CN112233247B - 大气污染防治网格化监控设备及其使用方法 - Google Patents
大气污染防治网格化监控设备及其使用方法 Download PDFInfo
- Publication number
- CN112233247B CN112233247B CN202011048974.9A CN202011048974A CN112233247B CN 112233247 B CN112233247 B CN 112233247B CN 202011048974 A CN202011048974 A CN 202011048974A CN 112233247 B CN112233247 B CN 112233247B
- Authority
- CN
- China
- Prior art keywords
- grid
- pollutant
- unit
- processing unit
- picture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 title claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 25
- 239000003344 environmental pollutant Substances 0.000 claims description 35
- 231100000719 pollutant Toxicity 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000003915 air pollution Methods 0.000 abstract description 3
- 239000000758 substrate Substances 0.000 description 18
- 239000004973 liquid crystal related substance Substances 0.000 description 16
- 238000012806 monitoring device Methods 0.000 description 11
- 230000002265 prevention Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000011521 glass Substances 0.000 description 3
- 229920001721 polyimide Polymers 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000004642 Polyimide Substances 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000011889 copper foil Substances 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- AMGQUBHHOARCQH-UHFFFAOYSA-N indium;oxotin Chemical compound [In].[Sn]=O AMGQUBHHOARCQH-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920006267 polyester film Polymers 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Studio Devices (AREA)
Abstract
本申请提供了一种大气污染防治网格化监控设备及其使用方法,该大气污染防治网格化监控设备包括:摄像头、通信单元、处理单元以及网格单元。本申请技术方案具有提高大气污染防治的效果的优点。
Description
技术领域
本申请涉及电子及环保领域,具体涉及一种大气污染防治网格化监控设备及其使用方法。
背景技术
大气污染是由于人类活动或自然过程引起某些物质进入大气中,呈现出足够的浓度,达到足够的时间,并因此危害了人体的舒适、健康和福利或环境的现象。大气污染物由人为源或者天然源进入大气(输入),参与大气的循环过程,经过一定的滞留时间之后,又通过大气中的化学反应、生物活动和物理沉降从大气中去除(输出)。如果输出的速率小于输入的速率,就会在大气中相对集聚,造成大气中某种物质的浓度升高。当浓度升高到一定程度时,就会直接或间接地对人、生物或材料等造成急性、慢性危害,大气就被污染了。
现有的大气污染的防治一般通过常规手段,例如控制污染源等等方式,无法实现网格化管理,影响了大气污染防治的效果。
发明内容
本发明的目的在于提供大气污染防治网格化监控设备及其使用方法,该技术方案能够对大气污染实现网格化管理,提高了大气污染的防治效果。
第一方面,提供一种大气污染防治网格化监控设备,所述大气污染防治网格化监控设备包括:摄像头、通信单元、处理单元以及网格单元;
摄像头,用于采集图片,将该图片发送至处理单元;
处理单元,用于对图片执行分类识别处理确定该图片包含污染物时,依据该摄像头的标识确定该污染物的污染源位置坐标,控制通信单元获取该位置坐标以及图片拍摄时间之后的天气信息;
网格单元,用于将以该位置坐标为中心,将该位置坐标周边的设定区域进行网格划分得到初始空间网格;
处理单元,还用于计算初始空间网格中的每个网格污染物伴随浓度值,若相邻的网格污染物伴随浓度值的差值小于差值阈值,控制网格单元将初始空间网格中该差值小于差值阈值的相邻的网格合并成。
第二方面,提供一种大气污染防治网格化监控设备使用方法,所述方法包括:
摄像头采集图片,将该图片发送至处理单元;
处理单元对图片执行分类识别处理确定该图片包含污染物时,依据该摄像头的标识确定该污染物的污染源位置坐标,控制通信单元获取该位置坐标以及图片拍摄时间之后的天气信息;
网格单元将以该位置坐标为中心,将该位置坐标周边的设定区域进行网格划分得到初始空间网格;
处理单元计算初始空间网格中的每个网格污染物伴随浓度值,若相邻的网格污染物伴随浓度值的差值小于差值阈值,控制网格单元将初始空间网格中该差值小于差值阈值的相邻的网格合并成一个网格得到更新空间网格,将更新空间网格通过通信单元发送至服务器。
第三方面,提供一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行第二方面提供的方法。
本申请提供的技术方案确定污染源之后,获取该天气信息,依据天气信息对初始化空间网格进行合并更新,然后更新合并后的网格发送至服务器,这样减少了网格的数量,方便了服务器的相关部门对后续的处理,提高了大气污染防治的效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本发明一种大气污染防治网格化监控设备的结构示意图。
图2为本发明提供的大气污染防治网格化监控设备及其使用方法的流程示意图。
图3为本申请提供的液晶显示屏结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面结合本申请实施例中的附图对本申请实施例进行描述。
本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/“,表示前后关联对象是一种“或”的关系。
本申请实施例中出现的“多个”是指两个或两个以上。本申请实施例中出现的第一、第二等描述,仅作示意与区分描述对象之用,没有次序之分,也不表示本申请实施例中对设备个数的特别限定,不能构成对本申请实施例的任何限制。本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式,以实现设备间的通信,本申请实施例对此不做任何限定。
本申请中的“| |”表示绝对值。
参阅图1,图1提供了一种大气污染防治网格化监控设备,该设备包括:摄像头、通信单元、处理单元以及网格单元,其中,
通信单元可以提供应用在大气污染防治网格化监控设备上的包括无线局域网(wireless local area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络)、蓝牙(blue tooth,BT),全球导航卫星***(global navigation satellite system,GNSS)、调频(frequency modulation,FM)、近距离无线通信技术(near fieldcommunication,NFC)、红外技术(infrared,IR)、UWB等无线通信的解决方案。通信单元可以是集成至少一个通信处理模块的一个或多个器件。通信单元经由天线接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理单元。通信单元还可以从处理单元接收待发送的信号,对其进行调频,放大,经天线转为电磁波辐射出去。
处理单元可以包括一个或多个处理单元,例如:处理单元可以包括应用处理器(application processor,AP) ,调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的部件,也可以集成在一个或多个处理器中。在一些实施例中,大气污染防治网格化监控设备也可以包括一个或多个处理单元。其中,控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。在其他一些实施例中,处理单元中还可以设置存储器,用于存储指令和数据。示例性地,处理单元中的存储器可以为高速缓冲存储器。该存储器可以保存处理单元刚用过或循环使用的指令或数据。如果处理单元需要再次使用该指令或数据,可从所述存储器中直接调用。这样就避免了重复存取,减少了处理单元的等待时间,因而提高了大气污染防治网格化监控设备处理数据或执行指令的效率。
在一些实施例中,处理单元可以包括一个或多个接口。接口可以包括集成电路间(inter-integrated circuit,I2C)接口、集成电路间音频(inter-integrated circuitsound,I2S)接口、脉冲编码调制(pulse code modulation,PCM)接口、通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口、移动产业处理器接口(mobile industry processor interface,MIPI)、用输入输出(general-purpose input/output,GPIO)接口、SIM卡接口和/或USB接口等。其中,USB接口是符合USB标准规范的接口,具体可以是Mini USB接口、Micro USB接口、USB Type C接口等。USB接口可以用于连接充电器为电子设备充电,也可以用于大气污染防治网格化监控设备与***设备之间传输数据。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,大气污染防治网格化监控设备可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
摄像头,用于采集图片,将该图片发送至处理单元;
处理单元,用于对图片执行分类识别处理确定该图片包含污染物时,依据该摄像头的标识确定该污染物的污染源位置坐标,控制通信单元获取该位置坐标以及图片拍摄时间之后的天气信息;
上述分类识别处理可以采用支持向量机或深度学习模型来识别分类确定污染物。
上述获取天气信息的方式可以有多种,在一种可选的实现方式中,例如可以直接在网络搜索该位置坐标的天气预报,提取天气预报中提取时间之后的天气信息。
网格单元,用于将以该位置坐标为中心,将该位置坐标周边的设定区域进行网格划分得到初始空间网格;
处理单元,还用于计算初始空间网格中的每个网格污染物伴随浓度值,若相邻的网格污染物伴随浓度值的差值小于差值阈值,控制网格单元将初始空间网格中该差值小于差值阈值的相邻的网格合并成一个网格得到更新空间网格,将更新空间网格通过通信单元发送至服务器。
上述服务器可以为官方服务器,例如地方环保局的服务器等等。
本申请提供的技术方案确定污染源之后,获取该天气信息,依据天气信息对初始化空间网格进行合并更新,然后更新合并后的网格发送至服务器,这样减少了网格的数量,方便了服务器的相关部门对后续的处理,提高了大气污染防治的效果。
上述计算初始空间网格中的每个网格污染物伴随浓度值具体可以包括:
其中Ci可以为第i个空间网格中物伴随浓度值,其中x为第i个空间网格与初始污染源网格的网格(即中间网格)最短间隔数量,ρ表示污染物的分子值,M为污染物在单位时间内(例如一个小时)的排放总质量,F表示第i个空间网格的风力等级,V为第i个空间网格的体积。
上述ρ、M可以由通信单元向服务器请求得到,对于常规的污染源,其排放的污染物都是确定的,其单位时间内的质量也是确定的,一般都是需要提前向主管部门报备的,因此可以通过服务器请求得到。
上述x的取值,例如第i个空间网格与中间网格相邻,则x取2,若第i个空间网格与中间网格间隔2个网格,则x取3,若该网格为中间网格,则x取1。
上述计算方法能够通过简单的计算得到每个网格内的浓度值,进而对网格进行合并,实现了简单的计算,并且计算准确。
对于初始空间网格,可以设置成每个网格的体积都相同,上述公式适用于比较空旷无遮挡物的场景,因为若有遮挡物,那么相当于密闭的空间,此种情况直接将密闭空间统一成一个网格即可。
上述雨量等级具体可以为,例如小雨为1.5、中雨2、中大雨2.5,大雨3,暴雨5等等。
在一种可选的方案中,上述设备还可以包括:液晶显示屏,该液晶显示屏用于显示更新空间网格。
请参阅图3,液晶显示屏的显示结构1包括层叠设置的背光模组20和显示面板10,所述背光模组20用于为所述显示面板10提供光线,所述显示面板10包括间隔设置的阵列基板100和彩膜基板200以及位于所述阵列基板100和所述彩膜基板200之间的液晶层300,所述阵列基板100相对于所述彩膜基板200邻近所述背光模组20设置,所述阵列基板100包括层叠设置的玻璃基板110和缓冲层120,所述缓冲层120背离所述玻璃基板110的表面设置有相互绝缘且依次并排设置的第一电极131、第二电极132和第三电极133,所述第二电极132与所述彩膜基板200之间的距离大于所述第一电极131与所述彩膜基板200之间的距离,且所述第二电极132与所述彩膜基板200之间的距离大于所述第三电极133与所述彩膜基板200之间的距离。
其中,玻璃基板110可以为柔性基板,柔性基板可以为但不仅限于由聚酰亚胺薄膜(PI)或聚酯薄膜与铜箔复合而成。由于聚酰亚胺耐高温锡焊、高强度、高模量、阻燃等优良性能,聚酰亚胺作为高分子材料具有突出的热稳定性,良好的耐辐射和化学稳定性和优良的力学性能。
第一电极131、第二电极132和第三电极133可以由透明导电材料制成,所述透明导电材料可以为但不仅限于为氧化铟锡(Indium Tin Oxide,ITO),氧化铟锡具有优良的电学传导性和光学透明性,广泛应用于制作液晶显示器、平板显示器、等离子显示器、触摸屏、电子纸、有机发光二极管、以及太阳能电池、和抗静电镀膜还有电磁干扰(ElectromagneticInterference,EMI)屏蔽的透明传导镀膜。
第一电极131、第二电极132和第三电极133构成像素电极130,且液晶层300位于像素电极130与彩膜基板200之间,由于第二电极132相对于第一电极131、第三电极133与彩膜基板200之间的距离较远,因此,第一电极131、第二电极132和第三电极133之间的排布呈现起伏状,当第一电极131、第二电极132和第三电极133加载电压之后,有助于改善液晶层300中液晶分子的倒向,即可以提升液晶效率,进而可以提升开口率,改善液晶显示面板10的显示质量。
在一具体实施例中,所述第一电极131、所述第二电极132和所述第三电极133的宽度保持一致,且均为2~4微米。由于第一电极131、第二电极132、第三电极133在横向平面上具有相同的宽度,因此,第一电极131、第二电极132和第三电极133针对液晶层300中液晶分子的倒向作用较为均匀,可以使得液晶分子具有更好的倒向性,提升液晶效率,进而提升显示面板10开口率,提升显示面板10的显示质量。
进一步的,第一电极131、第二电极132和第三电极133在液晶显示屏显示结构1的厚度方向上保持对齐,即第一电极131、第二电极132、第三电极133之间为绝缘且连续分布,可以使得电极产生的横向电场较为明显,有助于使得液晶分子偏转45°,进而提升液晶效率,改善显示面板10的显示质量。
本申请提供的显示结构能够显著的提高图片的显示质量。
参阅图2,图2提供了大气污染防治网格化监控设备使用方法,该方法包括如下步骤:
步骤S201、摄像头采集图片,将该图片发送至处理单元;
步骤S202、处理单元对图片执行分类识别处理确定该图片包含污染物时,依据该摄像头的标识确定该污染物的污染源位置坐标,控制通信单元获取该位置坐标以及图片拍摄时间之后的天气信息;
步骤S203、网格单元将以该位置坐标为中心,将该位置坐标周边的设定区域进行网格划分得到初始空间网格;
步骤S204、处理单元计算初始空间网格中的每个网格污染物伴随浓度值,若相邻的网格污染物伴随浓度值的差值小于差值阈值,控制网格单元将初始空间网格中该差值小于差值阈值的相邻的网格合并成一个网格得到更新空间网格,将更新空间网格通过通信单元发送至服务器。
上述计算初始空间网格中的每个网格污染物伴随浓度值的方式可以参见如图1实施例的描述,这里不再赘述。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (4)
1.一种大气污染防治网格化监控设备,其特征在于,所述大气污染防治网格化监控设备包括:摄像头、通信单元、处理单元以及网格单元;
摄像头,用于采集图片,将该图片发送至处理单元;
处理单元,用于对图片执行分类识别处理确定该图片包含污染物时,依据该摄像头的标识确定该污染物的污染源位置坐标,控制通信单元获取该位置坐标以及图片拍摄时间之后的天气信息;
网格单元,用于将以该位置坐标为中心,将该位置坐标周边的设定区域进行网格划分得到初始空间网格;
处理单元,还用于计算初始空间网格中的每个网格污染物伴随浓度值,若相邻的网格污染物伴随浓度值的差值小于差值阈值,控制网格单元将初始空间网格中该差值小于差值阈值的相邻的网格合并成一个网格得到更新空间网格,将更新空间网格通过通信单元发送至服务器;
所述处理单元,具体用于计算初始空间网格中的每个网格污染物伴随浓度值;
其中,Ci为第i个空间网格中物伴随浓度值,其中xi为第i个空间网格与初始污染源网格的网格最短间隔数量,ρ表示污染物的分子值,M为污染物在单位时间内的排放总质量,Fi表示第i个空间网格的风力等级,Vi为第i个空间网格的体积。
3.一种大气污染防治网格化监控设备使用方法,其特征在于,所述方法包括:
摄像头采集图片,将该图片发送至处理单元;
处理单元对图片执行分类识别处理确定该图片包含污染物时,依据该摄像头的标识确定该污染物的污染源位置坐标,控制通信单元获取该位置坐标以及图片拍摄时间之后的天气信息;
网格单元将以该位置坐标为中心,将该位置坐标周边的设定区域进行网格划分得到初始空间网格;
处理单元计算初始空间网格中的每个网格污染物伴随浓度值,若相邻的网格污染物伴随浓度值的差值小于差值阈值,控制网格单元将初始空间网格中该差值小于差值阈值的相邻的网格合并成一个网格得到更新空间网格,将更新空间网格通过通信单元发送至服务器;
计算初始空间网格中的每个网格污染物伴随浓度值具体包括:
其中,Ci为第i个空间网格中物伴随浓度值,其中xi为第i个空间网格与初始污染源网格的网格最短间隔数量,ρ表示污染物的分子值,M为污染物在单位时间内的排放总质量,Fi表示第i个空间网格的风力等级,Vi为第i个空间网格的体积。
4.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求3所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048974.9A CN112233247B (zh) | 2020-09-29 | 2020-09-29 | 大气污染防治网格化监控设备及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048974.9A CN112233247B (zh) | 2020-09-29 | 2020-09-29 | 大气污染防治网格化监控设备及其使用方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233247A CN112233247A (zh) | 2021-01-15 |
CN112233247B true CN112233247B (zh) | 2021-07-30 |
Family
ID=74119608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011048974.9A Active CN112233247B (zh) | 2020-09-29 | 2020-09-29 | 大气污染防治网格化监控设备及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233247B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943194B (zh) * | 2022-05-16 | 2023-04-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于地质统计学的河流污染溯源方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
CN108648127A (zh) * | 2018-04-28 | 2018-10-12 | 北京航空航天大学 | 一种城市空气污染热点区域锁定方法 |
CN109685281A (zh) * | 2018-12-29 | 2019-04-26 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和*** |
CN110084418A (zh) * | 2019-04-21 | 2019-08-02 | 北京工业大学 | 一种突发大气污染事故应急监测的监测点优化布设方法 |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10830743B2 (en) * | 2017-05-04 | 2020-11-10 | International Business Machines Corporation | Determining the net emissions of air pollutants |
CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
CN111444633B (zh) * | 2020-04-20 | 2021-04-27 | 中国科学院大气物理研究所 | 一种针对大气污染过程的定量解析方法和*** |
-
2020
- 2020-09-29 CN CN202011048974.9A patent/CN112233247B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
CN108648127A (zh) * | 2018-04-28 | 2018-10-12 | 北京航空航天大学 | 一种城市空气污染热点区域锁定方法 |
CN109685281A (zh) * | 2018-12-29 | 2019-04-26 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和*** |
CN110084418A (zh) * | 2019-04-21 | 2019-08-02 | 北京工业大学 | 一种突发大气污染事故应急监测的监测点优化布设方法 |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
Grid-based analysis of air pollution data;M. Richards 等;《Ecological Modelling》;20060207;第194卷;第274-286页 * |
大气污染防治网格化监测的应用分析;刘杨;《科技经济导刊》;20191105;第27卷(第31期);第92页 * |
大气污染防治网格化***应用研究进展;丁巧蓓;《建筑工程技术与设计》;20181115(第21期);第3615页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112233247A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200227823A1 (en) | Antenna device and electronic device comprising antenna | |
US11228091B2 (en) | Electronic device including antenna using structure of display panel | |
CN107909583B (zh) | 一种图像处理方法、装置及终端 | |
CN107092311A (zh) | 显示屏、显示装置及移动终端 | |
CN112233247B (zh) | 大气污染防治网格化监控设备及其使用方法 | |
US12025887B2 (en) | Shooting method and electronic device | |
CN107092310A (zh) | 显示屏、显示装置及移动终端 | |
Dong et al. | Efficient traffic video dehazing using adaptive dark channel prior and spatial–temporal correlations | |
EP3919337B1 (en) | Control vehicle | |
CN110796248A (zh) | 数据增强的方法、装置、设备及存储介质 | |
CN204065445U (zh) | 镜头模组和摄像头模组 | |
CN103885639A (zh) | 柔性智能信息交换终端 | |
Yu et al. | Underwater Image Restoration via DCP and Yin–Yang Pair Optimization | |
CN207053954U (zh) | 基板组件和电子设备 | |
CN110147703B (zh) | 人脸关键点检测方法、装置及存储介质 | |
CN112272312A (zh) | 视频拼接处理方法及*** | |
CN111538009A (zh) | 雷达点的标记方法和装置 | |
Chen et al. | Energy efficiency optimization for SLIPT-enabled NOMA system | |
CN111651084B (zh) | 一种触控显示屏、电子设备及触控与指纹采集方法 | |
CN113763259A (zh) | 图像去雾方法和装置 | |
Li et al. | Enhancement of low contrast images based on effective space combined with pixel learning | |
Ma et al. | Detecting Maritime Infrared Targets in Harsh Environment by Improved Visual Attention Model Preselector and Anti-Jitter Spatiotemporal Filter Discriminator | |
CN113160386A (zh) | 图像获得方法、装置、设备以及计算机可读存储介质 | |
Huang et al. | A sea fog image defogging method based on the improved convex optimization model | |
CN113934483A (zh) | 弹框显示方法及装置 |
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 |