CN115236007B - 一种饮用水源的智能监测方法及装置 - Google Patents
一种饮用水源的智能监测方法及装置 Download PDFInfo
- Publication number
- CN115236007B CN115236007B CN202211140054.9A CN202211140054A CN115236007B CN 115236007 B CN115236007 B CN 115236007B CN 202211140054 A CN202211140054 A CN 202211140054A CN 115236007 B CN115236007 B CN 115236007B
- Authority
- CN
- China
- Prior art keywords
- sub
- water area
- information
- water
- hyperspectral
- 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
Images
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Aviation & Aerospace Engineering (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种饮用水源的智能监测方法及装置,该方法通过根据水域的类型及位置将水域进行子水域划分,能够提高水域的划分精准性,并基于精准划分后的水域生成智能飞行设备的设备控制参数,能够提高设备控制参数的生成精准性,以及基于精准生成的设备控制参数控制智能飞行设备采集划分后每个子水域的高光谱信息,能够提高每个子水域的高光谱信息的采集精准性,并对其进行高光谱反演分析,得到每个子水域的污染物类型及浓度的分析情况,最后综合每个子水域污染物的分析情况分析整个水域的污染物情况,能够提高整个水域污染物的分析精准性及效率,实现了对水域的智能化监测,提高了水域数据的分析精准性,从而提供精准的水源治理决策依据。
Description
技术领域
本发明涉及水源监控技术领域,尤其涉及一种饮用水源的智能监测方法及装置。
背景技术
水是生命之源,饮用水源的安全关系到人们的身体健康和社会经济的稳定发展。
目前,对于饮用水源的监管方法一般是通过采集待监管水域的样品水,并基于传统的水质模型进行分析,得到水域的水质情况。然而,实践发现,由于水域中的水具有流动性且水域面积一般比较大,通过采集水域样品水并基于传统水质模型进行水质情况分析的方式无法实现准确分析水域的水质情况。因此,提出一种如何提高水源的水质情况的分析准确性,从而为相关部门提供精准的水源治理决策依据的技术方案显得尤为重要。
发明内容
本发明提供了一种饮用水源的智能监测方法及装置,能够对水域进行高光谱反演分析,实现了对水域的智能化监测,提高了水域数据的分析精准性,从而为相关部门提供精准的决策依据。
为了解决上述技术问题,本发明第一方面公开了一种饮用水源的智能监测方法,所述方法包括:
采集待测水质的水域的数据,所述水域的数据包括所述水域的水域类型、所述水域的水域位置;
根据采集到的所述水域的数据,将所述水域划分为多个子水域,并为每个所述子水域设置标识信息;
根据划分出的每个所述子水域的数据及该子水域的标识信息,生成用于监测每个所述子水域的水质的智能飞行设备的设备控制参数,每个所述子水域对应的设备控制参数包括所述智能飞行设备的飞行控制参数及高光谱采集控制参数;
根据每个所述子水域对应的设备控制参数,控制所述智能飞行设备采集每个所述子水域的信息,每个所述子水域的信息包括该子水域的高光谱信息;
分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,每个所述子水域的每种所述污染物的信息包括该污染物的浓度及污染物的类型;并根据每个所述子水域的所有所述污染物的信息,确定所述水域的水质情况。
作为一种可选的实施方式,在本发明第一方面中,每个所述子水域包含多个信息采样点,每个所述子水域的高光谱信息包括每个所述子水域中每个所述信息采样点的高光谱信息;
其中,所述分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,包括:
针对任一所述子水域:
分析所述子水域中每个所述信息采样点的高光谱信息,得到每个所述信息采样点的高光谱特征值,并确定所述子水域中每个所述信息采样点与所述智能飞行设备之间的采样高度及采集每个所述信息采样点的高光谱信息时的环境信息;
分析每个所述信息采样点对应的环境信息,对每个所述信息采样点的高光谱信息的采集影响,并根据所述子水域中每个所述信息采样点的高光谱特征值、采样高度及采集影响,确定所述子水域中每个所述信息采样点污染物的信息,以及根据所述子水域中每个所述信息采样点污染物的信息,确定每个所述子水域的所有污染物的信息。
作为一种可选的实施方式,在本发明第一方面中,所述水域的水质情况的计算公式如下:
式中,P用于表示所述水域的水质情况;Pi用于表示第i个所述子水域的所有污染物的信息; qi 2用于表示第i个所述子水域的所有信息采集点对应的平均高度对其污染物的信息的第一修正系数;ai用于表示第i个所述子水域中所有信息采集点对应的平均采集影响对其污染物的信息的第二修正系数;Ki用于表示第i个所述子水域的采样点线性系数,每个所述子水域对应的采样点线性系数由该子水域在所述水域中的位置确定,且所有所述子水域对应的采样点线性系数之和等于1;Wit用于表示第i个所述子水域中第t个信息采样点的污染系数;Pit用于表示第i个所述子水域中第t个信息采样点的高光谱特征值;Uit用于表示第i个所述子水域中第t个信息采样点产生的随机误差;N用于表示所有所述子水域的总数量;T用于表示每个所述子水域的所有所述信息采样点的总数量。
作为一种可选的实施方式,在本发明第一方面中,每个所述子水域的信息还包括该子水域的排污信息,每个所述子水域的排污信息包括排污口的信息及污染物排放信息,每个所述子水域排污口的信息包括所述排污口的位置、所述排污口的大小及所述排污口对应的类型,每个所述子水域的污染物排放信息包括污染物排污流量、污染物排污浓度及污染物排污方向;
所述方法还包括:
根据每个所述子水域的排污信息中的所述污染物排污流量、所述污染物排污浓度及所述污染物排污方向,计算每个所述子水域的污染负荷,并将每个所述子水域的排污信息的污染负荷及该子水域的高光谱信息进行关联,得到每个所述子水域的关联信息;
其中,所述分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,包括:
分析每个所述子水域的高光谱信息、该子水域的排污信息及该子水域的关联信息,得到每个所述子水域的所有污染物的信息。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
针对任一所述子水域,根据所述子水域排污口的位置及该子水域的相邻子水域中靠近该子水域的截断面所在位置,计算该排污口与该相邻子水域的该截断面之间的距离值,每个所述截断面用于间隔左右相邻两个所述子水域;
根据每个所述子水域的排污口对应的距离值,判断所有所述子水域中是否存在所述排污口对应的距离值小于等于预设距离值的目标子水域;
当判断出存在时,从所有所述子水域中筛选出所有所述目标子水域,并基于每个所述目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息,并执行所述的根据每个所述子水域的所有所述污染物的信息,确定所述水域的水质情况的操作。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
采集每个所述目标子水域的水流信息,每个所述目标子水域的水流信息包括水流速度及水流方向;
根据每个所述目标子水域排污口的污染物排放信息、该目标子水域的水流信息及该目标子水域的排污口对应的距离值,确定在单位时间内每个所述目标子水域排污口的污染物流入其相邻子水域的流入信息,每个所述目标子水域对应的流入信息包括流入量、流入类型及流入面积;
其中,所述基于每个所述目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息,包括:
基于每个所述目标子水域的排污信息、该目标子水域排污口对应的距离值及该目标子水域对应的流入信息,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息。
作为一种可选的实施方式,在本发明第一方面中,所述智能飞行设备的设备控制参数还包括所述智能飞行设备的摄像器参数;
所述方法还包括:
在采集所述子水域的信息的过程中,判断采集到的所述子水域的信息是否满足预先确定出的信息质量要求,当判断出不满足时,计算采集到的所述子水域的信息与所述信息质量要求之间的信息差,并采集所述智能飞行设备当前所在飞行位置对应的数据采集范围的信息,所述数据采集范围的信息包括光线强度、所述数据采集范围中水反光强度、所述数据采集范围中水反光角度以及所述智能飞行设备与所述数据采集范围的垂直高度;
根据所述信息差以及所述数据采集范围的信息,调整所述智能飞行设备的设备控制参数,并继续执行所述的根据每个所述子水域对应的设备控制参数,控制所述智能飞行设备采集每个所述子水域的信息的操作。
本发明第二方面公开了一种饮用水源的智能监测装置,所述装置包括:
采集模块,用于采集待测水质的水域的数据,所述水域的数据包括所述水域的水域类型、所述水域的水域位置;
划分模块,用于根据采集到的所述水域的数据,将所述水域划分为多个子水域;
设置模块,用于为每个所述子水域设置标识信息;
生成模块,用于根据划分出的每个所述子水域的数据及该子水域的标识信息,生成用于监测每个所述子水域的水质的智能飞行设备的设备控制参数,每个所述子水域对应的设备控制参数包括所述智能飞行设备的飞行控制参数及高光谱采集控制参数;
控制模块,用于根据每个所述子水域对应的设备控制参数,控制所述智能飞行设备采集每个所述子水域的信息,每个所述子水域的信息包括该子水域的高光谱信息;
分析模块,用于分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,每个所述子水域的每种所述污染物的信息包括该污染物的浓度及污染物的类型;
确定模块,用于根据每个所述子水域的所有所述污染物的信息,确定所述水域的水质情况。
作为一种可选的实施方式,在本发明第二方面中,每个所述子水域包含多个信息采样点,每个所述子水域的高光谱信息包括每个所述子水域中每个所述信息采样点的高光谱信息;
其中,所述分析模块分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息的方式具体包括:
针对任一所述子水域:
分析所述子水域中每个所述信息采样点的高光谱信息,得到每个所述信息采样点的高光谱特征值,并确定所述子水域中每个所述信息采样点与所述智能飞行设备之间的采样高度及采集每个所述信息采样点的高光谱信息时的环境信息;
分析每个所述信息采样点对应的环境信息,对每个所述信息采样点的高光谱信息的采集影响,并根据所述子水域中每个所述信息采样点的高光谱特征值、采样高度及采集影响,确定所述子水域中每个所述信息采样点污染物的信息,以及根据所述子水域中每个所述信息采样点污染物的信息,确定每个所述子水域的所有污染物的信息。
作为一种可选的实施方式,在本发明第二方面中,所述水域的水质情况的计算公式如下:
式中,P用于表示所述水域的水质情况;Pi用于表示第i个所述子水域的所有污染物的信息; qi 2用于表示第i个所述子水域的所有信息采集点对应的平均高度对其污染物的信息的第一修正系数;ai用于表示第i个所述子水域中所有信息采集点对应的平均采集影响对其污染物的信息的第二修正系数;Ki用于表示第i个所述子水域的采样点线性系数,每个所述子水域对应的采样点线性系数由该子水域在所述水域中的位置确定,且所有所述子水域对应的采样点线性系数之和等于1;Wit用于表示第i个所述子水域中第t个信息采样点的污染系数;Pit用于表示第i个所述子水域中第t个信息采样点的高光谱特征值;Uit用于表示第i个所述子水域中第t个信息采样点产生的随机误差;N用于表示所有所述子水域的总数量;T用于表示每个所述子水域的所有所述信息采样点的总数量。
作为一种可选的实施方式,在本发明第二方面中,每个所述子水域的信息还包括该子水域的排污信息,每个所述子水域的排污信息包括排污口的信息及污染物排放信息,每个所述子水域排污口的信息包括所述排污口的位置、所述排污口的大小及所述排污口对应的类型,每个所述子水域的污染物排放信息包括污染物排污流量、污染物排污浓度及污染物排污方向;
所述装置还包括:
第一计算模块,用于根据每个所述子水域的排污信息中的所述污染物排污流量、所述污染物排污浓度及所述污染物排污方向,计算每个所述子水域的污染负荷;
关联模块,用于将每个所述子水域的排污信息的污染负荷及该子水域的高光谱信息进行关联,得到每个所述子水域的关联信息;
其中,所述分析模块分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息的方式具体包括:
分析每个所述子水域的高光谱信息、该子水域的排污信息及该子水域的关联信息,得到每个所述子水域的所有污染物的信息。
作为一种可选的实施方式,在本发明第二方面中,所述第一计算模块,还用于针对任一所述子水域,根据所述子水域排污口的位置及该子水域的相邻子水域中靠近该子水域的截断面所在位置,计算该排污口与该相邻子水域的该截断面之间的距离值,每个所述截断面用于间隔左右相邻两个所述子水域;
所述装置还包括:
第一判断模块,用于根据每个所述子水域的排污口对应的距离值,判断所有所述子水域中是否存在所述排污口对应的距离值小于等于预设距离值的目标子水域;
所述确定模块,还用于当判断出存在时,从所有所述子水域中筛选出所有所述目标子水域;
修正模块,用于基于每个所述目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息,并触发所述确定模块执行所述的根据每个所述子水域的所有所述污染物的信息,确定所述水域的水质情况的操作。
作为一种可选的实施方式,在本发明第二方面中,所述采集模块,还用于采集每个所述目标子水域的水流信息,每个所述目标子水域的水流信息包括水流速度及水流方向;
所述确定模块,还用于根据每个所述目标子水域排污口的污染物排放信息、该目标子水域的水流信息及该目标子水域的排污口对应的距离值,确定在单位时间内每个所述目标子水域排污口的污染物流入其相邻子水域的流入信息,每个所述目标子水域对应的流入信息包括流入量、流入类型及流入面积;
其中,所述修正模块基于每个所述目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息的方式具体包括:
基于每个所述目标子水域的排污信息、该目标子水域排污口对应的距离值及该目标子水域对应的流入信息,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息。
作为一种可选的实施方式,在本发明第二方面中,所述智能飞行设备的设备控制参数还包括所述智能飞行设备的摄像器参数;
所述装置还包括:
第二判断模块,用于在采集所述子水域的信息的过程中,判断采集到的所述子水域的信息是否满足预先确定出的信息质量要求;
第二计算模块,用于当判断出不满足时,计算采集到的所述子水域的信息与所述信息质量要求之间的信息差;
所述采集模块,还用于采集所述智能飞行设备当前所在飞行位置对应的数据采集范围的信息,所述数据采集范围的信息包括光线强度、所述数据采集范围中水反光强度、所述数据采集范围中水反光角度以及所述智能飞行设备与所述数据采集范围的垂直高度;
调整模块,用于根据所述信息差以及所述数据采集范围的信息,调整所述智能飞行设备的设备控制参数,并继续触发所述控制模块执行所述的根据每个所述子水域对应的设备控制参数,控制所述智能飞行设备采集每个所述子水域的信息的操作。
本发明第三方面公开了另一种饮用水源的智能监测装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的任意一种饮用水源的智能监测方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的任意一种饮用水源的智能监测方法中的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,采集待测水质的水域的数据,该水域的数据包括水域的水域类型、水域的水域位置;根据采集到的水域的数据,将水域划分为多个子水域,并为每个子水域设置标识信息;根据划分出的每个子水域的数据及该子水域的标识信息,生成用于监测每个子水域的水质的智能飞行设备的设备控制参数,每个子水域对应的设备控制参数包括智能飞行设备的飞行控制参数及高光谱采集控制参数;根据每个子水域对应的设备控制参数,控制智能飞行设备采集每个子水域的信息,每个子水域的信息包括该子水域的高光谱信息;分析每个子水域的高光谱信息,得到每个子水域的所有污染物的信息,每个子水域的每种污染物的信息包括该污染物的浓度及污染物的类型;并根据每个子水域的所有污染物的信息,确定水域的水质情况。可见,本发明通过自动根据待监测水域的类型及位置将待监测水域进行子水域的划分,能够提高水域的划分精准性,并基于精准划分后的水域生成智能飞行设备的设备控制参数,如飞行控制参数、高光谱采集控制参数,能够提高设备控制参数的生成精准性,以及基于精准生成的设备控制参数控制智能飞行设备采集划分后每个子水域的高光谱信息,能够提高每个子水域的高光谱信息的采集精准性,并对其进行高光谱反演分析,得到每个子水域的污染物类型及浓度的分析情况,最后综合每个子水域污染物的分析情况分析整个水域的污染物情况,能够提高整个水域污染物的分析精准性及效率,实现了对水域的智能化监测,提高了水域数据的分析精准性,从而为相关部门提供精准的水源治理决策依据,尤其适用于位置偏远的水源场景。
附图说明
为了更清楚地说明本发明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是本发明实施例公开的一种饮用水源的智能监测方法的流程示意图;
图2是本发明实施例公开的另一种饮用水源的智能监测方法的流程示意图;
图3是本发明实施例公开的一种饮用水源的智能监测装置的结构示意图;
图4是本发明实施例公开的另一种饮用水源的智能监测装置的结构示意图;
图5是本发明实施例公开的又一种饮用水源的智能监测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
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发明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。
本发明公开了一种饮用水源的智能监测方法及装置,能够通过自动根据待监测水域的类型及位置将待监测水域进行子水域的划分,能够提高水域的划分精准性,并基于精准划分后的水域生成智能飞行设备的设备控制参数,如飞行控制参数、高光谱采集控制参数,能够提高设备控制参数的生成精准性,以及基于精准生成的设备控制参数控制智能飞行设备采集划分后每个子水域的高光谱信息,能够提高每个子水域的高光谱信息的采集精准性,并对其进行高光谱反演分析,得到每个子水域的污染物类型及浓度的分析情况,最后综合每个子水域污染物的分析情况分析整个水域的污染物情况,能够提高整个水域污染物的分析精准性及效率,实现了对水域的智能化监测,提高了水域数据的分析精准性,从而为相关部门提供精准的水源治理决策依据。以下分别进行详细的说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种饮用水源的智能监测方法的流程示意图。其中,图1所描述的方法可以应用于具有饮用水源的智能监测功能的装置中,该装置可以包括智能飞行设备、用于控制智能飞行设备的中心控制服务器,其中,中心控制服务器包括云服务器或者现场服务器中。如图1所示,该饮用水源的智能监测方法可以包括以下操作:
101、采集待测水质的水域的数据,该水域的数据包括水域的水域类型、水域的水域位置。
本发明实施例中,水域为任何需要待测水质的水域,且该水域为饮用水源,即该水域中的水用于口喝、使用。其中,水域的数据还包括水域的大小及水域的形状。这样水域的数据包含的内容越多,越有利于提高水域划分的精准性,进而有利于提高水域相关信息的采集操作执行的精准性。
102、根据采集到的水域的数据,将水域划分为多个子水域,并为每个子水域设置标识信息。
本发明实施例中,每个子水域的标识信息包括但不限于数字标识、字母标识、子水域中排污口标识(名称、编号等)等中的至少一种。且每个子水域的标识信息均不相同且唯一。
103、根据划分出的每个子水域的数据及该子水域的标识信息,生成用于监测每个子水域的水质的智能飞行设备的设备控制参数,每个子水域对应的设备控制参数包括智能飞行设备的飞行控制参数及高光谱采集控制参数。
本发明实施例中,可选的,飞行控制参数包括飞行速度控制参数、飞行高度控制参数;高光谱采集控制参数包括光谱分辨率控制参数、光谱波段控制参数、光谱视场控制参数及信噪比控制参数中的一种或多种。
104、根据每个子水域对应的设备控制参数,控制智能飞行设备采集每个子水域的信息,每个子水域的信息包括该子水域的高光谱信息。
105、分析每个子水域的高光谱信息,得到每个子水域的所有污染物的信息,每个子水域的每种污染物的信息包括该污染物的浓度及污染物的类型;并根据每个子水域的所有污染物的信息,确定水域的水质情况。
本发明实施例中,水域的水质情况包括水域污染物的类型、水域污染物的浓度,进一步的,水域的水质情况还包括水域中污染物发生化学作用对水质的影响及发生化学作用的发生强度,其中,发生强度越强,表示其污染物之间越容易发生反应。
可见,实施图1所描述的一种饮用水源的智能监测方法能够通过根据水域的类型及位置将水域进行子水域划分,能够提高水域的划分精准性,并基于精准划分后的水域生成智能飞行设备的设备控制参数,能够提高设备控制参数的生成精准性,以及基于精准生成的设备控制参数控制智能飞行设备采集划分后每个子水域的高光谱信息,能够提高每个子水域的高光谱信息的采集精准性,并对其进行高光谱反演分析,得到每个子水域的污染物类型及浓度的分析情况,最后综合每个子水域污染物的分析情况分析整个水域的污染物情况,能够提高整个水域污染物的分析精准性及效率,实现了对水域的智能化监测,提高了水域数据的分析精准性,从而为相关部门提供精准的水源治理决策依据。
在一个可选的实施例中,每个子水域包含多个信息采样点,每个子水域的高光谱信息包括每个子水域中每个信息采样点的高光谱信息;其中,分析每个子水域的高光谱信息,得到每个子水域的所有污染物的信息,包括:
针对任一子水域:
分析子水域中每个信息采样点的高光谱信息,得到每个信息采样点的高光谱特征值,并确定子水域中每个信息采样点与智能飞行设备之间的采样高度及采集每个信息采样点的高光谱信息时的环境信息(如环境可见度、光线、温度、湿度等);
分析每个信息采样点对应的环境信息,对每个信息采样点的高光谱信息的采集影响,并根据子水域中每个信息采样点的高光谱特征值、采样高度及采集影响,确定子水域中每个信息采样点污染物的信息,以及根据子水域中每个信息采样点污染物的信息,确定每个子水域的所有污染物的信息。
该可选的实施例中,可选的,水域的水质情况的计算公式如下:
式中,P用于表示水域的水质情况;Pi用于表示第i个子水域的所有污染物的信息;qi 2用于表示第i个子水域的所有信息采集点对应的平均高度对其污染物的信息的第一修正系数,且0<qi 2<1;ai用于表示第i个子水域中所有信息采集点对应的平均采集影响对其污染物的信息的第二修正系数,且0≤ai≤1;Ki用于表示第i个子水域的采样点线性系数,每个子水域对应的采样点线性系数由该子水域在水域中的位置确定,且所有子水域对应的采样点线性系数之和等于1;Wit用于表示第i个子水域中第t个信息采样点的污染系数;Pit用于表示第i个子水域中第t个信息采样点的高光谱特征值;Uit用于表示第i个子水域中第t个信息采样点产生的随机误差;N用于表示所有子水域的总数量;T用于表示每个子水域的所有信息采样点的总数量。
该可选的实施例中,每个子水域中所有信息采集点对应的平均采集影响为子水域中所有信息采集点的采集影响的平均值;每个子水域的所有信息采集点对应的平均高度为该子水域的所有信息采集点对应的采集高度的平均值。平均高度越大,其第一修正系数就越小,平均采集影响越大,其第二修正系数就越大。
可见,该可选的实施例通过结合每个子水域中每个信息采样点对应的采集高度、所在环境对高光谱信息的采集影响以及高光谱信息,分析子水域的每个信息采样点的污染物的信息,能够提高每个信息采样点污染物的信息的分析精准性,进而基于精准的多个信息采样点污染物的信息一并分析对应的子水域的所有污染物的信息,能够提高每个子水域所有污染物的分析精准性,进而提高整个水域的污染物的分析精准性及可靠性。
在另一个可选的实施例中,智能飞行设备的设备控制参数还包括智能飞行设备的摄像器参数;该方法还可以包括以下操作:
在采集子水域的信息的过程中,判断采集到的子水域的信息是否满足预先确定出的信息质量要求,当判断出不满足时,计算采集到的子水域的信息与信息质量要求之间的信息差,并采集智能飞行设备当前所在飞行位置对应的数据采集范围的信息,该数据采集范围的信息包括光线强度、该数据采集范围中水反光强度、该数据采集范围中水反光角度以及智能飞行设备与数据采集范围的垂直高度;
根据信息差以及数据采集范围的信息,调整智能飞行设备的设备控制参数,并继续执行上述的根据每个子水域对应的设备控制参数,控制智能飞行设备采集每个子水域的信息的操作。
该可选的实施例中,可选的,信息质量要求包括信息数据量大小要求、信息类型要求、信息信噪比要求中的一种或多种。
该可选的实施例中的,当判断出满足时,结束本次流程,或者执行上述的判断采集到的子水域的信息是否满足预先确定出的信息质量要求的操作。
该可选的实施例中,数据采集范围为水域水平面的采集范围。
可见,该可选的实施例在采集水域信息的过程中,若采集到的信息不满足要求,则自动计算采集到的信息与其要求之间的信息差,并自动基于光线强度、该数据采集范围中水反光强度、该数据采集范围中水反光角度以及智能飞行设备与数据采集范围的垂直高度众多信息调整智能飞行设备的设备控制参数,能够提高智能飞行设备的设备控制参数的调整精准性,从而提高采集到满足要求的信息的概率,进而确保水域的水质情况的分析精准性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种饮用水源的智能监测方法的流程示意图。其中,图2所描述的方法可以应用于具有饮用水源的智能监测功能的装置中,该装置可以包括智能飞行设备、用于控制智能飞行设备的中心控制服务器,其中,中心控制服务器包括云服务器或者现场服务器中。如图2所示,该一种饮用水源的智能监测方法可以包括以下操作:
201、采集待测水质的水域的数据,该水域的数据包括水域的水域类型、水域的水域位置。
202、根据采集到的水域的数据,将水域划分为多个子水域,并为每个子水域设置标识信息。
203、根据划分出的每个子水域的数据及该子水域的标识信息,生成用于监测每个子水域的水质的智能飞行设备的设备控制参数,每个子水域对应的设备控制参数包括智能飞行设备的飞行控制参数及高光谱采集控制参数。
204、根据每个子水域对应的设备控制参数,控制智能飞行设备采集每个子水域的信息,每个子水域的信息包括该子水域的高光谱信息、该子水域的排污信息。
本发明实施例中,可选的,每个子水域的排污信息包括排污口的信息及污染物排放信息,每个子水域排污口的信息包括排污口的位置、排污口的大小及排污口对应的类型,每个子水域的污染物排放信息包括污染物排污流量、污染物排污浓度及污染物排污方向。其中,排污口对应的类型包括生活排污类型、工业排污类型、餐饮排污类型及养殖业排污类型中的一种或多种。这样排污信息包含的内容越多,越有利于提高子水域的污染负荷的计算精准性。
205、根据每个子水域的排污信息中的污染物排污流量、污染物排污浓度及污染物排污方向,计算每个子水域的污染负荷。
207、将每个子水域的排污信息的污染负荷及该子水域的高光谱信息进行关联,得到每个子水域的关联信息。
208、分析每个子水域的高光谱信息、该子水域的排污信息及该子水域的关联信息,得到每个子水域的所有污染物的信息,每个子水域的每种污染物的信息包括该污染物的浓度及污染物的类型;并根据每个子水域的所有污染物的信息,确定水域的水质情况。
需要说明的是,针对步骤201-步骤204、步骤208的其他描述,请参阅实施例一中针对步骤101-步骤105其他相关内容的详细描述,本发明实施例不再赘述。
可见,实施图2所描述的一种饮用水源的智能监测方法通过根据水域的类型及位置将水域进行子水域划分,能够提高水域的划分精准性,并基于精准划分后的水域生成智能飞行设备的设备控制参数,能够提高设备控制参数的生成精准性,以及基于精准生成的设备控制参数控制智能飞行设备采集划分后每个子水域的高光谱信息,能够提高每个子水域的高光谱信息的采集精准性,并对其进行高光谱反演分析,得到每个子水域的污染物类型及浓度的分析情况,最后综合每个子水域污染物的分析情况分析整个水域的污染物情况,能够提高整个水域污染物的分析精准性及效率,实现了对水域的智能化监测,提高了水域数据的分析精准性,从而为相关部门提供精准的水源治理决策依据。此外,通过一并采集每个子水域的排污口的位置、大小、类型及污染物排放流量、方向及浓度,计算每个子水域的污染负荷,能够提高污染负荷的计算精准性,并将其与高光谱信息进行关联,能够便于区分每个子水域的高光谱信息及对应的污染负荷,以及将关联信息及排污信息、高光谱信息参与整个水域的污染物的分析,能够分析不同污染源对水域的水质的影响,进一步提高了水域污染物的分析精准性及可靠性,进而有利于进一步为相关部门提供精准的水域水源治理依据,进一步提高了水源的监管有效性。
在一个可选的实施例中,该方法还可以包括以下步骤:
针对任一子水域,根据子水域排污口的位置及该子水域的相邻子水域中靠近该子水域的截断面所在位置,计算该排污口与该相邻子水域的该截断面之间的距离值,每个截断面用于间隔左右(也可以理解为前后)相邻两个子水域;
根据每个子水域的排污口对应的距离值,判断所有子水域中是否存在排污口对应的距离值小于等于预设距离值的目标子水域;
当判断出存在时,从所有子水域中筛选出所有目标子水域,并基于每个目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个目标子水域排污口更近的相邻子水域的所有污染物的信息,并执行上述的根据每个子水域的所有污染物的信息,确定水域的水质情况的操作。
该可选的实施例中,当判断出不存在时,执行上述的根据每个子水域的所有污染物的信息,确定水域的水质情况的操作。
距离来说,子水域1、2、3,子水域2存在一个排污口,且该排污口距离子水域1的距离为19米,距离子水域3的距离为5米,则子水域3为目标水域。
可见,该可选的实施例通过计算子水域中排污口距离左右两边子水域之间的距离值,并在存在距离较小的子水域时,自动基于子水域的排污信息及对应的距离值自动修正靠近其且相邻子水域的污染物信息,能够提高子水域污染物的信息的确定准确性,并进行整个水域的水质情况的分析,能够进一步提高整个水域的分析精准性,进而进一步有利于提高饮用水源的监测智能性。
在另一个可选的实施例中,该方法还可以包括以下步骤:
采集每个目标子水域的水流信息,每个目标子水域的水流信息包括水流速度及水流方向;
根据每个目标子水域排污口的污染物排放信息、该目标子水域的水流信息及该目标子水域的排污口对应的距离值,确定在单位时间内每个目标子水域排污口的污染物流入其相邻子水域的流入信息,每个目标子水域对应的流入信息包括流入量、流入类型及流入面积;
该可选的实施例中,基于每个目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个目标子水域排污口更近的相邻子水域的所有污染物的信息,包括:
基于每个目标子水域的排污信息、该目标子水域排污口对应的距离值及该目标子水域对应的流入信息,修正距离每个目标子水域排污口更近的相邻子水域的所有污染物的信息。
可见,该可选的实施例通过结合子水域的水流反向、速度、污染物排放信息及排污口距离相邻子水域的距离值等多方面信息计算单位时间内流入相邻子水域流入量、波及面积及类型等流入信息,能够提高流入信息的计算精准性,并将其结合子水域的排污信息及对应的距离值自动修正靠近其且相邻子水域的污染物信息,能够进一步提高相邻子水域的污染物信息的修正精准性,进一步提高整个水域的水质情况的分析精准性。
实施例三
请参阅图3,图3是本发明实施例公开的一种饮用水源的智能监测装置的结构示意图。其中,图3所描述的装置可以包括智能飞行设备、用于控制智能飞行设备的中心控制服务器,其中,中心控制服务器包括云服务器或者现场服务器中,且如图3所示,该装置包括:
采集模块301,用于采集待测水质的水域的数据,该水域的数据包括水域的水域类型、水域的水域位置;
划分模块302,用于根据采集到的水域的数据,将水域划分为多个子水域;
设置模块303,用于为每个子水域设置标识信息;
生成模块304,用于根据划分出的每个子水域的数据及该子水域的标识信息,生成用于监测每个子水域的水质的智能飞行设备的设备控制参数,每个子水域对应的设备控制参数包括智能飞行设备的飞行控制参数及高光谱采集控制参数;
控制模块305,用于根据每个子水域对应的设备控制参数,控制智能飞行设备采集每个子水域的信息,每个子水域的信息包括该子水域的高光谱信息;
分析模块306,用于分析每个子水域的高光谱信息,得到每个子水域的所有污染物的信息,每个子水域的每种污染物的信息包括该污染物的浓度及污染物的类型;
确定模块307,用于根据每个子水域的所有污染物的信息,确定水域的水质情况。
可见,实施图3所描述的饮用水源的智能监测装置通过根据水域的类型及位置将水域进行子水域划分,能够提高水域的划分精准性,并基于精准划分后的水域生成智能飞行设备的设备控制参数,能够提高设备控制参数的生成精准性,以及基于精准生成的设备控制参数控制智能飞行设备采集划分后每个子水域的高光谱信息,能够提高每个子水域的高光谱信息的采集精准性,并对其进行高光谱反演分析,得到每个子水域的污染物类型及浓度的分析情况,最后综合每个子水域污染物的分析情况分析整个水域的污染物情况,能够提高整个水域污染物的分析精准性及效率,实现了对水域的智能化监测,提高了水域数据的分析精准性,从而为相关部门提供精准的水源治理决策依据。
在一个可选的实施例中,每个子水域包含多个信息采样点,每个子水域的高光谱信息包括每个子水域中每个信息采样点的高光谱信息;其中,分析模块306分析每个子水域的高光谱信息,得到每个子水域的所有污染物的信息的方式具体包括:
针对任一子水域:
分析子水域中每个信息采样点的高光谱信息,得到每个信息采样点的高光谱特征值,并确定子水域中每个信息采样点与智能飞行设备之间的采样高度及采集每个信息采样点的高光谱信息时的环境信息;
分析每个信息采样点对应的环境信息,对每个信息采样点的高光谱信息的采集影响,并根据子水域中每个信息采样点的高光谱特征值、采样高度及采集影响,确定子水域中每个信息采样点污染物的信息,以及根据子水域中每个信息采样点污染物的信息,确定每个子水域的所有污染物的信息。
该可选的实施例中,可选的,水域的水质情况的计算公式如下:
式中,P用于表示水域的水质情况;Pi用于表示第i个子水域的所有污染物的信息;qi 2用于表示第i个子水域的所有信息采集点对应的平均高度对其污染物的信息的第一修正系数,且0<qi 2<1;ai用于表示第i个子水域中所有信息采集点对应的平均采集影响对其污染物的信息的第二修正系数,且0≤ai≤1;Ki用于表示第i个子水域的采样点线性系数,每个子水域对应的采样点线性系数由该子水域在水域中的位置确定,且所有子水域对应的采样点线性系数之和等于1;Wit用于表示第i个子水域中第t个信息采样点的污染系数;Pit用于表示第i个子水域中第t个信息采样点的高光谱特征值;Uit用于表示第i个子水域中第t个信息采样点产生的随机误差;N用于表示所有子水域的总数量;T用于表示每个子水域的所有信息采样点的总数量。
可见,实施图3所描述的饮用水源的智能监测装置通过结合每个子水域中每个信息采样点对应的采集高度、所在环境对高光谱信息的采集影响以及高光谱信息,分析子水域的每个信息采样点的污染物的信息,能够提高每个信息采样点污染物的信息的分析精准性,进而基于精准的多个信息采样点污染物的信息一并分析对应的子水域的所有污染物的信息,能够提高每个子水域所有污染物的分析精准性,进而提高整个水域的污染物的分析精准性及可靠性。
在又一个可选的实施例中,每个子水域的信息还包括该子水域的排污信息,每个子水域的排污信息包括排污口的信息及污染物排放信息,每个子水域排污口的信息包括排污口的位置、排污口的大小及排污口对应的类型,每个子水域的污染物排放信息包括污染物排污流量、污染物排污浓度及污染物排污方向;
如图4所示,该装置还包括:
第一计算模块308,用于根据每个子水域的排污信息中的污染物排污流量、污染物排污浓度及污染物排污方向,计算每个子水域的污染负荷;
关联模块309,用于将每个子水域的排污信息的污染负荷及该子水域的高光谱信息进行关联,得到每个子水域的关联信息;
其中,分析模块306分析每个子水域的高光谱信息,得到每个子水域的所有污染物的信息的方式具体包括:
分析每个子水域的高光谱信息、该子水域的排污信息及该子水域的关联信息,得到每个子水域的所有污染物的信息,每个子水域的每种污染物的信息包括该污染物的浓度及污染物的类型。
可见,实施图4所描述的饮用水源的智能监测装置能够通过一并采集每个子水域的排污口的位置、大小、类型及污染物排放流量、方向及浓度,计算每个子水域的污染负荷,能够提高污染负荷的计算精准性,并将其与高光谱信息进行关联,能够便于区分每个子水域的高光谱信息及对应的污染负荷,以及将关联信息及排污信息、高光谱信息参与整个水域的污染物的分析,能够分析不同污染源对水域的水质的影响,进一步提高了水域污染物的分析精准性及可靠性,进而有利于进一步为相关部门提供精准的水域水源治理依据,进一步提高了水源的监管有效性。
在又一个可选的实施例中,第一计算模块308,还用于针对任一子水域,根据子水域排污口的位置及该子水域的相邻子水域中靠近该子水域的截断面所在位置,计算该排污口与该相邻子水域的该截断面之间的距离值,每个截断面用于间隔左右相邻两个子水;
如图4所示,该装置还包括:
第一判断模块310,用于根据每个子水域的排污口对应的距离值,判断所有子水域中是否存在排污口对应的距离值小于等于预设距离值的目标子水域;
确定模块307,还用于当判断出存在时,从所有子水域中筛选出所有目标子水域;
修正模块311,用于基于每个目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个目标子水域排污口更近的相邻子水域的所有污染物的信息,并触发确定模块307执行上述的根据每个子水域的所有污染物的信息,确定水域的水质情况的操作。
可见,实施图4所描述的饮用水源的智能监测装置还能够计算子水域中排污口距离左右两边子水域之间的距离值,并在存在距离较小的子水域时,自动基于子水域的排污信息及对应的距离值自动修正靠近其且相邻子水域的污染物信息,能够提高子水域污染物的信息的确定准确性,并进行整个水域的水质情况的分析,能够进一步提高整个水域的分析精准性。
在又一个可选的实施例中,如图4所示,采集模块301,还用于采集每个目标子水域的水流信息,每个目标子水域的水流信息包括水流速度及水流方向;
确定模块307,还用于根据每个目标子水域排污口的污染物排放信息、该目标子水域的水流信息及该目标子水域的排污口对应的距离值,确定在单位时间内每个目标子水域排污口的污染物流入其相邻子水域的流入信息,每个目标子水域对应的流入信息包括流入量、流入类型及流入面积;
其中,修正模块311基于每个目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个目标子水域排污口更近的相邻子水域的所有污染物的信息的方式具体包括:
基于每个目标子水域的排污信息、该目标子水域排污口对应的距离值及该目标子水域对应的流入信息,修正距离每个目标子水域排污口更近的相邻子水域的所有污染物的信息。
可见,实施图4所描述的饮用水源的智能监测装置还能够结合子水域的水流反向、速度、污染物排放信息及排污口距离相邻子水域的距离值等多方面信息计算单位时间内流入相邻子水域流入量、波及面积及类型等流入信息,能够提高流入信息的计算精准性,并将其结合子水域的排污信息及对应的距离值自动修正靠近其且相邻子水域的污染物信息,能够进一步提高相邻子水域的污染物信息的修正精准性,进一步提高整个水域的水质情况的分析精准性。
在又一个可选的实施例中,智能飞行设备的设备控制参数还包括智能飞行设备的摄像器参数;如图4所示,该装置还包括:
第二判断模块312,用于在采集子水域的信息的过程中,判断采集到的子水域的信息是否满足预先确定出的信息质量要求;
第二计算模块313,用于当判断出不满足时,计算采集到的子水域的信息与信息质量要求之间的信息差;
采集模块301,还用于采集智能飞行设备当前所在飞行位置对应的数据采集范围的信息,该数据采集范围的信息包括光线强度、该数据采集范围中水反光强度、该数据采集范围中水反光角度以及智能飞行设备与数据采集范围的垂直高度;
调整模块314,用于根据信息差以及数据采集范围的信息,调整智能飞行设备的设备控制参数,并继续触发控制模块305执行上述的根据每个子水域对应的设备控制参数,控制智能飞行设备采集每个子水域的信息的操作。
可见,实施图4所描述的饮用水源的智能监测装置还能够在采集水域信息的过程中,若采集到的信息不满足要求,则自动计算采集到的信息与其要求之间的信息差,并自动基于光线强度、该数据采集范围中水反光强度、该数据采集范围中水反光角度以及智能飞行设备与数据采集范围的垂直高度众多信息调整智能飞行设备的设备控制参数,能够提高智能飞行设备的设备控制参数的调整精准性,从而提高采集到满足要求的信息的概率,进而确保水域的水质情况的分析精准性。
实施例五
请参阅图5,图5是本发明实施例公开的又一种饮用水源的智能监测装置的结构示意图。其中,图5所描述的装置可以包括智能飞行设备、用于控制智能飞行设备的中心控制服务器,其中,中心控制服务器包括云服务器或者现场服务器中。如图5所示,该装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
进一步的,还可以包括与处理器402耦合的输入接口403和输出接口404;
其中,处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或实施例二公开的一种饮用水源的智能监测方法的部分或全部步骤。
实施例六
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或实施例二公开的一种饮用水源的智能监测方法中的部分或全部步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种饮用水源的智能监测方法及装置所揭露的仅为本发明较佳实施例而已,仅用于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项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;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (9)
1.一种饮用水源的智能监测方法,其特征在于,所述方法包括:
采集待测水质的水域的数据,所述水域的数据包括所述水域的水域类型、所述水域的水域位置;
根据采集到的所述水域的数据,将所述水域划分为多个子水域,并为每个所述子水域设置标识信息;
根据划分出的每个所述子水域的数据及该子水域的标识信息,生成用于监测每个所述子水域的水质的智能飞行设备的设备控制参数,每个所述子水域对应的设备控制参数包括所述智能飞行设备的飞行控制参数及高光谱采集控制参数,所述飞行控制参数包括飞行速度控制参数、飞行高度控制参数,所述高光谱采集控制参数包括光谱分辨率控制参数、光谱波段控制参数、光谱视场控制参数及信噪比控制参数中的一种或多种;
根据每个所述子水域对应的设备控制参数,控制所述智能飞行设备采集每个所述子水域的信息,每个所述子水域的信息包括该子水域的高光谱信息;
分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,每个所述子水域的每种所述污染物的信息包括该污染物的浓度及污染物的类型;并根据每个所述子水域的所有所述污染物的信息,确定所述水域的水质情况;
每个所述子水域包含多个信息采样点,每个所述子水域的高光谱信息包括每个所述子水域中每个所述信息采样点的高光谱信息;
其中,所述分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,包括:
针对任一所述子水域:
分析所述子水域中每个所述信息采样点的高光谱信息,得到每个所述信息采样点的高光谱特征值,并确定所述子水域中每个所述信息采样点与所述智能飞行设备之间的采样高度及采集每个所述信息采样点的高光谱信息时的环境信息;
分析每个所述信息采样点对应的环境信息,对每个所述信息采样点的高光谱信息的采集影响,并根据所述子水域中每个所述信息采样点的高光谱特征值、采样高度及采集影响,确定所述子水域中每个所述信息采样点污染物的信息,以及根据所述子水域中每个所述信息采样点污染物的信息,确定每个所述子水域的所有污染物的信息。
2.根据权利要求1所述的饮用水源的智能监测方法,其特征在于,所述水域的水质情况的计算公式如下:
式中,P用于表示所述水域的水质情况;Pi用于表示第i个所述子水域的所有污染物的信息;qi 2用于表示第i个所述子水域的所有信息采集点对应的平均高度对其污染物的信息的第一修正系数;ai用于表示第i个所述子水域中所有信息采集点对应的平均采集影响对其污染物的信息的第二修正系数;Ki用于表示第i个所述子水域的采样点线性系数,每个所述子水域对应的采样点线性系数由该子水域在所述水域中的位置确定,且所有所述子水域对应的采样点线性系数之和等于1;Wit用于表示第i个所述子水域中第t个信息采样点的污染系数;Pit用于表示第i个所述子水域中第t个信息采样点的高光谱特征值;Uit用于表示第i个所述子水域中第t个信息采样点产生的随机误差;N用于表示所有所述子水域的总数量;T用于表示每个所述子水域的所有所述信息采样点的总数量。
3.根据权利要求1或2所述的饮用水源的智能监测方法,其特征在于,每个所述子水域的信息还包括该子水域的排污信息,每个所述子水域的排污信息包括排污口的信息及污染物排放信息,每个所述子水域排污口的信息包括所述排污口的位置、所述排污口的大小及所述排污口对应的类型,每个所述子水域的污染物排放信息包括污染物排污流量、污染物排污浓度及污染物排污方向;
所述方法还包括:
根据每个所述子水域的排污信息中的所述污染物排污流量、所述污染物排污浓度及所述污染物排污方向,计算每个所述子水域的污染负荷,并将每个所述子水域的排污信息的污染负荷及该子水域的高光谱信息进行关联,得到每个所述子水域的关联信息;
其中,所述分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,包括:
分析每个所述子水域的高光谱信息、该子水域的排污信息及该子水域的关联信息,得到每个所述子水域的所有污染物的信息。
4.根据权利要求3所述的饮用水源的智能监测方法,其特征在于,所述方法还包括:
针对任一所述子水域,根据所述子水域排污口的位置及该子水域的相邻子水域中靠近该子水域的截断面所在位置,计算该排污口与该相邻子水域的该截断面之间的距离值,每个所述截断面用于间隔左右相邻两个所述子水域;
根据每个所述子水域的排污口对应的距离值,判断所有所述子水域中是否存在所述排污口对应的距离值小于等于预设距离值的目标子水域;
当判断出存在时,从所有所述子水域中筛选出所有所述目标子水域,并基于每个所述目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息,并执行所述的根据每个所述子水域的所有所述污染物的信息,确定所述水域的水质情况的操作。
5.根据权利要求4所述的饮用水源的智能监测方法,其特征在于,所述方法还包括:
采集每个所述目标子水域的水流信息,每个所述目标子水域的水流信息包括水流速度及水流方向;
根据每个所述目标子水域排污口的污染物排放信息、该目标子水域的水流信息及该目标子水域的排污口对应的距离值,确定在单位时间内每个所述目标子水域排污口的污染物流入其相邻子水域的流入信息,每个所述目标子水域对应的流入信息包括流入量、流入类型及流入面积;
其中,所述基于每个所述目标子水域的排污信息及该目标子水域排污口对应的距离值,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息,包括:
基于每个所述目标子水域的排污信息、该目标子水域排污口对应的距离值及该目标子水域对应的流入信息,修正距离每个所述目标子水域排污口更近的相邻子水域的所有污染物的信息。
6.根据权利要求1、2、4或5所述的饮用水源的智能监测方法,其特征在于,所述智能飞行设备的设备控制参数还包括所述智能飞行设备的摄像器参数;
所述方法还包括:
在采集所述子水域的信息的过程中,判断采集到的所述子水域的信息是否满足预先确定出的信息质量要求,当判断出不满足时,计算采集到的所述子水域的信息与所述信息质量要求之间的信息差,并采集所述智能飞行设备当前所在飞行位置对应的数据采集范围的信息,所述数据采集范围的信息包括光线强度、所述数据采集范围中水反光强度、所述数据采集范围中水反光角度以及所述智能飞行设备与所述数据采集范围的垂直高度;
根据所述信息差以及所述数据采集范围的信息,调整所述智能飞行设备的设备控制参数,并继续执行所述的根据每个所述子水域对应的设备控制参数,控制所述智能飞行设备采集每个所述子水域的信息的操作。
7.一种饮用水源的智能监测装置,其特征在于,所述装置包括:
采集模块,用于采集待测水质的水域的数据,所述水域的数据包括所述水域的水域类型、所述水域的水域位置;
划分模块,用于根据采集到的所述水域的数据,将所述水域划分为多个子水域;
设置模块,用于为每个所述子水域设置标识信息;
生成模块,用于根据划分出的每个所述子水域的数据及该子水域的标识信息,生成用于监测每个所述子水域的水质的智能飞行设备的设备控制参数,每个所述子水域对应的设备控制参数包括所述智能飞行设备的飞行控制参数及高光谱采集控制参数,所述飞行控制参数包括飞行速度控制参数、飞行高度控制参数,所述高光谱采集控制参数包括光谱分辨率控制参数、光谱波段控制参数、光谱视场控制参数及信噪比控制参数中的一种或多种;
控制模块,用于根据每个所述子水域对应的设备控制参数,控制所述智能飞行设备采集每个所述子水域的信息,每个所述子水域的信息包括该子水域的高光谱信息;
分析模块,用于分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息,每个所述子水域的每种所述污染物的信息包括该污染物的浓度及污染物的类型;
确定模块,用于根据每个所述子水域的所有所述污染物的信息,确定所述水域的水质情况;
每个所述子水域包含多个信息采样点,每个所述子水域的高光谱信息包括每个所述子水域中每个所述信息采样点的高光谱信息;
其中,所述分析模块分析每个所述子水域的高光谱信息,得到每个所述子水域的所有污染物的信息的方式具体包括:
针对任一所述子水域:
分析所述子水域中每个所述信息采样点的高光谱信息,得到每个所述信息采样点的高光谱特征值,并确定所述子水域中每个所述信息采样点与所述智能飞行设备之间的采样高度及采集每个所述信息采样点的高光谱信息时的环境信息;
分析每个所述信息采样点对应的环境信息,对每个所述信息采样点的高光谱信息的采集影响,并根据所述子水域中每个所述信息采样点的高光谱特征值、采样高度及采集影响,确定所述子水域中每个所述信息采样点污染物的信息,以及根据所述子水域中每个所述信息采样点污染物的信息,确定每个所述子水域的所有污染物的信息。
8.一种饮用水源的智能监测装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-6任一项所述的饮用水源的智能监测方法。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-6任一项所述的饮用水源的智能监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140054.9A CN115236007B (zh) | 2022-09-20 | 2022-09-20 | 一种饮用水源的智能监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140054.9A CN115236007B (zh) | 2022-09-20 | 2022-09-20 | 一种饮用水源的智能监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115236007A CN115236007A (zh) | 2022-10-25 |
CN115236007B true CN115236007B (zh) | 2022-12-09 |
Family
ID=83681333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211140054.9A Active CN115236007B (zh) | 2022-09-20 | 2022-09-20 | 一种饮用水源的智能监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115236007B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0938631A (ja) * | 1995-07-26 | 1997-02-10 | Hitachi Ltd | リモートセンシング応用広域水圏監視システム |
KR100794589B1 (ko) * | 2007-02-27 | 2008-01-17 | 인하대학교 산학협력단 | 지아이에스를 이용한 수질오염부하산정 의사결정지원시스템및 그 운영방법 |
CN108709974A (zh) * | 2018-08-16 | 2018-10-26 | 天狼联盟材料科技研究(广东)有限公司 | 一种基于物联网监控河涌水域污染状态的自动化监测*** |
CN109061087A (zh) * | 2018-08-16 | 2018-12-21 | 天狼联盟材料科技研究(广东)有限公司 | 一种可分布式物联网的河涌水域污染状态实时监测仪 |
CN112394152A (zh) * | 2020-10-27 | 2021-02-23 | 范玲珍 | 一种基于大数据的水质实时智能监测分析管理*** |
CN112362834A (zh) * | 2020-10-29 | 2021-02-12 | 广州立信电子科技有限公司 | 一种基于大数据的水体水质智能在线实时监测分析管理*** |
KR102254847B1 (ko) * | 2020-10-30 | 2021-05-24 | 한국건설기술연구원 | 드론을 이용하여 하천을 관리하기 위한 시스템 및 그 방법 |
CN112557598B (zh) * | 2020-12-03 | 2022-12-02 | 周进 | 一种基于物联网的城市空气质量监控管理方法 |
CN113834782A (zh) * | 2021-08-31 | 2021-12-24 | 陈沛彬 | 一种基于水质检测的设备运行方法及*** |
CN114755367B (zh) * | 2022-04-19 | 2023-07-25 | 薛四社 | 一种环保污染监测方法、***、设备及介质 |
-
2022
- 2022-09-20 CN CN202211140054.9A patent/CN115236007B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115236007A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154134B (zh) | 基于深度卷积神经网络的互联网直播色情图像检测方法 | |
CN114022052B (zh) | 水质异常监测方法、装置、存储介质及计算机设备 | |
Brusa et al. | Increasing the precision of canopy closure estimates from hemispherical photography: Blue channel analysis and under-exposure | |
CN112285807A (zh) | 一种气象信息预测方法及装置 | |
CN105930900B (zh) | 一种混合风力发电的预测方法及*** | |
CN109919425A (zh) | 一种基于相关性分析的台区用户关系纠错方法 | |
CN103344583A (zh) | 一种基于机器视觉的镨-钕(Pr/Nd)组分含量检测***及方法 | |
CN115423163A (zh) | 一种流域短期洪水事件预测方法、装置及终端设备 | |
CN113095694B (zh) | 一种适用于多地貌类型区的降雨输沙模型构建方法 | |
Nipen et al. | Calibrating probabilistic forecasts from an NWP ensemble | |
CN109946424A (zh) | 基于人工蜂群和神经网络的气体标定分类方法及*** | |
CN115236005A (zh) | 一种融合光谱和空间特征的土壤重金属含量反演方法 | |
CN117113236A (zh) | 一种智慧城市监控***及数据处理方法 | |
CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及*** | |
EP3333802B1 (en) | Method and system for quantifying greenhouse gases emissions produced in a wastewater treatment plant and method of multivariable control for optimizing the operation of such plants | |
CN113758890A (zh) | 一种气体浓度计算方法、装置、设备及存储介质 | |
CN116402369A (zh) | 一种智慧城市交通运行安全监测数据评估***及方法 | |
CN115236007B (zh) | 一种饮用水源的智能监测方法及装置 | |
CN112287299A (zh) | 河流健康变化定量归因方法、装置及*** | |
CN109409666B (zh) | 基于大气扩散模型及线性规划的环境影响评估方法 | |
CN117439827B (zh) | 一种网络流量大数据分析方法 | |
CN117093822B (zh) | 基于产业知识图谱的产业大脑数据分析平台 | |
CN116757898B (zh) | 一种基于预测比对的汛期污染强度核算方法及*** | |
CN114143734A (zh) | 一种用于5g物联网卡流量采集的数据处理方法及装置 | |
CN110852322B (zh) | 感兴趣区域的确定方法及装置 |
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 |