CN107328720B - 土壤重金属污染程度的空地一体化协同监测系统及方法 - Google Patents
土壤重金属污染程度的空地一体化协同监测系统及方法 Download PDFInfo
- Publication number
- CN107328720B CN107328720B CN201710693247.XA CN201710693247A CN107328720B CN 107328720 B CN107328720 B CN 107328720B CN 201710693247 A CN201710693247 A CN 201710693247A CN 107328720 B CN107328720 B CN 107328720B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- ground
- heavy metal
- soil
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 196
- 239000002689 soil Substances 0.000 title claims abstract description 91
- 229910001385 heavy metal Inorganic materials 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000002195 synergetic effect Effects 0.000 title claims abstract description 14
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 claims abstract description 66
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 53
- 238000001228 spectrum Methods 0.000 claims description 27
- 238000004611 spectroscopical analysis Methods 0.000 claims description 19
- 230000006835 compression Effects 0.000 claims description 13
- 238000007906 compression Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 8
- 238000007667 floating Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 abstract description 5
- 230000002265 prevention Effects 0.000 abstract description 3
- 238000012806 monitoring device Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 3
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 239000011651 chromium Substances 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000003041 laboratory chemical Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910052752 metalloid Inorganic materials 0.000 description 1
- 150000002738 metalloids Chemical class 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Automation & Control Theory (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种土壤重金属污染程度的空地一体化协同监测系统及方法，系统由空中高光谱面源监测端、地面LIBS点源监测端和地面监控端组成；本发明首先由空中高光谱面源监测端完成对大面积土壤重金属污染程度的粗测，给出存在土壤重金属污染的特定区域位置。同时，地面LIBS点源监测端协同完成对这些特定区域位置内土壤重金属的准确检测，包括重金属污染物的种类和含量。最后由地面监控端显示土壤重金属污染程度的三维空间分布图。本发明采用空中高光谱面源监测端和地面LIBS点源监测端，实现了大面积土壤重金属种类和含量的快速、准确检测，可减少大面积土壤重金属污染程度的评估时间和误差，从而为治理与防范土壤重金属危害提供可靠依据。
Description
技术领域
本发明属于土壤生态环境监测技术领域，涉及一种大面积土壤重金属污染程度的空地一体化协同监测系统及方法，具体涉及一种基于高光谱面源监测和LIBS点源监测的大面积土壤重金属污染程度空地一体化协同监测方法。
背景技术
随着工业生产规模的扩大、城市环境污染的加剧以及农药和化肥的不合理使用，土壤重金属污染程度不断加剧，而且污染面积也在不断扩大。重金属污染物主要是指Hg(汞)、Cd(镉)、Pb(铅)、Cr(铬)、Cu(铜)、Ni(镍)、Co(钴)、Sn(锡)以及类金属As(砷)等。由于重金属污染物在土壤中移动差、滞留时间长、难被微生物降解，并可经水、植物等介质最终影响人体健康，因此对大面积土壤中的重金属种类和含量进行快速准确监测，进而全面评价土壤重金属的污染程度，为治理与防范土壤重金属危害提供可靠依据，具有非常重要的意义。
国内外传统的土壤重金属检测大多采用现场采样后通过实验室化学试剂和光谱仪器等方法进行分析。虽然这些检测方法的准确度较高，但其分析周期长，检测过程中容易产生二次污染，难以实现对大面积土壤重金属污染程度的快速实时检测。近年来，随着世界各国对土壤重金属检测方面的大力投入，出现了LIBS(Laser-induced break-downspectroscopy，激光诱导击穿光谱)、高光谱遥感等一系列新技术。但这些土壤重金属检测方法有优点，也存在不足，仅凭单种方法难以实现对大面积土壤中的重金属种类和含量进行快速准确监测。比如：中国发明专利201610045040.7和201610828001.4公开的LIBS装置具有现场实时检测、样品无需特殊制备、低检测限、测量精度高、操作便捷和多元素同时分析等优点，但该方法局限于小区域检测，难以获取大面积土壤重金属污染程度的监测数据。另一方面，国内外已提出将具有高光谱分辨率和连续光谱波段的高光谱遥感技术应用于土壤重金属污染程度检测，以实现大范围、非破坏性和非接触元素的快速监测。但在实际应用当中，由于被污染土壤中重金属的含量比较低，反映在光谱中的信号会比较微弱，而且土壤质地、湿度、有机质、氧化铁等的含量都会对土壤光谱特征产生影响，因此目前利用高光谱遥感技术检测土壤重金属污染程度的精度往往不高。
综上所述，如何快速准确监测大面积土壤重金属种类和含量成为迫切需要解决的技术难题。
发明内容
针对现有技术存在的不足，本发明提供了一种基于高光谱面源监测和LIBS点源监测的大面积土壤重金属污染程度空地一体化协同监测系统及方法。采用本发明可快速、准确完成大面积土壤重金属种类和含量的检测。
本发明的系统所采用的技术方案是：1.一种土壤重金属污染程度的空地一体化协同监测系统，其特征在于：由空中高光谱面源监测端、地面LIBS点源监测端和地面监控端组成；
所述空中高光谱面源监测端包括无人机、高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块；所述高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块均集成在所述无人机上；所述智能处理器分别与所述高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、通信设备连接；所述电源模块分别与所述无人机、高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备连接；
所述地面LIBS点源监测端包括无人小车、远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块；所述远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块均集成在所述无人小车上；所述智能处理器分别与所述远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、通信设备连接；所述电源模块分别与所述无人小车、远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备连接；
所述地面监控端包括工控机、大容量数据存储设备和通信设备；所述工控机通过与通信模块连接，进行数据接收和发送控制指令；所述工控机与大容量数据存储设备进行连接，由工控机把处理之后的数据送到大容量数据存储设备进行存储；
所述工控机用于控制所属无人机及无人小车工作，所述无人机完成对大面积土壤重金属污染程度的粗测，给出存在土壤重金属污染的特定区域位置；所述无人小车协同完成对这些特定区域位置内土壤重金属污染物种类和含量的准确检测。
本发明的方法所采用的技术方案是：一种土壤重金属污染程度的空地一体化协同监测方法，其特征在于，包括以下步骤：
步骤1：地面监控端规划无人机的航迹，并操控无人机飞向指定的监测区域；
步骤2：高光谱成像仪采用推扫成像方式实时获取监测区域内土壤的高光谱图像，POS设备实时测量无人机的平台姿态和位置，工业相机和激光扫描仪实时获取周围环境的视觉和激光数据；同时将监测数据和自身的状态参数实时发送给智能处理器；
步骤3：智能处理器采集、缓存和压缩高光谱图像、视觉和激光数据、平台姿态和位置数据、设备状态参数，并通过通信设备将压缩后的数据发送给地面监控端；
步骤4：地面监控端对高光谱图像进行实时处理，并判断高光谱数据是否到达预期要求；
若是，则执行步骤5；
若否，则地面监控端给空中高光谱面源监测端发送控制指令，由智能处理器控制精密可控转台调节高光谱成像仪的视场角，并回转执行步骤2；
步骤5：判断高光谱图像是否存在可疑的土壤重金属污染区域；
若是，则地面监控端操控无人机降低飞行高度，并使无人机暂时处于悬停状态，对该区域进行近距离观测，然后执行步骤6；
若否，则执行步骤6；
步骤6：判断无人机是否完成所有区域的监测；
若是，则无人机监测结束，回收无人机；
若否，则回转执行步骤2；
步骤7：地面监控端从监测结果中找出存在重金属污染的土壤区域，并结合空中高光谱面源监测端提供的位置数据和视觉数据，对无人小车的行驶路径进行规划,并操控无人小车驶向指定的监测区域；
步骤8：在无人小车行驶过程中，搭载的工业相机和激光扫描仪实时获取周围环境的视觉和激光数据，POS设备实时测量无人小车的平台姿态和位置，同时将监测数据实时发送给无人小车上搭载的智能处理器；
步骤9：智能处理器采集、缓存和压缩视觉激光数据、平台姿态和位置数据，并通过通信设备将压缩后的数据发送给地面监控端；
步骤10：地面监控端通过通信设备接收地面LIBS点源监测端发送过来的数据，并对数据进行实时处理，以实现对无人小车周围监测环境的感知和行驶路径的调整优化；
步骤11：判断无人小车是否到达监测区域；
若是，则执行步骤12；
若否，则回转执行步骤8；
步骤12：远距离LIBS获取监测区域内土壤的LIBS光谱数据，POS设备实时测量无人小车的平台姿态和位置，光学相机和激光扫描仪实时获取周围环境的视觉和激光数据；同时将监测数据和自身状态参数实时发送给智能处理器；
步骤13：智能处理器采集、缓存和压缩LIBS光谱数据、视觉激光数据、平台姿态和位置数据、设备状态参数，并通过通信设备将压缩后的数据发送给地面监控端；
步骤14：判断LIBS光谱数据是否达到预期要求；
若是，则执行步骤15；
若否，则地面监控端通过通信设备给地面LIBS点源监测端发送控制指令，由智能处理器控制精密可控转台调节远距离LIBS的视场角，并回转执行步骤12；
步骤15：地面监控端提取监测区域内土壤重金属的种类和含量，同时结合位置数据、视觉激光数据，绘制出土壤重金属污染程度的三维空间分布图，并由大容量数据存储器完成高光谱数据和LIBS光谱数据的实时存储；
步骤16：判断无人小车是否完成所有指定区域的监测；
若是，则无人小车监测结束，回收无人小车，本流程结束；
若否，则回转执行步骤7。
和现有技术相比，本发明具有有益成果：
采用空中高光谱面源监测端和地面LIBS点源监测端，实现了大面积土壤重金属种类和含量的快速、准确检测，可减少大面积土壤重金属污染程度的评估时间和误差，从而为治理与防范土壤重金属危害提供可靠依据。
附图说明
图1是本发明实施例的系统原理图；
图2是本发明实施例的方法流程图。
具体实施方法
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种土壤重金属污染程度的空地一体化协同监测系统，由空中高光谱面源监测端、地面LIBS点源监测端和地面监控端组成；
高光谱面源监测端包括无人机、高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备(由惯性导航单元、GPS接收机以及数据处理单元组成)、智能处理器、通信设备和电源模块，其中无人机用于搭载高光谱成像仪等各类设备；高光谱成像仪用于获取土壤的高光谱图像；工业相机和激光扫描仪分别用于获取监测场景的视觉数据和激光数据；精密可控转台用于调节高光谱成像仪的视场角度；POS设备用于获取无人机的平台姿态和位置数据；智能处理器包括监控子模块和数据采集子模块，其中监控子模块负责对无人机及其搭载的各种设备进行控制以及监测所有设备单元的工作状态。数据采集子模块负责采集、缓存和压缩高光谱图像、视觉激光数据、平台姿态和位置数据、监测装置自身状态参数，并通过通信设备将压缩后的数据实时发送给地面监控端；通信设备用于向地面监控端发送压缩后的数据以及接收来自地面监控端的控制指令；电源模块用于为无人机及其搭载的设备单元提供动力。
地面LIBS点源监测端包括无人小车、远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备(由惯性导航单元、GPS接收机以及数据处理单元组成)、智能处理器、通信设备和电源模块，其中无人小车用于搭载远距离LIBS等各类设备；远距离LIBS设备用于获取土壤的LIBS光谱数据；光学相机和激光扫描仪分别用于获取监测场景的视觉数据和激光数据；精密可控转台用于调节远距离LIBS设备的视场角度；POS设备用于获取无人小车的平台姿态和位置数据；智能处理器包括监控子模块和数据采集子模块，其中监控子模块负责对无人小车及其搭载的各种设备进行控制以及监测所有设备单元的工作状态。数据采集子模块负责采集、缓存和压缩LIBS光谱数据、视觉激光数据、平台姿态和位置数据、监测装置自身状态参数，并通过通信设备将压缩后的数据实时发送给地面监控端；通信设备用于向地面监控端发送压缩后的数据以及接收来自地面监控端的控制指令；电源模块用于为无人小车及其搭载的设备单元提供动力。
地面监控端包括工控机、大容量数据存储设备和通信设备。其中工控机作为地面监控端的控制处理核心，主要负责通过通信设备接收空中高光谱面源监测端和地面LIBS点源监测端发送过来的监测数据；通过通信设备分别向空中高光谱面源监测端和地面LIBS点源监测端发送控制指令；处理高光谱图像和LIBS光谱数据，并显示土壤重金属污染程度的三维空间分布图；大容量数据存储设备用于存储经工控机处理过后的高光谱图像和LIBS光谱数据；通信设备用于接收来自空中高光谱面源监测端和地面LIBS点源监测端的压缩数据以及发送来自地面监控端的控制指令。
本发明方法的具体实施中，首先由空中高光谱面源监测端完成对大面积土壤重金属污染程度的粗测，给出存在土壤重金属污染的特定区域位置。同时，地面LIBS点源监测端协同完成对这些特定区域位置内土壤重金属的准确检测，包括重金属污染物的种类和含量。最后由地面监控端显示土壤重金属污染程度的三维空间分布图。下面结合图2所示的流程图详细说明本发明的方法，本发明提供的一种土壤重金属污染程度的空地一体化协同监测方法，包括以下步骤：
步骤1，地面监控端根据监测区域的面积、位置参数和地形地貌等信息，将监测区域划分成若干测绘条带，依据这些测绘条带规划无人机的航迹(比如无人机飞行的高度、速度和方向)，并操控无人机飞向指定的监测区域。
步骤2，在无人机的飞行过程中，所搭载的工业相机实时获取周围环境的视觉数据，由惯性导航单元、GPS接收机以及数据处理单元组成的POS设备实时测量无人机的平台姿态和位置。这些设备将监测数据和自身的状态参数实时发送给智能处理器。智能处理器采集、缓存和压缩视觉数据、无人机的平台姿态和位置数据，并通过通信设备将压缩后的数据发送给地面监控端。地面监控端通过通信设备接收空中面源监测端发送过来的数据，并对视觉数据和无人机的位置数据进行分析以判断无人机是否已到达指定的监测区域。其中，工业相机与智能处理器之间通过Mini Camera Link数据接口进行通信；POS设备与智能处理器通过串口RS232进行通信。
步骤3，当无人机到达指定监测区域之后，高光谱成像仪采用推扫成像方式实时获取监测区域内土壤的高光谱图像，POS设备实时测量无人机的平台姿态和位置，工业相机和激光扫描仪实时获取周围环境的视觉和激光数据。这些设备将监测数据和自身的状态参数实时发送给智能处理器。智能处理器采集、缓存和压缩高光谱图像、视觉激光数据、无人机的平台姿态和位置数据、各类监测设备的状态参数，并通过通信设备将压缩后的数据发送给地面监控端。其中，高光谱成像仪通过Camera Link数据接口将高光谱图像发送给智能处理器，同时智能处理器通过USB接口设置高光谱成像仪的工作参数以及获取该设备的状态参数；激光扫描仪与智能处理器之间通过以太网进行通信；智能处理器以采集完一帧高光谱图像作为时间基准，然后添加与该图像对应的采集时间、视觉激光数据、平台姿态和位置数据、各类监测设备的状态参数，最后利用如中国发明专利CN201310019967.X所描述的通用图像压缩方法完成上述数据的压缩，并利用如中国发明专利CN201210129099.6所描述的无线图传通信系统完成将压缩后的数据发送给地面监控端。
步骤4，地面监控端通过通信设备接收高光谱面源监测端发送过来的数据，并对高光谱图像进行实时处理。当发现高光谱图像没有达到预期要求时，地面监控端通过通信设备给空中面源监测端发送控制指令。空中面源监测端的智能处理器通过通信设备接收控制指令，并控制精密可控转台调节高光谱成像仪的视场角。其中，地面监控端对高光谱图像进行的处理包括：(1)平台姿态和位置数据与高光谱数据之间的匹配处理；(2)将高光谱数据以BIL格式进行存储；(3)高光谱图像的几何校正；(4)土壤光谱数据的预处理，比如一阶微分处理；(5)依据重金属种类污染土壤光谱特性，采用多元逐步回归法反演出土壤重金属含量。
步骤5，当从高光谱处理结果中发现可疑的土壤重金属污染区域时，地面监控端操控无人机降低飞行高度，并使无人机暂时处于悬停状态，以便对该区域进行近距离观测。当完成对该区域内土壤重金属的检测之后，地面监控端操控无人机对下一块土壤区域进行检测。
步骤6，地面监控端从高光谱监测结果中找出存在重金属污染的土壤区域，并结合与高光谱图像对应的平台位置数据和视觉数据，对无人小车的行驶路径进行规划(比如监测地点、车速和行驶方向),并操控无人小车驶向指定的监测区域。
步骤7，在无人小车行驶过程中，搭载的工业相机和激光扫描仪实时获取周围环境的视觉和激光数据，POS设备实时测量无人小车的平台姿态和位置。这些设备将监测数据实时发送给智能处理器。智能处理器采集、缓存和压缩视觉激光数据、无人小车的平台姿态和位置数据，并通过通信设备将压缩后的数据发送给地面监控端。
步骤8，地面监控端通过通信设备接收LIBS点源监测端发送过来的数据，并对所述数据进行实时处理，以实现对无人小车周围监测环境的感知和行驶路径的调整优化。比如当发现行驶路径中存在障碍物时，地面监控端操控无人小车规避障碍物。其中，地面监控端利用基于视觉数据和激光数据的即时定位与地图构建(SLAM)技术实现对无人小车周围监测环境的感知和行驶路径的调整优化。
步骤9，当无人小车达到指定监测区域之后，远距离LIBS设备获取监测区域内土壤的LIBS光谱数据，POS设备实时测量无人小车的平台姿态和位置，光学相机和激光扫描仪实时获取周围环境的视觉和激光数据。这些设备将监测数据和自身的状态参数实时发送给智能处理器。其中，远距离LIBS设备与智能处理器之间通过以太网进行通信。
步骤10，智能处理器采集、缓存和压缩LIBS光谱数据、视觉激光数据、平台姿态和位置数据、监测装置自身状态参数，并通过通信设备将压缩后的数据发送给地面监控端。智能处理器对上述数据的处理与步骤3基本一致，除了将高光谱数据替换成LIBS光谱数据。
步骤11，地面监控端通过通信设备接收LIBS点源监测端发送过来的数据，并对LIBS光谱数据进行实时处理。当发现LIBS光谱数据没有达到预期要求时，地面监控端通过通信设备给LIBS点源监测端发送控制指令，由智能处理器控制精密可控转台调节LIBS设备的视场角。其中，地面监控端采用如中国发明专利CN201610828001.4所描述的方法对LIBS光谱数据进行处理。
步骤12，地面监控端从LIBS光谱处理结果中提取监测区域内土壤重金属的种类和含量，同时结合位置数据、视觉激光数据，基于三维GIS平台绘制出土壤重金属污染程度的三维空间分布图，并由大容量数据存储器完成高光谱数据和LIBS光谱数据的实时存储。
步骤13，当完成对规定区域的检测任务后，地面监控端操控无人机返回地面，操控无人小车返回指定地点。
为保证操作的灵活性，本发明中的无人机采用旋翼无人机，比如蓝天飞扬无人机MC8-1200八轴航拍飞行器。同时考虑到监测场景地形的复杂性，本发明中的无人小车采用履带式全地形无人小车，比如HANGFA航发机器人NC2四轮差动智能移动平台车。
为避免无人机(或无人小车)和搭载设备之间的相互干扰，电源模块采用两套独立的大容量锂电池分别为无人机(或无人小车)和搭载设备进行单独供电。
为降低空中高光谱面源监测端和地面LIBS点源监测端的重量和功耗，智能处理器采用结构紧凑的单板计算机实现，同时配备一块FPGA芯片完成监测数据的高速采集、缓存和压缩。
为确保通信数据的正确性，在开始执行航拍任务之前，测试无人机、无人小车与地面监控端之间的通信链路是否正常。
为完成对大面积土壤重金属污染程度的快速监测，空中高光谱面源监测端在完成对一块土壤区域的检测之后(包括降低无人机的飞行高度，并使无人机处于悬停状态，以便对土壤区域进行近距离观测)，立即开展对下一块土壤区域的检测。当地面监控端从高光谱面源监测结果中发现存在土壤重金属污染的区域之后，立即操控无人小车对该区域内的土壤重金属污染物种类和含量进行准确检测。当无人小车完成对该区域内重金属污染的检测之后，立即前往下一块区域进行检测。所述操作可以达到对大面积土壤重金属污染程度的空地一体化协同监测效果。
本发明能够实现大面积土壤重金属种类和含量的快速、准确检测，可减少大面积土壤重金属污染程度的评估时间和误差，从而为治理与防范土壤重金属危害提供可靠依据。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
Claims (6)
1.一种土壤重金属污染程度的空地一体化协同监测系统，其特征在于：由空中高光谱面源监测端、地面LIBS点源监测端和地面监控端组成；
所述空中高光谱面源监测端包括无人机、高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块；所述高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块均集成在所述无人机上；所述智能处理器分别与所述高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、通信设备连接；所述电源模块分别与所述无人机、高光谱成像仪、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备连接；
所述地面LIBS点源监测端包括无人小车、远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块；所述远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备和电源模块均集成在所述无人小车上；所述智能处理器分别与所述远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、通信设备连接；所述电源模块分别与所述无人小车、远距离LIBS设备、工业相机、激光扫描仪、精密可控转台、POS设备、智能处理器、通信设备连接；
所述地面监控端包括工控机、大容量数据存储设备和通信设备；所述工控机通过与通信模块连接，进行数据接收和发送控制指令；所述工控机与大容量数据存储设备进行连接，由工控机把处理之后的数据送到大容量数据存储设备进行存储；
所述工控机用于控制所属无人机及无人小车工作，所述无人机完成对大面积土壤重金属污染程度的粗测，给出存在土壤重金属污染的特定区域位置；所述无人小车协同完成对特定区域位置内土壤重金属污染物种类和含量的准确检测。
2.根据权利要求1所述的土壤重金属污染程度的空地一体化协同监测系统，其特征在于：所述POS设备由惯性导航单元、GPS接收机以及数据处理单元组成。
3.一种土壤重金属污染程度的空地一体化协同监测方法，其特征在于，包括以下步骤：
步骤1：地面监控端规划无人机的航迹，并操控无人机飞向指定的监测区域；
步骤2：高光谱成像仪采用推扫成像方式实时获取监测区域内土壤的高光谱图像，POS设备实时测量无人机的平台姿态和位置，工业相机和激光扫描仪实时获取周围环境的视觉和激光数据；同时将监测数据和自身的状态参数实时发送给智能处理器；
步骤3：智能处理器采集、缓存和压缩高光谱图像、视觉和激光数据、平台姿态和位置数据、设备状态参数，并通过通信设备将压缩后的数据发送给地面监控端；
步骤4：地面监控端对高光谱图像进行实时处理，并判断高光谱数据是否到达预期要求；
若是，则执行步骤5；
若否，则地面监控端给空中高光谱面源监测端发送控制指令，由智能处理器控制精密可控转台调节高光谱成像仪的视场角，并回转执行步骤2；
步骤5：判断高光谱图像是否存在可疑的土壤重金属污染区域；
若是，则地面监控端操控无人机降低飞行高度，并使无人机暂时处于悬停状态，对该区域进行近距离观测，然后执行步骤6；
若否，则执行步骤6；
步骤6：判断无人机是否完成所有区域的监测；
若是，则无人机监测结束，回收无人机；
若否，则回转执行步骤2；
步骤7：地面监控端从监测结果中找出存在重金属污染的土壤区域，并结合空中高光谱面源监测端提供的位置数据和视觉数据，对无人小车的行驶路径进行规划, 并操控无人小车驶向指定的监测区域；
步骤8：在无人小车行驶过程中，搭载的工业相机和激光扫描仪实时获取周围环境的视觉和激光数据，POS设备实时测量无人小车的平台姿态和位置，同时将监测数据实时发送给无人小车上搭载的智能处理器；
步骤9：智能处理器采集、缓存和压缩视觉激光数据、平台姿态和位置数据，并通过通信设备将压缩后的数据发送给地面监控端；
步骤10：地面监控端通过通信设备接收地面LIBS点源监测端发送过来的数据，并对数据进行实时处理，以实现对无人小车周围监测环境的感知和行驶路径的调整优化；
步骤11：判断无人小车是否到达监测区域；
若是，则执行步骤12；
若否，则回转执行步骤8；
步骤12：远距离LIBS获取监测区域内土壤的LIBS光谱数据，POS设备实时测量无人小车的平台姿态和位置，光学相机和激光扫描仪实时获取周围环境的视觉和激光数据；同时将监测数据和自身状态参数实时发送给智能处理器；
步骤13：智能处理器采集、缓存和压缩LIBS光谱数据、视觉激光数据、平台姿态和位置数据、设备状态参数，并通过通信设备将压缩后的数据发送给地面监控端；
步骤14：判断LIBS光谱数据是否达到预期要求；
若是，则执行步骤15；
若否，则地面监控端通过通信设备给地面LIBS点源监测端发送控制指令，由智能处理器控制精密可控转台调节远距离LIBS的视场角，并回转执行步骤12；
步骤15：地面监控端提取监测区域内土壤重金属的种类和含量，同时结合位置数据、视觉激光数据，绘制出土壤重金属污染程度的三维空间分布图，并由大容量数据存储器完成高光谱数据和LIBS光谱数据的实时存储；
步骤16：判断无人小车是否完成所有指定区域的监测；
若是，则无人小车监测结束，回收无人小车，本流程结束；
若否，则回转执行步骤7。
4.根据权利要求3所述的土壤重金属污染程度的空地一体化协同监测方法，其特征在于，步骤1的具体实现包括以下子步骤：
步骤1.1：地面监控端根据监测区域的面积、位置参数和地形地貌规划无人机的飞行高度、速度和方向，并操控无人机飞向指定的监测区域；
步骤1.2：地面监控端实时根据视觉数据和无人机位置数据，判断无人机是否到达监测区域；
若是，则执行步骤2；
若否，则继续执行步骤1.2。
5.根据权利要求3所述的土壤重金属污染程度的空地一体化协同监测方法，其特征在于：步骤7中，对无人小车的行驶路径进行规划，包括规划监测地点、车速和行驶方向。
6.根据权利要求3-5任意一项所述的土壤重金属污染程度的空地一体化协同监测方法，其特征在于：地面监控端根据监测区域的面积、位置参数和地形地貌信息将监测区域划分成测绘条带，并使无人机沿着测绘条带完成对整个区域的监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710693247.XA CN107328720B (zh) | 2017-08-14 | 2017-08-14 | 土壤重金属污染程度的空地一体化协同监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710693247.XA CN107328720B (zh) | 2017-08-14 | 2017-08-14 | 土壤重金属污染程度的空地一体化协同监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107328720A CN107328720A (zh) | 2017-11-07 |
| CN107328720B true CN107328720B (zh) | 2019-08-20 |
Family
ID=60224948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710693247.XA Active CN107328720B (zh) | 2017-08-14 | 2017-08-14 | 土壤重金属污染程度的空地一体化协同监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107328720B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108572658B (zh) * | 2018-03-10 | 2019-10-01 | 吕铁男 | 无人机飞行高度调节系统 |
| CN109030385A (zh) * | 2018-07-05 | 2018-12-18 | 武汉捷特航空科技有限公司 | 一种无人机高光谱农作物产量分析系统 |
| CN110161192B (zh) * | 2019-07-09 | 2020-11-06 | 中南大学 | 一种智慧农业全天候污染物无人机三维测量方法 |
| CN110793920B (zh) * | 2019-10-10 | 2022-08-26 | 天津大学 | 一种化学成像与高光谱联用的大气遥测方法 |
| CN110726677B (zh) * | 2019-10-18 | 2021-02-23 | 中国科学院地理科学与资源研究所 | 一种污染场地遥感探测与空间热区识别系统和方法 |
| CN112198893B (zh) * | 2020-05-22 | 2022-08-19 | 北京理工大学 | 基于分数阶微积分的无人机集群区域覆盖控制系统及方法 |
| CN113776872B (zh) * | 2021-02-01 | 2022-08-02 | 深圳市疾病预防控制中心（深圳市卫生检验中心、深圳市预防医学研究所） | 一种环境污染物的检测取样方法 |
| CN113008806B (zh) * | 2021-03-02 | 2022-08-23 | 农业农村部环境保护科研监测所 | 一种农产品产地重金属空间分布确定方法 |
| CN113155880B (zh) * | 2021-05-08 | 2023-06-27 | 电子科技大学 | 一种采用无人机和xrf技术对土壤重金属污染的检测方法 |
| CN114563555B (zh) * | 2022-03-08 | 2023-03-10 | 河北省廊坊生态环境监测中心 | 一种用于工业固体废物排放的土壤重金属智能监测工艺 |
| CN115934979B (zh) * | 2023-02-21 | 2023-05-16 | 中国科学院东北地理与农业生态研究所 | 一种基于多采集端的土壤侵蚀信息管理方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1502047A (zh) * | 2001-02-09 | 2004-06-02 | �����ѧ��ҵ�о���֯ | 激光雷达系统和方法 |
| CN1556374A (zh) * | 2003-12-30 | 2004-12-22 | 中国科学院上海技术物理研究所 | 机载推帚式多维成像装置 |
| CN101750615A (zh) * | 2008-12-15 | 2010-06-23 | 中国科学院上海技术物理研究所 | 一种机载多传感器集成装置 |
| CN102685467A (zh) * | 2012-04-27 | 2012-09-19 | 中国科学院空间科学与应用研究中心 | 一种用于无人机上的无线图传通信系统及其方法 |
| CN103108182A (zh) * | 2013-01-18 | 2013-05-15 | 北京航空航天大学 | 多源异类无人机侦察图像通用压缩方法 |
| CN104180793A (zh) * | 2014-08-27 | 2014-12-03 | 北京建筑大学 | 一种用于数字城市建设的移动空间信息获取装置和方法 |
| CN105277233A (zh) * | 2015-09-14 | 2016-01-27 | 东南大学 | 天空地一体化土地数据获取系统和方法 |
| CN106200667A (zh) * | 2016-09-05 | 2016-12-07 | 南京理工大学 | 石化生产现场智能巡检系统 |
| CN106290309A (zh) * | 2016-09-16 | 2017-01-04 | 天津大学 | 基于libs便携式可变深度土壤重金属含量检测装置 |
| CN106585745A (zh) * | 2016-12-14 | 2017-04-26 | 四方继保（武汉）软件有限公司 | 水域无人作业平台 |
| CN106828264A (zh) * | 2017-01-17 | 2017-06-13 | 斑马信息科技有限公司 | 无人机车辆系统及其管理方法 |
-
2017
- 2017-08-14 CN CN201710693247.XA patent/CN107328720B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1502047A (zh) * | 2001-02-09 | 2004-06-02 | �����ѧ��ҵ�о���֯ | 激光雷达系统和方法 |
| CN1556374A (zh) * | 2003-12-30 | 2004-12-22 | 中国科学院上海技术物理研究所 | 机载推帚式多维成像装置 |
| CN101750615A (zh) * | 2008-12-15 | 2010-06-23 | 中国科学院上海技术物理研究所 | 一种机载多传感器集成装置 |
| CN102685467A (zh) * | 2012-04-27 | 2012-09-19 | 中国科学院空间科学与应用研究中心 | 一种用于无人机上的无线图传通信系统及其方法 |
| CN103108182A (zh) * | 2013-01-18 | 2013-05-15 | 北京航空航天大学 | 多源异类无人机侦察图像通用压缩方法 |
| CN104180793A (zh) * | 2014-08-27 | 2014-12-03 | 北京建筑大学 | 一种用于数字城市建设的移动空间信息获取装置和方法 |
| CN105277233A (zh) * | 2015-09-14 | 2016-01-27 | 东南大学 | 天空地一体化土地数据获取系统和方法 |
| CN106200667A (zh) * | 2016-09-05 | 2016-12-07 | 南京理工大学 | 石化生产现场智能巡检系统 |
| CN106290309A (zh) * | 2016-09-16 | 2017-01-04 | 天津大学 | 基于libs便携式可变深度土壤重金属含量检测装置 |
| CN106585745A (zh) * | 2016-12-14 | 2017-04-26 | 四方继保（武汉）软件有限公司 | 水域无人作业平台 |
| CN106828264A (zh) * | 2017-01-17 | 2017-06-13 | 斑马信息科技有限公司 | 无人机车辆系统及其管理方法 |
Non-Patent Citations (3)
| Title |
|---|
| 城镇大面积农田土壤重金属检测与监测的原理方法及应用展望;张静静等;《天津农业科学》;20170501;第23卷(第5期);23-30 |
| 天空地多源遥感监测方法在矿山应用的研究;刘善军等;《第十七届中国环境遥感应用技术论坛论文集》;20030430;75-79 |
| 高光谱_激光共光路联测设计与试验;付成群等;《兵工学报》;20161130;第37卷(第11期);2002-2009 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107328720A (zh) | 2017-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107328720B (zh) | 土壤重金属污染程度的空地一体化协同监测系统及方法 | |
| Jiang et al. | Real‐time crack assessment using deep neural networks with wall‐climbing unmanned aerial system | |
| Luo et al. | A survey of intelligent transmission line inspection based on unmanned aerial vehicle | |
| CN113155880B (zh) | 一种采用无人机和xrf技术对土壤重金属污染的检测方法 | |
| CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
| CN106379536A (zh) | 基于无人机的天然气管线巡检系统 | |
| CN109479088A (zh) | 基于深度机器学习和激光雷达进行多目标跟踪和自动聚焦的系统和方法 | |
| CN110888457A (zh) | 利用无人机和机器人对变电设备开展立体巡视系统及方法 | |
| CN104460671B (zh) | 三维空间中的放射源交叉定位方法及系统 | |
| CN107121162A (zh) | 一种智能化空气质量监测无人机系统 | |
| CN113325868B (zh) | 一种基于无人机的农作物实时识别系统及方法 | |
| CN110673628A (zh) | 一种复合翼无人机油气管线巡检方法 | |
| CN205469785U (zh) | 一种采用联合控制平台的无人机系统 | |
| CN106568441A (zh) | 一种基于北斗的电力巡检设备 | |
| CN206922767U (zh) | 一种基于无人机的智能协同无线电检测系统 | |
| CN115200554B (zh) | 一种基于图片识别技术的无人机摄影测量监管系统及方法 | |
| CN109781094A (zh) | 基于循环神经网络的地磁定位系统 | |
| CN106482730A (zh) | 一种应用于地质信息化工作中的野外实地信息采集设备 | |
| CN104735423A (zh) | 位于无人机上的输电设备辨认平台 | |
| CN110413002A (zh) | 一种无人机遥感信息采集方法及装置 | |
| Parker et al. | Live detection of foreign object debris on runways detection using drones and AI | |
| CN207301375U (zh) | 陆空联合探测系统 | |
| CN109471123A (zh) | 远程探测机器人 | |
| CN115797807A (zh) | 基于无人机载光谱仪数据的海洋垃圾监测方法、系统及介质 | |
| Gangadharan et al. | A comparison of approaches for citrus canopy profile generation using ultrasonic and Leddar® sensors |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |