权利要求1所述的无人机的在线水质监测方法，其特征在于，所述获取水面图像的步骤，包括：
根据预设行程，以预设航速飞行，在距离水体第一预设距离高度，每间隔预设时间获取所述水面图像。
4.如权利要求3所述的无人机的在线水质监测方法，其特征在于，所述计算各个所述分析区域内的异常像素点的异常数量，判断所述异常数量是否大于预设阈值的步骤之后，还包括：
当所述异常数量小于或等于所述预设阈值，则判断该所述分析区域为非垃圾漂浮区域。
5.如权利要求4所述的无人机的在线水质监测方法，其特征在于，所述当所述异常数量小于或等于所述预设阈值，则判断该所述分析区域为非垃圾漂浮区域的步骤之后，还包括：
悬停于所述非垃圾漂浮区域的上方，在距离水体第二预设距离高度，通过地物光谱仪获取所述非垃圾漂浮区域的水体反射率，所述第一预设距离大于所述第二预设距离；
确定多个连续拍摄的所述水面图像对应的所述非垃圾漂浮区域，并获取各个所述水面图像的非垃圾漂浮区域的水体反射率；
根据预设水质对应表，获取与所述水域平均反射率对应的水质。
6.如权利要求5所述的无人机的在线水质监测方法，其特征在于，所述根据预设水质对应表，获取与所述水域平均反射率对应的水质的步骤之后，还包括：
悬停于所述非垃圾漂浮区域的上方，将所述水质测量仪放入水面以下，获取叶绿素浓度；
确定多个连续拍摄的所述水面图像对应的所述非垃圾漂浮区域，并获取各个所述水面图像的非垃圾漂浮区域的叶绿素浓度，计算水域平均叶绿素浓度；
判断所述水质是否在第一预设范围内，所述平均叶绿素浓度是否在第二预设范围内；
若所述水质在所述第一预设范围内，所述平均叶绿素浓度在所述第二预设范围内，则判断多个连续拍摄的所述水面图像对应的水域为水质污染水域。
7.如权利要求5所述的无人机的在线水质监测方法，其特征在于，所述悬停于所述非垃圾漂浮区域的上方，通过地物光谱仪获取所述非垃圾漂浮区域的水体反射率的步骤包括：
悬停于所述非垃圾漂浮区域的上方，通过地物光谱仪获取所述非垃圾漂浮区域的初始水体反射率；
获取当前太阳发射信息，在所述初始水体反射率各波段减去所述太阳发射信息，获得所述水体反射率。
8.如权利要求1所述的无人机的在线水质监测方法，其特征在于，所述当所述异常数量大于所述预设阈值，则判断该所述分析区域为垃圾漂浮区域的步骤，之后：
获取所述分析区域的水流速和所述分析区域的地理位置信息，并存储；
接收用户查询指令，根据所述水流速、所述地理位置信息和地形信息计算当前垃圾漂浮位置信息。
9.一种无人机的在线水质监测***，其特征在于，所述无人机的在线水质监测***包括无人机和与所述无人机通信连接的终端，所述无人机包括通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的无人机的在线水质监测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的无人机的在线水质监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910565111.XA CN110320163A (zh) | 2019-06-26 | 2019-06-26 | 无人机的在线水质监测方法、***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910565111.XA CN110320163A (zh) | 2019-06-26 | 2019-06-26 | 无人机的在线水质监测方法、***及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110320163A true CN110320163A (zh) | 2019-10-11 |
Family
ID=68120335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910565111.XA Pending CN110320163A (zh) | 2019-06-26 | 2019-06-26 | 无人机的在线水质监测方法、***及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110320163A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111220786A (zh) * | 2020-03-09 | 2020-06-02 | 生态环境部华南环境科学研究所 | 一种深水沉积物有机污染快速监测方法 |
| CN111220410A (zh) * | 2020-03-09 | 2020-06-02 | 生态环境部华南环境科学研究所 | 一种快速采样的深水沉积物取样*** |
| CN111351908A (zh) * | 2020-03-04 | 2020-06-30 | 深圳市宇驰检测技术股份有限公司 | 基于机器人的水生生态调查方法、水下机器人及存储介质 |
| CN112596545A (zh) * | 2020-12-18 | 2021-04-02 | 江苏省苏力环境科技有限责任公司 | 一种基于多光谱的水污染源头无人机排查方法、***和存储介质 |
| CN112668591A (zh) * | 2020-08-25 | 2021-04-16 | 广东生太修复科技有限公司 | 智能河涌水处理方法及相关装置 |
| CN112987751A (zh) * | 2021-03-18 | 2021-06-18 | 南京理工大学 | 自动巡航的隐藏排污口快速检测***及方法 |
| CN115753632A (zh) * | 2022-10-19 | 2023-03-07 | 山东大学 | 基于图像光谱的隧道内不良地质体实时判识方法及*** |
| CN116309625A (zh) * | 2022-11-11 | 2023-06-23 | 句容市乡土树种研究所 | 适用于智慧农业的数据处理方法 |
| CN116698762A (zh) * | 2023-06-01 | 2023-09-05 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、***及介质 |
| CN117110217A (zh) * | 2023-10-23 | 2023-11-24 | 安徽农业大学 | 一种立体化水质监测方法及*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120105845A1 (en) * | 2010-11-01 | 2012-05-03 | Specim, Spectral Imaging Oy Ltd | Imaging Spectrometer |
| CN204758583U (zh) * | 2015-05-15 | 2015-11-11 | 长江水利委员会长江科学院 | 一种基于无人机的大型水域水质监控采样一体化*** |
| CN106780598A (zh) * | 2016-12-05 | 2017-05-31 | 歌尔科技有限公司 | 一种基于无人机的水面漂浮物检测方法和无人机 |
| CN107097955A (zh) * | 2017-06-21 | 2017-08-29 | 无锡同春新能源科技有限公司 | 河长使用的监测河水的水质的无人机 |
| CN107421853A (zh) * | 2017-04-26 | 2017-12-01 | 青岛理工大学 | 一种河流横向扩散系数的等浓度线快速观测方法 |
| CN107622231A (zh) * | 2017-09-08 | 2018-01-23 | 内蒙古大学 | 一种水天一体智能漂浮物收集***及其收集方法 |
| CN108038450A (zh) * | 2017-12-14 | 2018-05-15 | 海安常州大学高新技术研发中心 | 基于无人机和图像识别的水面污染物检测方法 |
| KR101870688B1 (ko) * | 2018-02-19 | 2018-06-25 | (주)해양정보기술 | 실시간 해상 수질 모니터링 시스템 |
| CN108896725A (zh) * | 2018-05-10 | 2018-11-27 | 北京英视睿达科技有限公司 | 水质监测方法、装置、***、计算机设备及存储介质 |
| CN109540845A (zh) * | 2018-12-24 | 2019-03-29 | 河海大学 | 一种利用无人机搭载光谱仪的水质监测方法 |
| CN109932210A (zh) * | 2018-12-27 | 2019-06-25 | 广州市合信环保科技有限公司 | 一种基于无人机水环境自动采样的装置 |
-
2019
- 2019-06-26 CN CN201910565111.XA patent/CN110320163A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120105845A1 (en) * | 2010-11-01 | 2012-05-03 | Specim, Spectral Imaging Oy Ltd | Imaging Spectrometer |
| CN204758583U (zh) * | 2015-05-15 | 2015-11-11 | 长江水利委员会长江科学院 | 一种基于无人机的大型水域水质监控采样一体化*** |
| CN106780598A (zh) * | 2016-12-05 | 2017-05-31 | 歌尔科技有限公司 | 一种基于无人机的水面漂浮物检测方法和无人机 |
| CN107421853A (zh) * | 2017-04-26 | 2017-12-01 | 青岛理工大学 | 一种河流横向扩散系数的等浓度线快速观测方法 |
| CN107097955A (zh) * | 2017-06-21 | 2017-08-29 | 无锡同春新能源科技有限公司 | 河长使用的监测河水的水质的无人机 |
| CN107622231A (zh) * | 2017-09-08 | 2018-01-23 | 内蒙古大学 | 一种水天一体智能漂浮物收集***及其收集方法 |
| CN108038450A (zh) * | 2017-12-14 | 2018-05-15 | 海安常州大学高新技术研发中心 | 基于无人机和图像识别的水面污染物检测方法 |
| KR101870688B1 (ko) * | 2018-02-19 | 2018-06-25 | (주)해양정보기술 | 실시간 해상 수질 모니터링 시스템 |
| CN108896725A (zh) * | 2018-05-10 | 2018-11-27 | 北京英视睿达科技有限公司 | 水质监测方法、装置、***、计算机设备及存储介质 |
| CN109540845A (zh) * | 2018-12-24 | 2019-03-29 | 河海大学 | 一种利用无人机搭载光谱仪的水质监测方法 |
| CN109932210A (zh) * | 2018-12-27 | 2019-06-25 | 广州市合信环保科技有限公司 | 一种基于无人机水环境自动采样的装置 |
Non-Patent Citations (4)
| Title |
|---|
| 北京大学地理系地貌专业遥感研究组编: "《地球资源卫星象片的地质解译》", 31 August 1978 * |
| 周坚华编著: "《遥感技术常用名词手册》", 31 December 1992 * |
| 汪永辉主编: "《数码摄影基础应用教程》", 31 January 2016 * |
| 谢葳编著: "《遥感数字图像分析》", 31 December 1995 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111351908A (zh) * | 2020-03-04 | 2020-06-30 | 深圳市宇驰检测技术股份有限公司 | 基于机器人的水生生态调查方法、水下机器人及存储介质 |
| CN111220786A (zh) * | 2020-03-09 | 2020-06-02 | 生态环境部华南环境科学研究所 | 一种深水沉积物有机污染快速监测方法 |
| CN111220410A (zh) * | 2020-03-09 | 2020-06-02 | 生态环境部华南环境科学研究所 | 一种快速采样的深水沉积物取样*** |
| CN112668591A (zh) * | 2020-08-25 | 2021-04-16 | 广东生太修复科技有限公司 | 智能河涌水处理方法及相关装置 |
| CN112596545A (zh) * | 2020-12-18 | 2021-04-02 | 江苏省苏力环境科技有限责任公司 | 一种基于多光谱的水污染源头无人机排查方法、***和存储介质 |
| CN112596545B (zh) * | 2020-12-18 | 2023-02-14 | 江苏省苏力环境科技有限责任公司 | 一种基于多光谱的水污染源头无人机排查方法、***和存储介质 |
| CN112987751A (zh) * | 2021-03-18 | 2021-06-18 | 南京理工大学 | 自动巡航的隐藏排污口快速检测***及方法 |
| CN112987751B (zh) * | 2021-03-18 | 2022-10-11 | 中冶华天工程技术有限公司 | 自动巡航的隐藏排污口快速检测***及方法 |
| CN115753632A (zh) * | 2022-10-19 | 2023-03-07 | 山东大学 | 基于图像光谱的隧道内不良地质体实时判识方法及*** |
| CN115753632B (zh) * | 2022-10-19 | 2024-05-31 | 山东大学 | 基于图像光谱的隧道内不良地质体实时判识方法及*** |
| CN116309625A (zh) * | 2022-11-11 | 2023-06-23 | 句容市乡土树种研究所 | 适用于智慧农业的数据处理方法 |
| CN116309625B (zh) * | 2022-11-11 | 2024-01-30 | 句容市乡土树种研究所有限公司 | 适用于智慧农业的数据处理方法 |
| CN116698762A (zh) * | 2023-06-01 | 2023-09-05 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、***及介质 |
| CN116698762B (zh) * | 2023-06-01 | 2024-02-13 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、***及介质 |
| CN117110217A (zh) * | 2023-10-23 | 2023-11-24 | 安徽农业大学 | 一种立体化水质监测方法及*** |
| CN117110217B (zh) * | 2023-10-23 | 2024-01-12 | 安徽农业大学 | 一种立体化水质监测方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110320163A (zh) | 无人机的在线水质监测方法、***及存储介质 | |
| CN105445751B (zh) | 一种浅水区域水深比值遥感反演方法 | |
| Loehle et al. | Landscape habitat diversity: a multiscale information theory approach | |
| CN108320329A (zh) | 一种基于3d激光的3d地图创建方法 | |
| CN104504389B (zh) | 一种基于卷积神经网络的卫星云量计算方法 | |
| CN109559310A (zh) | 基于显著性检测的输变电巡检图像质量评价方法及*** | |
| CN108510124A (zh) | 基于机器学习的水面垃圾清理路径规划方法和装置 | |
| CN110717532A (zh) | 基于SE-RetinaGrasp模型的机器人目标抓取区域实时检测方法 | |
| CN105898713A (zh) | 一种基于加权余弦相似度的WiFi指纹室内定位方法 | |
| CN104121850B (zh) | 一种郁闭度的测定方法和装置 | |
| CN108648169A (zh) | 高压输电塔绝缘子缺陷自动识别的方法及装置 | |
| CN103826299B (zh) | 基于无线信号感知的室内增强现实实现方法 | |
| CN108964830A (zh) | 一种无人机干扰定位*** | |
| CN108229587A (zh) | 一种基于飞行器悬停状态的输电杆塔自主扫描方法 | |
| CN110390261A (zh) | 目标检测方法、装置、计算机可读存储介质及电子设备 | |
| CN109960269A (zh) | 一种服务于无人机自主导航的简化环境建模方法 | |
| CN110430578A (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
| CN109848996A (zh) | 基于图优化理论的大规模三维环境地图创建方法 | |
| CN109458978A (zh) | 一种基于多尺度检测算法的天线下倾角测量方法 | |
| CN107221006A (zh) | 一种基于无人机成像平台的通信单管塔倾斜检测方法 | |
| CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及*** | |
| CN113723371B (zh) | 无人船清洁路线规划方法、装置、计算机设备及存储介质 | |
| Henriques | Assessing the Quality of an UAV-based Orthomosaic and Surface Model of a Breakwater | |
| CN116665081B (zh) | 一种滨海植被地上生物量的估算方法、计算机设备及介质 | |
| CN103546966A (zh) | 一种基于野外环境的无线传感器的节点定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |