CN108931611A - 多维度的环境检测方法及系统 - Google Patents
多维度的环境检测方法及系统 Download PDFInfo
- Publication number
- CN108931611A CN108931611A CN201810533422.3A CN201810533422A CN108931611A CN 108931611 A CN108931611 A CN 108931611A CN 201810533422 A CN201810533422 A CN 201810533422A CN 108931611 A CN108931611 A CN 108931611A
- Authority
- CN
- China
- Prior art keywords
- environment
- image
- data
- various dimensions
- ambient
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Combustion & Propulsion (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种多维度的环境检测方法,一种多维度的环境检测系统,一种计算机设备及一种计算机可读存储介质。检测方法包括:获取预设环境的环境成分参数和环境图像;分析环境成分参数以得到预设环境中的成分数据;识别环境图像,对环境图像进行处理以得到预设环境的特征数据;汇总并存储同一时间维度下的成分数据和特征数据,以组成预设环境的监控数据。采用本发明提供的技术方案,可以实现对环境数据的实时检测,将相同地点、相同时间下的特征数据与环境成分数据汇总后一并保存,进而得到直观的、详尽的监控数据,可使用户实时获取直观、详尽的环境监控数据,同时为预测环境质量变化提供数据基础。
Description
技术领域
本发明涉及环境检测技术领域,具体而言,涉及一种多维度的环境检测方法,一种多维度的环境检测系统,一种计算机设备及一种计算机可读存储介质。
背景技术
目前,在相关技术中,传统的环境检测仍然通过空气颗粒物样分析、水质采样检测、土壤采样检测等方法,其检测结果往往不具有时效性,不能实现实时的环境检测,且检测结果一般仅包含数字行驶的科学指标,无法结合实际环境场景,不能直观的反应环境情景与环境中多种组成成分的关系,也无法对环境质量变化进行预测。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的第一方面提出一种多维度的环境监控方法。
本发明的第二方面提出一种多维度的环境监控系统。
本发明的第三方面提出一种计算机设备。
本发明的第四方面提出一种计算机可读存储介质。
有鉴于此,本发明的第一方面提供了一种多维度的环境监控方法,包括:获取预设环境的环境成分参数和环境图像;分析环境成分参数以得到预设环境中的成分数据;识别环境图像,对环境图像进行处理以得到预设环境的特征数据;汇总并存储同一时间维度下的成分数据和特征数据,以组成预设环境的监控数据。
在该技术方案中,通过获取预设范围内环境的环境成分数据与环境图像,对环境成分数据进行分析以得到环境中多种组成物质的成分数据,对环境图像进行处理,得到当前环境场景的特征数据,将同一时间下,同一范围内的环境的成分数据和特征数据进行汇总保存,可以得到预设范围的环境的监控数据。采用本发明提供的技术方案,可以实时的获取环境中水、陆、空多维度的组成物的成分,实现对环境数据的实时检测,同时获取环境的场景特征数据,将相同地点、相同时间下的特征数据与环境成分数据汇总后一并保存,进而得到直观的、详尽的,反应环境特征与环境成分的监控数据,可使广大用户实时获取直观、详尽的环境监控数据,同时为预测环境质量变化提供数据基础。
具体地,在城市特定范围内设置多个激光雷达,激光雷达基于米散射原理,发射出532nm和355nm激光,接收望远镜收集气溶胶和云等对入射激光的后向散射信号,通过接收355nm回波信号以及532nm的垂直和水平偏振信号,分析粒子的消光特性和偏振特性,从而分辨空气成分的分子种类、空气或水肿颗粒物的时空分布成分种类等详细数据,进而实现沙尘、云、局地污染物的识别。同时在该特定范围内设置多个工业照相设备,工业照相设备可设置于高度不同的特定位置,也可以通过设置于移动车辆上,实时获取环境的场景图像。将接收到的同一区域的环境成分数据和场景图像,通过网络传输的方式同一传送到中心检测平台,通过计算机设备对场景图像进行图像处理和图像识别,基于大数据分析,对采集到的多种数据进行分析和处理,以形成详尽的监控数据。
另外,本发明提供的上述技术方案中的多维度的环境监控方法还可以具有如下附加技术特征:
在上述技术方案中,优选地,多维度的环境监控方法还包括:根据监控数据评定预设环境当前的环境质量指数;向用户终端推送环境质量指数。
在该技术方案中,根据详细监控数据,对环境质量指数进行评定。具体地,根据空气有害气体成分及悬浮颗粒物成分对空气质量进行评定,根据水源中水质组成成分及杂质成分对水质质量进行评定,根据地面污染物覆盖比例及污染物成分对综合底面环境质量进行评分,最后得到每项环境质量的评分及总评分,通过官方网站、微信公众号、手机软件等方式向用户持有的手机等终端推送环境质量评分,同时也可以通过广播电台、电视节目或城市大屏幕向市民展示环境质量评分,使用户以及广大市民能实时地、详尽地掌握所处环境的环境质量,针对环境质量选择出行方式或改变穿着、提前做好对污染防护。
在上述任一技术方案中,优选地,多维度的环境监控方法还包括:存储监控数据,以监控数据为基础积累环境学习样本;建立学习模型,通过环境学习样本对学习模型进行训练,以生成环境趋势分析模型;通过环境趋势分析模型,依据环境成分参数和/或环境图像对预设时间段内预设环境进行预测。
在该技术方案中,存储获取到的监控数据,以监控数据为基础积累学习样本,建立一个基于人工智能技术的学习模型,通过机器学习或深度学习的方式,以积累的学习样本训练学习模型,最终得到训练好的环境趋势分析模型后,可通过将获取到的环境成分和/或环境图像输入环境趋势分析模型,得到对预设时间段内环境变化的预测,实现对环境质量的“环境预报”,有效促进环保工作有针对性的施展,同时使用户可以提前做好对抗突发性环境污染的应对措施。
在上述任一技术方案中,优选地,通过网络数据传输的方式接收检测参数和环境图像;其中,网络数据传输的方式包括以下至少一种或其组合:蜂窝网络数据传输、ZigBee(紫蜂协议)网络传输、有线局域网络传输、光纤网络传输;通过以下至少一种或其组合来获取环境成分参数:激光雷达设备、气体成分检测设备、水质检测设备、固体成分检测设备;通过以下至少一种或其组合来获取环境图像:工业相机、视频监控摄像头、车载视频摄像头。
在该技术方案中,环境成分检测装置和环境图像获取装置可随机、广泛分布设置于城市各处,并通过网络数据传输的方式将其获取的数据发送至中心检测平台,具体地,根据与中心检测平台间的物理举例、高度差、遮挡建筑分布等情况,可选用蜂窝网络数据传输、ZigBee网络传输等无线网络传输手段,也可以选用有线局域网络传输、光纤网络传输等优先网络传输手段,其中,可通过激光雷达设备来获取环境成分参数,在没有激光雷达设备的情况下,也可以分别设置气体成分检测设备、水质检测设备、固体成分检测设备等来获取环境成分参数,或者通过气体成分检测设备、水质检测设备、固体成分检测设备等辅助激光雷达设备,更加精确的获取环境成分参数。通过工业相机、视频监控摄像头等固定图像获取装置获取固定位置的环境图像,同时可以辅助以车载视频摄像头,通过车辆的随机移动,获取固定图像获取装置无法获取的,多种角度的环境图像,使监控数据更加详尽。
在上述任一技术方案中,优选地,环境的环境成分参数包括以下至少一种或其组合:环境水质成分检测参数、环境空气成分检测参数、地表综合环境成分检测参数;环境图像包括以下至少一种或其组合:环境水质图像、环境空气质量图像、地表综合环境图像。
在该技术方案中,同时监控检测城市水源、空气和地标环境质量,可以实现多维度的环境检测,使环境监控数据更加详尽,在多个层次上满足环保工作的需要和人民实时掌握环境质量情况的需要。
本发明第二方面提供了一种多维度的环境监控系统,包括:成分检测装置、图像获取装置和处理器;成分检测装置用于获取预设环境的环境成分参数;图像获取装置用于获取预设环境的环境图像;处理器用于分析环境成分参数以得到预设环境中颗粒物的成分数据;识别环境图像,对环境图像进行处理以得到预设环境的特征数据;汇总并存储同一时间维度下的成分数据和特征数据,以组成预设环境的监控数据。
在该技术方案中,通过获取预设范围内环境的环境成分数据与环境图像,对环境成分数据进行分析以得到环境中多种组成物质的成分数据,对环境图像进行处理,得到当前环境场景的特征数据,将同一时间下,同一范围内的环境的成分数据和特征数据进行汇总保存,可以得到预设范围的环境的监控数据。采用本发明提供的技术方案,可以实时的获取环境中水、陆、空多维度的组成物的成分,实现对环境数据的实时检测,同时获取环境的场景特征数据,将相同地点、相同时间下的特征数据与环境成分数据汇总后一并保存,进而得到直观的、详尽的,反应环境特征与环境成分的监控数据,可使广大用户实时获取直观、详尽的环境监控数据,同时为预测环境质量变化提供数据基础。
在上述技术方案中,优选地,多维度的环境监控系统还包括:信息推送装置;处理器还用于根据监控数据评定预设环境当前的环境质量指数;信息推送装置用于向用户终端推送环境质量指数。
在该技术方案中,根据详细监控数据,对环境质量指数进行评定。具体地,根据空气有害气体成分及悬浮颗粒物成分对空气质量进行评定,根据水源中水质组成成分及杂质成分对水质质量进行评定,根据地面污染物覆盖比例及污染物成分对综合底面环境质量进行评分,最后得到每项环境质量的评分及总评分,通过官方网站、微信公众号、手机软件等方式向用户持有的手机等终端推送环境质量评分,同时也可以通过广播电台、电视节目或城市大屏幕向市民展示环境质量评分,使用户以及广大市民能实时地、详尽地掌握所处环境的环境质量,针对环境质量选择出行方式或改变穿着、提前做好对污染防护。
在上述任一技术方案中,优选地,多维度的环境监控系统还包括:数据存储装置;数据存储装置用于存储监控数据,以监控数据为基础积累环境学习样本;处理器还用于建立学习模型,通过环境学习样本对学习模型进行训练,以生成环境趋势分析模型;通过环境趋势分析模型,依据环境成分参数和/或环境图像对预设时间段内预设环境进行预测。
在该技术方案中,存储获取到的监控数据,以监控数据为基础积累学习样本,建立一个基于人工智能技术的学习模型,通过机器学习或深度学习的方式,以积累的学习样本训练学习模型,最终得到训练好的环境趋势分析模型后,可通过将获取到的环境成分和/或环境图像输入环境趋势分析模型,得到对预设时间段内环境变化的预测,实现对环境质量的“环境预报”,有效促进环保工作有针对性的施展,同时使用户可以提前做好对抗突发性环境污染的应对措施。
在上述任一技术方案中,优选地,处理器通过网络数据传输的方式接收检测参数和环境图像;其中,网络数据传输的方式包括以下至少一种或其组合:蜂窝网络数据传输、ZigBee网络传输、有线局域网络传输、光纤网络传输;成分检测装置包括以下至少一种或其组合:激光雷达设备、气体成分检测设备、水质检测设备、固体成分检测设备;图像获取装置包括以下至少一种或其组合:工业相机、视频监控摄像头、车载视频摄像头。
在该技术方案中,环境成分检测装置和环境图像获取装置可随机、广泛分布设置于城市各处,并通过网络数据传输的方式将其获取的数据发送至中心检测平台,具体地,根据与中心检测平台间的物理举例、高度差、遮挡建筑分布等情况,可选用蜂窝网络数据传输、ZigBee网络传输等无线网络传输手段,也可以选用有线局域网络传输、光纤网络传输等优先网络传输手段,其中,可通过激光雷达设备来获取环境成分参数,在没有激光雷达设备的情况下,也可以分别设置气体成分检测设备、水质检测设备、固体成分检测设备等来获取环境成分参数,或者通过气体成分检测设备、水质检测设备、固体成分检测设备等辅助激光雷达设备,更加精确的获取环境成分参数。通过工业相机、视频监控摄像头等固定图像获取装置获取固定位置的环境图像,同时可以辅助以车载视频摄像头,通过车辆的随机移动,获取固定图像获取装置无法获取的,多种角度的环境图像,使监控数据更加详尽。
在上述任一技术方案中,优选地,环境的环境成分参数包括以下至少一种或其组合:环境水质成分检测参数、环境空气成分检测参数、地表综合环境成分检测参数;环境图像包括以下至少一种或其组合:环境水质图像、环境空气质量图像、地表综合环境图像。
在该技术方案中,同时监控检测城市水源、空气和地标环境质量,可以实现多维度的环境检测,使环境监控数据更加详尽,在多个层次上满足环保工作的需要和人民实时掌握环境质量情况的需要。
本发明第三方面提供了一种计算机设备,计算机装置包括处理器,处理器用于执行存储器中存储的计算机程序时实现如上述任一技术方案中所述的多维度的环境监控方法,因此,该计算机设备包括上述任一技术方案中所述的多维度的环境监控方法的全部有益效果。
本发明第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一技术方案中所述的多维度的环境监控方法,因此,该计算机可读存储介质包括上述任一技术方案中所述的多维度的环境监控方法的全部有益效果。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明的一个实施例的多维度的环境检测方法的流程图;
图2示出了激光雷达的系统示意图;
图3示出了在激光雷达系统中气体分子在紫外可见波段有的吸收界面特征示意图;
图4示出了根据本发明的另一个实施例的多维度的环境检测方法的流程图;
图5示出了根据本发明的再一个实施例的多维度的环境检测方法的流程图;
图6示出了蜂窝网络的示意图;
图7示出了根据本发明的一个实施例的多维度的环境检测系统的框图;
图8示出了根据本发明的另一个实施例的多维度的环境检测系统的框图;
图9示出了根据本发明的再一个实施例的多维度的环境检测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图9描述根据本发明一些实施例所述多维度的环境检测方法、多维度的环境检测系统、计算机设备和计算机可读存储介质。
如图1所示,在本发明第一方面的实施例中,提供了一种多维度的环境监控方法,包括:
S102,获取预设环境的环境成分参数和环境图像;
S104,分析环境成分参数以得到预设环境中的成分数据;
S106,识别环境图像,对环境图像进行处理以得到预设环境的特征数据;
S108,汇总并存储同一时间维度下的成分数据和特征数据,以组成预设环境的监控数据。
在该实施例中,通过获取预设范围内环境的环境成分数据与环境图像,对环境成分数据进行分析以得到环境中多种组成物质的成分数据,对环境图像进行处理,得到当前环境场景的特征数据,将同一时间下,同一范围内的环境的成分数据和特征数据进行汇总保存,可以得到预设范围的环境的监控数据。采用本发明提供的技术方案,可以实时的获取环境中水、陆、空多维度的组成物的成分,实现对环境数据的实时检测,同时获取环境的场景特征数据,将相同地点、相同时间下的特征数据与环境成分数据汇总后一并保存,进而得到直观的、详尽的,反应环境特征与环境成分的监控数据,可使广大用户实时获取直观、详尽的环境监控数据,同时为预测环境质量变化提供数据基础。
具体地,在城市特定范围内设置多个如图2所示的激光雷达系统,此种激光雷达系统基于米散射原理,发射出532nm和355nm激光,接收望远镜收集气溶胶和云等对入射激光的后向散射信号,通过接收355nm回波信号以及532nm的垂直和水平偏振信号,分析粒子的消光特性和偏振特性,从而分辨空气成分的分子种类、空气或水肿颗粒物的时空分布成分种类等详细数据,具体如图3所示,不同气体分子在紫外可见波段有不同的吸收界面特征,依此可实现沙尘、云、局地污染物的识别。同时在该特定范围内设置多个工业照相设备,工业照相设备可设置于高度不同的特定位置,也可以通过设置于移动车辆上,实时获取环境的场景图像。将接收到的同一区域的环境成分数据和场景图像,通过网络传输的方式同一传送到中心检测平台,通过计算机设备对场景图像进行图像处理和图像识别,基于大数据分析,对采集到的多种数据进行分析和处理,以形成详尽的监控数据。
优选地,预设范围可以设置为半径5公里的范围。
优选地,在应用场景为城市环境检测的情况下,可针对市中心、商业集中区、住宅集中区设置高密度的检测设备,针对公园、河畔、绿地、城郊等地区设置低密度的检测设备,以实现对监控成本的控制。
在本发明的一个实施例中,优选地,如图4所示,多维度的环境监控方法还包括:
S402,获取预设环境的环境成分参数和环境图像;
S404,分析环境成分参数以得到预设环境中的成分数据;
S406,识别环境图像,对环境图像进行处理以得到预设环境的特征数据;
S408,汇总并存储同一时间维度下的成分数据和特征数据,以组成预设环境的监控数据;
S410,根据监控数据评定预设环境当前的环境质量指数;
S412,向用户终端推送环境质量指数。
在该实施例中,根据详细监控数据,对环境质量指数进行评定。具体地,根据空气有害气体成分及悬浮颗粒物成分对空气质量进行评定,根据水源中水质组成成分及杂质成分对水质质量进行评定,根据地面污染物覆盖比例及污染物成分对综合底面环境质量进行评分,最后得到每项环境质量的评分及总评分,优选地,通过官方网站、微信公众号、手机软件等方式向用户持有的手机等终端推送环境质量评分,同时也可以通过广播电台、电视节目或城市大屏幕向市民展示环境质量评分,使用户以及广大市民能实时地、详尽地掌握所处环境的环境质量,针对环境质量选择出行方式或改变穿着、提前做好对污染防护。
优选地,在相用户终端推送环境质量评分时,依照统一界面风格向用户展示环境质量评分的图形化信息,即使用户不同的操作系统,在显示界面上也不会有所区别,实现人性化的简单视图。同时,由于激光雷达以及相机获取的信息量不仅仅限于二维界面,因此本方案还可提供立体显示区域内环境情况的三维视图。
在本发明的一个实施例中,优选地,如图5所示,多维度的环境监控方法还包括:
S502,获取预设环境的环境成分参数和环境参数;
S504,分析环境成分参数以得到预设环境中的成分数据;
S506,识别环境图像,对环境图像进行处理以得到预设环境的特征数据;
S508,汇总并存储同一时间维度下的成分数据和特征数据,以组成预设环境的监控数据;
S510,根据监控数据评定预设环境当前的环境质量指数;
S512,向用户终端推送环境质量指数;
S514,存储监控数据,以监控数据为基础积累环境学习样本;
S516,建立学习模型,通过环境学习样本对学习模型进行训练,以生成环境趋势分析模型;
S518,通过环境趋势分析模型,依据环境成分参数和/或环境图像对预设时间段内预设环境进行预测。
在该实施例中,存储获取到的监控数据,以监控数据为基础积累学习样本,建立一个基于人工智能技术的学习模型,通过机器学习或深度学习的方式,以积累的学习样本训练学习模型,最终得到训练好的环境趋势分析模型后,可通过将获取到的环境成分和/或环境图像输入环境趋势分析模型,得到对预设时间段内环境变化的预测,实现对环境质量的“环境预报”,有效促进环保工作有针对性的施展,同时使用户可以提前做好对抗突发性环境污染的应对措施。
在本发明的一个实施例中,优选地,通过网络数据传输的方式接收检测参数和环境图像;其中,网络数据传输的方式包括以下至少一种或其组合:蜂窝网络数据传输、ZigBee网络传输、有线局域网络传输、光纤网络传输;通过以下至少一种或其组合来获取环境成分参数:激光雷达设备、气体成分检测设备、水质检测设备、固体成分检测设备;通过以下至少一种或其组合来获取环境图像:工业相机、视频监控摄像头、车载视频摄像头。
在该实施例中,环境成分检测装置和环境图像获取装置可随机、广泛分布设置于城市各处,并通过网络数据传输的方式将其获取的数据发送至中心检测平台,具体地,根据与中心检测平台间的物理举例、高度差、遮挡建筑分布等情况,可选用如图6所示的蜂窝网络数据传输、ZigBee网络传输等无线网络传输手段,也可以选用有线局域网络传输、光纤网络传输等优先网络传输手段,其中,可通过激光雷达设备来获取环境成分参数,在没有激光雷达设备的情况下,也可以分别设置气体成分检测设备、水质检测设备、固体成分检测设备等来获取环境成分参数,或者通过气体成分检测设备、水质检测设备、固体成分检测设备等辅助激光雷达设备,更加精确的获取环境成分参数。通过工业相机、视频监控摄像头等固定图像获取装置获取固定位置的环境图像,同时可以辅助以车载视频摄像头,通过车辆的随机移动,获取固定图像获取装置无法获取的,多种角度的环境图像,使监控数据更加详尽。
在本发明的一个实施例中,优选地,环境的环境成分参数包括以下至少一种或其组合:环境水质成分检测参数、环境空气成分检测参数、地表综合环境成分检测参数;环境图像包括以下至少一种或其组合:环境水质图像、环境空气质量图像、地表综合环境图像。
在该实施例中,同时监控检测城市水源、空气和地标环境质量,可以实现多维度的环境检测,使环境监控数据更加详尽,在多个层次上满足环保工作的需要和人民实时掌握环境质量情况的需要。
如图7所示,在本发明第二发面的实施例中,提供了一种多维度的环境监控系统700,包括成分检测装置702、图像获取装置704和处理器706;成分检测装置702用于获取预设环境的环境成分参数;图像获取装置704用于获取预设环境的环境图像;处理器706用于分析环境成分参数以得到预设环境中颗粒物的成分数据;识别环境图像,对环境图像进行处理以得到预设环境的特征数据;汇总并存储同一时间维度下的成分数据和特征数据,以组成预设环境的监控数据。
在该实施例中,通过获取预设范围内环境的环境成分数据与环境图像,对环境成分数据进行分析以得到环境中多种组成物质的成分数据,对环境图像进行处理,得到当前环境场景的特征数据,将同一时间下,同一范围内的环境的成分数据和特征数据进行汇总保存,可以得到预设范围的环境的监控数据。采用本发明提供的技术方案,可以实时的获取环境中水、陆、空多维度的组成物的成分,实现对环境数据的实时检测,同时获取环境的场景特征数据,将相同地点、相同时间下的特征数据与环境成分数据汇总后一并保存,进而得到直观的、详尽的,反应环境特征与环境成分的监控数据,可使广大用户实时获取直观、详尽的环境监控数据,同时为预测环境质量变化提供数据基础。
在本发明的一个实施例中,优选地,如图8所示,多维度的环境监控系统800包括:成分检测装置802、图像获取装置804、处理器806和信息推送装置808;处理器806还用于根据监控数据评定预设环境当前的环境质量指数;信息推送装置808用于向用户终端推送环境质量指数。
在该实施例中,根据详细监控数据,对环境质量指数进行评定。具体地,根据空气有害气体成分及悬浮颗粒物成分对空气质量进行评定,根据水源中水质组成成分及杂质成分对水质质量进行评定,根据地面污染物覆盖比例及污染物成分对综合底面环境质量进行评分,最后得到每项环境质量的评分及总评分,通过官方网站、微信公众号、手机软件等方式向用户持有的手机等终端推送环境质量评分,同时也可以通过广播电台、电视节目或城市大屏幕向市民展示环境质量评分,使用户以及广大市民能实时地、详尽地掌握所处环境的环境质量,针对环境质量选择出行方式或改变穿着、提前做好对污染防护。
在本发明的一个实施例中,优选地,如图9所示,多维度的环境监控系统900包括:成分检测装置902、图像获取装置904、处理器906、信息推送装置908和数据存储装置910;数据存储装置910用于存储监控数据,以监控数据为基础积累环境学习样本;处理器906还用于建立学习模型,通过环境学习样本对学习模型进行训练,以生成环境趋势分析模型;通过环境趋势分析模型,依据环境成分参数和/或环境图像对预设时间段内预设环境进行预测。
在该实施例中,存储获取到的监控数据,以监控数据为基础积累学习样本,建立一个基于人工智能技术的学习模型,通过机器学习或深度学习的方式,以积累的学习样本训练学习模型,最终得到训练好的环境趋势分析模型后,可通过将获取到的环境成分和/或环境图像输入环境趋势分析模型,得到对预设时间段内环境变化的预测,实现对环境质量的“环境预报”,有效促进环保工作有针对性的施展,同时使用户可以提前做好对抗突发性环境污染的应对措施。
在本发明的一个实施例中,优选地,处理器通过网络数据传输的方式接收检测参数和环境图像;其中,网络数据传输的方式包括以下至少一种或其组合:蜂窝网络数据传输、ZigBee网络传输、有线局域网络传输、光纤网络传输;成分检测装置包括以下至少一种或其组合:激光雷达设备、气体成分检测设备、水质检测设备、固体成分检测设备;图像获取装置包括以下至少一种或其组合:工业相机、视频监控摄像头、车载视频摄像头。
在该实施例中,环境成分检测装置和环境图像获取装置可随机、广泛分布设置于城市各处,并通过网络数据传输的方式将其获取的数据发送至中心检测平台,具体地,根据与中心检测平台间的物理举例、高度差、遮挡建筑分布等情况,可选用蜂窝网络数据传输、ZigBee网络传输等无线网络传输手段,也可以选用有线局域网络传输、光纤网络传输等优先网络传输手段,其中,可通过激光雷达设备来获取环境成分参数,在没有激光雷达设备的情况下,也可以分别设置气体成分检测设备、水质检测设备、固体成分检测设备等来获取环境成分参数,或者通过气体成分检测设备、水质检测设备、固体成分检测设备等辅助激光雷达设备,更加精确的获取环境成分参数。通过工业相机、视频监控摄像头等固定图像获取装置获取固定位置的环境图像,同时可以辅助以车载视频摄像头,通过车辆的随机移动,获取固定图像获取装置无法获取的,多种角度的环境图像,使监控数据更加详尽。
在本发明的一个实施例中,优选地,环境的环境成分参数包括以下至少一种或其组合:环境水质成分检测参数、环境空气成分检测参数、地表综合环境成分检测参数;环境图像包括以下至少一种或其组合:环境水质图像、环境空气质量图像、地表综合环境图像。
在该实施例中,同时监控检测城市水源、空气和地标环境质量,可以实现多维度的环境检测,使环境监控数据更加详尽,在多个层次上满足环保工作的需要和人民实时掌握环境质量情况的需要。
在本发明第三方面的实施例中,提供了一种计算机设备,计算机装置包括处理器,处理器用于执行存储器中存储的计算机程序时实现如上述任一实施例中所述的多维度的环境监控方法,因此,该计算机设备包括上述任一实施例中所述的多维度的环境监控方法的全部有益效果。
在本发明第四方面的实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一实施例中所述的多维度的环境监控方法,因此,该计算机可读存储介质包括上述任一实施例中所述的多维度的环境监控方法的全部有益效果。
在本发明的描述中,术语“多个”则指两个或两个以上,除非另有明确的限定,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“连接”、“安装”、“固定”等均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种多维度的环境监控方法,其特征在于,包括:
获取预设环境的环境成分参数和环境图像;
分析所述环境成分参数以得到所述预设环境中的成分数据;
识别所述环境图像,对所述环境图像进行处理以得到所述预设环境的特征数据;
汇总并存储同一时间维度下的所述成分数据和所述特征数据,以组成所述预设环境的监控数据。
2.根据权利要求1所述的多维度的环境监控方法,其特征在于,还包括:
根据所述监控数据评定所述预设环境当前的环境质量指数;
向用户终端推送所述环境质量指数。
3.根据权利要求2所述的多维度的环境监控方法,其特征在于,还包括:
存储所述监控数据,以所述监控数据为基础积累环境学习样本;
建立学习模型,通过所述环境学习样本对所述学习模型进行训练,以生成环境趋势分析模型;
通过所述环境趋势分析模型,依据所述环境成分参数和/或所述环境图像对预设时间段内所述预设环境进行预测。
4.根据权利要求1至3中任一项所述的多维度的环境监控方法,其特征在于,
通过网络数据传输的方式接收所述检测参数和所述环境图像;
其中,所述网络数据传输的方式包括以下至少一种或其组合:
蜂窝网络数据传输、ZigBee网络传输、有线局域网络传输、光纤网络传输;
通过以下至少一种或其组合来获取所述环境成分参数:
激光雷达设备、气体成分检测设备、水质检测设备、固体成分检测设备;
通过以下至少一种或其组合来获取所述环境图像:
工业相机、视频监控摄像头、车载视频摄像头。
5.根据权利要求1至3中任一项所述的多维度的环境检测方法,其特征在于,所述环境的环境成分参数包括以下至少一种或其组合:
环境水质成分检测参数、环境空气成分检测参数、地表综合环境成分检测参数;
所述环境图像包括以下至少一种或其组合:
环境水质图像、环境空气质量图像、地表综合环境图像。
6.一种多维度的环境监控系统,其特征在于,包括:
成分检测装置,用于获取预设环境的环境成分参数;
图像获取装置,用于获取所述预设环境的环境图像;
处理器,用于分析所述环境成分参数以得到所述预设环境中颗粒物的成分数据;识别所述环境图像,对所述环境图像进行处理以得到所述预设环境的特征数据;汇总并存储同一时间维度下的所述成分数据和所述特征数据,以组成所述预设环境的监控数据。
7.根据权利要求6所述的多维度的环境监控系统,其特征在于,还包括:
所述处理器,还用于根据所述监控数据评定所述预设环境当前的环境质量指数;
信息推送装置,用于向用户终端推送所述环境质量指数。
8.根据权利要求7所述的多维度的环境监控系统,其特征在于,还包括:
数据存储装置,用于存储所述监控数据,以所述监控数据为基础积累环境学习样本;
所述处理器,还用于建立学习模型,通过所述环境学习样本对所述学习模型进行训练,以生成环境趋势分析模型;通过所述环境趋势分析模型,依据所述环境成分参数和/或所述环境图像对预设时间段内所述预设环境进行预测。
9.根据权利要求6至8中任一项所述的多维度的环境检测系统,其特征在于,
所述处理器通过网络数据传输的方式接收所述检测参数和所述环境图像;
其中,所述网络数据传输的方式包括以下至少一种或其组合:
蜂窝网络数据传输、ZigBee网络传输、有线局域网络传输、光纤网络传输;
所述成分检测装置包括以下至少一种或其组合:
激光雷达设备、气体成分检测设备、水质检测设备、固体成分检测设备;
所述图像获取装置包括以下至少一种或其组合:
工业相机、视频监控摄像头、车载视频摄像头。
10.根据权利要求6至8中任一项所述的多维度的环境检测系统,其特征在于,所述环境的环境成分参数包括以下至少一种或其组合:
环境水质成分检测参数、环境空气成分检测参数、地表综合环境成分检测参数;
所述环境图像包括以下至少一种或其组合:
环境水质图像、环境空气质量图像、地表综合环境图像。
11.一种计算机设备,其特征在于,述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5中任一项所述的多维度的环境监控方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的多维度的环境监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810533422.3A CN108931611A (zh) | 2018-05-29 | 2018-05-29 | 多维度的环境检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810533422.3A CN108931611A (zh) | 2018-05-29 | 2018-05-29 | 多维度的环境检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108931611A true CN108931611A (zh) | 2018-12-04 |
Family
ID=64449563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810533422.3A Pending CN108931611A (zh) | 2018-05-29 | 2018-05-29 | 多维度的环境检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108931611A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109682941A (zh) * | 2018-12-21 | 2019-04-26 | 山东师范大学 | 利用鱼类qrs间期评价水体重金属的方法、装置及系统 |
CN110171417A (zh) * | 2019-05-24 | 2019-08-27 | 无锡佶达德光电子技术有限公司 | 基于激光雷达的定速巡航装置 |
CN113590663A (zh) * | 2021-08-05 | 2021-11-02 | 苏州普瑞菲环保科技有限公司 | 一种环境检测方法及系统 |
CN115204689A (zh) * | 2022-07-19 | 2022-10-18 | 郑州航空工业管理学院 | 一种基于图像处理的智慧农业管理系统 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201298902Y (zh) * | 2008-11-04 | 2009-08-26 | 北京中科嘉和科技发展有限公司 | 带有环境监测数据的视频终端 |
CN102023202A (zh) * | 2010-09-25 | 2011-04-20 | 夏尔凡 | 水质实时监测系统 |
KR20110067964A (ko) * | 2009-12-15 | 2011-06-22 | 연세대학교 산학협력단 | 원격탐사 데이터를 이용한 수질 모니터링 방법 및 이를 이용한 수질 모니터링 장치 |
CN103324951A (zh) * | 2013-05-20 | 2013-09-25 | 北京工业大学 | 一种多元异构水环境监测数据评价与预警方法 |
CN103366250A (zh) * | 2013-07-12 | 2013-10-23 | 中国科学院深圳先进技术研究院 | 基于三维实景数据的市容环境检测方法及系统 |
CN103402078A (zh) * | 2013-07-30 | 2013-11-20 | 舒富喜 | 一种基于环境监测和视频监控的智能化监控操作系统 |
CN103647936A (zh) * | 2013-11-20 | 2014-03-19 | 广州杰赛科技股份有限公司 | 环境监测系统 |
CN104243852A (zh) * | 2013-06-21 | 2014-12-24 | 张振普 | 交通监控与环境信息采集系统 |
CN104913817A (zh) * | 2015-06-05 | 2015-09-16 | 李琪 | 多维度检测信息的指标生成系统及生成方法 |
CN104994353A (zh) * | 2015-07-10 | 2015-10-21 | 北京中电兴发科技有限公司 | 一种物联网网络监控方法及系统 |
CN105046454A (zh) * | 2015-09-01 | 2015-11-11 | 东北农业大学 | 流域水基环境管理决策支持系统 |
CN205029766U (zh) * | 2015-07-10 | 2016-02-10 | 北京中电兴发科技有限公司 | 一种物联网网络监控系统 |
CN105488101A (zh) * | 2015-11-13 | 2016-04-13 | 信阳师范学院华锐学院 | 一种获取空间地理环境信息的系统 |
CN105824280A (zh) * | 2016-03-16 | 2016-08-03 | 宁波市江东精诚自动化设备有限公司 | 一种物联网环保监控系统 |
CN106092195A (zh) * | 2016-06-21 | 2016-11-09 | 杨州 | 一种水环境监测系统 |
CN106338581A (zh) * | 2016-08-29 | 2017-01-18 | 刘洲 | 一种手机与检测仪连接并虚拟显示空气成分的装置 |
CN106596856A (zh) * | 2016-12-09 | 2017-04-26 | 山东理工大学 | 一种基于激光雷达和摄影测量的车辆污染物排放量实时监测方法 |
CN106645577A (zh) * | 2016-12-20 | 2017-05-10 | 清华大学合肥公共安全研究院 | 基于多旋翼无人机平台的有毒有害气体探测系统 |
CN107071716A (zh) * | 2017-06-14 | 2017-08-18 | 扬州大学 | 基于td-lte专网的水环境监测系统及方法 |
CN107065984A (zh) * | 2017-02-14 | 2017-08-18 | 江苏财经职业技术学院 | 基于物联网的水产养殖水质监测和预警系统 |
CN107104971A (zh) * | 2017-05-03 | 2017-08-29 | 哈尔滨工业大学 | 一种基于激光雷达和视频的联合监控方法、装置及系统 |
CN107370826A (zh) * | 2017-08-21 | 2017-11-21 | 北京盛世博创信息技术有限公司 | 多源融合构建环保大数据的方法、装置及系统 |
CN206959893U (zh) * | 2017-03-15 | 2018-02-02 | 谢龙芯 | 环境监测系统 |
CN107784313A (zh) * | 2016-08-25 | 2018-03-09 | 河北国呈电子科技有限公司 | 环境监测方法、装置及其结果处理方法、装置和监测系统 |
CN108020262A (zh) * | 2017-11-21 | 2018-05-11 | 北京恒华伟业科技股份有限公司 | 一种隧道环境数据显示方法及系统 |
-
2018
- 2018-05-29 CN CN201810533422.3A patent/CN108931611A/zh active Pending
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201298902Y (zh) * | 2008-11-04 | 2009-08-26 | 北京中科嘉和科技发展有限公司 | 带有环境监测数据的视频终端 |
KR20110067964A (ko) * | 2009-12-15 | 2011-06-22 | 연세대학교 산학협력단 | 원격탐사 데이터를 이용한 수질 모니터링 방법 및 이를 이용한 수질 모니터링 장치 |
CN102023202A (zh) * | 2010-09-25 | 2011-04-20 | 夏尔凡 | 水质实时监测系统 |
CN103324951A (zh) * | 2013-05-20 | 2013-09-25 | 北京工业大学 | 一种多元异构水环境监测数据评价与预警方法 |
CN104243852A (zh) * | 2013-06-21 | 2014-12-24 | 张振普 | 交通监控与环境信息采集系统 |
CN103366250A (zh) * | 2013-07-12 | 2013-10-23 | 中国科学院深圳先进技术研究院 | 基于三维实景数据的市容环境检测方法及系统 |
CN103402078A (zh) * | 2013-07-30 | 2013-11-20 | 舒富喜 | 一种基于环境监测和视频监控的智能化监控操作系统 |
CN103647936A (zh) * | 2013-11-20 | 2014-03-19 | 广州杰赛科技股份有限公司 | 环境监测系统 |
CN104913817A (zh) * | 2015-06-05 | 2015-09-16 | 李琪 | 多维度检测信息的指标生成系统及生成方法 |
CN104994353A (zh) * | 2015-07-10 | 2015-10-21 | 北京中电兴发科技有限公司 | 一种物联网网络监控方法及系统 |
CN205029766U (zh) * | 2015-07-10 | 2016-02-10 | 北京中电兴发科技有限公司 | 一种物联网网络监控系统 |
CN105046454A (zh) * | 2015-09-01 | 2015-11-11 | 东北农业大学 | 流域水基环境管理决策支持系统 |
CN105488101A (zh) * | 2015-11-13 | 2016-04-13 | 信阳师范学院华锐学院 | 一种获取空间地理环境信息的系统 |
CN105824280A (zh) * | 2016-03-16 | 2016-08-03 | 宁波市江东精诚自动化设备有限公司 | 一种物联网环保监控系统 |
CN106092195A (zh) * | 2016-06-21 | 2016-11-09 | 杨州 | 一种水环境监测系统 |
CN107784313A (zh) * | 2016-08-25 | 2018-03-09 | 河北国呈电子科技有限公司 | 环境监测方法、装置及其结果处理方法、装置和监测系统 |
CN106338581A (zh) * | 2016-08-29 | 2017-01-18 | 刘洲 | 一种手机与检测仪连接并虚拟显示空气成分的装置 |
CN106596856A (zh) * | 2016-12-09 | 2017-04-26 | 山东理工大学 | 一种基于激光雷达和摄影测量的车辆污染物排放量实时监测方法 |
CN106645577A (zh) * | 2016-12-20 | 2017-05-10 | 清华大学合肥公共安全研究院 | 基于多旋翼无人机平台的有毒有害气体探测系统 |
CN107065984A (zh) * | 2017-02-14 | 2017-08-18 | 江苏财经职业技术学院 | 基于物联网的水产养殖水质监测和预警系统 |
CN206959893U (zh) * | 2017-03-15 | 2018-02-02 | 谢龙芯 | 环境监测系统 |
CN107104971A (zh) * | 2017-05-03 | 2017-08-29 | 哈尔滨工业大学 | 一种基于激光雷达和视频的联合监控方法、装置及系统 |
CN107071716A (zh) * | 2017-06-14 | 2017-08-18 | 扬州大学 | 基于td-lte专网的水环境监测系统及方法 |
CN107370826A (zh) * | 2017-08-21 | 2017-11-21 | 北京盛世博创信息技术有限公司 | 多源融合构建环保大数据的方法、装置及系统 |
CN108020262A (zh) * | 2017-11-21 | 2018-05-11 | 北京恒华伟业科技股份有限公司 | 一种隧道环境数据显示方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109682941A (zh) * | 2018-12-21 | 2019-04-26 | 山东师范大学 | 利用鱼类qrs间期评价水体重金属的方法、装置及系统 |
CN110171417A (zh) * | 2019-05-24 | 2019-08-27 | 无锡佶达德光电子技术有限公司 | 基于激光雷达的定速巡航装置 |
CN110171417B (zh) * | 2019-05-24 | 2020-08-11 | 无锡佶达德光电子技术有限公司 | 基于激光雷达的定速巡航装置 |
CN113590663A (zh) * | 2021-08-05 | 2021-11-02 | 苏州普瑞菲环保科技有限公司 | 一种环境检测方法及系统 |
CN113590663B (zh) * | 2021-08-05 | 2023-05-02 | 苏州普瑞菲环保科技有限公司 | 一种环境检测方法及系统 |
CN115204689A (zh) * | 2022-07-19 | 2022-10-18 | 郑州航空工业管理学院 | 一种基于图像处理的智慧农业管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108931611A (zh) | 多维度的环境检测方法及系统 | |
Mihăiţă et al. | Evaluating air quality by combining stationary, smart mobile pollution monitoring and data-driven modelling | |
CN106353603B (zh) | 一种用于无线电的智能化云监测方法 | |
Calabrese et al. | Real-time urban monitoring using cell phones: A case study in Rome | |
Marjanović et al. | Air and noise pollution monitoring in the city of Zagreb by using mobile crowdsensing | |
CN103065472A (zh) | 实时路况分析方法及系统 | |
Guido et al. | Big data for public transportation: A DSS framework | |
CN109541628A (zh) | 一种天地一体化大气污染立体监测方法及监测系统 | |
CN107358314B (zh) | 一种热力图的处理方法及系统 | |
Wittmann et al. | A holistic framework for acquisition, processing and evaluation of vehicle fleet test data | |
CN105788280A (zh) | 一种基于车联网的智慧城市车辆自动追踪系统 | |
CN102938712A (zh) | 作业现场数字化管控系统 | |
CN106570147A (zh) | 一种基于gis路网分析的跳跃式视频追踪方法和系统 | |
CN109034624B (zh) | 一种基于位置服务数据的城市空气污染暴露评估方法 | |
CN109164737A (zh) | 一种应用于环境保护的物联网大数据平台 | |
Mihaita et al. | Air quality monitoring using stationary versus mobile sensing units: a case study from Lorraine, France | |
Czupich | The role of ICT in the smart city concept | |
CN110377679A (zh) | 一种基于轨迹定位数据的公共空间活力测度方法及系统 | |
Zhang et al. | Distribution patterns and influencing factors of population exposure risk to particulate matters based on cell phone signaling data | |
CN108777866A (zh) | 一种网络分析方法、服务器及网络系统 | |
Chourey et al. | SODAR based meteorological sensor network for air pollution monitoring in Northern India | |
Zhou et al. | Method for judging parking status based on yolov2 target detection algorithm | |
CN112330066A (zh) | 一种基于地理信息的台风期间出行风险预警的方法 | |
Chen et al. | Exploration and Implementation of Intelligent Park Information System based on Cloud Computing and Internet of Things. | |
CN115086972B (zh) | 一种分布式无线信号质量优化方法及系统 |
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: 20181204 |