CN107931315B - 一种土地污染处理系统 - Google Patents

一种土地污染处理系统 Download PDF

Info

Publication number
CN107931315B
CN107931315B CN201711025181.3A CN201711025181A CN107931315B CN 107931315 B CN107931315 B CN 107931315B CN 201711025181 A CN201711025181 A CN 201711025181A CN 107931315 B CN107931315 B CN 107931315B
Authority
CN
China
Prior art keywords
concentration
sample solution
robot
unmanned aerial
aerial vehicle
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
Application number
CN201711025181.3A
Other languages
English (en)
Other versions
CN107931315A (zh
Inventor
黄佳敏
黄骏
史玉回
孙立君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN201711025181.3A priority Critical patent/CN107931315B/zh
Publication of CN107931315A publication Critical patent/CN107931315A/zh
Application granted granted Critical
Publication of CN107931315B publication Critical patent/CN107931315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
    • B09C—RECLAMATION OF CONTAMINATED SOIL
    • B09C1/00—Reclamation of contaminated soil
    • 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
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • 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
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Soil Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了一种群体机器人的控制系统，该系统包括：一种土地污染处理系统，包括：用于采集土壤样品的采集机器人、第一试管、第二试管、改性磁珠、磁珠驱动模块、光谱检测模块、无人机群和远程控制端；其中，所述第一试管通过有机萃取液处理所述土壤样品以形成样品溶液；所述第二试管获取所述样品溶液并与改性磁珠混合，通过所述磁珠驱动模块驱动所述改性磁珠以加快螯合作用；所述光谱检测模块基于溶液光谱解析样品溶液以获取污染物信息；所述远程控制端基于所述污染物信息输出用于控制所述无人机群的控制指令。本发明通过机器人采集土壤样品，通过光谱检测污染物信息，通过无人机进行污染处理，能实现无人化和远程化处理。

Description

一种土地污染处理系统
技术领域
本发明涉及环境保护技术领域，尤其涉及一种土地污染处理系统。
背景技术
目前中国主要的农业生产模式是化学农业。这种模式严重依赖农药和化肥等人工合成化学品。在农作物种植过程中，尤其是转基因大豆等农作物，大量除草防虫防霉的农药被施用到农田中并在农产品中残留，严重威胁人体健康，可能导致癌症等疾病的发生。
现有的降解等清理污染的技术已经成熟，但是在具体实践中，面临人力成本消耗的问题。
发明内容
为了解决污染处理问题，本发明通过提供一种土地污染处理系统。
本发明采用的技术方案为一种土地污染处理系统，包括：用于采集土壤样品的采集机器人、第一试管、第二试管、改性磁珠、磁珠驱动模块、光谱检测模块、无人机群和远程控制端；其中，所述第一试管通过有机萃取液处理所述土壤样品以形成样品溶液；所述第二试管获取所述样品溶液并与改性磁珠混合，通过所述磁珠驱动模块驱动所述改性磁珠以加快螯合作用；所述光谱检测模块基于溶液光谱解析样品溶液以获取污染物信息；所述远程控制端基于所述污染物信息输出用于控制所述无人机群的控制指令。
优选地，所述光谱检测模块包括发光源、暗箱和发光剂单元；其中，所述发光源照射所述样品溶液，基于溶液光谱解析样品溶液以获取金属类型和金属浓度；所述发光源通过紫外线激活包含农药的样品溶液的发光特征，所述发光剂单元将发光剂放入所述样品溶液，在暗箱内检测样品溶液的光谱以获取农药类型和农药浓度；标记金属类型、金属浓度、农药类型和农药浓度为污染物信息。
优选地，还包括用于定位采样机器人的定位模块，所述远程控制端基于定位信息和污染物信息生成污染分布图，根据污染分布图输出控制指令。
优选地，使用基于粒子群算法控制所述采样机器人，包括步骤：设定第一阈值和第二阈值；每一轮采样完毕，采样机器人输出污染物的浓度，高于第一阈值的浓度则标记为优胜浓度，低于第二阈值的浓度则标记为淘汰浓度；以浓度的高低赋予所述优胜浓度对应的采集机器人顺数序号，赋予所述淘汰浓度对应的采集机器人倒数序号；以两个采集机器人为一组，依次组合顺数序号、倒数序号对应的采集机器人；在同一组采集机器人中，以顺数序号的采集机器人的所在位置为第一点，以倒数序号的采集机器人的所在位置为中点，在第一点到中点的连线的延长线上设置第二点，所述第二点为第一点的对称点，在第二点对应的位置上设置所述倒数序号的采集机器人；以预设的移动规则驱动所有采样机器人进行下一轮采样。
优选地，所述无人机群按空间位置分成上、下层，其中，上层的无人机群载有水雾剂，下层的无人机群载有农药分解剂。
优选地，所述无人机载有植物种苗。
本发明的有益效果为通过机器人采集土壤样品，通过光谱检测污染物信息，通过无人机进行污染处理，能实现无人化和远程化处理。
附图说明
图1所示为基于本发明实施例的一种土地污染处理系统的示意图；
图2所示为基于本发明实施例的第二试管示意图；
图3所示为基于本发明实施例的暗箱内农药识别示意图。
具体实施方式
以下结合实施例对本发明进行说明。
基于发明的实施例，如图1所示的一种土地污染处理系统，包括：用于采集土壤样品的采集机器人、第一试管、第二试管、改性磁珠、磁珠驱动模块、光谱检测模块、无人机群和远程控制端；其中，所述第一试管通过有机萃取液处理所述土壤样品以形成样品溶液；所述第二试管获取所述样品溶液并与改性磁珠混合，通过所述磁珠驱动模块驱动所述改性磁珠以加快螯合作用；所述光谱检测模块基于溶液光谱解析样品溶液以获取污染物信息；所述远程控制端基于所述污染物信息输出用于控制所述无人机群的控制指令。
所述光谱检测模块包括发光源、暗箱和发光剂单元；其中，所述发光源照射所述样品溶液，基于溶液光谱解析样品溶液以获取金属类型和金属浓度；所述发光源通过紫外线激活包含农药的样品溶液的发光特征，所述发光剂单元将发光剂放入所述样品溶液，在暗箱内检测样品溶液的光谱以获取农药类型和农药浓度；标记金属类型、金属浓度、农药类型和农药浓度为污染物信息。
系统还包括用于定位采样机器人的定位模块，所述远程控制端基于定位信息和污染物信息生成污染分布图，根据污染分布图输出控制指令。
使用基于粒子群算法控制所述采样机器人，包括步骤：设定第一阈值和第二阈值；每一轮采样完毕，采样机器人输出污染物的浓度，高于第一阈值的浓度则标记为优胜浓度，低于第二阈值的浓度则标记为淘汰浓度；以浓度的高低赋予所述优胜浓度对应的采集机器人顺数序号，赋予所述淘汰浓度对应的采集机器人倒数序号；以两个采集机器人为一组，依次组合顺数序号、倒数序号对应的采集机器人；在同一组采集机器人中，以顺数序号的采集机器人的所在位置为第一点，以倒数序号的采集机器人的所在位置为中点，在第一点到中点的连线的延长线上设置第二点，所述第二点为第一点的对称点，在第二点对应的位置上设置所述倒数序号的采集机器人；以预设的移动规则驱动所有采样机器人进行下一轮采样。
所述无人机群按空间位置分成上、下层，其中，上层的无人机群载有水雾剂，下层的无人机群载有农药分解剂。
所述无人机载有植物种苗。
针对实施例的说明：采集机器人为能进行移动、具备机械臂的机器结构，通过机械臂挖掘土壤样品；将土壤样品让入第一试管中，第一试管有螯合剂(即有机溶剂)，能够将土壤样品中的金属分离以形成金属离子的溶液(即样品溶液)，如图2所示的第二试管示意图，使用第二试管获取样品溶液(排除第一试管中土壤其他成分的干扰，即单纯的重金属溶液)，然后通过改性磁珠(改性的目的是能让磁珠在磁场内进行运动，同时磁珠的成分又不会影响样品溶液的测量结果)的移动(由磁珠驱动模块输出垂直磁场、旋转磁场以控制磁珠移动，磁珠驱动模块包括磁极对、磁极，)促进螯合剂和金属离子的螯合；通过发光源对溶液的照射，产生溶液光谱，由于不同的金属在不同光线的影响下产生的光谱图案有区别，因此能够识别溶液内金属离子的类型，同时根据光谱的强度能够计算金属离子的浓度(即所述金属浓度)；利用紫外光激活农药发光特性，然后把第二试管移入暗箱(此时，磁珠携带检测剂，用于吸附农药)，在第二试管中加入发光剂，通过光学模块(包括凹面镜、凸透镜、三棱镜和摄像头)检测溶液发光(即农药的发光特性)的光波长与光强，从而确定农药种类以及浓度，每一种农药都有自己特定的波长，发光强度与浓度成正比；获取污染物信息之后，远程控制端则根据污染物信息制定专门的清理计划并控制无人机执行对应的任务。
如图3所示的暗箱内农药识别示意图，在暗箱内，将农药(即第二试管)放在凹面镜内(通过凹面镜聚集农药发出的光)，通过凸透镜和三棱镜以形成农药的光谱，通过摄像头获取光谱的图像，根据光谱的图像进行波长和光强的分析，能够确定农药种类以及浓度。
污染物的分布不一定是平均的，有可能某些地点污染严重，有可能某些地点的污染物类型不一样，因此需要因地制宜，通过定位模块(例如基于北斗系统)，可以为每一个采集机器人定位，而每一个采集机器人会把污染物信息和定位信息一起上传至远程控制端以生成一个污染分布图，根据污染分布图可以制定一个专门的清理计划(例如有污染就清理，没有就控制无人机飞过无污染区域，又或者根据污染物的浓度加大清理力度等)。又例如可以采用GPS定位仪监测抽样地点(采集地点)之间的距离，然后触发采集机器人当相邻机器人读数相近时，增加抽样距离，反之减小，使机器人群用最少的抽样轮数，检测到最精确的污染分布图案。
采集机器人采样粒子群算法进行控制：设定第一阈值(例如浓度排序的前10％)和第二阈值(例如浓度排序的后10％)；每一轮采样完毕，采样机器人输出污染物的浓度，高于第一阈值的浓度则标记为优胜浓度，低于第二阈值的浓度则标记为淘汰浓度；以浓度的高低赋予所述优胜浓度对应的采集机器人顺数序号(浓度最高为顺数第一名)，赋予所述淘汰浓度对应的采集机器人倒数序号(浓度最低为倒数第一名)；以两个采集机器人为一组，依次组合顺数序号、倒数序号对应的采集机器人(即顺数第一名对应倒数第一名，顺数第二名对应倒数第二名，以此类推)；在同一组采集机器人中，以顺数序号的采集机器人的所在位置为第一点，以倒数序号的采集机器人的所在位置为中点，在第一点到中点的连线的延长线上设置第二点，所述第二点为第一点的对称点，在第二点对应的位置上设置所述倒数序号的采集机器人；以预设的移动规则驱动所有采样机器人进行下一轮采样。
采用无人机进行低空分层编队，无人机上载有农药的解药与水，下层编队负责喷洒光催化粉剂，上层编队负责喷洒水雾剂，确保光催化粉剂不会滞留空气之中，确保光催化粉剂与农产品的充分接触，破坏残留农药中的有害化学成分，从而降解食物中的农药残留量。在土壤预处理阶段，我们也可以通过播撒植物种苗来吸收致癌的重金属镉，通过种苗的生长来吸收土壤中的重金属，达到减少土壤中以及植物中重金属含量的目的。地面机器人(可以是采集机器人)负责后续采集富集植物，移走重金属。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (6)

1.一种土地污染处理系统，其特征在于，包括：
用于采集土壤样品的采集机器人、第一试管、第二试管、改性磁珠、磁珠驱动模块、光谱检测模块、无人机群和远程控制端；其中，
所述第一试管通过有机萃取液处理所述土壤样品以形成样品溶液；
所述第二试管获取所述样品溶液并与改性磁珠混合，通过所述磁珠驱动模块驱动所述改性磁珠以加快螯合作用；
所述光谱检测模块基于溶液光谱解析样品溶液以获取污染物信息；
所述远程控制端基于所述污染物信息输出用于控制所述无人机群的控制指令。
2.根据权利要求1所述的一种土地污染处理系统，其特征在于，所述光谱检测模块包括发光源、暗箱和发光剂单元；其中，
所述发光源照射所述样品溶液，基于溶液光谱解析样品溶液以获取金属类型和金属浓度；
所述发光源通过紫外线激活包含农药的样品溶液的发光特征，所述发光剂单元将发光剂放入所述样品溶液，在暗箱内检测样品溶液的光谱以获取农药类型和农药浓度；
标记金属类型、金属浓度、农药类型和农药浓度为污染物信息。
3.根据权利要求2所述的一种土地污染处理系统，其特征在于，还包括用于定位采样机器人的定位模块，所述远程控制端基于定位信息和污染物信息生成污染分布图，根据污染分布图输出控制指令。
4.根据权利要求3所述的一种土地污染处理系统，其特征在于，采用基于粒子群算法控制所述采样机器人，包括步骤：
设定第一阈值和第二阈值；
每一轮采样完毕，采样机器人输出污染物的浓度，高于第一阈值的浓度则标记为优胜浓度，低于第二阈值的浓度则标记为淘汰浓度；
以浓度的高低赋予所述优胜浓度对应的采集机器人顺数序号，赋予所述淘汰浓度对应的采集机器人倒数序号；
以两个采集机器人为一组，依次组合顺数序号、倒数序号对应的采集机器人；
在同一组采集机器人中，以顺数序号的采集机器人的所在位置为第一点，以倒数序号的采集机器人的所在位置为中点，在第一点到中点的连线的延长线上设置第二点，所述第二点为第一点的对称点，在第二点对应的位置上设置所述倒数序号的采集机器人；
以预设的移动规则驱动所有采样机器人进行下一轮采样。
5.根据权利要求3所述的一种土地污染处理系统，其特征在于，所述无人机群按空间位置分成上、下层，其中，
上层的无人机群载有水雾剂，下层的无人机群载有农药分解剂。
6.根据权利要求3所述的一种土地污染处理系统，其特征在于，所述无人机载有植物种苗。
CN201711025181.3A 2017-10-27 2017-10-27 一种土地污染处理系统 Active CN107931315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711025181.3A CN107931315B (zh) 2017-10-27 2017-10-27 一种土地污染处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711025181.3A CN107931315B (zh) 2017-10-27 2017-10-27 一种土地污染处理系统

Publications (2)

Publication Number Publication Date
CN107931315A CN107931315A (zh) 2018-04-20
CN107931315B true CN107931315B (zh) 2020-06-16

Family

ID=61936557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711025181.3A Active CN107931315B (zh) 2017-10-27 2017-10-27 一种土地污染处理系统

Country Status (1)

Country Link
CN (1) CN107931315B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109131893A (zh) * 2018-10-15 2019-01-04 南京林业大学 一种基于无人机的农药残留实时检测和精确去除的系统和方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196471A (zh) * 2007-12-21 2008-06-11 中国科学院上海技术物理研究所 土壤重金属污染定量化检测系统及检测方法
CN101738383A (zh) * 2008-11-07 2010-06-16 中国农业科学院农业环境与可持续发展研究所 基于中红外光谱的土壤重金属元素含量快速检测方法
CN101520421B (zh) * 2009-04-08 2011-06-22 北京农产品质量检测与农田环境监测技术研究中心 一种土壤重金属含量检测模型的建模方法及其应用
CN103983589A (zh) * 2014-05-27 2014-08-13 中国农业大学 一种土壤或水体中重金属铅污染的快速检测装置及方法

Also Published As

Publication number Publication date
CN107931315A (zh) 2018-04-20

Similar Documents

Publication Publication Date Title
Oberti et al. Selective spraying of grapevines for disease control using a modular agricultural robot
Asaei et al. Site-specific orchard sprayer equipped with machine vision for chemical usage management
WO2022010372A1 (en) System and method for intelligent soil sampling
CA2754326A1 (en) Method and device for determining plant material quality using images containing information about the quantum efficiency and the time response of the photosynthetic system
Gao et al. Water‐soluble food dye of Allura Red as a tracer to determine the spray deposition of pesticide on target crops
Su et al. Development of a systemic crop signalling system for automated real-time plant care in vegetable crops
Ben-Zur et al. Optical analytical methods for detection of pesticides
CN107931315B (zh) 一种土地污染处理系统
ÖZLÜOYMAK et al. Design, development, and evaluation of a target oriented weed control system usingmachine vision
Vike Uptake, deposition and wash off of fluoride and aluminium in plant foliage in the vicinity of an aluminium smelter in Norway
Bao et al. Assessing plant performance in the Enviratron
Roman et al. Stereo vision controlled variable rate sprayer for specialty crops: Part II. Sprayer development and performance evaluation
Derksen et al. Field evaluation of application variables and plant density for bell pepper pest management
Berenstein The use of agricultural robots in crop spraying/fertilizer applications
Downey et al. Weeds accurately mapped using DGPS and ground-based vision identification
Galal Impact of environmental pollution on the growth and production of Egyptian clover
Lippi et al. An autonomous spraying robot architecture for sucker management in large‐scale hazelnut orchards
CN113588500A (zh) 一种航空施药作业雾滴沉积效果检测方法
Adhikari et al. Citrus greening test on sweet orange (Junar) by scratch method at Sindhuli district
Al-Hilali et al. Effect of crude oil on soil properties and uptake of major elements by lentil (Lens exculenta) and pea (Pisum sativum).
CN107497848A (zh) 一种土壤中有机氯农药残留修复的方法
More et al. Iot based smart farming
Khot et al. Precision technologies for pest and disease management.
Niepsch et al. Distinguishing atmospheric nitrogen compounds (nitrate and ammonium) in lichen biomonitoring studies
Sheng et al. Development of a seed treatment technique for automatic identification of soybean plants

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