CN116359218B - 一种工业聚集区大气污染移动监测*** - Google Patents

Abstract

本发明涉及环境监测技术领域，特别是一种工业聚集区大气污染移动监测***；包括无人机监测模块，通过无人机监测模块获取预设区域的实时图像信息，以根据所述实时图像信息判断预设区域内是否存在污染气体；气象监测模块，所述气象监测模块包括温度传感器、湿度传感器、气压传感器、风向传感器以及风速传感器；数据处理模块，所述数据处理模块包括存储器以及处理器；通讯模块，所述通讯模块包括信号连接器，利用气象和地形数据对污染气体进行溯源，可以帮助识别污染源，揭示和防治污染的过程，为制定和实施环境保护措施提供科学依据。

Description

一种工业聚集区大气污染移动监测***

技术领域

本发明涉及环境监测技术领域，特别是一种工业聚集区大气污染移动监测***。

背景技术

目前，大气污染已成为全球性的问题。工业区是大气污染的重要来源之一，目前，为了对工业聚集区的空气进行监测，通常在工业区内设立若干个大气监测站，站内安装多参数自动监测仪器作连续自动监测，将监测结果实时存储并加以分析后得到相关的数据，这种传统定点大气监测***只能监测固定的点位或区域，无法全面、实时地反映空气质量变化情况；并且目前的大气污染监测***并不能够快速、准确的对污染源进行溯源。为了解决以上技术问题，本发明提出了一种工业聚集区大气污染移动监测***。

发明内容

本发明克服了现有技术的不足，提供了一种工业聚集区大气污染移动监测***。

为达到上述目的本发明采用的技术方案为：

本发明第一方面公开了一种工业聚集区大气污染移动监测***，所述监测***包括：

无人机监测模块，所述无人机监测模块包括无人机主体与搭载在无人机主体上的摄像机，通过无人机监测模块获取预设区域的实时图像信息，以根据所述实时图像信息判断预设区域内是否存在污染气体；

气象监测模块，所述气象监测模块包括温度传感器、湿度传感器、气压传感器、风向传感器以及风速传感器，气象监测模块安装在工业聚集区的预设位置上；

数据处理模块，所述数据处理模块包括存储器以及处理器，通过所述处理器对各模块所获得的数据进行分析处理，通过存储器能够对各模块的数据进行储存；

通讯模块，所述通讯模块包括信号连接器，通过所述信号连接器能够使得各模块之间实现信号互连。

本发明第二方面公开了一种工业聚集区大气污染移动监测***的控制方法，应用于所述的一种工业聚集区大气污染移动监测***，包括以下步骤：

获取预设区域内的实时图像信息，并对所述实时图像信息进行处理，得到处理后的实时图像信息，对所述处理后的实时图像信息进行识别，得到识别结果；

若识别结果为第二识别结果，则基于处理后的实时图像信息构建得到第一三维模型图；在预设时间间隔再次获取预设区域内的第二实时图像信息，基于所述第二实时图像信息构建得到第二三维模型图；

基于所述第一三维模型图与第二三维模型图得到污染气体的传播特性；其中，所述传播特性包括扩散路径与扩散速率；

构建知识图谱，并将所述污染气体的污染类别导入所述知识图谱中进行识别，以识别出一个或多个可疑污染源；

获取工业聚集区的遥感图像信息与气象数据信息，基于所述遥感图像信息与气象数据信息构建得到物体-气象动态模型图，将所述可疑污染源导入所述物体-气象动态模型图中进行分析，以确定出最终污染源。

进一步的，本发明的一个较佳实施例中，对所述实时图像信息进行处理得到处理后的实时图像信息，对所述处理后的实时图像信息进行识别，得到识别结果，具体为：

通过均值滤波、边缘检测与图像分割对所述实时图像信息进行处理，得到处理后的实时图像信息；

通过大数据网络获取不同大气污染类别所对应的污染图像信息，构建数据库，并将所述不同大气污染类别所对应的污染图像信息导入所述数据库中，得到特性数据库；

将所述处理后的实时图像信息导入所述特性数据库中，并通过SURF算法计算所述处理后的实时图像信息与各污染图像信息之间的相似度，得到若干个相似度；

将若干所述相似度与预设相似度进行比较，若所述相似度均不大于所述预设相似度，则说明预设区域内不存在污染气体，此时输出第一识别结果；若所述存在至少一个所述相似度大于所述预设相似度，则说明预设区域内存在污染气体，此时获取最大相似度，基于所述最大相似度确定出污染气体的污染类别，并输出第二识别结果。

进一步的，本发明的一个较佳实施例中，基于处理后的实时图像信息构建得到第一三维模型图，具体为：

基于SIFT算法对所述处理后的实时图像信息进行特征匹配处理，得到若干匹配点，并获取所述匹配点对应的像素值，将像素值低于预设像素值的匹配点剔除，得到筛选后的匹配点；

在世界坐标系中获取所述筛选后的匹配点的坐标值，根据所述筛选后的匹配点的坐标值计算出每两个匹配点之间中间点，得到若干个中间点；将所述筛选后的匹配点与所述中间点进行汇聚，得到若干个密集匹配点；

选取任一密集匹配点作为构建原点，基于所述构建原点构建三维空间坐标系，并将若干所述密集匹配点导入所述三维空间坐标系中，以获取得到各密集匹配点的三维坐标值，基于所述三维坐标值生成密集匹配点的点云数据；

对点云数据进行配准，并对点云数据进行刚体或非刚体变换，使得各个点云数据以统一的坐标系表示，最后对点云数据进行网格化处理，直至生成曲面模型，从而构建得到第一三维模型图。

进一步的，本发明的一个较佳实施例中，基于所述第一三维模型图与第二三维模型图得到污染气体的传播特性，具体为：

基于第一三维模型图的点云数据获取得到第一三维模型图的第一配对点对，基于第二三维模型图的点云数据获取得到第二三维模型图的第二配对点对；

构建模型融合空间，将所述第一三维模型图与第二三维模型图导入所述模型融合空间中，并使得所述第一配对点对与所述第二配对点对在模型融合空间相重合，以将所述第一三维模型图与第二三维模型图进行融合处理；

将所述第一三维模型图与第二三维模型图相重合的模型部分在所述模型融合空间中剔除，将所述第一三维模型图与第二三维模型图不相重合的模型部分在所述模型融合空间中保留，得到污染气体的扩散模型；

通过MonteCarlo算法计算所述扩散模型的模型体积值，基于所述模型体积值得到污染气体的扩散速率；通过Canny算法对所述扩散模型进行边缘检测，以获取得到扩散模型的轮廓曲线，基于所述轮廓曲线得到污染气体的扩散路径。

进一步的，本发明的一个较佳实施例中，构建知识图谱，并将所述污染气体的污染类别导入所述知识图谱中进行识别，以识别出一个或多个可疑污染源，具体为：

获取工业聚集区内各企业的生产信息与产业信息，并基于所述生产信息与产业信息生成关联性文本，构建知识图谱，并将所述关联性文本导入所述知识图谱中；

获取污染气体的污染类别，并将所述污染类别导入所述知识图谱中，通过灰色关联分析法计算所述污染类别与各关联性文本之间的关联度，得到若干个关联度；

将若干个所述关联度与预设关联度进行比较，并提取出关联度大于预设关联度所对应的关联性文本；

根据关联度大于预设关联度所对应的关联性文本确定出一个或多个可疑污染源。

进一步的，本发明的一个较佳实施例中，获取工业聚集区的遥感图像信息与气象数据信息，基于所述遥感图像信息与气象数据信息构建得到物体-气象动态模型图，将所述可疑污染源导入所述物体-气象动态模型图中进行分析，以确定出最终污染源，具体为：

通过大数据网络获取预设物体的图像信息，并将预设物体的图像信息分为训练集与验证集；

基于深度学***稳后，保存模型参数；通过验证集对所述识别模型进行验证，直至模型参数符合预设要求后，输出模型参数，得到训练完成的识别模型；

在若干个时间节点上获取工业聚集区的遥感图像信息，并将所述遥感图像信息导入所述训练完成的识别模型中进行识别，以识别出遥感图像信息中是否存在预设物体；

若遥感图像信息中存在预设物体，则基于所述遥感图像信息构建出预设物体的物体模型图，并获取该预设物体在各个时间节点上的位置信息。

进一步的，本发明的一个较佳实施例中，还包括以下步骤：

获取工业聚集区的AR场景图信息，基于所述AR场景图信息、预设物体的物体模型图以及该预设物体在各个时间节点上的位置信息构建得到预设时间内工业聚集区的物体动态模型图；

获取工业聚集区在预设时间节点上的气象数据信息，并将所述在预设时间节点上的气象数据信息导入所述物体动态模型图中，得到预设时间内工业聚集区的物体-气象动态模型图；

在所述物体-气象动态模型图中确定出各个可疑污染源的位置信息，并基于湍流理论在所述物体-气象动态模型图中对各个可疑污染源进行气象数值模拟分析，分析得到各可疑污染源对应的模拟传播特性；

通过哈希算法计算所述污染气体的传播特性与各可疑污染源对应的模拟传播特性之间的哈希值，得到多个哈希值；

构建序列表，并将多个所述哈希值导入所述序列表中进行大小排序，排序完成后，由所述序列表中提取出最大哈希值，将与最大所对应的可疑污染源标定为最终污染源。

本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：通过本***能够快速识别出污染气体的污染类别，能够提高***运算效率，提高***的鲁棒性；利用气象和地形数据对污染气体进行溯源，可以帮助识别污染源，揭示和防治污染的过程，为制定和实施环境保护措施提供科学依据，并且有利于相关部门的追责。

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实施例的附图。

图1为一种工业聚集区大气污染移动监测***的结构简图；

图2为一种工业聚集区大气污染移动监测***的第一控制方法流程图；

图3为一种工业聚集区大气污染移动监测***的第二控制方法流程图；

图4为一种工业聚集区大气污染移动监测***的第三控制方法流程图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

如图1所示，本发明第一方面公开了一种工业聚集区大气污染移动监测***，所述监测***包括：

无人机监测模块101，所述无人机监测模块包括无人机主体与搭载在无人机主体上的摄像机，通过无人机监测模块获取预设区域的实时图像信息，以根据所述实时图像信息判断预设区域内是否存在污染气体；

气象监测模块102，所述气象监测模块包括温度传感器、湿度传感器、气压传感器、风向传感器以及风速传感器，气象监测模块安装在工业聚集区的预设位置上；

数据处理模块103，所述数据处理模块包括存储器以及处理器，通过所述处理器对各模块所获得的数据进行分析处理，通过存储器能够对各模块的数据进行储存；

通讯模块104，所述通讯模块包括信号连接器，通过所述信号连接器能够使得各模块之间实现信号互连。

需要说明的是，通过本***能够快速识别出污染气体的污染类别，能够提高***运算效率，提高***的鲁棒性；利用气象和地形数据对污染气体进行溯源，可以帮助识别污染源，揭示和防治污染的过程，为制定和实施环境保护措施提供科学依据，并且有利于相关部门的追责。

本发明第二方面公开了一种工业聚集区大气污染移动监测***的控制方法，应用于所述的一种工业聚集区大气污染移动监测***，如图2所示，包括以下步骤：

S102：获取预设区域内的实时图像信息，并对所述实时图像信息进行处理，得到处理后的实时图像信息，对所述处理后的实时图像信息进行识别，得到识别结果；

S104：若识别结果为第二识别结果，则基于处理后的实时图像信息构建得到第一三维模型图；在预设时间间隔再次获取预设区域内的第二实时图像信息，基于所述第二实时图像信息构建得到第二三维模型图；

S106：基于所述第一三维模型图与第二三维模型图得到污染气体的传播特性；其中，所述传播特性包括扩散路径与扩散速率；

S108：构建知识图谱，并将所述污染气体的污染类别导入所述知识图谱中进行识别，以识别出一个或多个可疑污染源；

S110：获取工业聚集区的遥感图像信息与气象数据信息，基于所述遥感图像信息与气象数据信息构建得到物体-气象动态模型图，将所述可疑污染源导入所述物体-气象动态模型图中进行分析，以确定出最终污染源。

进一步的，本发明的一个较佳实施例中，对所述实时图像信息进行处理得到处理后的实时图像信息，对所述处理后的实时图像信息进行识别，得到识别结果，具体为：

通过均值滤波、边缘检测与图像分割对所述实时图像信息进行处理，得到处理后的实时图像信息；

通过大数据网络获取不同大气污染类别所对应的污染图像信息，构建数据库，并将所述不同大气污染类别所对应的污染图像信息导入所述数据库中，得到特性数据库；

将所述处理后的实时图像信息导入所述特性数据库中，并通过SURF算法计算所述处理后的实时图像信息与各污染图像信息之间的相似度，得到若干个相似度；

将若干所述相似度与预设相似度进行比较，若所述相似度均不大于所述预设相似度，则说明预设区域内不存在污染气体，此时输出第一识别结果；若所述存在至少一个所述相似度大于所述预设相似度，则说明预设区域内存在污染气体，此时获取最大相似度，基于所述最大相似度确定出污染气体的污染类别，并输出第二识别结果。

需要说明的是，所述预设区域为存在可疑污染空气的区域，该预设区域通过遥感技术或者定点监测设备提前获取得到。通过无人机上的摄像机在多个角度拍摄预设区域的实时图像信息，然后通过均值滤波、边缘检测与图像分割等图像处理技术对实时图像信息进行预处理，以提高图像的质量，从而得到处理后的实时图像信息。所述污染图像信息中包括不同类型污染空气对应的色彩、形状、纹理等特征。然后通过SURF算法（加速稳健特征检测算法）计算所述处理后的实时图像信息与各污染图像信息之间的相似度，具体来说，通过所述处理后的实时图像信息与各污染图像信息之间的色彩、形状、纹理等特征的相似度，若所述相似度均不大于所述预设相似度，则说明预设区域内并不存在污染气体；若所述存在至少一个所述相似度大于所述预设相似度，则说明预设区域内存在污染气体，此时获取最大相似度，基于所述最大相似度确定出污染气体的污染类别，举例来说，若处理后的实时图像信息与特性数据库中某污染图像信息之间的相似度为99%，此时通过该污染图像信息对应的污染类型便能够确定出预设区域内污染空气的污染类别。本方法通过简单的算法步骤便能够快速识别出污染气体的污染类别，能够提高***运算效率，提高***的鲁棒性。

进一步的，本发明的一个较佳实施例中，基于处理后的实时图像信息构建得到第一三维模型图，如图3所示，具体为：

S202：基于SIFT算法对所述处理后的实时图像信息进行特征匹配处理，得到若干匹配点，并获取所述匹配点对应的像素值，将像素值低于预设像素值的匹配点剔除，得到筛选后的匹配点；

S204：在世界坐标系中获取所述筛选后的匹配点的坐标值，根据所述筛选后的匹配点的坐标值计算出每两个匹配点之间中间点，得到若干个中间点；将所述筛选后的匹配点与所述中间点进行汇聚，得到若干个密集匹配点；

S206：选取任一密集匹配点作为构建原点，基于所述构建原点构建三维空间坐标系，并将若干所述密集匹配点导入所述三维空间坐标系中，以获取得到各密集匹配点的三维坐标值，基于所述三维坐标值生成密集匹配点的点云数据；

S208：对点云数据进行配准，并对点云数据进行刚体或非刚体变换，使得各个点云数据以统一的坐标系表示，最后对点云数据进行网格化处理，直至生成曲面模型，从而构建得到第一三维模型图。

需要说明的是，通过SIFT算法（尺度不变特征变换算法）获取得到处理后的实时图像信息的匹配点后，匹配点往往会存在丢失与失真现象，此时若直接通过得到的匹配点构建第一三维模型图（污染气体的三维模型图），得到的模型会存在局部丢失、曲面不平滑以及失真现象，从而导致得到第一三维模型图精度较低，进而影响后续的评估结果。因此在本方法中，当得到匹配点后，首先将像素值低于预设像素值的匹配点剔除，以将不符合要求的匹配点剔除，得到筛选后的匹配点；然后再对筛选后的匹配点进行稠密处理，以得到更多的匹配点，从而得到密集匹配点，然后再基于密集匹配点的点云数据通过三维软件（如SolidWorks、PROE）构建得到第一三维模型图。通过本方法能够对丢失与失真的匹配点进行补充，以获取得到更多的匹配点，从而构建得到更加精准的污染气体的三维模型图，能够提高监测结果的可靠性，***不需要经过复杂的运算便能快速获取得到密集匹配点，能够提高***的运算速度，从而提高建模速度，进而提高工作效率。

另外还需要说明的是，构建得到第一三维模型图后，在预设时间间隔再次通过无人机上的摄像机获取预设区域内的第二实时图像信息，然后通过第二实时图像信息构建得到第二三维模型图，所述第二三维模型图表示在预设时间间隔后污染气体的实时三维模型图。其中，第二三维模型图的构建原理与上述构建第一三维模型图的原理相同，在此不多做说明。

进一步的，本发明的一个较佳实施例中，基于所述第一三维模型图与第二三维模型图得到污染气体的传播特性，具体为：

基于第一三维模型图的点云数据获取得到第一三维模型图的第一配对点对，基于第二三维模型图的点云数据获取得到第二三维模型图的第二配对点对；

构建模型融合空间，将所述第一三维模型图与第二三维模型图导入所述模型融合空间中，并使得所述第一配对点对与所述第二配对点对在模型融合空间相重合，以将所述第一三维模型图与第二三维模型图进行融合处理；

将所述第一三维模型图与第二三维模型图相重合的模型部分在所述模型融合空间中剔除，将所述第一三维模型图与第二三维模型图不相重合的模型部分在所述模型融合空间中保留，得到污染气体的扩散模型；

通过MonteCarlo算法计算所述扩散模型的模型体积值，基于所述模型体积值得到污染气体的扩散速率；通过Canny算法对所述扩散模型进行边缘检测，以获取得到扩散模型的轮廓曲线，基于所述轮廓曲线得到污染气体的扩散路径。

需要说明的是，第一配对点对与第二配对点对为两模型之间的配对点，配对点对由提前设定得到，配对点对可以理解为是模型的定位基准。所述模型融合空间为由三维软件构建得到的虚拟空间，该空间中存在若干个网格空间。当得到污染气体的扩散模型后，通过MonteCarlo算法（蒙特卡罗算法）计算出扩散模型的模型体积值，从得到第一三维模型图与第二三维模型的模型差值，根据模型差值便能够计算得到污染气体在预设时间间隔后的扩散速率；通过Canny算法（坎尼边缘检测算法）进行边缘检测，从而得到扩散模型的轮廓曲线，根据轮廓曲线便能够分析得到污染气体在预设时间间隔后的扩散路径。通过本方法能够根据污染气体的动态变化模型快速、精准的分析得到污染气体的传播特性。

进一步的，本发明的一个较佳实施例中，构建知识图谱，并将所述污染气体的污染类别导入所述知识图谱中进行识别，以识别出一个或多个可疑污染源，具体为：

获取工业聚集区内各企业的生产信息与产业信息，并基于所述生产信息与产业信息生成关联性文本，构建知识图谱，并将所述关联性文本导入所述知识图谱中；

获取污染气体的污染类别，并将所述污染类别导入所述知识图谱中，通过灰色关联分析法计算所述污染类别与各关联性文本之间的关联度，得到若干个关联度；

将若干个所述关联度与预设关联度进行比较，并提取出关联度大于预设关联度所对应的关联性文本；

根据关联度大于预设关联度所对应的关联性文本确定出一个或多个可疑污染源。

需要说明的是，所述生产信息包括企业的经营类型，如企业是生产橡胶类产品、钢铁类产品等。所述产业信息包括企业地理位置、排污口位置等。当关联度大于预设关联度，说明当前的污染气体与相对应关联性文本的企业同源，如当前污染气体的类别为有机塑料气体污染，此时将工业聚集区内生产有机塑料的企业识别出来，以确定出一个或多个可疑污染源。

进一步的，本发明的一个较佳实施例中，获取工业聚集区的遥感图像信息与气象数据信息，基于所述遥感图像信息与气象数据信息构建得到物体-气象动态模型图，将所述可疑污染源导入所述物体-气象动态模型图中进行分析，以确定出最终污染源，如图4所示，具体为：

S302：通过大数据网络获取预设物体的图像信息，并将预设物体的图像信息分为训练集与验证集；

S304：基于深度学***稳后，保存模型参数；通过验证集对所述识别模型进行验证，直至模型参数符合预设要求后，输出模型参数，得到训练完成的识别模型；

S306：在若干个时间节点上获取工业聚集区的遥感图像信息，并将所述遥感图像信息导入所述训练完成的识别模型中进行识别，以识别出遥感图像信息中是否存在预设物体；

S308：若遥感图像信息中存在预设物体，则基于所述遥感图像信息构建出预设物体的物体模型图，并获取该预设物体在各个时间节点上的位置信息。

需要说明的是，所述预设物体包括汽车、自行车、摩托车、行人等可灵活移动的物体，若遥感图像信息中存在预设物体，则对存在于遥感图像中的预设物体进行特征提取，得到特征点，然后通过特征点基于三维软件构建得到预设物体的物体模型图，并获取该预设物体在各个时间节点上的位置信息。通过本方法能够将工业聚集区在预设时间段内的可灵活移动的物体识别出来，以使得后续能够建立更加接近于真实的扩散地形模型图。

进一步的，本发明的一个较佳实施例中，还包括以下步骤：

获取工业聚集区的AR场景图信息，基于所述AR场景图信息、预设物体的物体模型图以及该预设物体在各个时间节点上的位置信息构建得到预设时间内工业聚集区的物体动态模型图；

获取工业聚集区在预设时间节点上的气象数据信息，并将所述在预设时间节点上的气象数据信息导入所述物体动态模型图中，得到预设时间内工业聚集区的物体-气象动态模型图；

在所述物体-气象动态模型图中确定出各个可疑污染源的位置信息，并基于湍流理论在所述物体-气象动态模型图中对各个可疑污染源进行气象数值模拟分析，分析得到各可疑污染源对应的模拟传播特性；

通过哈希算法计算所述污染气体的传播特性与各可疑污染源对应的模拟传播特性之间的哈希值，得到多个哈希值；

构建序列表，并将多个所述哈希值导入所述序列表中进行大小排序，排序完成后，由所述序列表中提取出最大哈希值，将与最大所对应的可疑污染源标定为最终污染源。

需要说明的是，每个地理位置上均存在对应的AR场景图，AR场景图通常包括某一地理位置上的地形-建筑模型图， AR场景图均可以通过地图软件中获取；但是AR场景图非为实时图,与现实是存在着差异性的,如存在于工业聚集区上的汽车、自行车、摩托车、行人等可灵活移动的物体并不会存在与AR场景图中。可以通过三维软件基于所述AR场景图信息、预设物体的物体模型图以及该预设物体在各个时间节点上的位置信息构建得到预设时间内工业聚集区的物体动态模型图，物体动态模型图为预设时间内工业聚集区的实时场景模型图。然后获取工业聚集区在预设时间节点上的气象数据信息，并将所述在预设时间节点上的气象数据信息导入所述物体动态模型图中，得到预设时间内工业聚集区的物体-气象动态模型图，其中，物体-气象动态模型图表示的是预设时间内工业聚集区结合实时气象的模型图，如工业聚集区在某一时间节点上的风速、风向、风压、温度等。通过综合气象和地形数据，使用垂直和水平的气象模型进行气象场的数值模拟，计算和分析气流的运动和化学物质的扩散，以预测出各可疑污染源在预设时间段内的传输路径、时间和空间分布，从而将各可疑污染源在预设时间段内的传输路径、时间和空间分布与污染气体的传播特性进行比较，从而确定出最终污染源。本方法利用气象和地形数据对污染气体进行溯源，可以帮助识别污染源，揭示和防治污染的过程，为制定和实施环境保护措施提供科学依据，并且有利于相关部门的追责。

此外，所述一种工业聚集区大气污染移动监测***的控制方法，还包括以下步骤：

通过大数据网络获取在各温度值下无人机的能量消耗速率，基于卷积神经网络构建预测模型，并将所述在各温度值下无人机的能量消耗速率导入预测模型中进行训练，得到训练完成的预测模型；

获取无人机的实时工作温度信息，将所述实时工作温度信息输入所述预测模型中，得到无人机的实时能量消耗速率；

获取无人机的当前剩余能量值，根据当前剩余能量值与实时能量消耗速率计算出无人机的最长工作时间；

获取无人机的实时位置信息，基于所述实时位置信息与预设飞行任务得到无人机的剩余工作时间；

若所述剩余工作时间大于最长工作时间，则在工业聚集区内检索出充电节点，并将所述充电节点传送至无人机控制终端。

需要说明的是，根据实际的情况，不同温度之下的无人机的电池的能量消耗是不一致的，通过本方法能够根据无人机的实时工作环境温度对无人机的能耗变化进行仿真分析，使得在无人机能够根据实时环境的变化来调整电池充电的时间节点，进而提前对无人机进行补充能量。其中，所述预设飞行任务包括完成飞行任务的时间、飞行路径等信息，预设飞行任务由用户提前设定并导入无人机的数据储存器内。

此外，所述一种工业聚集区大气污染移动监测***的控制方法，还包括以下步骤：

获取无人机的充电所需的充电时间；获取无人机的剩余工作任务，并基于所述剩余工作任务获取得到无人机完成剩余任务所需的时间；

基于无人机的预设飞行任务获取得到无人机的最迟工作时间节点，判断所述无人机完成剩余任务所需的时间与充电所需的充电时间之和是否大于所述最迟工作时间节点；

若大于，将当前充电的无人机的剩余任务传送至距离当前充电的无人机最近的无人机上，通过距离当前充电的无人机最近的无人机完成当前充电的无人机的剩余任务。

需要说明的是，若当前正在执行任务的无人机需要补充电能，此时判断无人机完成剩余任务所需的时间与充电所需的充电时间之和是否大于所述最迟工作时间节点，若大于，说明该无人机并不能够及时完成任务。通过本方法可以提高工业聚集区内无人机的工作协同性，从而使得无人机在监测过程更加合理，使得能够按时完成监测任务。

此外，所述一种工业聚集区大气污染移动监测***的控制方法，还包括以下步骤：

获取污染气体的传播特性与污染类别，基于所述传播特性与污染类别确定关键检索词，基于所述关键检索词对大数据网络进行检索，得到相关联的防治方案；

获取各防治方案所对应的历史防治成功率，并将各防治方案所对应的历史防治成功率与预设成功率进行比较；

提取出历史防治成功率大于预设成功率所对应的防治方案，得到一次筛选后的防治方案，并获取一次筛选后的防治方案所对应的防治方案的防治性质，并将防治性质为预设防治性质对应的一次筛选后的防治方案剔除，得到二次筛选后的防治方案；

获取所述二次筛选后的防治方案对应的防治成功率，构建排序表，并将所述二次筛选后的防治方案对应的防治成功率导入所述排序表中进行大小排序，排序完成后，提取出最大防治成功率；

将与最大防治成功率对应的二次筛选后的防治方案作为最终防治方案，并将所述最终防治方案输出。

需要说明的是，首先，基于污染气体的传播特性与污染类别在大数据网络中检索得到所有的当前污染气体对应的相关防治方案，然后将历史防治成功率不大于预设成功率所对应的防治方案，得到防治成功率均满足预设成功率的一次筛选后的防治方案，以确保防治成功率；其中，防治性质包括物理防治与化学防治，预设防治性质为化学防治；将防治性质为化学性质的防治方案剔除，得到二次筛选后的防治方案，进一步对化学防治物品的使用量，降低对生态环境的影响，实现社会、经济、环境和谐发展。然后再由所有的二次筛选后的防治方案筛选出最大防治成功率，并且将与最大防治成功率对应的二次筛选后的防治方案作为最终防治方案。通过本方法能够根据当前污染气体的传播特性与污染类别在大数据网络自动筛选出最佳的防治方案，在确保防治成功率的前提下，能够减少对化学防治品的使用，能够进一步降低生态环境的影响，实现社会、经济、环境和谐发展。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种工业聚集区大气污染移动监测***的控制方法，其特征在于：

所述监测***包括无人机监测模块，所述无人机监测模块包括无人机主体与搭载在无人机主体上的摄像机，通过无人机监测模块获取预设区域的实时图像信息，以根据所述实时图像信息判断预设区域内是否存在污染气体；

气象监测模块，所述气象监测模块包括温度传感器、湿度传感器、气压传感器、风向传感器以及风速传感器，气象监测模块安装在工业聚集区的预设位置上；

数据处理模块，所述数据处理模块包括存储器以及处理器，通过所述处理器对各模块所获得的数据进行分析处理，通过存储器能够对各模块的数据进行储存；

通讯模块，所述通讯模块包括信号连接器，通过所述信号连接器能够使得各模块之间实现信号互连；

所述控制方法包括以下步骤：

获取预设区域内的实时图像信息，并对所述实时图像信息进行处理，得到处理后的实时图像信息，对所述处理后的实时图像信息进行识别，得到识别结果；

若识别结果为第二识别结果，则基于处理后的实时图像信息构建得到第一三维模型图；在预设时间间隔再次获取预设区域内的第二实时图像信息，基于所述第二实时图像信息构建得到第二三维模型图；

基于所述第一三维模型图与第二三维模型图得到污染气体的传播特性；其中，所述传播特性包括扩散路径与扩散速率；

构建知识图谱，并将所述污染气体的污染类别导入所述知识图谱中进行识别，以识别出一个或多个可疑污染源；

获取工业聚集区的遥感图像信息与气象数据信息，基于所述遥感图像信息与气象数据信息构建得到物体-气象动态模型图，将所述可疑污染源导入所述物体-气象动态模型图中进行分析，以确定出最终污染源；

其中，对所述实时图像信息进行处理得到处理后的实时图像信息，对所述处理后的实时图像信息进行识别，得到识别结果，具体为：

通过均值滤波、边缘检测与图像分割对所述实时图像信息进行处理，得到处理后的实时图像信息；

通过大数据网络获取不同大气污染类别所对应的污染图像信息，构建数据库，并将所述不同大气污染类别所对应的污染图像信息导入所述数据库中，得到特性数据库；

将所述处理后的实时图像信息导入所述特性数据库中，并通过SURF算法计算所述处理后的实时图像信息与各污染图像信息之间的相似度，得到若干个相似度；

将若干所述相似度与预设相似度进行比较，若所述相似度均不大于所述预设相似度，则说明预设区域内不存在污染气体，此时输出第一识别结果；若所述存在至少一个所述相似度大于所述预设相似度，则说明预设区域内存在污染气体，此时获取最大相似度，基于所述最大相似度确定出污染气体的污染类别，并输出第二识别结果；

其中，基于处理后的实时图像信息构建得到第一三维模型图，具体为：

基于SIFT算法对所述处理后的实时图像信息进行特征匹配处理，得到若干匹配点，并获取所述匹配点对应的像素值，将像素值低于预设像素值的匹配点剔除，得到筛选后的匹配点；

在世界坐标系中获取所述筛选后的匹配点的坐标值，根据所述筛选后的匹配点的坐标值计算出每两个匹配点之间中间点，得到若干个中间点；将所述筛选后的匹配点与所述中间点进行汇聚，得到若干个密集匹配点；

选取任一密集匹配点作为构建原点，基于所述构建原点构建三维空间坐标系，并将若干所述密集匹配点导入所述三维空间坐标系中，以获取得到各密集匹配点的三维坐标值，基于所述三维坐标值生成密集匹配点的点云数据；

对点云数据进行配准，并对点云数据进行刚体或非刚体变换，使得各个点云数据以统一的坐标系表示，最后对点云数据进行网格化处理，直至生成曲面模型，从而构建得到第一三维模型图。

2.根据权利要求1所述的一种工业聚集区大气污染移动监测***的控制方法，其特征在于，基于所述第一三维模型图与第二三维模型图得到污染气体的传播特性，具体为：

基于第一三维模型图的点云数据获取得到第一三维模型图的第一配对点对，基于第二三维模型图的点云数据获取得到第二三维模型图的第二配对点对；

构建模型融合空间，将所述第一三维模型图与第二三维模型图导入所述模型融合空间中，并使得所述第一配对点对与所述第二配对点对在模型融合空间相重合，以将所述第一三维模型图与第二三维模型图进行融合处理；

将所述第一三维模型图与第二三维模型图相重合的模型部分在所述模型融合空间中剔除，将所述第一三维模型图与第二三维模型图不相重合的模型部分在所述模型融合空间中保留，得到污染气体的扩散模型；

通过MonteCarlo算法计算所述扩散模型的模型体积值，基于所述模型体积值得到污染气体的扩散速率；通过Canny算法对所述扩散模型进行边缘检测，以获取得到扩散模型的轮廓曲线，基于所述轮廓曲线得到污染气体的扩散路径。

3.根据权利要求1所述的一种工业聚集区大气污染移动监测***的控制方法，其特征在于，构建知识图谱，并将所述污染气体的污染类别导入所述知识图谱中进行识别，以识别出一个或多个可疑污染源，具体为：

获取工业聚集区内各企业的生产信息与产业信息，并基于所述生产信息与产业信息生成关联性文本，构建知识图谱，并将所述关联性文本导入所述知识图谱中；

获取污染气体的污染类别，并将所述污染类别导入所述知识图谱中，通过灰色关联分析法计算所述污染类别与各关联性文本之间的关联度，得到若干个关联度；

将若干个所述关联度与预设关联度进行比较，并提取出关联度大于预设关联度所对应的关联性文本；

根据关联度大于预设关联度所对应的关联性文本确定出一个或多个可疑污染源。

4.根据权利要求1所述的一种工业聚集区大气污染移动监测***的控制方法，其特征在于，获取工业聚集区的遥感图像信息与气象数据信息，基于所述遥感图像信息与气象数据信息构建得到物体-气象动态模型图，将所述可疑污染源导入所述物体-气象动态模型图中进行分析，以确定出最终污染源，具体为：

通过大数据网络获取预设物体的图像信息，并将预设物体的图像信息分为训练集与验证集；

基于深度学***稳后，保存模型参数；通过验证集对所述识别模型进行验证，直至模型参数符合预设要求后，输出模型参数，得到训练完成的识别模型；

在若干个时间节点上获取工业聚集区的遥感图像信息，并将所述遥感图像信息导入所述训练完成的识别模型中进行识别，以识别出遥感图像信息中是否存在预设物体；

若遥感图像信息中存在预设物体，则基于所述遥感图像信息构建出预设物体的物体模型图，并获取该预设物体在各个时间节点上的位置信息。

5.根据权利要求4述的一种工业聚集区大气污染移动监测***的控制方法，其特征在于，还包括以下步骤：

获取工业聚集区的AR场景图信息，基于所述AR场景图信息、预设物体的物体模型图以及该预设物体在各个时间节点上的位置信息构建得到预设时间内工业聚集区的物体动态模型图；

获取工业聚集区在预设时间节点上的气象数据信息，并将所述在预设时间节点上的气象数据信息导入所述物体动态模型图中，得到预设时间内工业聚集区的物体-气象动态模型图；

在所述物体-气象动态模型图中确定出各个可疑污染源的位置信息，并基于湍流理论在所述物体-气象动态模型图中对各个可疑污染源进行气象数值模拟分析，分析得到各可疑污染源对应的模拟传播特性；

通过哈希算法计算所述污染气体的传播特性与各可疑污染源对应的模拟传播特性之间的哈希值，得到多个哈希值；

构建序列表，并将多个所述哈希值导入所述序列表中进行大小排序，排序完成后，由所述序列表中提取出最大哈希值，将与最大所对应的可疑污染源标定为最终污染源。