JP6158967B1 - 環境汚染予測システム及び方法 - Google Patents
環境汚染予測システム及び方法 Download PDFInfo
- Publication number
- JP6158967B1 JP6158967B1 JP2016021285A JP2016021285A JP6158967B1 JP 6158967 B1 JP6158967 B1 JP 6158967B1 JP 2016021285 A JP2016021285 A JP 2016021285A JP 2016021285 A JP2016021285 A JP 2016021285A JP 6158967 B1 JP6158967 B1 JP 6158967B1
- Authority
- JP
- Japan
- Prior art keywords
- environmental pollution
- data
- satellite image
- target area
- prediction system
- 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
- 238000003912 environmental pollution Methods 0.000 title claims abstract description 340
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 41
- 238000007405 data analysis Methods 0.000 claims abstract description 39
- 238000013480 data collection Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims abstract description 7
- 238000010191 image analysis Methods 0.000 claims description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000003915 air pollution Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 3
- 229930002868 chlorophyll a Natural products 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
前記衛星映像分析データセット、前記環境汚染関連キーワードセット及び前記環境汚染データセットに含まれているデータは、いずれも前記収集期間内の特定単位に収集されたデータなので、前記衛星映像分析データセット、前記環境汚染関連キーワードセット及び前記環境汚染データセットに含まれたそれぞれのデータは、いずれも特定単位時間に対応しうる。前記学習モジュール150は、前記収集期間内のそれぞれの単位時間別に、前記単位時間に相応する衛星映像データ及び/または前記単位時間に相応する環境汚染関連キーワードと前記単位時間に相応する環境汚染データとを入力値とする機械学習を行うことができる。
Claims (17)
- 所定の収集期間の間に、それぞれの単位時間別に対象地域の地表面を撮影した複数の衛星映像データを収集する衛星映像データ収集モジュールと、
前記複数の衛星映像データのそれぞれに対して、前記衛星映像データを分析して、それに相応する衛星映像分析データを生成し、該生成された前記複数の衛星映像分析データを含む衛星映像分析データセットを生成する衛星映像データ分析モジュールと、
前記収集期間の間に、それぞれの単位時間別に前記対象地域内に設けられたセンサーから感知された複数の実測データを収集する実測データ収集モジュールと、
前記複数の実測データのそれぞれに対して、前記実測データを分析して、それに相応する環境汚染データを生成し、該生成された複数の前記環境汚染データを含む環境汚染データセットを生成する実測データ分析モジュールと、
前記収集期間の間に、それぞれの単位時間別に所定のソーシャルネットワークサービスに掲示された前記対象地域に相応する掲示物から環境汚染関連キーワードを収集し、該収集された前記単位時間別の環境汚染関連キーワードを含む環境汚染関連キーワードセットを生成するキーワード収集モジュールと、
前記衛星映像分析データセット及び前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を生成する学習モジュールと、
前記衛星映像分析データセット及び前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を用いて、所定の予測時間に前記対象地域を撮影した予測対象衛星映像及び前記予測時間に前記ソーシャルネットワークサービスに掲示された前記対象地域に相応する掲示物に含まれた環境汚染関連キーワードから予測環境汚染データを生成する予測モジュールと、
を含む環境汚染予測システム。 - 前記環境汚染データは、前記対象地域に位置する河川の水質データであり、前記センサーは、緑潮センサーであることを特徴とする請求項1に記載の環境汚染予測システム。
- 前記衛星映像データ分析モジュールは、
前記衛星映像データに示された河川部分の色相を分析して、前記衛星映像データに相応する衛星映像分析データを生成する請求項2に記載の環境汚染予測システム。 - 前記環境汚染データは、前記対象地域の大気汚染度データであり、前記センサーは、大気センサーであることを特徴とする請求項1に記載の環境汚染予測システム。
- 前記衛星映像データ分析モジュールは、
前記衛星映像データの透明度を分析して、前記衛星映像データに相応する衛星映像分析データを生成する請求項4に記載の環境汚染予測システム。 - 前記環境汚染予測システムは、
前記収集期間の間に、それぞれの単位時間別に前記対象地域の大気環境データを収集する大気環境データ収集モジュールをさらに含み、
前記衛星映像データ分析モジュールは、
前記衛星映像データが撮影された単位時間に相応する大気環境データに基づいて、前記衛星映像データを補正した後、前記衛星映像データを分析して、それに相応する衛星映像分析データを生成する請求項1に記載の環境汚染予測システム。 - 前記学習モジュールは、
前記収集期間の間のそれぞれの単位時間別に当該単位時間の衛星映像分析データ、当該単位時間の環境汚染関連キーワード及び当該単位時間の環境汚染データに対する機械学習を行って、前記衛星映像分析データセット及び前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を生成する請求項1に記載の環境汚染予測システム。 - 前記ソーシャルネットワークサービスに掲示された前記対象地域に相応する掲示物は、
前記対象地域または前記対象地域から一定範囲内の地域に位置するユーザの端末が、前記ソーシャルネットワークサービスに掲示した掲示物であることを特徴とする請求項1に記載の環境汚染予測システム。 - 所定の収集期間の間に、それぞれの単位時間別に所定のソーシャルネットワークサービスに掲示された対象地域に相応する掲示物から環境汚染関連キーワードを収集し、該収集された前記単位時間別の環境汚染関連キーワードを含む環境汚染関連キーワードセットを生成するキーワード収集モジュールと、
前記収集期間の間に、それぞれの単位時間別に前記対象地域内に設けられたセンサーから感知された複数の実測データを収集するセンサーデータ収集モジュールと、
前記複数の実測データのそれぞれに対して、前記実測データを分析して、それに相応する環境汚染データを生成し、該生成された複数の前記環境汚染データを含む環境汚染データセットを生成する実測データ分析モジュールと、
前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を生成する学習モジュールと、
前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を用いて、所定の予測時間に前記ソーシャルネットワークサービスに掲示された前記対象地域に相応する掲示物に含まれた環境汚染関連キーワードから予測環境汚染データを生成する予測モジュールと、
を含む環境汚染予測システム。 - 環境汚染予測システムが、所定の収集期間の間に、それぞれの単位時間別に対象地域の地表面を撮影した複数の衛星映像データを収集する衛星映像データ収集段階と、
前記環境汚染予測システムが、前記複数の衛星映像データのそれぞれに対して、前記衛星映像データを分析して、それに相応する衛星映像分析データを生成し、該生成された前記複数の衛星映像分析データを含む衛星映像分析データセットを生成する衛星映像データ分析段階と、
前記環境汚染予測システムが、前記収集期間の間に、それぞれの単位時間別に前記対象地域内に設けられたセンサーから感知された複数の実測データを収集するセンサーデータ収集段階と、
前記環境汚染予測システムが、前記複数の実測データのそれぞれに対して、前記実測データを分析して、それに相応する環境汚染データを生成し、該生成された複数の前記環境汚染データを含む環境汚染データセットを生成する実測データ分析段階と、
前記環境汚染予測システムが、前記収集期間の間に、それぞれの単位時間別に所定のソーシャルネットワークサービスに掲示された前記対象地域に相応する掲示物から環境汚染関連キーワードを収集し、該収集された前記単位時間別の環境汚染関連キーワードを含む環境汚染関連キーワードセットを生成するキーワード収集段階と、
前記環境汚染予測システムが、前記衛星映像分析データセット及び前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を生成する学習段階と、
前記環境汚染予測システムが、前記衛星映像分析データセット及び前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を用いて、所定の予測時間に前記対象地域を撮影した予測対象衛星映像及び前記予測時間に前記ソーシャルネットワークサービスに掲示された前記対象地域に相応する掲示物に含まれた環境汚染関連キーワードから予測環境汚染データを生成する予測段階と、
を含む環境汚染予測方法。 - 前記環境汚染データは、前記対象地域に位置する河川の水質データであり、前記センサーは、緑潮センサーであることを特徴とする請求項10に記載の環境汚染予測方法。
- 前記衛星映像データ分析段階は、
前記衛星映像データに示された河川部分の色相を分析して、前記衛星映像データに相応する衛星映像分析データを生成する段階を含む請求項11に記載の環境汚染予測方法。 - 前記環境汚染データは、前記対象地域の大気汚染度データであり、前記センサーは、大気センサーであることを特徴とする請求項10に記載の環境汚染予測方法。
- 前記衛星映像データ分析段階は、
前記衛星映像データの透明度を分析して、前記衛星映像データに相応する衛星映像分析データを生成する段階を含む請求項13に記載の環境汚染予測方法。 - 環境汚染予測システムが、所定の収集期間の間に、それぞれの単位時間別に所定のソーシャルネットワークサービスに掲示された対象地域に相応する掲示物から環境汚染関連キーワードを収集し、該収集された前記単位時間別の環境汚染関連キーワードを含む環境汚染関連キーワードセットを生成するキーワード収集段階と、
前記環境汚染予測システムが、前記収集期間の間に、それぞれの単位時間別に前記対象地域内に設けられたセンサーから感知された複数の実測データを収集するセンサーデータ収集段階と、
前記環境汚染予測システムが、前記複数の実測データのそれぞれに対して、前記実測データを分析して、それに相応する環境汚染データを生成し、該生成された複数の前記環境汚染データを含む環境汚染データセットを生成する実測データ分析段階と、
前記環境汚染予測システムが、前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を生成する学習段階と、
前記環境汚染予測システムが、前記環境汚染関連キーワードセットと前記環境汚染データセットとの間の関連情報を用いて、所定の予測時間に前記ソーシャルネットワークサービスに掲示された前記対象地域に相応する掲示物に含まれた環境汚染関連キーワードから予測環境汚染データを生成する予測段階と、
を含む環境汚染予測方法。 - データ処理装置に設けられ、請求項10または15に記載の方法を行うために記録媒体に保存されたコンピュータプログラム。
- 環境汚染予測システムであって、
プロセッサと、
前記プロセッサによって実行されるコンピュータプログラムを保存するメモリと、を含み、
前記コンピュータプログラムは、前記プロセッサによって実行される場合、前記環境汚染予測システムが、請求項10または15に記載の方法を行わせる環境汚染予測システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016021285A JP6158967B1 (ja) | 2016-02-05 | 2016-02-05 | 環境汚染予測システム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016021285A JP6158967B1 (ja) | 2016-02-05 | 2016-02-05 | 環境汚染予測システム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6158967B1 true JP6158967B1 (ja) | 2017-07-05 |
JP2017138928A JP2017138928A (ja) | 2017-08-10 |
Family
ID=59273032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016021285A Active JP6158967B1 (ja) | 2016-02-05 | 2016-02-05 | 環境汚染予測システム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6158967B1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460256A (zh) * | 2022-02-18 | 2022-05-10 | 深圳天澄科工水***工程有限公司 | 一种基于卫星图像分析的水污染诊断方法 |
CN116340980A (zh) * | 2023-04-04 | 2023-06-27 | 临沂市生态环境局费县分局 | 一种基于大数据的水环境污染分析管理***及方法 |
CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102660079B1 (ko) * | 2023-11-30 | 2024-04-24 | 한국해양과학기술원 | 인공위성 영상 기반 해수 탁도 산출 시스템 및 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0830765A (ja) * | 1994-07-14 | 1996-02-02 | Toyo Constr Co Ltd | 水域モニタリングシステム |
-
2016
- 2016-02-05 JP JP2016021285A patent/JP6158967B1/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0830765A (ja) * | 1994-07-14 | 1996-02-02 | Toyo Constr Co Ltd | 水域モニタリングシステム |
Non-Patent Citations (2)
Title |
---|
JPN6017001239; 永谷 泉: 'Terra/Aqua MODISデータを用いた越境大気汚染モニタリングシステム' 第75回(平成25年)全国大会講演論文集(4) インタフェース コンピュータと人間社会 , 20130306, 4-811〜4-812, 一般社団法人情報処理学会 * |
JPN6017001240; 圓佛 伊智朗: '環境の計測と制御' 計測と制御 第40巻 第4号, 20010410, 298-302ページ, 社団法人計測自動制御学会 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460256A (zh) * | 2022-02-18 | 2022-05-10 | 深圳天澄科工水***工程有限公司 | 一种基于卫星图像分析的水污染诊断方法 |
CN116340980A (zh) * | 2023-04-04 | 2023-06-27 | 临沂市生态环境局费县分局 | 一种基于大数据的水环境污染分析管理***及方法 |
CN116340980B (zh) * | 2023-04-04 | 2023-09-05 | 临沂市生态环境局费县分局 | 一种基于大数据的水环境污染分析管理***及方法 |
CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
CN116596326B (zh) * | 2023-04-11 | 2024-04-26 | 泰州城发数字科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2017138928A (ja) | 2017-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101774871B1 (ko) | 환경 오염 예측 시스템 및 방법 | |
Corcoran et al. | Automated detection of koalas using low-level aerial surveillance and machine learning | |
Eikelboom et al. | Improving the precision and accuracy of animal population estimates with aerial image object detection | |
Willers et al. | Safety concerns and mitigation approaches regarding the use of deep learning in safety-critical perception tasks | |
Roberts et al. | Towards low-cost pavement condition health monitoring and analysis using deep learning | |
US20210213961A1 (en) | Driving scene understanding | |
JP6158967B1 (ja) | 環境汚染予測システム及び方法 | |
JP6267841B1 (ja) | ウェアラブル端末表示システム、ウェアラブル端末表示方法およびプログラム | |
CA3115188C (en) | Apparatus and method for providing application service using satellite image | |
US20130208121A1 (en) | Traffic camera diagnostics via test targets | |
CN111143932A (zh) | 一种桥梁健康状态的评估方法、装置、***和设备 | |
EP3706068A1 (en) | Land use determination system, land use determination method and program | |
JP2009192311A (ja) | 発雷予測装置およびその方法、プログラム | |
CN110910415A (zh) | 抛物检测方法、装置、服务器和计算机可读介质 | |
CN109102324B (zh) | 模型训练方法、基于模型的红包物料铺设预测方法及装置 | |
KR101744940B1 (ko) | 디지털 사이니지 시스템에서 상황인지형 컨텐츠 추천장치 | |
CN113537070A (zh) | 一种检测方法、装置、电子设备及存储介质 | |
CN116823793A (zh) | 设备缺陷检测方法、装置、电子设备和可读存储介质 | |
Ranyal et al. | Enhancing pavement health assessment: An attention-based approach for accurate crack detection, measurement, and mapping | |
Hiremath et al. | A Smart App for Pothole Detection Using Yolo Model | |
Kim et al. | Real-time assessment of surface cracks in concrete structures using integrated deep neural networks with autonomous unmanned aerial vehicle | |
Dirir et al. | An advanced deep learning approach for multi-object counting in urban vehicular environments | |
KR102323228B1 (ko) | 드론을 이용하는 구조물 안전점검 유지관리 방법 및 시스템 | |
CN115061386B (zh) | 智能驾驶的自动化仿真测试***及相关设备 | |
CN114550129B (zh) | 一种基于数据集的机器学习模型处理方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170418 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170608 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6158967 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |