CN108921139A - 基于无人机视频的污水处理方法 - Google Patents
基于无人机视频的污水处理方法 Download PDFInfo
- Publication number
- CN108921139A CN108921139A CN201810882153.1A CN201810882153A CN108921139A CN 108921139 A CN108921139 A CN 108921139A CN 201810882153 A CN201810882153 A CN 201810882153A CN 108921139 A CN108921139 A CN 108921139A
- Authority
- CN
- China
- Prior art keywords
- sewage
- image
- information
- possible cause
- vegetation
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
为了避免传感器自身要求固定方式安装的特性对排污监测可能造成的盲区,本发明提供了一种基于无人机视频的污水处理方法,包括(10)建立地理信息库;(20)通过机器学习方式根据所述地理信息库建立视频信息识别模型;(30)获取无人机视频信息;(40)根据无人机视频信息和所述模型,确定污水地段并发出告警信息。本发明能够通过机器学习得到地表植被的颜色、生长状态等图像特征与是否为污水造成这一可能原因之间的关联,基于6阶深度概率分析方法进行可能原因和季节的匹配,从而相比现有技术的做法降低了超过37%左右的运算量。
Description
技术领域
本发明涉及视频信号控制技术领域,更具体地,涉及一种基于无人机视频的污水处理方法。
背景技术
目前,人们已经认识到污水排放对于环境所产生的各种负面影响,正采取措施对污水的排放进行限制。迄今为止,所采取的措施基本上有如下两种:一种是必须由环保管理人员对企业污水排放出口进行人工监测,获取企业排放污水的信息,对非法排放污水的企业进行处罚。此种措施不仅费时费力,无法保证每天24小时连续监控。而且由于人为因素较多,很难保证制止排污以及对排污企业的处罚准确、合理。另一种措施则是针对人工监测所存在的缺点而设计的,它是在污水处理设备上安装了污水监测仪表,并将污水监测仪表与水泵及安装在排污管路上的阀门相接,水泵及阀门只能根据污水监测仪表的输出信号实现开启或关闭,及时将经过处理、符合排污标准的中水排放出去,阻止未经处理的污水排放,其自动化程度高,可节省大量人力。但是,由于污水处理设备都是安装的企业的场地内,个别企业非法安装绕过污水处理设备、阀门的污水排水管道,最终将未经处理的污水从企业污水排放出口排出;而且,由于所设置的阀门没有断电复位功能,当阀门处于开启状态而突然断电时,阀门将依旧保持开启状态。这样,如果人为地让污水处理设备断电,使阀门处于开启状态,继而将未经处理的污水通过开启的阀门从企业污水排放出口排出。
对此,现有技术中,申请号为CN03238004.6的中国发明专利申请公开了一种污水排放自动监控装置,设有传感器,与传感器相接有信号处理器,信号处理器的输出与断电弹簧复位式执行机构相接,断电弹簧复位式执行机构与污水排放阀门相接。可将其安装在企业污水排放出口,对企业所排放的水适时监控。当企业排放的水符合排污标准时,阀门打开,否则阀门关闭、报警,可防止企业非法安装绕过污水处理设备的排水管道而将未经处理的污水排出。然而,这种方法仍然要使用传感器,而传感器的检测位置是固定的,只要污水排放者绕开该位置,则仍然无法有效监测到污水排放的真实情况。
发明内容
为了避免传感器自身要求固定方式安装的特性对排污监测可能造成的盲区,本发明提供了一种基于无人机视频的污水处理方法,包括:
(10)建立地理信息库;
(20)通过机器学习方式根据所述地理信息库建立视频信息识别模型;
(30)获取无人机视频信息;
(40)根据无人机视频信息和所述模型,确定污水地段并发出告警信息。
进一步地,所述步骤(10)包括:获取污水排放口周围的至少两幅在时间上连续拍摄的图像,该图像均能够唯一性地标识相应的污水排放口,将图像及图像中某一位置对应的经纬度信息共同保存到数据库中,作为标识污水排放地的地理信息库。
进一步地,所述机器学习是根据植物生长状况图像以无监督学习方式进行机器学习。
进一步地,所述机器学习是采用随机梯度下降法对植物生长状况图像进行机器学习。
进一步地,所述步骤(20)包括:
(2021)关键帧信息确定:假设地表植被图像Ei对应植被健康状态Cj;植被健康状态Cj对应的可能原因Sm构成集合{Sm,Pm},则以植被健康状态Cj为关键帧,其中Pm是可能原因Sm成为造成植被健康状态Cj的概率,i、j和m均为从1开始的自然数;
(2022)定义植被健康状态Cj的出现对于可能原因的概率:
p(Sm|Cj)=χgh(pj),
其中
m=1,2,3,4,5,6;且为以为均值、ξm为方差的m阶对角阵,
(2023)根据概率p(Sm|Cj)确定植被健康状态Cj取当前含义时与季节的匹配度:
计算其中p’表示对p进行差分;
计算是否小于第一预设阈值:当小于时,确定Cj中j表示的可能原因的序号符合Ei对应的季节,否则令j=j+1,跳转到步骤(2022),如果j经过遍历到达了其最大值,则令j=1并继续进行步骤(2024),u和v均为自然数;
(2024)校正Sm作为Cj的对应的可能原因时与季节的匹配度:
计算是否小于第二预设阈值:当小于时,确定Sm作为Cj的对应的可能原因符合季节,否则令m=m+1,跳转到步骤(2022),如果m经过遍历到达了其最大值,则令m=1。
进一步地,所述步骤(30)包括:
(301)对摄像头采集的视频进行分帧采样;
(302)对样本图像进行归一化;
(303)利用卷积神经网络对归一化后的图像进行特征提取。
进一步地,所述步骤(40)包括:
基于所述无人机获得的视频信息和所述模型,当确定某图像对应的可能原因是污水时,即排除了天气、病虫害等预先确定的原因以后根据图像表示的地表植被的颜色以及生长状态等图像特征的比较确定可能原因是污水排放造成的,则根据该图无人机获得的图像信息对应的第二经纬度信息,再次使无人机拍摄与该第二经纬度信息最接近的、在所述地理信息库中已经存在的经纬度信息对应的排污口的图像,确定排污口位置和排污口可能涉及的地段,向该排污口相关的监控或管理人员发出告警信息。
本发明的有益效果包括:能够通过机器学习得到地表植被的颜色、生长状态等图像特征与是否为污水造成这一可能原因之间的关联,基于6阶深度概率分析方法进行可能原因和季节的匹配,从而相比现有技术的做法降低了超过37%左右的运算量。
附图说明
图1示出了本发明方法的流程图。
具体实施方式
如图1所示,根据本发明的优选实施例,本发明提供了一种基于无人机视频的污水处理方法,包括:
(10)建立地理信息库;
(20)通过机器学习方式根据所述地理信息库建立视频信息识别模型;
(30)获取无人机视频信息;
(40)根据无人机视频信息和所述模型,确定污水地段并发出告警信息。
优选地,所述步骤(10)包括:获取污水排放口周围的至少两幅在时间上连续拍摄的图像,该图像均能够唯一性地标识相应的污水排放口,将图像及图像中某一位置对应的经纬度信息共同保存到数据库中,作为标识污水排放地的地理信息库。
优选地,所述机器学习是根据植物生长状况图像以无监督学习方式进行机器学习。
优选地,所述机器学习是采用随机梯度下降法对植物生长状况图像进行机器学习。
优选地,所述步骤(20)包括:
(2021)关键帧信息确定:假设地表植被图像Ei对应植被健康状态Cj;植被健康状态Cj对应的可能原因Sm构成集合{Sm,Pm},则以植被健康状态Cj为关键帧,其中Pm是可能原因Sm成为造成植被健康状态Cj的概率,i、j和m均为从1开始的自然数;
(2022)定义植被健康状态Cj的出现对于可能原因的概率:
p(Sm|Cj)=χgh(pj),
其中
m=1,2,3,4,5,6;且为以为均值、ξm为方差的m阶对角阵,
(2023)根据概率p(Sm|Cj)确定植被健康状态Cj取当前含义时与季节的匹配度:
计算其中p’表示对p进行差分;
计算是否小于第一预设阈值:当小于时,确定Cj中j表示的可能原因的序号符合Ei对应的季节,否则令j=j+1,跳转到步骤(2022),如果j经过遍历到达了其最大值,则令j=1并继续进行步骤(2024),u和v均为自然数;
(2024)校正Sm作为Cj的对应的可能原因时与季节的匹配度:
计算是否小于第二预设阈值:当小于时,确定Sm作为Cj的对应的可能原因符合季节,否则令m=m+1,跳转到步骤(2022),如果m经过遍历到达了其最大值,则令m=1。
优选地,所述步骤(30)包括:
(301)对摄像头采集的视频进行分帧采样;
(302)对样本图像进行归一化;
(303)利用卷积神经网络对归一化后的图像进行特征提取。
优选地,所述步骤(40)包括:
基于所述无人机获得的视频信息和所述模型,当确定某图像对应的可能原因是污水时,即排除了天气、病虫害等预先确定的原因以后根据图像表示的地表植被的颜色以及生长状态等图像特征的比较确定可能原因是污水排放造成的,则根据该图无人机获得的图像信息对应的第二经纬度信息,再次使无人机拍摄与该第二经纬度信息最接近的、在所述地理信息库中已经存在的经纬度信息对应的排污口的图像,确定排污口位置和排污口可能涉及的地段,向该排污口相关的监控或管理人员发出告警信息。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (7)
1.一种基于无人机视频的污水处理方法,包括:
(10)建立地理信息库;
(20)通过机器学习方式根据所述地理信息库建立视频信息识别模型;
(30)获取无人机视频信息;
(40)根据无人机视频信息和所述模型,确定污水地段并发出告警信息。
2.根据权利要求1所述的方法,其特征在于,所述步骤(10)包括:获取污水排放口周围的至少两幅在时间上连续拍摄的图像,该图像均能够唯一性地标识相应的污水排放口,将图像及图像中某一位置对应的经纬度信息共同保存到数据库中,作为标识污水排放地的地理信息库。
3.根据权利要求1所述的方法,其特征在于,所述机器学习是根据植物生长状况图像以无监督学习方式进行机器学习。
4.根据权利要求1所述的方法,其特征在于,所述机器学习是采用随机梯度下降法对植物生长状况图像进行机器学习。
5.根据权利要求2所述的方法,其特征在于,所述步骤(20)包括:
(2021)关键帧信息确定:假设地表植被图像Ei对应植被健康状态Cj;植被健康状态Cj对应的可能原因Sm构成集合{Sm,Pm},则以植被健康状态Cj为关键帧,其中Pm是可能原因Sm成为造成植被健康状态Cj的概率,i、j和m均为从1开始的自然数;
(2022)定义植被健康状态Cj的出现对于可能原因的概率:
p(Sm|Cj)=χgh(pj),
其中
m=1,2,3,4,5,6;且为以为均值、ξm为方差的m阶对角阵,
(2023)根据概率p(Sm|Cj)确定植被健康状态Cj取当前含义时与季节的匹配度:
计算其中p’表示对p进行差分;
计算是否小于第一预设阈值:当小于时,确定Cj中j表示的可能原因的序号符合Ei对应的季节,否则令j=j+1,跳转到步骤(2022),如果j经过遍历到达了其最大值,则令j=1并继续进行步骤(2024),u和v均为自然数;
(2024)校正Sm作为Cj的对应的可能原因时与季节的匹配度:
计算是否小于第二预设阈值:当小于时,确定Sm作为Cj的对应的可能原因符合季节,否则令m=m+1,跳转到步骤(2022),如果m经过遍历到达了其最大值,则令m=1。
6.根据权利要求5所述的方法,其特征在于,所述步骤(30)包括:
(301)对摄像头采集的视频进行分帧采样;
(302)对样本图像进行归一化;
(303)利用卷积神经网络对归一化后的图像进行特征提取。
7.根据权利要求6所述的方法,其特征在于,所述步骤(40)包括:
基于所述无人机获得的视频信息和所述模型,当确定某图像对应的可能原因是污水时,即排除了天气、病虫害等预先确定的原因以后根据图像表示的地表植被的颜色以及生长状态等图像特征的比较确定可能原因是污水排放造成的,则根据该图无人机获得的图像信息对应的第二经纬度信息,再次使无人机拍摄与该第二经纬度信息最接近的、在所述地理信息库中已经存在的经纬度信息对应的排污口的图像,确定排污口位置和排污口可能涉及的地段,向该排污口相关的监控或管理人员发出告警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810882153.1A CN108921139A (zh) | 2018-08-04 | 2018-08-04 | 基于无人机视频的污水处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810882153.1A CN108921139A (zh) | 2018-08-04 | 2018-08-04 | 基于无人机视频的污水处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921139A true CN108921139A (zh) | 2018-11-30 |
Family
ID=64394229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810882153.1A Pending CN108921139A (zh) | 2018-08-04 | 2018-08-04 | 基于无人机视频的污水处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921139A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110344495A (zh) * | 2019-06-20 | 2019-10-18 | 中水淮河规划设计研究有限公司 | 泵站视频识别污物智能化清污系统及智能化清污方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2636242Y (zh) * | 2003-08-28 | 2004-08-25 | 孙茂钊 | 污水排放自动监控装置 |
CN102184487A (zh) * | 2011-05-17 | 2011-09-14 | 华东师范大学 | 基于gis技术和一维水质模型的污染源管理系统及其运作方法 |
CN102818884A (zh) * | 2012-08-15 | 2012-12-12 | 长沙理工大学 | 一种违规排污口的定位方法 |
CN103546536A (zh) * | 2013-08-28 | 2014-01-29 | 北京清控人居环境研究院有限公司 | 污水处理厂物联网系统 |
CN106094872A (zh) * | 2016-08-24 | 2016-11-09 | 北京大学深圳研究生院 | 一种基于无人机的污水暗排口检测方法及系统 |
CN106405040A (zh) * | 2016-11-17 | 2017-02-15 | 苏州航天系统工程有限公司 | 一种基于无人设备的水质巡检、污染物溯源系统及其方法 |
CN106600509A (zh) * | 2016-12-28 | 2017-04-26 | 北京航空航天大学 | 一种基于基础数据分析判断企业兑水排污行为的方法 |
CN106950197A (zh) * | 2017-03-03 | 2017-07-14 | 环境保护部卫星环境应用中心 | 排污口污染水体的遥感提取方法、装置和系统 |
CN206991123U (zh) * | 2017-07-13 | 2018-02-09 | 深圳市宇驰检测技术股份有限公司 | 一种基于无人机的污染检测系统 |
CN107707876A (zh) * | 2017-09-23 | 2018-02-16 | 南京律智诚专利技术开发有限公司 | 一种城市内河道污水排放监控系统 |
KR101877408B1 (ko) * | 2017-09-12 | 2018-07-11 | 김창영 | 하수시설제어시스템 및 하수시설제어방법 |
CN108357669A (zh) * | 2018-01-03 | 2018-08-03 | 华南农业大学 | 一种基于无人机的河湖排污遥感智能监测系统 |
-
2018
- 2018-08-04 CN CN201810882153.1A patent/CN108921139A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2636242Y (zh) * | 2003-08-28 | 2004-08-25 | 孙茂钊 | 污水排放自动监控装置 |
CN102184487A (zh) * | 2011-05-17 | 2011-09-14 | 华东师范大学 | 基于gis技术和一维水质模型的污染源管理系统及其运作方法 |
CN102818884A (zh) * | 2012-08-15 | 2012-12-12 | 长沙理工大学 | 一种违规排污口的定位方法 |
CN103546536A (zh) * | 2013-08-28 | 2014-01-29 | 北京清控人居环境研究院有限公司 | 污水处理厂物联网系统 |
CN106094872A (zh) * | 2016-08-24 | 2016-11-09 | 北京大学深圳研究生院 | 一种基于无人机的污水暗排口检测方法及系统 |
CN106405040A (zh) * | 2016-11-17 | 2017-02-15 | 苏州航天系统工程有限公司 | 一种基于无人设备的水质巡检、污染物溯源系统及其方法 |
CN106600509A (zh) * | 2016-12-28 | 2017-04-26 | 北京航空航天大学 | 一种基于基础数据分析判断企业兑水排污行为的方法 |
CN106950197A (zh) * | 2017-03-03 | 2017-07-14 | 环境保护部卫星环境应用中心 | 排污口污染水体的遥感提取方法、装置和系统 |
CN206991123U (zh) * | 2017-07-13 | 2018-02-09 | 深圳市宇驰检测技术股份有限公司 | 一种基于无人机的污染检测系统 |
KR101877408B1 (ko) * | 2017-09-12 | 2018-07-11 | 김창영 | 하수시설제어시스템 및 하수시설제어방법 |
CN107707876A (zh) * | 2017-09-23 | 2018-02-16 | 南京律智诚专利技术开发有限公司 | 一种城市内河道污水排放监控系统 |
CN108357669A (zh) * | 2018-01-03 | 2018-08-03 | 华南农业大学 | 一种基于无人机的河湖排污遥感智能监测系统 |
Non-Patent Citations (1)
Title |
---|
王贵作 等: "利用无人机开展入河排污口清查的思路与建议", 《水利发展研究》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110344495A (zh) * | 2019-06-20 | 2019-10-18 | 中水淮河规划设计研究有限公司 | 泵站视频识别污物智能化清污系统及智能化清污方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108881857A (zh) | 基于实时视频的排污智能监控方法 | |
CN104112370B (zh) | 基于监控图像的停车场智能车位识别方法及系统 | |
KR101308076B1 (ko) | 센서기반 오감 정보를 이용한 수리시설물의 지능형 물관리 자동화시스템 | |
CN109114430A (zh) | 一种城市排水管网在线监测系统 | |
US10729117B2 (en) | Pest monitoring method based on machine vision | |
CN216486750U (zh) | 河流水文数据定点采集装置 | |
US20150323514A1 (en) | Systems and methods for forecasting bacterial water quality | |
CN110012268A (zh) | 管网ai智能监控方法、系统、可读存储介质和设备 | |
KR20060099496A (ko) | 영상 인식 기법을 이용한 실시간 원격 수위 감시 및모니터링 시스템 | |
CN108921139A (zh) | 基于无人机视频的污水处理方法 | |
CN117890546A (zh) | 一种湖泊生态风险预警和干预方法及系统 | |
CN112866644A (zh) | 基于大数据和物联网协同作用的渔业养殖在线智能监测平台及云服务器 | |
CN108799011A (zh) | 对风电机组的叶片进行监测的设备和方法 | |
CN109556691A (zh) | 一种预估栏位牲畜均重的方法、装置及系统 | |
CN111598793A (zh) | 一种用于输电线路图像去雾的方法、系统及存储介质 | |
CN108958130A (zh) | 一种智能污水处理预警方法 | |
CN113869683A (zh) | 核电厂冷源安全预警方法、装置、计算机设备和系统 | |
US11234378B2 (en) | Image based irrigation control | |
CN117115438A (zh) | 矶花图像识别及加药控制系统 | |
CN112505278B (zh) | 一种抽样式污水监控分析设备 | |
CN115410152A (zh) | 一种户外鱼类池塘养殖投喂监控系统 | |
CN112931309B (zh) | 一种鱼类增殖放流去向的监测方法及系统 | |
Cunningham | Using Computer-Assisted Photo-Identification and Capture-Recapture Techniques to Monitor the Conservation Status of Harbour Seals (Phoca vitulina). | |
CN113963203A (zh) | 一种智能捕鼠监测方法、系统、装置及介质 | |
CN112561290A (zh) | 一种基于pser模型的北方河流湿地生态数据采集和处理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |