CN106875636A - 基于无人机的蓝藻监测预警方法及系统 - Google Patents

Abstract

本发明公开一种基于无人机的蓝藻监测预警方法及系统；方法包括如下步骤：(10)监测水域普查：采集沿途毫米波辐射数据及蓝藻位置信息；(20)污染区域成像：重点锥扫得到辐射图像，拍摄光学图像；(30)图像特征提取：对辐射图像处理，与光学图像对比分析，实时监测；(40)蓝藻污染预警：确认蓝藻的污染，生成蓝藻污染预警。系统包括远程无线网络信号连接的无人机监测平台(1)和地面控制台(2)，无人机监测平台(1)对监测水域普查、定点详查和实时监测；地面控制台(2)控制无人机监测平台(1)，确定污染水域，提取图像特征，生成蓝藻污染预警。本发明的蓝藻监测预警方法及系统，全天时、全天候工作，监测精度高。

Description

基于无人机的蓝藻监测预警方法及系统

技术领域

本发明属于水生植被监测、预警技术领域，特别是一种全天时、全天候、监测精度高的基于无人机的蓝藻监测预警方法及实现该方法的监测预警系统。

背景技术

以湖泊、江、河作为一个整体的监测网对水质进行实时监测，是预防违法、违规排放污水、及时治理水污染，也是及时预警和抑制蓝藻等快速生长的水生植物的有效方式之一。

各地区湖泊由于蓝藻的大量繁殖造成水质污染的事件频发，因此监测和预警蓝藻的过度繁殖具有对维护湖泊周围的生态平衡具有重大意义。

在蓝藻频发地现场设立测试点是最原始的监测方法，但是由于是人工监测为主，往往不够及时和准确。另外，卫星遥感技术监测近年来也逐渐发展起来，利用卫星遥感技术监测蓝藻具有即时性和宏观性，但是卫星遥感技术的分辨率和精确性还有待提高，而且，如果遇到恶劣天气，由于可见光和红外线受到干扰，卫星遥感技术的准确度会大大降低。而本文所采用的毫米波遥感具有全天时全天候的性能，可以不受恶劣天气的影响，获取可见光与红外探测器不能获取的特殊信息。

所以，对大面积区域水污染监测主要采用遥感监测和无人机监测方式。

水污染遥感监测具有快速、宏观、实时的特点,其数据能直观反映水污染在区域上的分布情况,是对大面积水域的污染情况进行监测的有效途径。但其存在使用成本高、定点监测精度不够的问题。

由于无人机具有起降占地小、对地形要求低、可在空中悬停定点观测等优点，近年来，基于无人机的水污染监测开始应用。如2012年，由华南理工大学按照中国海监广东省总队的要求研制的中国首架自主研发的海监无人直升机投入使用，主要搭载摄像头、照相机、微波等视频和图像采集传输设备，进行实时空中图像和数据传播，然后依靠数据来执行分析广东近海的海洋执法监察、环境监测、环境保护等任务。中科院上海技术物理研究所设计了无人机载小型多光谱成像仪，使其搭载在无人机SE-1(海洋探索1号)平台，成为一种灵活机动的海洋监测工具，用于海洋污染、赤潮发现、原油泄漏等重大事件的监测。

但是，现有基于无人机的水污染监测对快速生长的水生植被的污染情况均采用光学或红外手段。这种方式由于光学传感器的高分辨率，在晴朗的白昼精度较高，但是在黑夜、阴雨天、雾霾天气，其监测精度则大幅下降，难以满足对快速生长的水生植被实时监测的需求。

总之，现有技术存在的问题是：对快速生长的水生植被蓝藻的监测预警易受天时天候影响，监测精度低。

发明内容

本发明的目的在于提供一种基于无人机的蓝藻监测预警方法,能够进行全天时、全天候工作，且具有较高的监测精度。

本发明的另一目的在于提供一种基于无人机的蓝藻监测预警系统。

实现本发明目的的技术解决方案为：

一种基于无人机的蓝藻监测预警方法，包括如下步骤：

(10)监测水域普查：无人机在监测水域上方沿设定路线飞行，采集沿途毫米波辐射数据及蓝藻位置信息，得到蓝藻辐射数据；

(20)污染区域成像：根据蓝藻辐射数据及蓝藻位置信息，初步确定重点监测水域，使无人机在重点监测水域悬停，对该水域进行锥扫得到该水域的辐射图像，同时拍摄该水域的光学图像；

(30)图像特征提取：对辐射图像进行处理，并与光学图像对比分析，确定蓝藻的分布范围、污染地点、污染程度，实现对水域的实时监测；

(40)蓝藻污染预警：通过确认蓝藻的分布范围、污染地点、污染程度，当植被到达预警阀值时，生成蓝藻污染预警。

实现本发明另一目的的技术解决方案为：

一种基于无人机的蓝藻监测预警系统，包括：

无人机监测平台，用于对监测水域进行普查、定点详查和实时监测；

地面控制台，用于控制无人机监测平台的工作状态，确定污染水域，提取图像特征，生成蓝藻污染预警；

所述地面控制台与无人机监测平台通过远程无线网络信号连接。

本发明与现有技术相比，其显著优点为：

1、蓝藻监测预警不受天时天候影响：无源毫米波穿透能力强，本发明采用3mm辐射成像，不受天气和时段的影响，能全天时、全天候监测蓝藻的情况；

2、监测精度高：本发明采用全面普查与定点监测相结合的方式，不但效率高，而且精度也高；采用“遗传算法”对毫米波辐射图像进行处理，使图像更为精确，进一步提高监测精度；

下面结合附图和具体实施方式对本发明作进一步的详细描述。

附图说明

图1为本发明基于无人机的蓝藻监测预警方法的流程图。

图2为本发明基于无人机的蓝藻监测预警系统的结构示意图。

图中，1无人机监测平台，2地面控制台，

11无人机，12定位模块,13光学摄影模块,14副面旋转天线,15 3mm辐射计,16数据采集器,17据存储模块,18空中无线传输模块，

21飞行控制模块,22图像处理模块，23数据处理模块,24成像显示模块,25地面无线传输模块,26污染预警模块。

具体实施方式

如图1所示，本发明基于无人机的蓝藻监测预警方法，包括如下步骤：

(10)监测水域普查：无人机在监测水域上方沿设定路线飞行，采集沿途毫米波辐射数据及蓝藻位置信息，得到蓝藻辐射数据；

所述(10)监测水域普查步骤中，采用无人机搭载的3mm波段辐射计采集沿途毫米波辐射数据。

所述(10)监测水域普查步骤中，蓝藻辐射数据由沿途辐射数据与先期建立的典型蓝藻毫米波辐射特性数据相比较而得到。

(20)污染区域成像：根据蓝藻辐射数据及蓝藻位置信息，初步确定重点监测水域，使无人机在重点监测水域悬停，对该水域进行锥扫得到该水域的辐射图像，同时拍摄该水域的光学图像；

(30)图像特征提取：对辐射图像进行处理，并与光学图像对比分析，确定蓝藻的分布范围、污染地点、污染程度，实现对水域的实时监测；

所述(30)图像特征提取步骤包括：

(31)辐射图像处理：采用遗传算法对毫米波辐射图像进行处理，得到最佳阈值，进行图像二值化，然后对图像进行特征提取，得到蓝藻的辐射数据。

遗传算法对于复杂的优化问题无需建模和复杂运算，只要利用遗传算法的三种算子就能得到最优解。遗传算法的核心是精英选择、精英交叉、定向变异。我们采用轮盘赌输的方法来对父代个体进行加快选优。

(32)图像对比分析：将得到的辐射数据与光学图像进行对比分析，得到蓝藻的分布范围、污染地点、污染程度；

(40)蓝藻污染预警：通过确认蓝藻的分布范围、污染地点、污染程度，当植被到达预警阀值时，生成蓝藻污染预警。

本发明基于无人机的蓝藻监测预警系统，包括：

无人机监测平台1，用于对监测水域进行普查、定点详查和实时监测；

地面控制台2，用于控制无人机监测平台1的工作状态，确定污染水域，提取图像特征，生成蓝藻污染预警；

所述地面控制台2与无人机监测平台1通过远程无线网络信号连接。

如图2所示，所述无人机监测平台1包括：

无人机11，用于搭载各种功能模块，设定路线飞行、在污染水域悬停；

定位模块12，用于获蓝藻的位置信息；

光学摄影模块13，用于拍摄重点监测水域的光学图像；

副面旋转天线14，用于对监测水域进行锥扫；

3mm辐射计15，用于采集监测水域的蓝藻的毫米波辐射数据；

水污染成像与测试系统采用3mm波段辐射计系统，辐射计要求：其中3mm波段天线，波束宽度0.8°，天线口径300mm，圆极化，扫描范围180°×120°；采用W波段射频低噪放，频率范围90-100GHz，噪声系数8dB；；低频放大器采用直流模式放大低频信号；定标装置采用高低温源把电压信号化为温度信号；利用锥扫方式进行扫描成像，其中每圈扫描成像时间小于1秒钟。

数据采集器16，采集重点监测水域的蓝藻的辐射图像；

据存储模块17，用于存储沿途毫米波辐射数据、辐射图像及光学图像；

空中无线传输模块18，用于与地面控制台2远程通信，传输数据和飞行指令；

所述地面控制台2包括:

飞行控制模块21，用于根据设定路线或重点监测水域，产生飞行指令；

图像处理模块(22)，对辐射图像进行处理，并与光学图像对比分析，确定蓝藻的分布范围、污染地点、污染程度；

数据处理模块23，用于根据蓝藻辐射数据及位置信息，初略判定重点监测水域；

成像显示模块24，用于显示水域地图、无人机飞行轨迹、辐射图像处理结果、光学图像、蓝藻的分布范围、污染地点、污染程度。

地面无线传输模块25，用于与无人机监测平台1远程通信，接收数据和发出飞行指令。

污染预警模块26，用于生成预警，为相关的决策部门提供依据；

所述数据处理模块23分别与图像处理模块22、成像显示模块24、地面无线传输模块25与地面控制台2信号相连。

本发明基于无人机的蓝藻监测预警系统的工作过程如下：

首先:在无人机起飞前对辐射计进行高低温定标；

第二步:无人机起飞至水面上，飞行高度升至100m后，沿设定路线飞行并开始采集辐射数据；

第三步:将数据采集器采集到的辐射数据以及无人机飞行的位置信息通过无线方式传回地面控制模块；

第四步:地面控制模块根据接收到的位置，大致判断需重点监测的地点，控制无人机飞行至该地点，开始对该水域进行锥扫，得到该水域的辐射图像，同时拍摄该水域的光学图像；

第五步:将测得的辐射图像和拍摄得到的光学图像保存在存储系统内，同时通过无线方式传送至地面控制台；

第六步：无人机飞回地面控制台，将存储系统中的数据导出，断电结束工作；

第七步:综合第二步和第四步的结果，可以判别出水生植被蓝藻的污染地点以及其分布范围和面积信息，达到实时监测的目的；

最后：通过对现有数据的分析当植被到达一定程度时，生成预警，为相关的决策部门提供数据与科学依据。

这样就为管理单位进一步研究水面上水生植被蓝藻污染的处理方法和措施提供了科学依据以及预警机制，在下一次蓝藻暴发来临时能提前预警，以便做好应对措施，而且具有全天时全天候的特点，可以在各种有毒和低能见度情况下进行正常工作。

本发明的效果是采用无人机平台搭载毫米波辐射计的方法，能够全天时全天候对大面积蓝藻污染情况进行实时监测，并将监测信息及时反馈给控制端，控制端可根据实时传回的数据对蓝藻污染采取有效措施，以防出现大面积的污染，对水环境造成危害。为将来的水污染治理提供科学依据和实验支撑。该发明设计合理，实现了对监测区域的快速、全面、准确的监测功能，提高了监测的效率和监测的实时性和直观性，在水环境保护方面具有重要的社会现实意义和重大实用经济价值。

Claims (7)

1.一种基于无人机的蓝藻监测预警方法，其特征在于，包括如下步骤：

(10)监测水域普查：无人机在监测水域上方沿设定路线飞行，采集沿途毫米波辐射数据及蓝藻位置信息，得到蓝藻辐射数据；

(20)污染区域成像：根据蓝藻辐射数据及蓝藻位置信息，初步确定重点监测水域，使无人机在重点监测水域悬停，对该水域进行锥扫得到该水域的辐射图像，同时拍摄该水域的光学图像；

(30)图像特征提取：对辐射图像进行处理，并与光学图像对比分析，确定蓝藻的分布范围、污染地点、污染程度，实现对水域的实时监测；

(40)蓝藻污染预警：通过确认蓝藻的分布范围、污染地点、污染程度，当植被到达预警阀值时，生成蓝藻污染预警。

2.根据权利要求1所述的蓝藻监测预警方法，其特征在于：

所述(10)监测水域普查步骤中，采用无人机搭载的3mm波段辐射计采集沿途毫米波辐射数据。

3.根据权利要求1所述的蓝藻监测预警方法，其特征在于：

所述(10)监测水域普查步骤中，蓝藻辐射数据由沿途辐射数据与先期建立的典型蓝藻毫米波辐射特性数据相比较而得到。

4.根据权利要求1所述的蓝藻监测预警方法，其特征在于，所述(30)图像特征提取步骤包括：

(31)辐射图像处理：采用遗传算法对毫米波辐射图像进行处理，得到最佳阈值，进行图像二值化，然后对图像进行特征提取，得到蓝藻的辐射数据。

(32)图像对比分析：将得到的辐射数据与光学图像进行对比分析，得到蓝藻的分布范围、污染地点、污染程度。

5.一种基于无人机的蓝藻监测预警系统，其特征在于，包括：

无人机监测平台(1)，用于对监测水域进行普查、定点详查和实时监测；

地面控制台(2)，用于控制无人机监测平台(1)的工作状态，确定污染水域，提取图像特征，生成蓝藻污染预警；

所述地面控制台(2)与无人机监测平台(1)通过远程无线网络信号连接。

6.根据权利要求5所述的蓝藻监测预警系统，其特征在于，所述无人机监测平台(1)包括：

无人机(11)，用于搭载各种功能模块，设定路线飞行、在污染水域悬停；

定位模块(12)，用于获蓝藻的位置信息；

光学摄影模块(13)，用于拍摄重点监测水域的光学图像；

副面旋转天线(14)，用于对监测水域进行锥扫；

3mm辐射计(15)，用于采集监测水域的蓝藻的毫米波辐射数据；

数据采集器(16)，采集重点监测水域的蓝藻的辐射图像；

据存储模块(17)，用于存储沿途毫米波辐射数据、辐射图像及光学图像；

空中无线传输模块(18)，用于与地面控制台(2)远程通信，传输数据和飞行指令。

7.根据权利要求5所述的蓝藻监测预警系统，其特征在于，所述地面控制台(2)包括:

飞行控制模块(21)，用于根据设定路线或重点监测水域，产生飞行指令；

图像处理模块(22)，对辐射图像进行处理，并与光学图像对比分析，确定蓝藻的分布范围、污染地点、污染程度；

数据处理模块(23)，用于根据蓝藻辐射数据及位置信息，初略判定重点监测水域；

成像显示模块(24)，用于显示水域地图、无人机飞行轨迹、辐射图像处理结果、光学图像、蓝藻的分布范围、污染地点、污染程度。

地面无线传输模块(25)，用于与无人机监测平台(1)远程通信，接收数据和发出飞行指令；

污染预警模块(26)，用于生成预警，为相关的决策部门提供依据；

所述数据处理模块(23)分别与图像处理模块(22)、成像显示模块(24)、地面无线传输模块(25)与地面控制台(2)信号相连。