CN111693672B - 一种流域污染物监测***及其监测方法 - Google Patents
一种流域污染物监测***及其监测方法 Download PDFInfo
- Publication number
- CN111693672B CN111693672B CN202010563769.XA CN202010563769A CN111693672B CN 111693672 B CN111693672 B CN 111693672B CN 202010563769 A CN202010563769 A CN 202010563769A CN 111693672 B CN111693672 B CN 111693672B
- Authority
- CN
- China
- Prior art keywords
- river
- monitoring
- data
- module
- main
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 71
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 62
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 56
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 45
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 239000000356 contaminant Substances 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 6
- 229910001385 heavy metal Inorganic materials 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 5
- 239000000463 material Substances 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 1
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G01N33/1826—Organic contamination in water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
- G05B19/0425—Safety, monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/60—Positioning; Navigation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Software Systems (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Environmental & Geological Engineering (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Toxicology (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Alarm Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明属于河流环保技术领域,公开了一种流域污染物监测***及其监测方法,所述的***一种流域污染物监测***,包括监控平台、若干监控站以及若干检测单元,所述的方法包括如下步骤:S1:建立当前流域的河流模型,标注监控站位置、检测单元位置以及海拔数据;S2:采集河流水质数据和河面垃圾数据;S3:基于河流模型,将同一流向的河流水质数据和河面垃圾数据传输至位于该流向上游交界点的监控站进行分析和处理,得到干流和各支流的主要污染物、污染等级以及污染源位置,并将其发送至监控平台进行显示。本发明解决了现有技术存在的人力物力消耗大、实时性差以及无法精确的对污染源进行定位的问题。
Description
技术领域
本发明属于河流环保技术领域,具体涉及一种流域污染物监测***及其监 测方法。
背景技术
目前,随着我国经济水平不断地提高,水环境面临着水体污染、水资源短 缺和洪涝灾害等多方面压力,据1999年《中国环境状况公报》显示,我国七大 水系、主要湖泊、近岸海域及部分地区的地下水受到不同程度的污染。河流以 有机污染为主,主要污染物是氨氮、生化需氧量、高锰酸盐指数和挥发酚等;湖 泊以富营养化为特征,主要污染指标为总磷、总氮、化学需氧量和高猛酸盐指 数等;近岸海域主要污染指标为无机氮、活性磷酸盐和重金属。这些因素构成 了水环境问题影响范围广,危害严重,治理难度大等特征。
现有技术存在的问题:
对流域内的河流进行污染检测,主要还是依靠人工,消耗了大量人力物力, 并且无法提供实时的数据更新,并且在较大流域覆盖面积内,无法精确的对污 染源进行定位。
发明内容
本发明旨在于至少在一定程度上解决上述技术问题之一。
为此,本发明目的在于提供一种流域污染物监测***及其监测方法,解决 了现有技术存在的人力物力消耗大、实时性差以及无法精确的对污染源进行定 位的问题。
本发明所采用的技术方案为:
一种流域污染物监测***,包括监控平台、若干监控站以及若干检测单元, 监控平台分别与若干监控站通信连接,若干监控站设置于河流的干流与支流的 交界点和支流与支流的交界点,若干检测单元均匀的设置于河流的干流和支流, 且位于同一流向的检测单元均与位于该流向上游交界点的监控站通信连接。
进一步地,检测单元包括河流水质检测模块、河面垃圾检测模块、微处理 器、定位模块、通讯模块、A/D转换器、供电模块以及蜂鸣器,微处理器分别与 河面垃圾检测模块、微处理器、定位模块、通讯模块、A/D转换器以及蜂鸣器 通信连接,A/D转换器与河面垃圾检测模块通信连接,通讯模块与监控站通信 连接,供电单元分别与河流水质检测模块、河面垃圾检测模块、微处理器、定位 模块、通讯模块、A/D转换器以及蜂鸣器电性连接。
进一步地,河流水质检测模块包括均与微处理器通信连接且均与供电模块 电性连接的水位传感器、流量传感器、溶解氧传感器、PH值传感器、氨氮值传 感器、温度传感器、浊度传感器以及重金属传感器。
进一步地,河面垃圾检测模块包括摄像头、三维激光雷达和保护装置,摄 像头和三维激光雷达均与微处理器通信连接且均与供电模块电性连接,保护装 置设置于摄像头和三维激光雷达的外部。
进一步地,监控站包括设置于各交界点的监控室,以及位于监控室内部的 站台显示器、站台服务器和路由器,站台服务器分别与站台显示器和位于同一 流向的若干检测单元通信连接,且其通过路由器与监控平台通信连接。
一种流域污染物监测方法,基于流域污染物监测***,***包括监控平台、 若干监控站以及若干检测单元,方法包括如下步骤:
S1:在监控平台建立当前流域的河流模型,根据当前流域的现有资料和检 测单元的位置数据,在河流模型上标注监控站位置、检测单元位置以及海拔数 据;
S2:使用河流水质检测模块在河流水质采样周期到达时采集河流水质数据, 使用河面垃圾检测模块在河面垃圾采样周期到达时采集河面垃圾数据;
S3:基于河流模型,将同一流向的河流水质数据和河面垃圾数据传输至位 于该流向上游交界点的监控站进行分析和处理,得到干流和各支流的主要污染 物、污染等级以及污染源位置,并将其发送至监控平台进行显示。
进一步地,步骤S1中,当前流域的现有资料包括当前流域的干流和支流走 向、海拔数据以及经纬度数据。
进一步地,步骤S2中,使用河面垃圾检测模块采集河面垃圾数据的具体方 法为:
A-1:使用摄像头采集当前河流的视频数据,并发送至监控站的站台服务器;
A-2:在河面垃圾采样周期到达时,截取视频数据的图像数据,并进行预处 理,得到灰度图像;
A-3:基于全卷积神经网络,建立河面垃圾识别模型,并将灰度图像输入至 河面垃圾识别模型,得到河面垃圾种类和占比,即河面垃圾数据。
进一步地,步骤S3中,得到干流和各支流的主要污染物、污染等级以及污 染源位置的具体方法为:
B-1:根据当前河面垃圾检测模块采集到的河面垃圾种类和占比,进行河面 污染加权计算,得到该检测单元处河流的河面主要污染物;
B-2:根据河流水质检测模块采集的河流水质数据,得到该检测单元处河流 的河流主要污染物;
B-3:将该检测单元处河流的河面主要污染物和河流主要污染物进行污染等 级加权计算,得到该检测单元处河流的污染等级,遍历所有检测单元,根据河 流模型的海拔数据,确定污染源位置。
进一步地,步骤B-1中,河面污染加权计算的公式为:
Q=max(λi·qi)
式中,Q为河面主要污染物指示量;λi为第i类污染物的占比;qi为第i类污 染物对河流影响系数;i=1,2,3,...,N为污染物种类指示量,其中,N为污染物种类 总数;
步骤B-3中,污染等级加权计算的公式为:
式中,Z为当前河流处的污染等级指示量;Q为河面主要污染物指示量;α 为河面主要污染物影响系数;H为当前河流处的水位系数;P为河流主要污染物 指示量;β1为河流主要污染物影响系数;β2为当前河流处的水流流速系数。
本发明的有益效果为:
1)本发明使用监控站对流域内的干流和支流进行实时监控,减少了人力物 力投入,并且提高了数据更新的实时性;
2)根据河流模型和各个检测单元采集的污染物数据等,能够精确的对污染 源进行定位。
本发明的其他有益效果将在具体实施方式中进行详细说明。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述 中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付 出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是流域污染物监测***结构框图;
图2是检测单元结构框图;
图3是流域污染物监测方法流程图;
图4是河流模型图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是, 对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明 的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而,可用 很多备选的形式来体现本发明,并且不应当理解为本发明限制在本发明阐述的 实施例中。
应当理解,本发明使用的术语仅用于描述特定实施例,并不意在限制本发 明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被 使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并 且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组 合存在性或增加。
应当理解,还应当注意到在一些备选实施例中,所出现的功能/动作可能与 附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并 发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完 全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况 下实现示例实施例。例如可以在框图中示出***,以避免用不必要的细节来使 得示例不清楚。在其他实例中,可以不以不必要的细节来示出众所周知的过程、 结构和技术,以避免使得示例实施例不清楚。
实施例1
如图1所示,本实施例提供一种流域污染物监测***,包括监控平台、若 干监控站以及若干检测单元,监控平台分别与若干监控站通信连接,若干监控 站设置于河流的干流与支流的交界点和支流与支流的交界点,若干检测单元均 匀的设置于河流的干流和支流,且位于同一流向的检测单元均与位于该流向上 游交界点的监控站通信连接。
作为优选,如图2所示,检测单元包括河流水质检测模块、河面垃圾检测 模块、微处理器、定位模块、通讯模块、A/D转换器、供电模块以及蜂鸣器,微 处理器分别与河面垃圾检测模块、微处理器、定位模块、通讯模块、A/D转换 器以及蜂鸣器通信连接,A/D转换器与河面垃圾检测模块通信连接,通讯模块 与监控站通信连接,供电单元分别与河流水质检测模块、河面垃圾检测模块、 微处理器、定位模块、通讯模块、A/D转换器以及蜂鸣器电性连接;
STM32系列基于专为要求高性能、低成本、低功耗的嵌入式应用专门设计 的ARMCortex-M3内核,按性能分成两个不同的系列:STM32F103增强型系 列和STM32F101基本型系列;本实施例的微处理器中使用的是STM32F103增 强型,其系列时钟频率达到72MHz,是同类产品中性能最高的产品,该型号的 微处理器内置32K到512K的闪存,时钟频率72MHz时,从闪存执行代码, STM32功耗36mA,是32位市场上功耗最低的产品,相当于0.5mA/MHz;
定位模块为GPS定位模块,其具体型号为SKG10B,是一款完整的GPS定 位模块,具有高灵敏度、低功耗、小型化、其极高追踪灵敏度大大扩大了其定位 的覆盖面,在普通GPS接收模块不能定位的地方,如狭窄都市天空下、密集的 丛林环境,SKG10B都能高精度定位,SKG10B模块的高灵敏度、小静态漂移、 低功耗及轻巧的体积,非常适用于移动定位***的应用,是GPS产品应用的最 佳选择;
通讯模块为无线通讯模块,其具体型号为YL-5000,是一款高稳定性,低功 耗,高性价比的采用GFSK调制方式的无线透明数据收发模块,在不改变客户 的任何数据和协议的前提下,完成无线传输数据功能,该模块相对一般模块具 有灵敏度高,传输距离远,通讯数率高,内部自动完成通讯协议转换和数据收 发控制等特点,用户可以通过上位机根据自己的需求灵活配置模块的串行速率, 工作信道,发射功率,通讯数率等参数,无线通讯模块的发射端位于检测单元 且与微处理器通信连接,无线通讯模块的接收端位于监控站。
作为优选,河流水质检测模块包括采集河流水位高度的水位传感器、采集 水流流量的流量传感器、采集河流溶解氧含量的溶解氧传感器、采集河流PH值 的PH值传感器、采集河流氨氮值的氨氮值传感器、采集河流温度的温度传感 器、采集河流浊度的浊度传感器以及采集河流重金属含量的重金属传感器;
流量传感器、溶解氧传感器、PH值传感器、氨氮值传感器、温度传感器、 浊度传感器以及重金属传感器均与微处理器通信连接且均与供电模块电性连 接,根据河流水质采集周期和水流流量获取当前河流检测点的水流流速。
作为优选,河面垃圾检测模块包括摄像头、三维激光雷达和保护装置,摄 像头和三维激光雷达均与微处理器通信连接且均与供电模块电性连接,保护装 置设置于摄像头和三维激光雷达的外部;
河水环境非常复杂,水流的波动、光的折射、反射都会影响图像成形效果, 而激光照在河面上反射回来的能量基本为零,所以在图像上水流为黑色,物体 则会高亮,三维激光雷达用于辅助摄像头扫描整个河道,河面垃圾检测模块处 于野外环境,需要保护装置对其进行保护,保护装置包括安装摄像头和三维激 光雷达的云台,使其远离地面,还包括防水装置。
作为优选,监控站包括设置于各交界点的监控室,以及位于监控室内部的 站台显示器、站台服务器和路由器,站台服务器分别与站台显示器和位于同一 流向的若干检测单元通信连接,且其通过路由器与监控平台通信连接。
作为优选,监控平台包括平台显示器和分布式服务器,分布式服务器包括 主服务器和若干子服务器,主服务器分别与若干监控站、平台显示器和若干子 服务器通信连接。
一种流域污染物监测方法,基于流域污染物监测***,***包括监控平台、 若干监控站以及若干检测单元,如图3所示,方法包括如下步骤:
S1:在监控平台建立如图4所示的当前流域的河流模型,根据当前流域的 现有资料和检测单元的位置数据,在河流模型上标注监控站位置、检测单元位 置以及海拔数据;
当前流域的现有资料包括当前流域的干流和支流走向、海拔数据以及经纬 度数据;
S2:使用河流水质检测模块在河流水质采样周期到达时采集河流水质数据, 使用河面垃圾检测模块在河面垃圾采样周期到达时采集河面垃圾数据;
使用河面垃圾检测模块采集河面垃圾数据的具体方法为:
A-1:使用摄像头采集当前河流的视频数据,并发送至监控站的站台服务器;
A-2:在河面垃圾采样周期到达时,截取视频数据的图像数据,并进行预处 理,得到灰度图像;
预处理包括对图像数据依次进行的归一化处理和灰度处理;
A-3:基于全卷积神经网络,建立河面垃圾识别模型,并将灰度图像输入至 河面垃圾识别模型,得到河面垃圾种类和占比,即河面垃圾数据;
将现有垃圾的图像数据分为训练集和测试集,基于全卷积神经网络输入训 练集进行训练,得到初始河面垃圾识别模型,再输入测试集进行优化,得到最 优河面垃圾识别模型;
S3:基于河流模型,将同一流向的河流水质数据和河面垃圾数据传输至位 于该流向上游交界点的监控站进行分析和处理,得到干流和各支流的主要污染 物、污染等级以及污染源位置,并将其发送至监控平台进行显示;
得到干流和各支流的主要污染物、污染等级以及污染源位置的具体方法为:
B-1:根据当前河面垃圾检测模块采集到的河面垃圾种类和占比,进行河面 污染加权计算,得到该检测单元处河流的河面主要污染物;
河面污染加权计算的公式为:
Q=max(λi·qi)
式中,Q为河面主要污染物指示量;λi为第i类污染物的占比;qi为第i类污 染物对河流影响系数;i=1,2,3,...,N为污染物种类指示量,其中,N为污染物种类 总数;
B-2:根据河流水质检测模块采集的河流水质数据,得到该检测单元处河流 的河流主要污染物;
B-3:将该检测单元处河流的河面主要污染物和河流主要污染物进行污染等 级加权计算,得到该检测单元处河流的污染等级,遍历所有检测单元,根据河 流模型的海拔数据,确定污染源位置;
若当前河流位置的污染等级大于其上游处河流位置的污染等级,可以确定 污染源在两个检测单元之间,并且根据河面主要污染物和河流主要污染物的变 化以及两个检测单元的位置数据,可以确定污染源位置以及对应的污染物;
污染等级加权计算的公式为:
式中,Z为当前河流处的污染等级指示量;Q为河面主要污染物指示量;α 为河面主要污染物影响系数;H为当前河流处的水位系数;P为河流主要污染物 指示量;β1为河流主要污染物影响系数;β2为当前河流处的水流流速系数。
如图4所示,D1点的污染等级为0.8,海拔为2188.7km,D2点的污染等级 为2.1,海拔为1902.3.7km,所以可知当前河流流向为D1流向D2,D1为上游, D2为下游,污染源在D1和D2之间,且污染物主要是河面垃圾,因此需要在 D1和D2之间加强河面垃圾治理。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述 实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然 可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进 行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本发明各 实施例技术方案的精神和范围。
本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出 其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限 制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于 解释权利要求书。
Claims (1)
1.一种流域污染物监测方法,其特征在于:基于流域污染物监测***,所述的***包括监控平台、若干监控站以及若干检测单元,所述的监控平台分别与若干监控站通信连接,若干所述的监控站设置于河流的干流与支流的交界点和支流与支流的交界点,若干所述的检测单元均匀的设置于河流的干流和支流,且位于同一流向的检测单元均与位于该流向上游交界点的监控站通信连接;
所述的检测单元包括河流水质检测模块、河面垃圾检测模块、微处理器、定位模块、通讯模块、A/D转换器、供电模块以及蜂鸣器,所述的微处理器分别与河面垃圾检测模块、定位模块、通讯模块、A/D转换器以及蜂鸣器通信连接,所述的A/D转换器与河流水质检测模块通信连接,所述的通讯模块与监控站通信连接,所述的供电模块分别与河流水质检测模块、河面垃圾检测模块、微处理器、定位模块、通讯模块、A/D转换器以及蜂鸣器电性连接;
所述的河流水质检测模块包括均与A/D转换器通信连接且均与供电模块电性连接的水位传感器、流量传感器、溶解氧传感器、PH值传感器、氨氮值传感器、温度传感器、浊度传感器以及重金属传感器;
所述的河面垃圾检测模块包括摄像头、三维激光雷达和保护装置,所述的摄像头和三维激光雷达均与微处理器通信连接且均与供电模块电性连接,所述的保护装置设置于摄像头和三维激光雷达的外部;
所述的监控站包括设置于各交界点的监控室,以及位于监控室内部的站台显示器、站台服务器和路由器,所述的站台服务器分别与站台显示器和位于同一流向的若干检测单元通信连接,且其通过路由器与监控平台通信连接;
所述的方法包括如下步骤:
S1:在监控平台建立当前流域的河流模型,根据当前流域的现有资料和检测单元的位置数据,在河流模型上标注监控站位置、检测单元位置以及海拔数据;
当前流域的现有资料包括当前流域的干流和支流走向、海拔数据以及经纬度数据;
S2:使用河流水质检测模块在河流水质采样周期到达时采集河流水质数据,使用河面垃圾检测模块在河面垃圾采样周期到达时采集河面垃圾数据,具体方法为:
A-1:使用摄像头采集当前河流的视频数据,并发送至监控站的站台服务器;
A-2:在河面垃圾采样周期到达时,截取视频数据的图像数据,并进行预处理,得到灰度图像;
A-3:基于全卷积神经网络,建立河面垃圾识别模型,并将灰度图像输入至河面垃圾识别模型,得到河面垃圾种类和占比,即河面垃圾数据;
S3:基于河流模型,将同一流向的河流水质数据和河面垃圾数据传输至位于该流向上游交界点的监控站进行分析和处理,得到干流和各支流的主要污染物、污染等级以及污染源位置,并将其发送至监控平台进行显示,具体方法为:
B-1:根据当前河面垃圾检测模块采集到的河面垃圾种类和占比,进行河面污染加权计算,得到该检测单元处河流的河面主要污染物;
河面污染加权计算的公式为:
Q=max(λi·qi)
式中,Q为河面主要污染物指示量;λi为第i类污染物的占比;qi为第i类污染物对河流影响系数;i=1,2,3,...,N为污染物种类指示量,其中,N为污染物种类总数;
B-2:根据河流水质检测模块采集的河流水质数据,得到该检测单元处河流的河流主要污染物;
B-3:将该检测单元处河流的河面主要污染物和河流主要污染物进行污染等级加权计算,得到该检测单元处河流的污染等级,遍历所有检测单元,根据河流模型的海拔数据,确定污染源位置;
污染等级加权计算的公式为:
式中,Z为当前河流处的污染等级指示量;Q为河面主要污染物指示量;α为河面主要污染物影响系数;H为当前河流处的水位系数;P为河流主要污染物指示量;β1为河流主要污染物影响系数;β2为当前河流处的水流流速系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010563769.XA CN111693672B (zh) | 2020-06-19 | 2020-06-19 | 一种流域污染物监测***及其监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010563769.XA CN111693672B (zh) | 2020-06-19 | 2020-06-19 | 一种流域污染物监测***及其监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111693672A CN111693672A (zh) | 2020-09-22 |
CN111693672B true CN111693672B (zh) | 2022-09-30 |
Family
ID=72482060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010563769.XA Active CN111693672B (zh) | 2020-06-19 | 2020-06-19 | 一种流域污染物监测***及其监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111693672B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110387A (zh) * | 2021-04-20 | 2021-07-13 | 上海市环境科学研究院 | 一种环保智能诊断***、方法及存储介质 |
CN113466216A (zh) * | 2021-06-23 | 2021-10-01 | 同济大学 | 一种基于青海弧菌的水质监测方法 |
CN114184750A (zh) * | 2021-11-09 | 2022-03-15 | 深圳市宇驰检测技术股份有限公司 | 地下水污染物的监控方法、装置、设备及存储介质 |
CN114111910A (zh) * | 2021-12-03 | 2022-03-01 | 天津市水利科学研究院 | 用于水系的污染通量监测*** |
CN116233370B (zh) * | 2023-04-27 | 2023-07-25 | 安徽哈斯特自动化科技有限公司 | 基于水质监测的智能化视频监控方法 |
CN116973527B (zh) * | 2023-04-27 | 2024-03-29 | 四川中衡检测技术有限公司 | 一种基于大数据的水质环境检测方法及*** |
CN116260945B (zh) * | 2023-05-15 | 2023-07-25 | 安徽哈斯特自动化科技有限公司 | 一种基于河流分区管理的智能化视频监控方法 |
CN116597355B (zh) * | 2023-05-19 | 2024-02-13 | 长江生态环保集团有限公司 | 基于视觉***的小微水体状态实时监控方法、***及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109511A (zh) * | 2009-12-29 | 2011-06-29 | 上海电气集团股份有限公司 | 一种基于无线传感器网络的污水监测网络结构 |
CN103472201A (zh) * | 2013-09-24 | 2013-12-25 | 武汉科技大学 | 一种河流中不透水边界的污染源定位方法 |
CN108415378A (zh) * | 2018-01-25 | 2018-08-17 | 感知城市(天津)物联网科技股份有限公司 | 一种基于物联网技术的智能热力站在线监测*** |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5812421A (en) * | 1995-04-20 | 1998-09-22 | Hitachi, Ltd. | System for cooperatively operating river management facilities |
CN101059907A (zh) * | 2006-04-19 | 2007-10-24 | 中国科学院电子学研究所 | 基于无线传感器网络的河流流域污染监控***和方法 |
CN104392100B (zh) * | 2014-10-29 | 2017-05-17 | 南京南瑞集团公司 | 基于水质在线监测***的污染源扩散预警方法 |
CN207215806U (zh) * | 2017-09-18 | 2018-04-10 | 湖南漫步山河信息科技有限公司 | 一种用于河道水质与色相自动监控的智能机器人 |
CN107562953A (zh) * | 2017-09-28 | 2018-01-09 | 成都万江港利科技股份有限公司 | 一种基于gis地理信息技术的河流信息*** |
CN108664647B (zh) * | 2018-05-17 | 2021-07-06 | 生态环境部环境规划院 | 一种集成水环境模型的流域精细化管理*** |
CN109101781B (zh) * | 2018-07-25 | 2019-10-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种复杂河网中污染源贡献比例的计算方法 |
CN109084840A (zh) * | 2018-08-16 | 2018-12-25 | 天狼联盟材料科技研究(广东)有限公司 | 一种基于物联网的河涌水域污染监控和分段管理方法 |
CN109145499B (zh) * | 2018-09-13 | 2023-02-10 | 江苏卓易信息科技股份有限公司 | 基于河道多态计算及Arima模型的权重组合水质预测方法 |
CN109375633A (zh) * | 2018-12-18 | 2019-02-22 | 河海大学常州校区 | 基于全局状态信息的河道清理路径规划***及方法 |
CN110765228A (zh) * | 2019-11-18 | 2020-02-07 | 镇江颀珑工程技术服务有限公司 | 一种基于河流网络在线监测的污染源追踪方法 |
-
2020
- 2020-06-19 CN CN202010563769.XA patent/CN111693672B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109511A (zh) * | 2009-12-29 | 2011-06-29 | 上海电气集团股份有限公司 | 一种基于无线传感器网络的污水监测网络结构 |
CN103472201A (zh) * | 2013-09-24 | 2013-12-25 | 武汉科技大学 | 一种河流中不透水边界的污染源定位方法 |
CN108415378A (zh) * | 2018-01-25 | 2018-08-17 | 感知城市(天津)物联网科技股份有限公司 | 一种基于物联网技术的智能热力站在线监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN111693672A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111693672B (zh) | 一种流域污染物监测***及其监测方法 | |
CN104748785A (zh) | 远程水文水质自动监测***平台 | |
CN102879038B (zh) | 一种水体环境多参数在线监测*** | |
CN107807215A (zh) | 基于物联网的水质监测***及平台 | |
CN102109511B (zh) | 一种基于无线传感器网络的污水监测网络结构 | |
CN205940620U (zh) | 一种水污染监测预警*** | |
CN109084840A (zh) | 一种基于物联网的河涌水域污染监控和分段管理方法 | |
CN108204848A (zh) | 一种水位和径流量数据采集和处理***及方法 | |
CN112581077A (zh) | 智慧水务管理平台 | |
CN207662890U (zh) | 基于物联网的水质监测***及平台 | |
CN111177210A (zh) | 一种高分辨率工业污染源排放测算方法 | |
CN108709974A (zh) | 一种基于物联网监控河涌水域污染状态的自动化监测*** | |
CN201285448Y (zh) | 北斗卫星浮标定位通讯装置 | |
CN112526092A (zh) | 一种基于无人船的河涌水质在线监控***及其监控方法 | |
CN112394695A (zh) | 一种流域水生态环境监测*** | |
CN109656977B (zh) | 一种农业面源污染监测大数据管理*** | |
Qiao et al. | The design of multi-parameter online monitoring system of water quality based on GPRS | |
Jinghuan et al. | A novel water pollution monitoring approach based on 3s technique | |
CN104459068A (zh) | 一种基于zigbee应用的水质监测*** | |
CN206960461U (zh) | 水库富营养化智能高精度实时评价*** | |
CN109507382A (zh) | 生态环境监测预警***及监测预警方法 | |
CN112040010A (zh) | 一种基于物联网的生态环境监测*** | |
CN116007685B (zh) | 一种污水管网底泥沉积点位的智能识别方法及识别*** | |
CN205384046U (zh) | 基于物联网的海洋生态环境动态监测*** | |
CN116665037A (zh) | 基于高光谱的水生态流量监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A watershed pollutant monitoring system and its monitoring method Granted publication date: 20220930 Pledgee: Guangdong Nanhai rural commercial bank Limited by Share Ltd. Xiqiao branch Pledgor: Guangdong Lihang Ecological Environment Technology Co.,Ltd. Registration number: Y2024980016877 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |