CN115372571A - 一种水环境智能监测*** - Google Patents
一种水环境智能监测*** Download PDFInfo
- Publication number
- CN115372571A CN115372571A CN202210794472.3A CN202210794472A CN115372571A CN 115372571 A CN115372571 A CN 115372571A CN 202210794472 A CN202210794472 A CN 202210794472A CN 115372571 A CN115372571 A CN 115372571A
- Authority
- CN
- China
- Prior art keywords
- water
- water environment
- cloud
- intelligent
- data
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 231
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 84
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 25
- 238000013500 data storage Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 239000008239 natural water Substances 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 8
- 208000034699 Vitreous floaters Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 229910052748 manganese Inorganic materials 0.000 description 2
- 239000011572 manganese Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 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
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- 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
- G01N33/1806—Biological oxygen demand [BOD] or chemical oxygen demand [COD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/20—Arrangements in telecontrol or telemetry systems using a distributed architecture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
- H04Q2209/84—Measuring functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Food Science & Technology (AREA)
- Signal Processing (AREA)
- Medicinal Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- Emergency Medicine (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种水环境智能监测***,包括:摄像头和水质检测探测器,云端智能识别规则库存储有智能识别规则;边缘侧智能识别规则库接收并存储云端智能识别规则库下发的智能识别规则;边缘分析模块从边缘侧智能识别规则库抽取智能识别规则,利用智能识别规则识别所述水环境视频数据获得水体特征,将水体特征和/或各项水质指标根据水环境评价规则输出分析结果,将异常结果展示并告警,将无法分析确定的数据发送给云端综合分析模块;云端综合分析模块,云端综合分析模块,接收边缘分析模块发送的数据并进行分析,将异常结果展示并告警。本发明基于机器学习构造视频识别模型,与探测器结合形成全方位的水环境监测***,实现了水环境智能化识别。
Description
技术领域
本发明涉及物联网及视频分析技术在水质智慧监管领域的应用,更为准确的说,是基于物联网,视频识别的智慧分析技术的智慧污水运行监管综合管理方法。通过这种技术创新了一种更为全面,更具实时性的水环境智能监测***。
背景技术
城市居民日常生活中排放的污水和许多工业废水中含有大量的有机污染物,大多数城市的河流,水库存在严重的有机污染。这导致城市水源适量下降和处理成本增加,严重威胁了城市居民健康。水污染造成的危害影响范围广,持续时间长,其危害往往在相当长的一段时间后才凸显出来。此外,水污染将加剧水资源缺乏并恶化生态环境。由此,水环境治理,水务行业的重要性就日益凸显。
通常的水务管理的日常巡检基本都是根据既定的巡检计划,巡检人员以定期检查,日常检查,专项检查,季节性检查等多种形式开展所管流域的水环境相关问题检查。水质监测基本上都是采用人工定期采集水质样本进行化验,以获取当前水质的当下检测结果。无论是日常巡检,还是水质送检,都存在无法实时保证每时每刻监测,无法快速发现水务问题,也无法做到7*24小时不间断监测水务状况。
发明内容
为此,本发明提供了一种综合性的全面水务监管的分析方法。主要基于物联网以及机器学习与视频识别分析技术对现场水质信息、水位情况,以及河道垃圾漂浮物等问题数据进行获取和规范化处理,达到数据采集、数据传输和数据处理一体化,进而实现智慧水务的全局性监控与管理。本发明所采用的具体方案如下:
一种水环境智能监测***,包括:
摄像头A,安装在水域的各第一检测点,用于捕捉水环境视频数据;
水质检测探测器B,安装在水域的各第二检测点,用于检测各项水质指标;
云端智能识别规则库E2,存储有智能识别规则,所述智能识别规则包括水环境评价规则,以及经过机器学习形成的多种视频识别模型;
边缘侧智能识别规则库E1,接收并存储云端智能识别规则库E2下发的智能识别规则;
边缘分析模块D,从边缘侧智能识别规则库E1抽取智能识别规则,利用所述视频识别模型识别所述水环境视频数据获得水体特征,将水体特征和/或各项水质指标根据水环境评价规则输出分析结果,并将其中的异常结果传输至边缘端告警展示模块C1展示并告警,并将无法分析确定的数据发送给云端综合分析模块F;
云端综合分析模块F,接收边缘分析模块D发送的数据并进行分析,并将异常结果传输至云端告警展示模块C2展示并告警。
可选地,所述第一检测点与第二检测点不完全相同。
可选地,边缘端告警展示模块C1、云端告警展示模块C2都以声音和/或灯光进行告警提示。
可选地,云端告警展示模块C2还接收并展示边缘端告警展示模块C1发送的告警。
可选地,所述水环境评价规则包括第一水环境评价规则和第二水环境评价规则,第一水环境评价规则根据各种水质评价标准确定第一水环境评价等级,第二水环境评价规则对水体特征进行分级评价确定第二水环境评价等级。
可选地,一个视频识别模型通过地域的河道水面颜色来识别水质,其训练过程是抽取该地域的不同时间段、不同水质级别的水面颜色进行机器学习从而得出该地域不同时间段不同级别水质的第二水环境评价等级。
可选地,各种水质检测探测器B分布于不同区域位置,用于对影响水质的各种因素进行检测,包括自然水源探测器、城镇供水***探测器、用水口探测器、污染源探测器。
可选地,所述摄像头A支持红外、全景360度旋转、同步音频,所述边缘分析模块D集成于摄像头装置内部,或独立布置。
可选地,对于没有匹配的水环境评价规则的数据,边缘分析模块发送告警信号给边缘端告警展示模块C1,云端综合分析模块F发送告警信号给云端告警展示模块C2。
可选地,还包括边缘数据存储模块G1,存储有水环境视频数据,探测器采集的各项水质指标数据,以及边缘分析模块D的分析结果数据;
云端数据存储模块G2,用于存储传输到云端的采集数据,分析结果以及告警记录。
本发明基于机器学习构造的视频识别模型,与探测器结合形成一种全方位的水环境监测***。并且,终端边缘分析模块有效地承载了部分数据分析和数据存储的功能。通过以上方式真正实现了水环境智能化识别,实时监控,因地制宜,更为精准的水环境监控模式。
附图说明
图1是表示本发明实施例的水环境智能监测***的整体框架图;
图2是表示本发明实施例的水环境智能监测***的工作流程图。
具体实施方式
下面将结合附图对本发明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做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。
如图1所示,本实施例的水环境智能监测***包括摄像头A、水质检测探测器B、边缘分析模块D、边缘侧智能识别规则库E1、云端综合分析模块F、云端智能识别规则库E2、边缘数据存储模块G1、云端数据存储模块G2、数据传输模块H。用于对水域的水环境状况进行监测,水环境状况包括水质情况、水位情况、水面情况等。
其中,摄像头A可以是多个,安装在水域的第一检测点,第一检测点分布在河道、水库、污水排水口、水位标线等处。摄像头A用于捕捉实时场景,例如针对水体颜色、水面漂浮物、水位等相关视频数据进行采集。摄像头包括但不限于支持红外、全景360度可上下左右旋转、支持同步音频等。
其中,各种水质检测探测器B分布于水域的第二检测点,第二检测点可以与第一检测点完全相同,也可以完全不同,或者不完全相同。水质检测探测器B用于对影响水质的各种因素进行检测,包括但不限于自然水源探测器(设置于河道内),城镇供水***探测器(设置在城镇供水***内),用水口探测器(设置在用水终端),污染源探测器(设置在可能的污染源处),这部分采集的数据将用于终端边缘分析处理分***分析。水质探测器可以是包括例如温度传感器、浊度传感器、电导率传感器、微生物传感器、COD传感器、NH3-N传感器、溶解氧传感器等,也可以是包含这些传感器的集成的探测器。
其中,边缘分析模块D从边缘侧智能识别规则库E1提取智能识别规则,所述智能识别规则包括经过机器学***台,而不需要把合格的分析结果和监测数据再传输给云端综合分析模块进行分析。例如有基于某个地域的河道水面颜色判断水质类别的视频识别模型,则此地域的摄像头A采集到的水面颜色数据在边缘分析模块D进行分析,分析合格的数据不再传输给云端综合分析模块,而分析结果不合格的数据以及结果才会发送给云端综合分析模块。
边缘侧智能识别规则库E1中的视频识别模型和相关的评价规则都是云端综合分析模块下发而来,所以边缘侧智能识别规则库是云端综合智能识别规则库的子集。水环境评价规则包括第一水环境评价规则和第二水环境评价规则,第一水环境评价规则根据各种水质评价标准确定第一水环境评价等级,第二水环境评价规则对视频提取的水体特征进行分级评价确定第二水环境评价等级。边缘分析模块D既可以单独采用视频提取的水体特征结合第二水环境评价规则进行评价,输出第二水环境等级,也可以单独采用探测器探测数据结合第一水环境评价规则进行评价,输出第一水环境等级,还可以将第一水环境评价规则和第二水环境评价规则的评价结果进行综合考虑,输出综合水环境等级,例如,可以是加权求和输出。其中判定异常结果是指将水环境评价等级与设定的阈值等级进行比较,超过阈值等级,则认为是异常结果。
其中的视频识别模型可以是通过机器学习的方式进行训练,通过包含有各种水体颜色与水环境相关联的训练数据,或者水体上漂浮物大小、数量、密集程度等与水环境相关联的训练数据,等等多种数据对视频识别模型进行训练,所述视频识别模型可以是通过抽取画面帧的形式从视频中抽取图像进行识别,并根据识别结果从第二水环境评价规则中确定第二水环境等级。
视频识别模型可以为多个,例如漂浮物识别模型、水质识别模型(通过水质颜色分析)等,对应各视频识别模型可以设置不同的第二水环境评价规则,例如对应漂浮物识别模型,可以根据漂浮物的大小来设定第二水环境评价规则,漂浮物覆盖面积小于10cm2,数量少于3个对应一个水环境等级,漂浮物覆盖面积大于10cm2小于30cm2,数量少于3个对应一个水环境等级,漂浮物覆盖面积大于30cm2小于1m2,数量多于3个对应一个水环境等级。可见随着漂浮物的覆盖面积增大、数量增多,其对应的第二水环境等级是越来越低的。将该第二水环境评价规则与视频识别模型对应,则可以在视频识别模型识别出结果后根据规则输出第二水环境等级。
例如对应水质识别模型,可以根据水质的颜色不同来设定第二水环境评价规则,通过某地域的河道水面颜色来识别水质,那么水质识别模型的训练就是抽取该地域的不同时间段,不同水质级别的水面颜色进行机器学习从而得出该地域不同时间段不同级别水质的规则。所述不同时间段可以是例如春夏秋冬四个季节。水质识别模型根据识别的结果去与第二水环境评价规则对比,从而确定对应的第二水环境等级(当然此处通过水体颜色判断水质不够准确,还可以与探测器的数据结合来确定综合水质等级)。对各个第一水环境评价规则、第二水环境评价规则进行标识和编码,每个具体的规则对应一个编码。并且优选地,还给每个规则标识是属于边缘侧智能识别还是云端智能识别。
不同位置的探测器可以采用同一个规则来判断其水环境等级,例如,不同位置的COD传感器的数据都是采用同一第一水环境评价规则来判定第一水环境等级。
实时分析摄像头A采集的视频图像。由于视频图像通常较大,将其传输到云端综合分析模块F会耗费大量的时间和存储空间,因此,边缘分析模块D尽可能的通过实时采集的视频数据,在边缘侧进行识别,而不是传输到云端综合分析模块F进行识别。边缘分析模块D可以集成于摄像头装置内部,也可以单独设计一款数据分析采集盒。在本发明中体现方式不重要,而是这个模块承载的功能。
边缘分析模块D接收到摄像头或者探测器获取到相关的数据后,先去边缘侧智能识别规则库E1去查询是否可应用本地的智能识别规则,如果可以,则调用视频识别模型和水环境评价规则进行分析,对于分析后的正常数据,按照设置的有效时间保存在数据存储模块。如果是异常数据,则会调用边缘告警展示模块C1,并且同步把相关告警内容传输给云端告警展示模块C2。
比如,摄像头A捕捉到水面有漂浮物,边缘分析模块利用其视频识别模型对视频帧的图片进行分析,并根据水环境评价规则判定是否是异常数据,例如水面漂浮物的覆盖面积大于1m2,则判定为异常,则边缘告警展示模块C1同步发出告警。同时告警结果传输回云端告警展示模块C2,控制室人员收到告警后,查看视频确认水面确实存在较大垃圾,就会通知巡逻人员进行实地清理。
云端综合分析模块F主要对通过摄像头A以及各种水质探测器传输过来的未经边缘端分析模块处理的数据进行分析,调用云端侧智能识别规则E2模块作为识别模型和识别依据。比如,目前经过机器学习的识别模型的识别准确率只能达到80%,这时单纯的依靠识别模型来识别就不是很准确,如果被测点有对应的水质探测器,那就可以结合探测器传输回来的数据两者结合起来分析。如果无法获取到探测器的数据,就返回给云端综合分析模块,控制室人员对视频数据人工进行分析。再比如,检测点的探测器数据容易受季节、环境的影响,没有唯一固定的监测标准,则云端综合分析模块可以调用当地域当下雨量、温度、排水量等影响检测标准的实时数据进行综合分析,从而修正规则。具体的内容属于水工艺部分,在此不做详解。经过综合分析模块处理,得出水环境等级。
云端综合分析模块F接收到待处理数据后,调用云端侧智能识别规则E2;如果没有查询到匹配的水环境评价规则,则以告警的方式通知相关技术人员进行人工分析。比如接收到探测器返回的排污口某化学成分浓度的数据,但是在水环境评价规则中没有找到该探测器的相关规则,于是就调用云端告警展示模块C2,以声音的方式提醒控制室人员,收到无法分析的数据,需要人工分析。
如果查询到匹配的水环境评价规则,并且水环境评价规则中标识的需要结合某探测器数据进行综合分析,则调用数据存储模块获取该探测器的实时数据进行综合分析。当然,在配置水环境评价规则时,可以根据需要配置哪个视频识别模型需要对应哪个第二水环境评价规则,哪个探测器需要对应哪个第一水环境评价规则,以及哪个视频识别模型与哪个探测器配合来进行综合评价。比如,水质颜色与水中污染物成分关联的规则。云端综合分析模块收到某摄像头返回的水质颜色异常的数据,例如返回的颜色是黑色,调用视频识别模型,需要结合某探测器的数据进行综合分析,发现探测器数据返回的锰的含量严重超标,根据水质颜色和锰含量超标的程度,来得出最终的综合水环境等级,并且以告警方式展示。
云端侧智能识别规则库E2:这部分包含视频识别模型,以及设置的不同不同水环境评价规则。规则库E2可以根据需求进行定制化配置,并且后续随着机器学***行化更新。并且,当云端侧智能识别规则库E2更新后,会同步更新到边缘端智能识别规则库E1。
云端综合分析模块F接收到待处理的数据后,调用云端侧智能识别规则库E2,如果查询到匹配的水环境评价规则,则调用相关规则和第三方接口对数据进行分析。如果是异常数据,则需要调用云端告警展示模块C2。比如,云端综合分析模块F接收到某河道水位数据,发现规则库E2中的有关于水位识别的水环境评价规则,并且标识为需要调用三方接口(当下地域,当下天气,当下雨量等)综合分析,对于分析后的正常数据,则按照设置的有效保存时间保存在数据存储模块。如果是异常数据,则需要调用告警展示模块C2。
数据存储模块G1属于云端侧,包含有所有传输到云端的采集数据,分析结果以及告警记录。数据存储模块可以采用中心化的常规数据库进行存储,也可以采用基于区块链的非中心化的加密方式进行存储。
数据存储模块G2属于终端侧。可以存储有效时间内的一些视频数据,探测器采集的数据,供云端综合分析模块调用。
数据传输模块H接收终端侧的边缘分析模块,摄像头以及相关水质探测器传输回来的各种数据,发送从云端下发给边缘分析模块的智能识别规则。
边缘端告警展示模块C1是对经过视频识别模型以及探测器检测后的水环境等级不合格的被测点,进行告警记录与提醒。C1部署在终端侧。告警提醒包括但不限于声音、灯光分级等方式。在边缘端分析模块处理后,是不合格的数据,比如河道水面经过视频识别出现人脸,异常数据返回给告警展示模块,边缘端告警展示模块C1就会以声音的方式进行提醒,同时边缘端告警展示模块C1产生的告警需要把结果同步返回给云端告警展示模块。
云端告警展示模块C2,用于在云端综合分析模块分析处理后的不合格数据,云端告警展示模块C2将以声音结合灯光的方式进行组合提示。并且也可以接收来自C1模块的告警。
下面说明一下该水环境智能监测***的工作流程,云端侧智能识别规则库E2将一些规则同步到边缘侧智能识别规则库E1中,边缘分析模块D在接收到摄像头和探测器的数据后,去边缘侧智能识别规则库E1查找水环境评价规则,例如,如果是视频数据,就查收第二水环境评价规则进行评价,如果是探测器数据,查找第一水环境评价规则进行评价,正常数据存储到数据存储模块G2,异常数据存储到边缘端告警展示模块C1。
如果边缘侧智能识别规则库E1没有对应的水环境评价规则,则边缘分析模块D将数据发送给云端综合分析模块F,云端综合分析模块F去云端侧智能识别规则库E2中查收水环境评价规则,并可以结合第一评价规则和第二评价规则进行评价。
如果云端侧智能识别规则库E2没有对应的水环境评价规则,则告警给技术人员进行人工分析。如果仅是探测器数据,云端综合分析模块F可以调用第三方接口,获得相关评价数据来进行评价。例如,对于探测器发送的水位数据,云端综合分析模块F可以调用第三方接口,获得该水域所在区域的当下天气,当下雨量等数据,再综合分析水位,给出水位评价。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员可根据本发明做出各种相应的改变和变形,但这些相应的改变和变形都属于本发明的权利要求的保护范围。
Claims (10)
1.一种水环境智能监测***,其特征在于,包括:
摄像头A,安装在水域的各第一检测点,用于捕捉水环境视频数据;
水质检测探测器B,安装在水域的各第二检测点,用于检测各项水质指标;
云端智能识别规则库E2,存储有智能识别规则,所述智能识别规则包括水环境评价规则,以及经过机器学习形成的多种视频识别模型;
边缘侧智能识别规则库E1,接收并存储云端智能识别规则库E2下发的智能识别规则;
边缘分析模块D,从边缘侧智能识别规则库E1抽取智能识别规则,利用所述视频识别模型识别所述水环境视频数据获得水体特征,将水体特征和/或各项水质指标根据水环境评价规则输出分析结果,并将其中的异常结果传输至边缘端告警展示模块C1展示并告警,并将无法分析确定的数据发送给云端综合分析模块F;
云端综合分析模块F,接收边缘分析模块D发送的数据并进行分析,并将异常结果传输至云端告警展示模块C2展示并告警。
2.根据权利要求1所述的水环境智能监测***,其特征在于,所述第一检测点与第二检测点不完全相同。
3.根据权利要求1所述的水环境智能监测***,其特征在于,边缘端告警展示模块C1、云端告警展示模块C2都以声音和/或灯光进行告警提示。
4.根据权利要求1所述的水环境智能监测***,其特征在于,云端告警展示模块C2还接收并展示边缘端告警展示模块C1发送的告警。
5.根据权利要求1所述的水环境智能监测***,其特征在于,所述水环境评价规则包括第一水环境评价规则和第二水环境评价规则,第一水环境评价规则根据各种水质评价标准确定第一水环境评价等级,第二水环境评价规则对水体特征进行分级评价确定第二水环境评价等级。
6.根据权利要求1所述的水环境智能监测***,其特征在于,一个视频识别模型通过地域的河道水面颜色来识别水质,其训练过程是抽取该地域的不同时间段、不同水质级别的水面颜色进行机器学习从而得出该地域不同时间段不同级别水质的第二水环境评价等级。
7.根据权利要求1所述的水环境智能监测***,其特征在于,各种水质检测探测器B分布于不同区域位置,用于对影响水质的各种因素进行检测,包括自然水源探测器、城镇供水***探测器、用水口探测器、污染源探测器。
8.根据权利要求1所述的水环境智能监测***,其特征在于,所述摄像头A支持红外、全景360度旋转、同步音频,所述边缘分析模块D集成于摄像头装置内部,或独立布置。
9.根据权利要求1所述的水环境智能监测***,其特征在于,对于没有匹配的水环境评价规则的数据,边缘分析模块发送告警信号给边缘端告警展示模块C1,云端综合分析模块F发送告警信号给云端告警展示模块C2。
10.根据权利要求1所述的水环境智能监测***,其特征在于,
还包括边缘数据存储模块G1,存储有水环境视频数据,探测器采集的各项水质指标数据,以及边缘分析模块D的分析结果数据;
云端数据存储模块G2,用于存储传输到云端的采集数据,分析结果以及告警记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210794472.3A CN115372571A (zh) | 2022-07-07 | 2022-07-07 | 一种水环境智能监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210794472.3A CN115372571A (zh) | 2022-07-07 | 2022-07-07 | 一种水环境智能监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115372571A true CN115372571A (zh) | 2022-11-22 |
Family
ID=84062601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210794472.3A Pending CN115372571A (zh) | 2022-07-07 | 2022-07-07 | 一种水环境智能监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115372571A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116233370A (zh) * | 2023-04-27 | 2023-06-06 | 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 |
CN117274827A (zh) * | 2023-11-23 | 2023-12-22 | 江苏国态环保集团有限公司 | 一种智慧环境环保远程实时监测预警方法及*** |
CN117804575A (zh) * | 2024-02-29 | 2024-04-02 | 熊猫智慧水务有限公司 | 适用于sis的智慧水务测量方法及*** |
CN117807501A (zh) * | 2023-12-28 | 2024-04-02 | 无锡索威尔信息科技有限公司 | 一种基于大数据的农作物生长环境监控方法及*** |
-
2022
- 2022-07-07 CN CN202210794472.3A patent/CN115372571A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116233370A (zh) * | 2023-04-27 | 2023-06-06 | 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 |
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 |
CN117274827A (zh) * | 2023-11-23 | 2023-12-22 | 江苏国态环保集团有限公司 | 一种智慧环境环保远程实时监测预警方法及*** |
CN117274827B (zh) * | 2023-11-23 | 2024-02-02 | 江苏国态环保集团有限公司 | 一种智慧环境环保远程实时监测预警方法及*** |
CN117807501A (zh) * | 2023-12-28 | 2024-04-02 | 无锡索威尔信息科技有限公司 | 一种基于大数据的农作物生长环境监控方法及*** |
CN117804575A (zh) * | 2024-02-29 | 2024-04-02 | 熊猫智慧水务有限公司 | 适用于sis的智慧水务测量方法及*** |
CN117804575B (zh) * | 2024-02-29 | 2024-05-03 | 熊猫智慧水务有限公司 | 适用于sis的智慧水务测量方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115372571A (zh) | 一种水环境智能监测*** | |
CN113239863B (zh) | 河道监测方法及装置 | |
CN105824280A (zh) | 一种物联网环保监控*** | |
CN112418737A (zh) | 一种区域水环境管理平台 | |
CN112394152A (zh) | 一种基于大数据的水质实时智能监测分析管理*** | |
CN114518143A (zh) | 一种智能环境感知*** | |
CN113018725B (zh) | 基于远程图像分析处理技术的智慧消防分析管理一体化平台 | |
CN114943917A (zh) | 一种视觉识别污水厂好氧池曝气量的算法 | |
CN116539829A (zh) | 一种水质监测感知分析方法 | |
CN116840732A (zh) | 一种用于风电场的分布式电源装置监测*** | |
CN117538503A (zh) | 一种实时智能的土壤污染监测***及方法 | |
CN114387235B (zh) | 一种水环境监测方法及*** | |
CN114417981B (zh) | 一种智能河长巡测*** | |
CN113485218A (zh) | 一种基于5g的智慧物联监管平台 | |
CN112903946A (zh) | 一种新型零星工业废水收集水质检测预警方法 | |
CN117310093A (zh) | 基于物联网的大气环境监测*** | |
CN216669729U (zh) | 水质监控装置 | |
CN115423383B (zh) | 基于人工智能的分布式村镇饮用水监测调控***及方法 | |
CN1975392A (zh) | 基于图像处理的烟气排放连续监测*** | |
CN115508528A (zh) | 一种河湖水质-水动力学在线智能监测***和方法 | |
CN115657559A (zh) | 一种复合型雨水综合利用控制*** | |
CN110456722A (zh) | 一种湖水水质监控与预测*** | |
CN115219683A (zh) | 一种水环境质量预警***及其构建方法 | |
CN114755949A (zh) | 一种基于人居环境的农村智慧遥感监控*** | |
CN113436046A (zh) | 基于人工智能和大数据的环境污染溯源***和方法 |
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 |