CN107643367A - 一种定位的方法、装置以及存储介质 - Google Patents
一种定位的方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN107643367A CN107643367A CN201710845943.8A CN201710845943A CN107643367A CN 107643367 A CN107643367 A CN 107643367A CN 201710845943 A CN201710845943 A CN 201710845943A CN 107643367 A CN107643367 A CN 107643367A
- Authority
- CN
- China
- Prior art keywords
- bit line
- point
- concentration
- monitoring point
- party bit
- 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.)
- Granted
Links
Abstract
本申请实施例公开了一种定位的方法,用于精确定位排放源。本申请实施例方法包括:获取第一监测点的第一污染物浓度信息;计算第一方位线,第一方位线为第一监测点与第一高污染点的连线,第一高污染点为第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的点;获取第二监测点的第二污染物浓度信息,第二监测点为第一监测点和第一高污染点所确定的监测点;计算第二方位线,第二方位线为第二监测点与第二高污染点的连线,第二高污染点为第二污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;确定排放源的位置,排放源的位置为第一方位线与第二方位线的交叉点;这样,提高了排放源位置定位的精准度。
Description
技术领域
本申请涉及测量领域,尤其涉及一种定位的方法、装置以及存储介质。
背景技术
大气污染是一个困扰世界大部分地区,尤其是发展中国家的,严重影响人群健康及能见度的现象。一般来说,大气污染源的空间分布密集、排放时间及行为极为多变。大气污染物一经排放,很快在大气里扩散开来,这意味着:来自于污染源的排放很快被低浓度的背景气体稀释,导致浓度下降很快。
目前国内与国际上的大气质量监测主要依赖于传统的政府管控的大气监测站点,这些监测站通过使用传统的设备,以抽气进样加以吸收光谱、化学发光的原理,实现对上述大部分的气态污染物浓度的监测;以震荡天平、Beta射线衰减或光散射方法实现对颗粒物浓度的监测。
在现有技术中,单一监测站通过监测污染物浓度高低来间接推测排放污染源的位置,但是这一方法并不能够精确定位污染源头。
发明内容
本申请实施例提供了一种定位的方法、装置以及存储介质,能够准确的定位污染源。
有鉴于此,本申请第一方面提供一种定位的方法,包括:
获取第一监测点的第一污染物浓度信息;计算第一方位线,所述第一方位线为所述第一监测点与第一高污染点的连线,所述第一高污染点为所述第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;获取第二监测点的第二污染物浓度信息,所述第二监测点为所述第一监测点和所述第一高污染点所确定的监测点;计算第二方位线,所述第二方位线为所述第二监测点与第二高污染点的连线,所述第二高污染点为所述第二污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;确定排放源的位置,所述排放源的位置为所述第一方位线与所述第二方位线的交叉点。
基于第一方面,在本申请实施例还提供了第一方面的第一种实施方式:
识别所述第一污染物浓度和环境背景的颜色对比度的浓度值;根据第一污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第一高污染点,所述差值越大,污染点浓度越高。
基于第一方面,本申请实施例还提供了第一方面的第二种实施方式:
识别所述第二污染物浓度和环境背景的颜色对比度的浓度值;根据第二污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第二高污染点,所述差值越大,污染点浓度越高。
基于第一方面,或第一方面的第一种实施方式,或第一方面的第二种实施方式,本申请实施例还提供了第一方面的第三种实施方式:
在所述第一方位线正负135度范围内筛选第二监测点。
基于第一方面,或第一方面的第一种实施方式,或第一方面的第二种实施方式,或第一方面的第三种实施方式,本申请实施例还提供了第一方面的第四种实施方式:
所述第一方位线与第二方位线所形成的角度大于预设角度。
本申请第二方面提供一种定位的装置,包括:
获取单元,用于获取第一监测点的第一污染物浓度信息;计算单元,用于计算第一方位线,所述第一方位线为所述第一监测点与第一高污染点的连线,所述第一高污染点为第一监测点观测到的第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;所述获取单元还用于,获取第二监测点的第二污染物浓度信息,所述第二监测点为所述第一监测点和所述第一高污染点所确定的监测点;所述计算单元还用于,计算第二方位线,所述第二方位线为所述第二监测点与第二高污染点的连线,所述第二高污染点为所述第二污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;确定单元,用于确定排放源的位置,所述排放源的位置为所述第一方位线与所述第二方位线的交叉点。
基于第二方面,本申请实施例还提供了第二方面的第一种实施方式中:
识别单元,用于在所述获取单元获取第二监测点的第二污染物浓度信息之前,识别所述第一污染物浓度和环境背景的颜色对比度的浓度值;
所述确定单元还用于:
根据第一污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第一高污染点,所述差值越大,污染点浓度越高。
基于第二方面,本申请实施例还提供了第二方面的第二种实施方式:
识别单元,用于在计算单元计算第二方位线之前,识别所述第二污染物浓度和环境背景的颜色对比度的浓度值;
所述确定单元还用于:
根据第二污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第二高污染点,所述差值越大,污染点浓度越高。
基于第二方面,或第二方面的第一种实施方式,或第二方面的第二种实施方式,本申请实施例还提供了第二方面的第三种实施方式:
筛选单元,用于在所述第一方位线正负135度范围内筛选第二监测点。
基于第二方面,或第二方面的第一种实施方式,或第二方面的第二种实施方式,或第二方面的第三种实施方式,本申请实施例还提供了第二方面的第四种实施方式:
所述第一方位线与第二方位线所形成的角度大于预设角度。
本申请实施例第三方面提供了一种计算机存储介质,该计算机存储介质用于储存为上述定位装置所用的计算机软件指令,其包括用于执行为定位装置所设计的程序。
本申请实施例第四方面提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,该计算机软件指令可通过处理器进行加载来实现上述第一方面中任意一项的定位方法中的流程。
从以上技术方案可以看出,本申请实施例具有以下优点:
获取第一监测点的第一污染物浓度信息;计算第一方位线,所述第一方位线为所述第一监测点与第一高污染点的连线,所述第一高污染点为所述第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;获取第二监测点的第二污染物浓度信息,所述第二监测点为所述第一监测点和所述第一高污染点所确定的监测点;计算第二方位线,所述第二方位线为所述第二监测点与第二高污染点的连线,所述第二高污染点为所述第二污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;确定排放源的位置,所述排放源的位置为所述第一方位线与所述第二方位线的交叉点。先确定两个监测点,再获取这两点的污染物浓度信息,分别通过两个监测点与两个污染点的方位线进行交叉来定位排放污染源的坐标,以相交点作为排放污染源的坐标,从而实现了对污染源的精确定位。
附图说明
图1为本申请实施例中定位方法所应用的一个应用场景示意图;
图2为本申请实施例中定位方法的一个实施例示意图;
图3为本申请实施例中定位方法的另一个实施例示意图;
图4为本申请实施例中定位装置的一个实施例示意图;
图5为本申请实施例中定位装置的另一个实施例示意图;
图6为本申请实施例中定位装置的另一个实施例示意图。
具体实施方式
本申请实施例提供了一种定位的方法、装置以及存储介质,用于准确定位污染源。
如图1所示,图1为本申请实施例中定位的方法所应用的一个场景示意图。在图1中,服务器分别获取监测点1和监测点2通过监测设备收集的排放污染物的浓度信息,然后服务器将分别获取到的浓度信息进行分析,得到的两组排放污染物的浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点,再对这两点分别进行标记为高污染点1和高污染点2,服务器分别计算监测点1与高污染点1的连线和监测点2与高污染点2的连线,再通过人工或者计算机算法将各自的连线进行交叉,得到一个交叉点,则确定排放源的位置就是交叉点的位置。
需要说明的是,在本申请实施例中,执行主体可以是服务器,但是并不特指某一个或某一些设备,在实际应用中,执行主体也可以是终端设备,也可以是监测设备,具体此处不做限定。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都应当属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为方便说明,下面以服务器为执行主体为例进行详细描述。请参阅图2,本申请实施例中定位方法的一个实施例包括:
201、获取第一监测点的第一污染物浓度信息。
先获取监测设备在第一监测点所监测到的第一污染物浓度信息,第一监测点是从热点区域范围内的监测点中选取出来的,热点区域为靠近污染源的区域。通过污染物浓度信息再对第一监测点内的污染物浓度信息中浓度值与环境背景浓度值的差值大于预设的阈值的污染点进行标记。
202、计算第一方位线。
计算第一方位线需要先获取第一高污染点和第一监测点之间的连线,第一高污染点通过第一监测点观测到的第一污染物浓度信息来判断。需要说明的是,污染物浓度信息可以通过多种途径来判断,例如通过颜色的对比度来区分,或者通过数值的对比来进行区别,具体此处不做限定。通过第一监测点和第一高污染点的连线来计算确定第一方位线的位置和方向。
203、获取第二监测点的第二污染物浓度信息。
第二监测点是通过第一监测点和第一高污染点两者共同来确定的监测点,在一个确定的半径范围下通过第一方位线正负135度确定筛选出第二监测点后,再获取监测设备在第二监测点所监测到的第二污染物浓度信息,并存储起来。
需要说明的是,本申请实施例中,第一污染物与第二污染物可以是相同类型的污染物,比如,同为一氧化氮(NO)类型的污染物或者是一氧化碳(CO)类型的污染物或者是NO、CO等的组合类型的污染物。
需要说明的是,第二监测点不仅仅可以通过一个确定的半径范围下通过第一方位线正负135度确定筛选出,还可以通过其他途径对第二监测点进行进一步筛选,例如可以通过在确定的半径范围内通过热点区域对第二监测点进行筛选后,进一步要求所述第一监测点和所述第二监测点分别与所述高污染点连线形成的角度大于某一预设角度值以降低定位误差,具体此处不做限定。
需要说明的是,确定第二监测点的方法的实现可以增加如下条件,即第一方位线与第二方位线交叉形成的角度必须大于一个预设值来对多个备选第二监测点进行筛选。当第一方位线与第二方位线交叉形成的角度不大于这个预设值时,第一监测点与高污染点的连线和第二监测点与高污染点的连线形成的交叉点坐标会有较大不确定性,从而会因为误差而无法准确定位污染源的位置。其中,预设值可以通过人工输入,也可以通过计算机收集的数据进行分析得到,具体此处不做限定。
204、计算第二方位线。
第二方位线通过第二监测点和第二高污染点来确定的,第二高污染点通过获取的第二污染物浓度信息来判断,判断浓度信息中浓度值与环境背景浓度值的差值大于预设的阈值,差值越大,污染点浓度越高。再通过第二监测点与第二高污染点的连线来计算确定第二方位线的位置和方向。
205、确定排放源的位置。
计算出第一方位线和第二方位线后,第一方位线与第二方位线通过交叉形成了交叉点,这个交叉点的位置就是排放源的位置。需要说明的是,两个方位线通过交叉形成了交叉点可以通过人工输入算法得到或者通过计算机预置的算法让两个方位线进行交叉得到交叉点,具体此处不做限定。
在本申请实施例中,先确定第一监测点,然后通过监测设备获取第一监测点所监测到的污染物浓度信息来判断第一高污染点,再通过第一监测点与第一高污染点的连线生成第一方位线。第二监测点通过第一方位线在正负135度范围内筛选出来,再通过同样的方法生成第二方位线,通过第一方位线与第二方位线进行交叉得到交叉点,所述交叉点则为排放源的位置,实现了精确定位排放源的效果。
为方便说明,下面以服务器为执行主体为例进行详细描述。下面请参阅图3,本申请实施例中定位方法的另一个实施例包括:
301、获取第一监测点的第一污染物浓度信息。
本实施例中的步骤301与前述图2所示实施例中的步骤201类似,此处不再赘述。
302、识别第一污染物浓度信息的颜色对比度。
识别服务器获取到监测设备在第一监测点所监测到的第一污染物浓度信息的浓度值和环境背景的浓度值,再将第一污染物浓度值和环境背景的颜色对比度的浓度值进行对比,再判断该对比的差值是否大于预设的阈值,当差值越大,该污染点的污染物浓度就越高。通过差值的大小将第一高污染点选取并标记出来。
需要说明的是,所述阈值可以是人为设置或者通过收集数据经过分析后得到的一个数值,具体此处不做限定。
需要说明的是,在本实施例中,第一高污染点可以通过污染物浓度信息的颜色对比度来区分,可以理解的是,在实际应用中,第一高污染点还可以通过其他的方法来区分,例如可以通过分析污染物浓度信息的数据来进行区分,具体此处不做限定。
303、计算第一方位线。
本实施例中步骤303与前述图2所述实施例中的步骤202类似,此处不再赘述。
304、第一方位线正负135度范围内筛选第二监测点。
通过第一监测点和第一高污染点的连线计算确定第一范围线,然后在第一方位线上选取正负135度的范围,并在此范围内搜索第二监测点。
需要说明的是,预设的角度可以通过人为的进行设定,也可以通过计算机收集的数据进行均分得到,具体此处不做限定。
305、获取第二监测点的第二污染物浓度信息。
本实施例中步骤305与前述图2所述实施例中的步骤203类似,此处不再赘述。
306、识别第二污染物浓度信息的颜色对比度。
识别服务器获取到监测设备在第二监测点所监测到的第二污染物浓度信息的浓度值和环境背景的浓度值,再将第二污染物浓度值和环境背景的颜色对比度的浓度值进行对比,再判断该对比的差值是否大于预设的阈值,当差值越大,该污染点污染物浓度就越高。通过差值的大小将第二高污染点选取并标记出来。
需要说明的是,所述阈值可以是人为设置或者通过收集数据经过分析后得到的一个数值,具体此处不做限定。
需要说明的是,在本实施例中,第二高污染点可以通过污染物浓度信息的颜色对比度来区分。可以理解的是,在实际应用中,第二高污染点还可以通过其他的方法来区分,例如可以通过分析污染物浓度信息的数据来进行区分,具体此处不做限定。
307、计算第二方位线。
本实施例中步骤307与前述图2所述实施例中的步骤204类似,此处不再赘述。
308、确定排放源的位置。
本实施例中步骤308与前述图2所述实施例中的步骤205类似,此处不再赘述。
在本申请实施例中,获取第一监测点的第一污染物浓度信息,通过分析污染物浓度信息来确定第一高污染点,再计算第一监测点与第一高污染点的连线确定第一方位线。第二监测点的选取通过在第一方位线的正负135度的范围内查找确定,再通过与第一监测点类似的方法确定第二高污染点与第二方位线。通过上述方法使第一方位线与第二方位线进行交叉,得到交叉点,则交叉点为排放源的位置,这样,能够提高排放源位置定位的精确度。
上面对本申请实施例中的定位方法进行了描述,下面对本申请实施例中的设备进行描述,请参阅图4,本申请实施例中定位装置的一个实施例包括:
获取单元401,用于获取第一监测点的第一污染物浓度信息。
计算单元402,用于计算第一方位线,所述第一方位线为所述第一监测点与第一高污染点的连线,所述第一高污染点为所述第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点。
所述获取单元401还用于,获取第二监测点的第二污染物浓度信息,所述第二监测点为所述第一监测点和所述第一高污染点所确定的监测点。
所述计算单元402还用于,计算第二方位线,所述第二方位线为所述第二监测点与第二高污染点的连线,所述第二高污染点为所述第二污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点。
确定单元403,用于确定排放源的位置,所述排放源的位置为所述第一方位线与所述第二方位线的交叉点。
图4实施例中各个单元的功能的详细描述参照图2实施例中定位的方法所描述的内容,此处不做赘述。
请参阅图5,本申请实施例中定位装置另一实施例包括:
获取单元501,用于获取第一监测点的第一污染物浓度信息。
计算单元502,用于计算第一方位线,所述第一方位线为所述第一监测点与第一高污染点的连线,所述第一高污染点为所述第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点。
所述获取单元501还用于,获取第二监测点的第二污染物浓度信息,所述第二监测点为所述第一监测点和所述第一高污染点所确定的监测点。
所述计算单元502还用于,计算第二方位线,所述第二方位线为所述第二监测点与第二高污染点的连线,所述第二高污染点为所述第二污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点。
确定单元503,用于确定排放源的位置,所述排放源的位置为所述第一方位线与所述第二方位线的交叉点。
识别单元504,用于在所述获取单元获取第二监测点的第二污染物浓度信息之前,识别所述第一污染物浓度信息和环境背景的颜色对比度的浓度值。
所述确定单元503还用于:
根据第一污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第一高污染点,所述差值越大,污染点浓度越高。
识别单元504,用于在计算单元502计算第二方位线之前,识别所述第二污染物浓度信息和环境背景的颜色对比度的浓度值。
所述确定单元503还用于:
根据第二污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第二高污染点,所述差值越大,污染点浓度越高。
筛选单元505,用于在所述第一方位线正负135度范围内筛选第二监测点。
图5实施例中各个单元的功能的详细描述参照图3实施例中定位的方法所描述的内容,此处不做赘述。
上面从模块化功能实体的角度对本申请实施例中的定位装置进行描述,下面从硬件处理的角度对本申请实施例中的定位装置进行描述,请参阅图6,本申请实施例中的定位装置另一实施例包括:
输入装置601、输出装置602、处理器603和存储器604(其中处理器601的数量可以一个或多个,图6中以一个处理器601为例)。在本申请的一些实施例中,输入装置601、输出装置602、处理器603和存储器604可通过总线或其它方式连接,其中,图6中以通过总线连接为例。
其中,
通过调用存储器604存储的操作指令,处理器603,用于执行如图2至图5所示实施例中定位装置执行的操作,具体此处不再赘述。
本实施例中,处理器603中的具体功能模块划分可以与前述图4中所描述的获取单元、计算单元、确定单元等单元的功能模块划分方式类似,此处不再赘述。
本实施例中,处理器603中的具体功能模块划分也可以与前述图5中所描述的获取单元、计算单元、确定单元、识别单元、筛选单元等单元的功能模块划分方式类似,此处不再赘述。
本申请实施例还提供了一种计算机存储介质,该计算机存储介质用于储存为上述定位装置所用的计算机软件指令,其包括用于执行如图2至图3中任意一项的程序。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,该计算机软件指令可通过处理器进行加载来实现上述图2至图3中任意一项的定位方法中的流程。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、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。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (12)
1.一种定位的方法,其特征在于,包括:
获取第一监测点的第一污染物浓度信息;
计算第一方位线,所述第一方位线为所述第一监测点与第一高污染点的连线,所述第一高污染点为所述第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;
获取第二监测点的第二污染物浓度信息,所述第二监测点为所述第一监测点和所述第一高污染点所确定的监测点;
计算第二方位线,所述第二方位线为所述第二监测点与第二高污染点的连线,所述第二高污染点为所述污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;
确定排放源的位置,所述排放源的位置为所述第一方位线与所述第二方位线的交叉点。
2.根据权利要求1所述的方法,其特征在于,在获取第二监测点的第二污染物浓度信息之前,所述方法还包括:
识别所述第一污染物浓度和环境背景的颜色对比度的浓度值;
根据第一污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第一高污染点,所述差值越大,污染点浓度越高。
3.根据权利要求1所述的方法,其特征在于,在计算第二方位线之前,所述方法还包括:
识别所述第二污染物浓度和环境背景的颜色对比度的浓度值;
根据第二污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第二高污染点,所述差值越大,污染点浓度越高。
4.根据权利要求1至3中任一项所述的方法,其特征在于,在计算第二方位线之前,所述方法还包括:
在所述第一方位线正负135度范围内筛选第二监测点。
5.根据权利要求1所述的方法,其特征在于,所述第一方位线与第二方位线所形成的角度大于预设角度。
6.一种定位的装置,其特征在于,包括:
获取单元,用于获取第一监测点的第一污染物浓度信息;
计算单元,用于计算第一方位线,所述第一方位线为所述第一监测点与第一高污染点的连线,所述第一高污染点为所述第一污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;
所述获取单元还用于,获取第二监测点的第二污染物浓度信息,所述第二监测点为所述第一监测点和所述第一高污染点所确定的监测点;
所述计算单元还用于,计算第二方位线,所述第二方位线为所述第二监测点与第二高污染点的连线,所述第二高污染点为所述第二污染物浓度信息中,浓度值与环境背景浓度值的差值大于预设的阈值的污染点;
确定单元,用于确定排放源的位置,所述排放源的位置为所述第一方位线与所述第二方位线的交叉点。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
识别单元,用于在所述获取单元获取第二监测点的第二污染物浓度信息之前,识别所述第一污染物浓度和环境背景的颜色对比度的浓度值;
所述确定单元还用于:
根据第一污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第一高污染点,所述差值越大,污染点浓度越高。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
识别单元,用于在所述计算单元计算第二方位线之前,识别所述第二污染物浓度和环境背景的颜色对比度的浓度值;
所述确定单元还用于:
根据第二污染物浓度值与环境背景浓度值的差值大于预设的阈值的污染点确定所述第二高污染点,所述差值越大,污染点浓度越高。
9.根据权利要求6至8中任一项所述的装置,其特征在于,所述装置还包括:
筛选单元,用于在所述第一方位线正负135度范围内筛选第二监测点。
10.根据权利要求6所述的装置,其特征在于,所述第一方位线与第二方位线所形成的角度大于预设角度。
11.一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行如权利要求1至5中任意一项所述的方法。
12.一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至5中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710845943.8A CN107643367B (zh) | 2017-09-15 | 2017-09-15 | 一种定位的方法、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710845943.8A CN107643367B (zh) | 2017-09-15 | 2017-09-15 | 一种定位的方法、装置以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107643367A true CN107643367A (zh) | 2018-01-30 |
CN107643367B CN107643367B (zh) | 2021-08-06 |
Family
ID=61112054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710845943.8A Active CN107643367B (zh) | 2017-09-15 | 2017-09-15 | 一种定位的方法、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107643367B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115949A (zh) * | 2018-07-26 | 2019-01-01 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN111046572A (zh) * | 2019-12-19 | 2020-04-21 | 广州市怡地环保有限公司 | 城市表层土壤重金属污染分析评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010118500A1 (en) * | 2009-04-14 | 2010-10-21 | Airdar Inc. | Method and system for measuring emission and quantifying emission source |
CN102116734A (zh) * | 2009-12-30 | 2011-07-06 | 财团法人工业技术研究院 | 污染物来源预测方法及系统 |
CN102495187A (zh) * | 2011-11-14 | 2012-06-13 | 武汉科技大学 | 一种基于无线传感网络的水环境污染源的探测方法 |
CN102680657A (zh) * | 2012-06-01 | 2012-09-19 | 武汉科技大学 | 基于无线传感器的靠近不透水边界污染源探测与定位方法 |
CN103093092A (zh) * | 2013-01-14 | 2013-05-08 | 西南交通大学 | 河流突发性cod污染的事故源定位方法 |
CN104460671A (zh) * | 2014-11-12 | 2015-03-25 | 西南科技大学 | 三维空间中的放射源交叉定位方法及系统 |
CN104849415A (zh) * | 2015-06-11 | 2015-08-19 | 刘国宝 | 基于北斗定位的空气污染监控系统 |
CN105321122A (zh) * | 2015-09-23 | 2016-02-10 | 国家电网公司 | 一种污区分布图的现场验证方法 |
-
2017
- 2017-09-15 CN CN201710845943.8A patent/CN107643367B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010118500A1 (en) * | 2009-04-14 | 2010-10-21 | Airdar Inc. | Method and system for measuring emission and quantifying emission source |
CN102460220A (zh) * | 2009-04-14 | 2012-05-16 | 艾尔达股份有限公司 | 测量排放和量化排放源的方法和系统 |
CN102116734A (zh) * | 2009-12-30 | 2011-07-06 | 财团法人工业技术研究院 | 污染物来源预测方法及系统 |
CN102495187A (zh) * | 2011-11-14 | 2012-06-13 | 武汉科技大学 | 一种基于无线传感网络的水环境污染源的探测方法 |
CN102680657A (zh) * | 2012-06-01 | 2012-09-19 | 武汉科技大学 | 基于无线传感器的靠近不透水边界污染源探测与定位方法 |
CN103093092A (zh) * | 2013-01-14 | 2013-05-08 | 西南交通大学 | 河流突发性cod污染的事故源定位方法 |
CN104460671A (zh) * | 2014-11-12 | 2015-03-25 | 西南科技大学 | 三维空间中的放射源交叉定位方法及系统 |
CN104849415A (zh) * | 2015-06-11 | 2015-08-19 | 刘国宝 | 基于北斗定位的空气污染监控系统 |
CN105321122A (zh) * | 2015-09-23 | 2016-02-10 | 国家电网公司 | 一种污区分布图的现场验证方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115949A (zh) * | 2018-07-26 | 2019-01-01 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN109115949B (zh) * | 2018-07-26 | 2020-12-11 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN111046572A (zh) * | 2019-12-19 | 2020-04-21 | 广州市怡地环保有限公司 | 城市表层土壤重金属污染分析评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107643367B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401418A (zh) | 一种基于改进Faster r-cnn的员工着装规范检测方法 | |
CN110473211B (zh) | 一种弹簧片的数量的检测方法及设备 | |
CN1323369C (zh) | 图像识别装置和方法以及图像识别装置的示教装置和方法 | |
JP2013077127A (ja) | 画像分類装置および画像分類方法 | |
CN107679046A (zh) | 一种欺诈用户的检测方法及装置 | |
CN113222913B (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
CN107643367A (zh) | 一种定位的方法、装置以及存储介质 | |
CN114219799A (zh) | 一种智能制造用次品分析方法及系统 | |
CN112419268A (zh) | 一种输电线路图像缺陷检测方法、装置、设备及介质 | |
CN113887126A (zh) | 焊点质量分析方法、装置、终端设备及介质 | |
CN115657890A (zh) | 一种pra机器人可定制方法 | |
CN108920601B (zh) | 一种数据匹配方法及装置 | |
KR101535419B1 (ko) | 불량 셀 클러스터링 방법 및 그 장치 | |
CN105939364A (zh) | 一种智能的消息推送方法和系统 | |
CN107656017A (zh) | 一种信息监测的方法及相关设备 | |
CN115937555A (zh) | 一种基于标准化流模型的工业缺陷检测算法 | |
CN115829925A (zh) | 外观缺陷检测方法、装置、计算机设备及存储介质 | |
CN107589223A (zh) | 一种定位的方法、装置以及存储介质 | |
KR102205810B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 재작업 결과의 자동 반려 방법 | |
CN108229586A (zh) | 一种数据中的异常数据点的检测方法及系统 | |
Go et al. | A deep learning-based surface defect inspection system for smartphone glass | |
CN106301880A (zh) | 一种确定网络关系稳定度、互联网业务推荐方法和设备 | |
CN114596243A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
CN112396083A (zh) | 图像识别、模型训练与构建、检测方法、系统及设备 |
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 |