CN116543341A - 基于降雨水质监测的污染视频识别*** - Google Patents
基于降雨水质监测的污染视频识别*** Download PDFInfo
- Publication number
- CN116543341A CN116543341A CN202310828539.5A CN202310828539A CN116543341A CN 116543341 A CN116543341 A CN 116543341A CN 202310828539 A CN202310828539 A CN 202310828539A CN 116543341 A CN116543341 A CN 116543341A
- Authority
- CN
- China
- Prior art keywords
- water quality
- monitoring
- quality monitoring
- video
- sewage
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 229
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 155
- 239000010865 sewage Substances 0.000 claims abstract description 121
- 230000006399 behavior Effects 0.000 claims abstract description 83
- 238000001556 precipitation Methods 0.000 claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000003993 interaction Effects 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000010840 domestic wastewater Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- 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
- 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
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Analytical Chemistry (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Economics (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Hydrology & Water Resources (AREA)
- Computational Linguistics (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Sewage (AREA)
Abstract
本发明公开了基于降雨水质监测的污染视频识别***,涉及排污监测技术领域,解决了现有技术难以识别出排放的是雨水还是污水,而且没有对排污过程进行长时序跟踪记录,无法形成可靠的排污证据链,难以进行污染溯源的技术问题;本发明当存在排放行为时,则根据降雨量数据判断是否为雨天;是,则基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放;本发明能够对雨污混合排放进行准确识别,能够形成可靠的排污证据链,有助于污染溯源;本发明中当相邻的若干单位周期的降水总量大于设定的降水阈值时,则判定天气为雨天;本发明综合雨水排水过程来判断天气是否为雨天,避免临时排水行为对排污行为识别的影响,提高雨污混合排放的识别效率。
Description
技术领域
本发明属于排污监测领域,涉及降雨水质监测的视频分析技术,具体是基于降雨水质监测的污染视频识别***。
背景技术
入河排污口是指直接或者通过管道、沟、渠等排污通道向江河、湖泊等环境水体,是流域、海域生态环境保护的重要节点。因此,对入河排污口的监督管理非常重要。
目前针对入河排污口进行排污识别时,难以识别出排放的是雨水还是污水,无法进行雨污分流,容易造成对水体环境的影响;而且现有技术通过图像帧进行排污识别,只能识别出是否排污,并没有对排污过程进行长时序跟踪记录,无法形成可靠的排污证据链,难以进行污染溯源;因此,亟须一种基于降雨水质监测的污染视频识别***。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了基于降雨水质监测的污染视频识别***,用于解决现有技术难以识别出排放的是雨水还是污水,而且没有对排污过程进行长时序跟踪记录,无法形成可靠的排污证据链,难以进行污染溯源的技术问题。
为实现上述目的,本发明的第一方面提供了基于降雨水质监测的污染视频识别***,包括中枢控制模块,以及与之相连接的数据交互模块和智能终端;数据交互模块分别与视频监控设备、水质监测设备和雨量监测设备相连接;中枢控制模块通过设置在监测区域中的视频监控设备获取入河排污口的监控视频,以及通过雨量监测设备获取监测区域的降雨量数据;以及基于监控视频判断是否存在排放行为;当存在排放行为时,则根据降雨量数据判断是否为雨天;是,则基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放;否,判定排放行为属于异常排放,对异常排放进行预警;中枢控制模块识别出异常排放之后,通过视频监控设备持续对入河排污口进行视频监控,获取排污时长;同时基于视频监控获取排污规律,生成排污画像。
目前在对入河排污口的排污行为进行识别时,非雨天很好识别。但是雨天可能存在污水与雨水混合排放的情况,这种情况很难识别。而且,多数情况下只能在识别到排污行为之后才能够进行处理,这样已经有部分污水排放到环境水体中了,无法掌握排污证据链,也为溯源排查带来了很大的困难。
本发明先通过监控视频判断是否存在排放行为,若非雨天存在排放行为则可以直接预警,而雨天存在排放行为则需要进一步地分析确定是否存在排污行为。在进一步分析过程中若确实存在排污行为也需要进行预警。本发明中的排放行为并不等于排污行为,排放行为是指入河排污口有水排除,但是并不一定是污水;而排污行为是在在排放行为的基础上,识别所排放的水为污水,排污行为即为异常排放。
本发明中的所述中枢控制模块分别与数据交互模块和智能终端通信和/或电气连接;所述数据交互模块分别与视频监控设备、水质监测设备和雨量监测设备通信和/或电气连接。中枢控制模块主要负责数据处理,其通过数据交互模块来采集数据,并通过智能终端进行预警。数据交互模块属于数据中转模块,其通过各种设备采集数据,在必要时候进行预处理之后将数据转发至中枢控制模块。视频监控模块为设置在监测区域的摄像头,监测区域中的若干入河排污口均匹配设置有视频监控模块。水质监测设备同样设置在监测区域中,但是水质监测设备除了设置在入河排污口处之外,还在入河排污口附近,尤其是上下游进行设置,用来校验入河排污口的水质监测数据是否能够用来判断排污行为。雨量监测设备则用于获取监测区域的降水量数据,根据降水量数据可判断是否为雨天。
优选的,所述基于监控视频判断是否存在排放行为,包括:根据设定的单位时长确定单位周期,通过监控视频识别各单位周期排水量;当任意相邻的两个单位周期的排水量均大于设定的排水阈值时,则判定对应的入河排污口存在排放行为;否,则判定不存在排放行为。
本发明首先需要判断入河排污口是否存在排放行为,其主要思路是分析入河排污口的排水量是否满足要求。具体设定单位周期,确定单位周期内的排水量是否满足设定的排水阈值;若是,则可以判定存在排放行为。本发明考虑到污水排放并不会在很短的时间内完成,同时为了避免将临时排水行为识别为排污行为,将相邻的单位周期的排水量与排水阈值进行比较,来判定入河排污口是否存在排放行为。
优选的,所述根据降雨量数据判断是否为雨天,包括:从降雨量数据中统计各单位周期对应的降水量;当相邻的若干单位周期的降水总量大于设定的降水阈值时,则判定天气为雨天;否则,判定天气为非雨天。
当根据监控视频判断入河排污口存在排放行为时,则需要判断是否为雨天。若在非雨天存在排放行为,则可以判定为入河排污口存在排污行为,可直接进行预警处理。若在雨天存在排放行为,则入河排污口可能排放的是雨水,因此需要进一步分析。在另外一些优选的实施例中,还可以先判断是否为雨天,再判断入河排污口是否存在排污行为。
本发明通过若干单位周期的降水总量与降水阈值进行比较,若降水总量大于降水阈值则判定天气为雨天,否则判定为非雨天。降水阈值根据单位周期的数量来设定,具体的降水阈值会随着单位周期的数量呈正比例变化。需要说明的是,判单是否为雨天时所使用的单位周期的数量根据排水管道长度来设定,即满足雨天若干单位周期内的最低降雨量从下水口进入,通过排水管道能够到达入河排污口。因此,在进行雨天判断时,单位周期的数量可根据模拟实验确定。
优选的,所述基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放,包括:通过水质监测设备获取监测区域中入河排污口处的水质监测数据;将水质监测数据与设置的水质监测阈值进行比较;当水质监测数据大于对应的水质监测阈值时,则判定存在异常排放;否,则判定为雨水排放。
现有技术无法准确识别雨污混合排放。本发明主要是识别到入河排污口的排放行为,且天气为雨天时,则可以通过水质监测设备获取入河排污口处的水质监测数据。将该水质监测数据与水质监测阈值比较,当该水质监测数据异常时,则判定存在排污行为,也就是入河排污口存在异常排放。反之,不存在异常排放,入河排污口所排放的为雨水。值得注意的是,在进行雨污混合识别时,还需要识别出降雨量与入河排污口的排水量是否匹配,避免雨水将污水稀释而导致水质监测设备监测不出异常。
优选的,在所述将水质监测数据与设置的水质监测阈值进行比较之前,对入河排污口处的水质监测数据进行预判断,包括:通过水质监测设备获取监测区域中同一水域的至少三个监测点位的水质监测数据;且三个监测点位中包括入河排污口处的监测点位;将入河排污口处的监测点位标记为目标点位,将其他监测点位标记为参考点位;根据目标点位与参考点位之间的水质监测数据的差距来进行预判断。
本发明通过三个监测点位的水质监测数据来联合判断入河排污是否存在排污行为,是避免入河排污口附近水体本身存在异常,而导致对入河排污口排除的水进行误判。除了入河排污口处设置一个监测点位外,在同一水体中至少选择其他两个监测点位,如入河排污口的上游和下游。当上下游水质差别不大,而与目标点位的水质差别较大时,则显然可以判断出入河排污口的排污行为。当上下游水质与目标点位的水质差别不大,即使目标点位的水质监测数据大于水质监测阈值,也只能说明该水体本身就被污染,无法判定是因为入河排污口的排放行为导致的水体污染。
优选的,所述根据目标点位与参考点位之间的水质监测数据的差距来进行预判断,包括:将参考点位对应水质监测数据的平均值,标记为监测参考阈值;当目标点位的水质监测数据与监测参考阈值不相等时,则判定水质监测数据预判断通过;否,则判定水质监测数据的预判断不通过。
本发明对监测点位进行区分,分别标记为目标点位和参考点位。将参考点位的水质监测数据的均值作为监测参考阈值,比较水质监测数据与监测参考阈值是否相等(在误差允许范围内可以略大或者略小),当二者不相等时则比较水质监测数据与水质监测阈值。需要注意的是,在水质监测数据进行预判断时,还应该分析水质监测阈值与监测参考阈值的大小关系;当水质监测数据小于监测参考阈值时,则说明水体已经被污染,很难通过监测入河排污口的水质来判断是否存在排污行为,这种情况最好采用取样监测。
优选的,所述基于视频监控获取排污规律,生成排污画像,包括:提取入河排污口的监控视频,从监控视频中识别排污过程并标记排污时刻;从监控视频中统计各排污时刻对应的排污概率;以排污时刻为自变量,以排污概率为因变量,生成排污概率曲线;在排污概率曲线的基础上生成排污画像。
考虑到环保问题的严重性,即使通过入河排污口实施排污行为也只能在监测到排污行为之后进行预警处理,而且由于排污行为的不可预测性,此时管理人员再进行污水溯源难度增大。因此,本发明通过持续采集的若干监控视频来是被出排污行为,确定每个排污行为的排污时刻以及排污时长,可以计算出入河排污口每天中各时刻存在排污行为的概率,这样即可生成入河排污口的排污画像,管理人员能够对排污行为进行预判,进而进行污水排放溯源。
与现有技术相比,本发明的有益效果是:
1.本发明当存在排放行为时,则根据降雨量数据判断是否为雨天;是,则基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放;否,判定排放行为属于异常排放,对异常排放进行预警;本发明能够对雨污混合排放进行准确识别,能够形成可靠的排污证据链,有助于污染溯源。
2.本发明从降雨量数据中统计各单位周期对应的降水量;当相邻的若干单位周期的降水总量大于设定的降水阈值时,则判定天气为雨天;否则,判定天气为非雨天;本发明综合雨水排水过程来判断天气是否为雨天,避免临时排水行为对排污行为识别的影响,提高雨污混合排放的识别效率。
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为本发明的***原理示意图;
图2为本发明的方法步骤示意图;
图3为本发明的排污行为识别原理图。
具体实施方式
下面将结合实施例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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明第一方面实施例提供了基于降雨水质监测的污染视频识别***包括中枢控制模块,以及与之相连接的数据交互模块和智能终端;数据交互模块分别与视频监控设备、水质监测设备和雨量监测设备相连接;中枢控制模块通过设置在监测区域中的视频监控设备获取入河排污口的监控视频,以及通过雨量监测设备获取监测区域的降雨量数据;以及基于监控视频判断是否存在排放行为;当存在排放行为时,则根据降雨量数据判断是否为雨天;是,则基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放;否,判定排放行为属于异常排放,对异常排放进行预警;中枢控制模块识别出异常排放之后,通过视频监控设备持续对入河排污口进行视频监控,获取排污时长;同时基于视频监控获取排污规律,生成排污画像。
请参阅图3,下水口通过排水管道与入河排污口连接,入河排污口将雨水排放至水体中,水体中的A、B、C均为监测点位,各监测点位处均设置有水质监测设备。
本实施例的第一步是获取入河排污口的监控视频,以及通过雨量监测设备获取监测区域的降雨量数据;以及基于监控视频判断是否存在排放行为。通过设置在入河排污口的视频监控设备持续采集监控视频,通过图像处理技术处理视频流可以识别到是否存在排放行为。
本实施例中,将单位时长设定为一分钟,则每隔一分钟作为一个单位周期。通过监控视频的视频流可以识别到每个单位周期的排水量,在必要时候还可以通过其他手段来识别统计各单位周期的排水量。当某单位周期的排水量小于等于排水阈值,则可以判定为是临时排水行为,如用户将生活废水(这里指不会影响水体的废水)排放到下水口,顺着排水管道从入河排污口排出。当某单位周期的排水量大于排水阈值(排水阈值根据历史经验设定),则接着分析下一单位周期的排水量是否大于排水阈值,尽可能排除短时的临时排水行为。在另外一些优选的实施例中,还可以多分析几个单位周期,以便更准确地判断入河排污口是否存在排放行为。
本实施例的第二步是当存在排放行为时,则根据降雨量数据判断是否为雨天;是,则基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放;否,判定排放行为属于异常排放,对异常排放进行预警。
本实例在判断是否为雨天时,并不是通过雨量监测设备采集的降水量数据分析是否存在降水量,而是主要判断降水能否通过排水管道从入河排污口中排出。当降水量较少时,由于排水管道对部分降水的吸附,导致多数雨水不会通过入河排污口排放到水体中,则这种情况下判定为非雨天。
假设雨水从下水口到达入河排污口所经过的排水管道为一百米,经过一百米的排水管道需要十分钟。则可以理解为雨水从下水口需要经过十分钟才能到达入河排污口,则相当于十个单位周期;而且并不是有多少雨水都能通过排水管道到达入河排污口,会存在一定损耗。因此,十个单位周期内的降水总量需要满足降水阈值要求才能够使得入河排污口出现排放行为。可以理解的是,降水阈值是根据排水管道在排水过程中的损耗来设置的,如一百米排水管道需要损耗十毫升的雨水,则降水阈值应该大于等于十毫升。
当若干单位周期的降水总量小于降水阈值,说明虽然是雨天以及存在一定的降水量,但是这些降水量无法促成入河排污口的排放行为。因此,此时的排放行为可以等同于非雨天识别到的排放行为,可直接进行预警。
本实施例的第三步是基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放。也即是若干单位周期的降水总量较大,完全可以促成入河排污口的排放行为,则此时还需要判断是否有污水混着雨水进行了排放。
在识别到排放行为之后,从入河排污口处的监测点位A点的水质监测设备采集水质监测数据,将水质监测数据与水质监测阈值判断是否存在某污染物超标。若某污染物超标,则可以判定入河排污出存在排污行为。
当如果水体本身就遭受污染则会导致排污行为的判断出错。因此,本实施例在水体中还选择的监测点位B和C,通过监测点位B和C的水质监测数据与监测点位A的水质监测数据比较,来判断监测点位A的水质能否代表水体的水质。若监测点位A、B、C的水质监测数据不相等,说明监测点位A的水质监测数据收到了排放行为的影响,则将监测点位A的水质监测数据与水质监测阈值进行比较,进而判断是否存在排污行为。需要说明的是,若监测点位A的各项污染指标超过监测参考阈值时,也可以直接判定入河排污口存在排污行为;但是,若监测点位A的各项污染指标未超过监测参考阈值时,则可能由于雨水的稀释,因此最好还是将监测点位A的水质监测数据与水质监测阈值进行一次比较。
当监测点位A、B、C的水质监测数据相等时,而且各监测点位的水质监测数据均未超过水质监测阈值时,可判定入河排污口不存在排污行为;当各监测点位的水质监测数据均超过水质监测阈值,说明水体被污染。此时,可通过分析降水量与入河排污口的排水量来判断是否存在排污行为。
如降水量标记为JSL,排水量标记为PSL,排水管道对雨水排放的损耗用比例系数α表示,则α×JSL≤PSL则可判定除了雨水之外,还有其他污水混合着雨水从入河排污口排放到水体中,即可判断入河排污口存在排污行为(也就是异常排放)。
本实施例的第四步是通过视频监控设备持续对入河排污口进行视频监控,获取排污时长;同时基于视频监控获取排污规律,生成排污画像。
每天对入河排污口进行视频监控,可以识别到若干天中入河排污口的排污行为,包括排污时刻、排污时长等。可按照单位周期(一分钟)来将每天划分为若干时刻周期,从识别到的排污行为中提取各时刻周期的排污次数占总天数的比例,作为该时刻周期的排污概率。这样以时刻周期为自变量,以排污概率为因变量,结合多项式拟合法可以得到排污概率曲线。根据排污概率曲线可生成入河排污口的排污画像,管理人员根据排污画线可针对性的进行排污检查和溯源。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理:获取入河排污口的监控视频,以及通过雨量监测设备获取监测区域的降雨量数据;以及基于监控视频判断是否存在排放行为。当存在排放行为时,则根据降雨量数据判断是否为雨天;是,则基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放;否,判定排放行为属于异常排放,对异常排放进行预警。识别出异常排放之后,通过视频监控设备持续对入河排污口进行视频监控,获取排污时长;同时基于视频监控获取排污规律,生成排污画像。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.基于降雨水质监测的污染视频识别***,包括中枢控制模块,以及与之相连接的数据交互模块和智能终端;数据交互模块分别与视频监控设备、水质监测设备和雨量监测设备相连接;其特征在于:
中枢控制模块通过设置在监测区域中的视频监控设备获取入河排污口的监控视频,以及通过雨量监测设备获取监测区域的降雨量数据;以及
基于监控视频判断是否存在排放行为;当存在排放行为时,则根据降雨量数据判断是否为雨天;是,则基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放;否,判定排放行为属于异常排放,对异常排放进行预警;
中枢控制模块识别出异常排放之后,通过视频监控设备持续对入河排污口进行视频监控,获取排污时长;同时基于视频监控获取排污规律,生成排污画像。
2.根据权利要求1所述的基于降雨水质监测的污染视频识别***,其特征在于,所述基于监控视频判断是否存在排放行为,包括:
根据设定的单位时长确定单位周期,通过监控视频识别各单位周期排水量;
当任意相邻的两个单位周期的排水量均大于设定的排水阈值时,则判定对应的入河排污口存在排放行为;否,则判定不存在排放行为。
3.根据权利要求2所述的基于降雨水质监测的污染视频识别***,其特征在于,所述根据降雨量数据判断是否为雨天,包括:
从降雨量数据中统计各单位周期对应的降水量;
当相邻的若干单位周期的降水总量大于设定的降水阈值时,则判定天气为雨天;否则,判定天气为非雨天;其中,单位周期的数量根据排水管道长度确定。
4.根据权利要求1所述的基于降雨水质监测的污染视频识别***,其特征在于,所述基于水质监测设备进行雨污混合排放分析,判定是否存在异常排放,包括:
通过水质监测设备获取监测区域中入河排污口处的水质监测数据;
将水质监测数据与设置的水质监测阈值进行比较;当水质监测数据大于对应的水质监测阈值时,则判定存在异常排放;否,则判定为雨水排放。
5.根据权利要求4所述的基于降雨水质监测的污染视频识别***,其特征在于,在所述将水质监测数据与设置的水质监测阈值进行比较之前,对入河排污口处的水质监测数据进行预判断,包括:
通过水质监测设备获取监测区域中同一水域的至少三个监测点位的水质监测数据;且三个监测点位中包括入河排污口处的监测点位;
将入河排污口处的监测点位标记为目标点位,将其他监测点位标记为参考点位;根据目标点位与参考点位之间的水质监测数据的差距来进行预判断。
6.根据权利要求5所述的基于降雨水质监测的污染视频识别***,其特征在于,所述根据目标点位与参考点位之间的水质监测数据的差距来进行预判断,包括:
将参考点位对应水质监测数据的平均值,标记为监测参考阈值;
当目标点位的水质监测数据与监测参考阈值不相等时,则判定水质监测数据预判断通过;否,则判定水质监测数据的预判断不通过。
7.根据权利要求1所述的基于降雨水质监测的污染视频识别***,其特征在于,所述基于视频监控获取排污规律,生成排污画像,包括:
提取入河排污口的监控视频,从监控视频中识别排污过程并标记排污时刻;
从监控视频中统计各排污时刻对应的排污概率;以排污时刻为自变量,以排污概率为因变量,生成排污概率曲线;在排污概率曲线的基础上生成排污画像。
8.根据权利要求1所述的基于降雨水质监测的污染视频识别***,其特征在于,所述中枢控制模块分别与数据交互模块和智能终端通信和/或电气连接;其中,智能终端用于预警展示,包括智能手机和电脑;
所述数据交互模块分别与视频监控设备、水质监测设备和雨量监测设备通信和/或电气连接;其中,视频监控设备用于获取入河排污口的监控视频,水质监测设备用于获取监测区域的水质监测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310828539.5A CN116543341A (zh) | 2023-07-07 | 2023-07-07 | 基于降雨水质监测的污染视频识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310828539.5A CN116543341A (zh) | 2023-07-07 | 2023-07-07 | 基于降雨水质监测的污染视频识别*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116543341A true CN116543341A (zh) | 2023-08-04 |
Family
ID=87458273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310828539.5A Pending CN116543341A (zh) | 2023-07-07 | 2023-07-07 | 基于降雨水质监测的污染视频识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543341A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1876977A (zh) * | 2006-06-27 | 2006-12-13 | 林万泉 | 城市河流雨污混流管网的水流分质排放的方法 |
CN205940620U (zh) * | 2016-07-07 | 2017-02-08 | 连云港职业技术学院 | 一种水污染监测预警*** |
CN111461167A (zh) * | 2020-03-02 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN113965731A (zh) * | 2021-11-25 | 2022-01-21 | 北京京诚嘉宇环境科技有限公司 | 雨水排放口管控方法、装置及*** |
CN113959489A (zh) * | 2021-10-12 | 2022-01-21 | 上海建科环境技术有限公司 | 一种入河雨水排放口的在线监测***及监测方法 |
CN114022052A (zh) * | 2022-01-04 | 2022-02-08 | 北京英视睿达科技股份有限公司 | 水质异常监测方法、装置、存储介质及计算机设备 |
-
2023
- 2023-07-07 CN CN202310828539.5A patent/CN116543341A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1876977A (zh) * | 2006-06-27 | 2006-12-13 | 林万泉 | 城市河流雨污混流管网的水流分质排放的方法 |
CN205940620U (zh) * | 2016-07-07 | 2017-02-08 | 连云港职业技术学院 | 一种水污染监测预警*** |
CN111461167A (zh) * | 2020-03-02 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN113959489A (zh) * | 2021-10-12 | 2022-01-21 | 上海建科环境技术有限公司 | 一种入河雨水排放口的在线监测***及监测方法 |
CN113965731A (zh) * | 2021-11-25 | 2022-01-21 | 北京京诚嘉宇环境科技有限公司 | 雨水排放口管控方法、装置及*** |
CN114022052A (zh) * | 2022-01-04 | 2022-02-08 | 北京英视睿达科技股份有限公司 | 水质异常监测方法、装置、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110196083B (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
CN108376318B (zh) | 一种排水管网入流入渗评估方法及*** | |
CN105278492B (zh) | 一种区域排污的智能监控***和方法 | |
CN114444259B (zh) | 一种雨污管网溯源追踪***及方法 | |
CN210895538U (zh) | 水质智能监管装置和设备 | |
CN112418737A (zh) | 一种区域水环境管理平台 | |
CN110825011A (zh) | 污染源在线水平衡监测*** | |
CN110472796A (zh) | 海绵城市建设试点区水量水质监测布点方法及预警*** | |
CN113240211B (zh) | 废水排放预测方法、装置、计算机设备和存储介质 | |
CN115166180A (zh) | 一种垃圾渗滤液水质分析***及方法 | |
CN115063014A (zh) | 一种基于5g网络的工业废水监管***及方法 | |
CN112198144A (zh) | 一种快速污水溯源的方法及*** | |
CN117420283B (zh) | 一种一体化多通道水质监测方法及*** | |
CN113640490B (zh) | 一种基于物联网的河湖水生态环境监控装置、***及方法 | |
CN115204688A (zh) | 排水***健康性综合评价方法 | |
CN112083132A (zh) | 一种污水污染溯源方法 | |
CN111161119A (zh) | 一种水陆两用管道溯源设备及其方法 | |
CN212620879U (zh) | 一种市政污水管网健康状况的监控设备 | |
CN113739082A (zh) | 一种基于多区域联合评估的供水管网漏损监测方法 | |
CN116543341A (zh) | 基于降雨水质监测的污染视频识别*** | |
CN116242978B (zh) | 一种智能排水管理***及方法 | |
CN116187980B (zh) | 一种基于数据传输的环保设备用可视化智能管理*** | |
CN116645239A (zh) | 一种水质污染事件溯源方法及终端 | |
CN115162496A (zh) | 一种基于智能化的市政排水管网智能在线监测分析管理*** | |
CN114611728A (zh) | 污水管网堵塞监测方法及*** |
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 |