CN108956484A - 一种一体化追踪污染源的方法和装置 - Google Patents

一种一体化追踪污染源的方法和装置 Download PDF

Info

Publication number
CN108956484A
CN108956484A CN201810403308.9A CN201810403308A CN108956484A CN 108956484 A CN108956484 A CN 108956484A CN 201810403308 A CN201810403308 A CN 201810403308A CN 108956484 A CN108956484 A CN 108956484A
Authority
CN
China
Prior art keywords
target
information
basin
water quality
drainage pipeline
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
Application number
CN201810403308.9A
Other languages
English (en)
Other versions
CN108956484B (zh
Inventor
杨立
段红波
周利雪
肖楚杭
李金龙
孟昭亮
杨正泰
张乾煜
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.)
Electric Environment Control Technology Co Ltd Jianshui
Original Assignee
Electric Environment Control Technology Co Ltd Jianshui
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 Electric Environment Control Technology Co Ltd Jianshui filed Critical Electric Environment Control Technology Co Ltd Jianshui
Priority to CN201810403308.9A priority Critical patent/CN108956484B/zh
Publication of CN108956484A publication Critical patent/CN108956484A/zh
Application granted granted Critical
Publication of CN108956484B publication Critical patent/CN108956484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明适用于信息处理技术领域，提供了一种一体化追踪污染源的方法和装置，其中，一种一体化追踪污染源的方法，利用卫星或无人机采集被监控流域对应的高光谱图像，无人船或水下机器人采集水质信息，从高光谱图像中确定出目标流域段，获取该目标流域段对应的水质信息，再基于水质信息，控制管道机器人对目标流域段对应的排水管道进行巡检，以确定目标排污路径，再根据该目标排污路径确定污染源，实现了当工业污水通过其他不在监控范围内的排污点和/或排水管道进行排放时，能够及时确定污染源。

Description

一种一体化追踪污染源的方法和装置
技术领域
本发明属于信息处理技术领域，尤其涉及一种一体化追踪污染源的方法和装置。
背景技术
随着城市扩张与工业发展，河流的污染问题变得越来越严重。在对河流污染源的调研中发现，工业污水直接排放至河流中，是导致河流被污染的主要原因。
虽然能够从对工业污水的污染源进行实时检测，以防止工业污水被直接排放至河流中，但是当工业污水通过其他不在监控范围内的排污点和排水管道进行排放时，则不容易被发现。
发明内容
有鉴于此，本发明实施例提供了一种一体化追踪污染源的方法和装置，可以在工业污水被运送至其他区域，或通过其他不在监控范围内的排污点和排水管道进行排放时，能够及时一体化追踪污染源。
本发明实施例的第一方面提供了一种一体化追踪污染源的方法，包括：
根据被监控流域对应的高光谱图像信息确定目标流域段，所述高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值；
获取所述目标流域段对应的水质信息；
基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径；
根据所述目标排污路径确定所述被监控流域对应的污染源。
本发明实施例的第二方面提供了一种一体化追踪污染源的装置，包括：
第一确定单元，用于根据被监控流域对应的高光谱图像信息确定目标流域段，所述高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值；
第一获取单元，用于获取所述目标流域段对应的水质信息；
第二确定单元，用于基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径；
第三确定单元，用于根据所述目标排污路径确定所述被监控流域对应的污染源。
本发明实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现上述第一方案所述方法的步骤。
本发明实施例利用卫星或无人机采集被监控流域对应的高光谱图像，无人船或水下机器人采集水质信息，从高光谱图像中确定出目标流域段，获取该目标流域段对应的水质信息，再基于水质信息，控制管道机器人对目标流域段对应的排水管道进行巡检，以确定目标排污路径，再根据该目标排污路径确定污染源，实现了当工业污水通过其他不在监控范围内的排污点和/或排水管道进行排放时，能够及时确定污染源。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种一体化追踪污染源的方法的实现流程示意图；
图2是本发明另一实施例提供的一种一体化追踪污染源的方法的实现流程示意图；
图3是本发明实施例中高光谱图像的示意图；
图4是本发明实施例中水质信息为酸碱度对应的水质污染分布图，
图5是本发明实施例提供中目标流域段对应的排水管道示意图；
图6是本发明实施例提供的一种一体化追踪污染源的装置的结构示意图；
图7是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，是本发明实施例提供一种一体化追踪污染源的方法的实现流程图，如图1所示一种一体化追踪污染源的方法可包括：
S11：根据被监控流域对应的高光谱图像信息确定目标流域段。
服务器根据被监控流域对应的高光谱图像信息确定目标流域段。
在步骤S11中，高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值，其中，待测物质包括：有色可溶性有机物(Colored Dissolved Organic Matter，CDOM)、悬浮物以及叶绿素a中的至少一种物质。目标流域段为被监控流域中通过对高光谱图像进行分析后得出的待测物质含量较高的流域段。
需要说明的是，高光谱图像信息是采用高光谱遥感技术对被监控流域进行高光谱图像采集得到。其中，高光谱遥感技术是在电磁波谱的可见光、近红外、中红外和热红外波段范围内，获取多个窄光谱(单色或单波长的光)的连续影像数据的技术，用于其成像的光谱仪可以收集到上百个窄光谱波段信息。
在本实施例中，高光谱图像信息可以通过飞行器或者卫星搭载用于采集高光谱图像的光谱仪，在被监控流域上空进行高光谱图像信息采集得到。在实际应用中，可以根据被监控流域中可能存在的待测物质进行对应的高光谱图像信息采集，即根据待测物的种类选择或者调试光谱仪的光谱波段。
至于何时根据被监控流域对应的高光谱图像信息确定目标流域段，可以包括但不仅限于以下场景。
若在预设检测周期内接收到飞行器采集到的高光谱图像信息，则根据被监控流域对应的高光谱图像信息确定目标流域段。
例如，服务器控制飞行器对被监控流域进行高光谱图像信息采集，使飞行器在预设检测周期内将采集到的高光谱图像信息发送给服务器，服务器根据被监控流域对应的高光谱图像信息确定目标流域段。
需要说明的是，在本场景中，预设检测周期可以根据被监控流域上下游的水流速度，或者该被监控流域的汛期或者枯水期而定。例如，被监控流域上下游的水流速度等于或大于预设流速时，对应的每个预设检测周期之间的间隔时长较短，被监控流域上下游的水流速度小于预设流速时，对应的每个预设检测周期之间的间隔时长较长。
S12：获取所述目标流域段对应的水质信息。
服务器获取所述目标流域段对应的水质信息。
在步骤S12中，目标流域段可以是被监控流域中的部分或全部流域段。水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
在本实施例中，水质信息可以是由无人船或者水下机器人在目标流域段内采集待测样品，并对样品进行水质分析后生成的信息。
作为本实施例一种可能实现的方式，当确定了目标流域段后，服务器控制无人船或者水下机器人在对目标流域段内进行样品采集，再由无人船或者水下机器人直接对采集到的样品进行水质分析，并将样品的水质分析结果发送给服务器，也即，将水质信息发送给服务器。
需要说明的是，在本发明的所有实施例中，只有当确定了目标流域段之后，才执行步骤S12，即当确定了目标流域段后，才获取目标流域段对应的水质信息。例如，若根据高光谱图像信息确定目标流域段，则获取目标流域段对应的水质信息。
可以理解的是，当无法确定目标流域段时，不执行步骤S12。例如，若无法根据高光谱图像信息确定目标流域段，则不获取目标流域段对应的水质信息。
S13：基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径。
服务器基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径。
在步骤S13中：水质信息为无人船或水下机器人在目标流域段进行水样品采集得到的样品，进行水质分析后得到的信息，用于描述目标流域段内的水质被污染程度和/或污染类型。水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
需要说明的是，排水管道可以根据其路径、节点位置或者用途分为两类，包括：污水管道排水管道和雨水管道。其中，排水管道居民的生活污水和工业排水管道排放的工业污水，属于污水管道。排水管道在本实施例中，目标流域段对应的排水管道为排污节点位于目标流域段内的污水管道或者雨水管道。
可以理解的，目标流域段内可以同时具有多个排水管道，对应地，控制管道机器人对目标流域段对应的排水管道进行巡检时，可以同时是控制多个管道机器人对目标流域段对应的排水管道进行巡检。
在本实施例中，管道机器人为水质监测机器人，通过控制管道机器人从目标流域段进入相应的排水管道进行巡检，使得管道机器人在对排水管道进行巡检时，实时生成与排水管道对应的污水信息，将污水信息与水质信息进行比对，即可确定目标排污路径。
S14：根据所述目标排污路径确定所述被监控流域对应的污染源。
服务器述目标排污路径确定被监控流域对应的污染源。
在步骤S14中，目标排污路径中可以包括两个或者多个节点，污染源为目标排污路径中污水违规排放的节点。
在本发明的所有实施例中，目标排污路径中可以包括N个节点，污染源至多为N-1个，其中，N为正整数。
需要说明的是，在确定了目标排污路径后，可以根据目标排污路径所在的位置确定目标排污路径中的全部节点，再从全部节点中查找出污染源。
统计工业企业的排污成分和地理位置，并在地图上标注出企业位置信息，同时叠加上节点图层，当某一节点出现污染时，根据监测数据，与节点周围的企业的排污成分做比对，确定污染企业。例如，将目标排污路径中的全部节点在地图上进行显示，从而确定节点周围的工业区或者具体的排污单位，进而确定出具体的污染源。
以上可以看出，本发明实施例利用卫星或无人机采集被监控流域对应的高光谱图像，无人船或水下机器人采集水质信息，从高光谱图像中确定出目标流域段，获取该目标流域段对应的水质信息，再基于水质信息，控制管道机器人对目标流域段对应的排水管道进行巡检，以确定目标排污路径，再根据该目标排污路径确定污染源，实现了当工业污水通过其他不在监控范围内的排污点和/或排水管道进行排放时，能够及时确定污染源。
参见图2，图2是本发明另一实施例提供一种一体化追踪污染源的方法的示意流程图。如图2所示，本发明另一实施例提供的一种一体化追踪污染源的方法，包括：
S21：根据被监控流域对应的高光谱图像信息确定目标流域段。
服务器根据被监控流域对应的高光谱图像信息确定目标流域段。
在步骤S21中，高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值，其中，待测物质包括：有色可溶性有机物CDOM、悬浮物以及叶绿素a中的至少一种物质。
图3示出了高光谱图像的示意图。如图3所示，区域A为被监控流域，区域B为被监控流域的两岸。
例如，在区域A与区域B之间的区域C为溶解性有机物浓度值异常的区域，则获取区域C中点C1坐标值和点C2的坐标值作为待测物质对应的区域坐标信息，根据点C1坐标值和点C2的坐标值确定两点之间的航道，也即确定点C1和点C2之间的流域段，并将点C1和点C2之间的流域段识别为目标流域段。
可以理解的是，根据高光谱图像信息确定目标流域段时，针对不同的待测物质可以有不同的高光谱图像信息，在本发明的其他实施例中，还可以通过判断待测物质的浓度值是否异常，从而于高光谱图像信息中查找出待测物质对应的区域坐标信息，并根据区域坐标信息将其对应的流域段识别为目标流域段。
S22：获取所述目标流域段对应的水质信息。
服务器获取所述目标流域段对应的水质信息。
在步骤S22中，目标流域段可以是被监控流域中的部分或全部流域段。
在本实施例中，水质信息可以是由无人船或者水下机器人在目标流域段内对水质进行监测，并实时生成的信息。
作为本实施例一种可能实现的方式，在步骤S21之后，步骤S22之前，还包括：识别所述目标流域段的坐标信息。步骤S22具体可以包括：根据所述坐标信息，控制无人船在所述目标流域段进行水质信息采集，得到所述水质信息，所述水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
可以理解的是，在本申请的所有实施例中，无人船可以有两种工作模式，监测和采样。无人船监测能马上获得目标流域段内的实时水质信息，当监测结束后即可获得目标流域段的水质信息分布图，当监测的过程中能得到水质信息中的某一项参数超标，则采集水样用于实验室进一步分析。
需要说明的是，浊度值用于反映水中悬浮物对光线透过时所发生的阻碍程度。水中的悬浮物一般是泥土、砂粒、微细的有机物和无机物、浮游生物、微生物和胶体物质等。浊度值不仅与水中悬浮物质的含量有关，而且与它们的大小、形状及折射系数等有关。酸碱度用于反映液体的酸碱性强烈程度，或者用于反映水中氢氧离子的浓度。溶解氧率用于描述单位体积液体所能吸收的氧气量。
S23：基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径。
服务器基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径。
在步骤S23中：水质信息为无人船或水下机器人在目标流域段进行水质监测得到的信息，用于描述目标流域段内的水质被污染程度和/或污染类型。水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
作为本实施例一种可能实现的方式，步骤S23具体可以包括：根据所述水质信息绘制水质污染分布图；获取所述目标流域段对应的排水管道分布图；根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息；根据污水信息与所述水质信息的比对结果确定所述目标排污路径。
需要说明的是，根据水质污染分布图与排水管道分布图，可以分析出具体的排水管道。
图4示出了水质信息为酸碱度对应的水质污染分布图，如图4所示，区域X与区域Z为酸碱度较高的区域，区域Y为酸碱度低的区域，区域K为酸碱度正常的区域。
以水质信息为酸碱度为例，对图4所示的水质污染分布图进行图像解析得到区域X的酸碱度为7、区域Y的酸碱度为6、区域Z酸碱度为8以及区域K的酸碱度为6.8，即可分析出区域X和区域Z是目标排污区域，结合城市管网分别图，即可分析出具体排污管道。
可以理解的是，本领域技术人员能够知晓根据获取的水质信息的内容不同，同一目标流域段在同一时刻可以对应不同的水质污染分布图，因此，根据不同的水质污染分布图，得到相应的水质信息的精确程度也有所不同，故此处不再对其他水质信息对应的水质污染分布图进行赘述。
作为本实施例一种可能实现的方式，排水管道包括城市管道和/或暗排管道。
根据所述水质污染分布图与所述排水管道分布图，可以分析出具体的排水管道，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息，具体包括：根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述城市管道进行巡检，以获取所述城市管道对应的第一污水信息；若第一污水信息与所述水质信息的比对结果不匹配，则对所述目标流域段进行声纳探测，以确定所述目标流域段内是否存在暗排管道；若所述目标流域段内存在暗排管道，则控制所述管道机器人对所述暗排管进行巡检，以获取所述暗排管道对应的污水信息。其中，声纳探测是利用暗管探测无人船携带的声纳进行探测。
可以理解的是，若第一污水信息与所述水质信息匹配，则将所述第一污水信息识别为所述污水信息。
进一步地，若所述目标流域段内存在暗排管道，则控制所述管道机器人对所述暗排管进行巡检，以获取所述暗排管道对应的污水信息，具体包括：当所述管道机器人无法进入所述暗排管道进行巡检时，则获取所述暗排管道的排污口的污水信息。其中，污水信息可以通过对暗管道进行取证得到。
需要说明的是，在实施例中，当目标流域段内存在暗排管道时，控制管道机器人对暗排管进行巡检过程中，如果管道机器人无法进入暗排管道进行巡检，则获取暗排管道的排污口的污水信息，根据该污水信息与水质信息的比对结果确定目标排污路径，也即根据暗排管道的排污口的污水信息的比对结果确定该暗排管道是否为目标排污路径。
在本实施例中，暗排管道为城市排污的管道以外，由他人擅自修建的排水管道，其位置和铺设走向无法确定。因此，在确定目标流域段内存在暗排管道时，需要对该暗排管道进行铺设走向和位置的确定。
作为本实施例另一种可能实现的方式，步骤S23具体可以包括：在控制所述管道机器人对所述排水管道进行巡检过程中，若所述管道机器人无法进入所述排水管道的分支进行巡检，则确定所述排水管道的分支位置；通过探地雷达以所述排水管道的分支位置为起点，对所述排水管道进行源头追溯，以确定目标排污路径。
当根据水质分布图与城市管道分布图分析不出具体排污管道或分析出的具体排污管道中监测到的水质信息与分布图中的不一致时，可判断出污染并非通过城市管网排放，此时则要使用暗管探测无人船进行声呐探测，探测出暗管位置并追溯至其陆地节点，然后再使用探地雷达最终追溯到污染源。
进一步地，根据污水信息与所述水质信息的比对结果确定所述目标排污路径，包括：若所述暗排管道的排污口的污水信息与所述水质信息相匹配，则通过声纳探测所述目标流域段内暗排管道的陆地节点；通过探地雷达以所述陆地节点为起始点对所述暗排管道进行源头追溯，以确定目标排污路径。
在本实施例中，城市管道可以包括工业排水管道和雨水管道。
图5示出了目标流域段对应的排水管道示意图，如图5所示，目标流域段D中包括排水管道10和排水管道20。
以排水管道10和排水管道20均为污水管道为例，控制管道机器人对目标流域段对应的排水管道进行巡检，具体是控制管道机器人对排水管道10和排水管道20进行巡检，分别获取排水管道10和排水管道20对应的污水信息。
如图5所示，排水管道可以包括一个、两个或者多个排污段。例如，当服务器控制管道机器人对排水管道20进行巡检时，管道机器人从节点21处进入排水管道20，管道机器人从节点21运动到节点22的同时，获取到节点21与节点22之间的污水信息，并将污水信息与水质信息进行比对，如果相互匹配，则管道机器人从节点22运动到节点23，如果节点22与节点23之间的污水信息与水质信息的比对结果为不匹配，则确定节点21与节点22之间的管道为目标排污路径。
再例如，当服务器控制管道机器人对排水管道10进行巡检时，管道机器人从节点11处进入排水管道10，管道机器人从节点11运动到节点12的同时，获取到节点11与节点12之间的污水信息，并将污水信息与水质信息进行比对，如果相互匹配，则管道机器人从节点12运动到节点13和节点14，如果节点12与节点13之间的污水信息与水质信息的比对结果为匹配，节点12与节点14之间的污水信息与水质信息的比对结果为不匹配，则控制管道机器人从节点13向节点15和节点16进行巡检，如果节点13与节点15之间的污水信息与水质信息的比对结果为匹配，节点13与节点16之间的污水信息与水质信息的比对结果为不匹配，则将节点15、节点13、节点12以及节点11组成的管道路径标识为目标排污路径。
S24：根据所述目标排污路径确定所述被监控流域对应的污染源。
服务器根据所述目标排污路径确定所述被监控流域对应的污染源。
在步骤S24中，目标排污路径中可以包括两个或者多个节点，污染源为目标排污路径中污水违规排放的节点。
作为本实施例一种可能实现的方式，步骤S24包括：获取所述目标排污路径中的排污节点的位置信息和第二污水信息，所述排污节点为所述目标排污路径中的起始点或者拐点；获取所述位置信息对应的企业单位信息；根据所述第二污水信息从所述企业单位信息中确定所述污染源。
需要说明的是，企业单位信息用于描述企业的经营类型或者业务等，根据已第二污水信息可以确定污水的来源主要是由哪些类型的企业所产生，再结合企业单位信息，进而可以从被监控流域中筛选出污染源。
例如，图5所示的排水管道10中，节点15、节点16、节点13、节点12以及节点11组成的管道路径为目标排污路径，污染源为节点15、节点16、节点13、节点12以及节点11。
再例如，图5所示的排水管道20中，节点21与节点22组成的管道路径为目标排污路径，污染源为节点21和节点22，或者节点21与节点22之间。
作为一种可能实现的方式，本实施例提供的一种一体化追踪污染源的方法还包括步骤S25。
S25：在所述被监控流域的排水管道分布图中显示所述污染源。
在步骤S25中，排水管道分布图用于展示被监控流域内的排水管道分布情况。
作为本实施例一种可能实现的方式，当未确定污染源时，排水管道中的节点不会被显示，即不被点亮，当确定了污染源时，排水管道中的节点则被显示，即被点亮显示。
以上可以看出，本发明实施例利用卫星或无人机采集被监控流域对应的高光谱图像，无人船或水下机器人采集水质信息，从高光谱图像中确定出目标流域段，获取该目标流域段对应的水质信息，再基于水质信息，控制管道机器人对目标流域段对应的排水管道进行巡检，以确定目标排污路径，再根据该目标排污路径确定污染源，实现了当工业污水通过其他不在监控范围内的排污点和/或排水管道进行排放时，能够及时确定污染源。
通过在被监控流域的排水管道分布图中显示污染源，可以更直观地体现污染源的具体位置，便于监管方对污染源位置的确定，提高了取证效率。
参见图6，图6是本发明实施例提供的一种一体化追踪污染源的装置的示意性框图。本实施例的一种一体化追踪污染源的装置30包括：第一确定单元31、第一获取单元32、第二确定单元33以及第三确定单元34。具体地：
第一确定单元31，用于根据被监控流域对应的高光谱图像信息确定目标流域段，所述高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值。
作为本实施例一种可能实现的方式，一种一体化追踪污染源的装置30还包括：识别单元。
识别单元，用于识别所述目标流域段的坐标信息。
第一获取单元32，用于获取所述目标流域段对应的水质信息。
作为本实施例一种可能实现的方式，第一获取单元32具体用于：根据所述坐标信息，控制无人船在所述目标流域段进行水质信息采集，得到所述水质信息，所述水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
第二确定单元33，用于基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径。
作为本实施例一种可能实现的方式，第二确定单元33具体用于，根据所述水质信息绘制水质污染分布图；获取所述目标流域段对应的排水管道分布图；根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息；根据污水信息与所述水质信息的比对结果确定所述目标排污路径。
进一步，第二确定单元33具体用于，根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述城市管道进行巡检，以获取所述城市管道对应的第一污水信息；若第一污水信息与所述水质信息的比对结果不匹配，则对所述目标流域段进行声纳探测，以确定所述目标流域段内是否存在暗排管道；若所述目标流域段内存在暗排管道，则控制所述管道机器人对所述暗排管进行巡检，以获取所述暗排管道对应的污水信息。
进一步，第二确定单元33具体用于，当所述管道机器人无法进入所述暗排管道进行巡检时，则获取所述暗排管道的排污口的污水信息。其中，污水信息可以通过对暗管道进行取证得到。
作为本实施例另一种可能实现的方式，第二确定单元33具体用于，在控制所述管道机器人对所述排水管道进行巡检过程中，若所述管道机器人无法进入所述排水管道的分支进行巡检，则确定所述排水管道的分支位置；通过探地雷达以所述排水管道的分支位置为起点，对所述排水管道进行源头追溯，以确定目标排污路径。
第三确定单元34，用于根据所述目标排污路径确定所述被监控流域对应的污染源。
作为本实施例一种可能实现的方式，第三确定单元34具体用于，获取所述目标排污路径中的排污节点的位置信息和第二污水信息，所述排污节点为所述目标排污路径中的起始点或者拐点；获取所述位置信息对应的企业单位信息；根据所述第二污水信息从所述企业单位信息中确定所述污染源。
作为本申请另一优选的实施例，一种一体化追踪污染源的装置30还包括：显示单元35。
显示单元35，用于在所述被监控流域的排水管道分布图中显示所述污染源。
以上可以看出，本发明实施例利用卫星或无人机采集被监控流域对应的高光谱图像，无人船或水下机器人采集水质信息，从高光谱图像中确定出目标流域段，获取该目标流域段对应的水质信息，再基于水质信息，控制管道机器人对目标流域段对应的排水管道进行巡检，以确定目标排污路径，再根据该目标排污路径确定污染源，实现了当工业污水通过其他不在监控范围内的排污点和/或排水管道进行排放时，能够及时确定污染源。
通过在被监控流域的排水管道分布图中显示污染源，可以更直观地体现污染源的具体位置，便于监管方对污染源位置的确定，提高了取证效率。
参见图7，是本发明另一实施例提供的一种终端示意框图。如图所示的本实施例中的终端可以包括：一个或多个处理器401；一个或多个输入设备402，一个或多个输出设备403和存储器404。上述处理器401、输入设备402、输出设备403和存储器404通过总线405连接。存储器402用于存储，计算机程序包括指令，处理器401通过调用存储器402存储的计算机程序执行如下操作：
处理器401用于：根据被监控流域对应的高光谱图像信息确定目标流域段，所述高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值。
处理器401用于：获取所述目标流域段对应的水质信息。
处理器401用于：基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径。
处理器401用于：根据所述目标排污路径确定所述被监控流域对应的污染源。
处理器401还用于：在所述被监控流域的排水管道分布图中显示所述污染源。
处理器401还用于：识别所述目标流域段的坐标信息。
处理器401具体用于：根据所述坐标信息，控制无人船在所述目标流域段进行水质信息采集，得到所述水质信息，所述水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
作为本实施例一种可能实现的方式，处理器401具体用于：根据所述水质信息绘制水质污染分布图；获取所述目标流域段对应的排水管道分布图；根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息；根据污水信息与所述水质信息的比对结果确定所述目标排污路径。
所述排水管道包括城市管道和/或暗排管道，处理器401具体用于：所述根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息，包括：根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述城市管道进行巡检，以获取所述城市管道对应的第一污水信息；若第一污水信息与所述水质信息的比对结果不匹配，则对所述目标流域段进行声纳探测，以确定所述目标流域段内是否存在暗排管道；若所述目标流域段内存在暗排管道，则控制所述管道机器人对所述暗排管进行巡检，以获取所述暗排管道对应的污水信息。
处理器401具体用于：当所述管道机器人无法进入所述暗排管道进行巡检时，则获取所述暗排管道的排污口的污水信息。
处理器401具体用于：若所述暗排管道的排污口的污水信息与所述水质信息相匹配，则通过声纳探测所述目标流域段内暗排管道的陆地节点；通过探地雷达以所述陆地节点为起始点对所述暗排管道进行源头追溯，以确定目标排污路径。
作为本实施例另一种可能实现的方式，处理器401具体用于：在控制所述管道机器人对所述排水管道进行巡检过程中，若所述管道机器人无法进入所述排水管道的分支进行巡检，则确定所述排水管道的分支位置；通过探地雷达以所述排水管道的分支位置为起点，对所述排水管道进行源头追溯，以确定目标排污路径。
处理器401具体用于：获取所述目标排污路径中的排污节点的位置信息和第二污水信息，所述排污节点为所述目标排污路径中的起始点或者拐点；获取所述位置信息对应的企业单位信息；根据所述第二污水信息从所述企业单位信息中确定所述污染源。
应当理解，在本发明实施例中，所称处理器501可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备402可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备403可以包括显示器(LCD等)、扬声器等。
该存储器404可以包括只读存储器和随机存取存储器，并向处理器401提供指令和数据。存储器404的一部分还可以包括非易失性随机存取存储器。例如，存储器404还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器401、输入设备402、输出设备403可执行本发明实施例提供的一种终端设备400的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的设备的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现：
根据被监控流域对应的高光谱图像信息确定目标流域段，所述高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值；
获取所述目标流域段对应的水质信息；
基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径；
根据所述目标排污路径确定所述被监控流域对应的污染源。
作为本实施例一种可能实现的方式，所述待测物质包括：有色可溶性有机物CDOM、悬浮物以及叶绿素a中的至少一种物质；所述计算机程序被处理器执行时还实现：
识别所述目标流域段的坐标信息。
所述计算机程序被处理器执行时还实现：
根据所述坐标信息，控制无人船在所述目标流域段进行水质信息采集，得到所述水质信息，所述水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
所述计算机程序被处理器执行时还实现：
根据所述水质信息绘制水质污染分布图；
获取所述目标流域段对应的排水管道分布图；
根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息；
根据污水信息与所述水质信息的比对结果确定所述目标排污路径。
所述排水管道包括城市管道和/或暗排管道；所述计算机程序被处理器执行时还实现：
根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述城市管道进行巡检，以获取所述城市管道对应的第一污水信息；
若第一污水信息与所述水质信息的比对结果不匹配，则对所述目标流域段进行声纳探测，以确定所述目标流域段内是否存在暗排管道；
若所述目标流域段内存在暗排管道，则控制所述管道机器人对所述暗排管进行巡检，以获取所述暗排管道对应的污水信息。
所述计算机程序被处理器执行时还实现：
当所述管道机器人无法进入所述暗排管道进行巡检时，则获取所述暗排管道的排污口的污水信息。
所述计算机程序被处理器执行时还实现：
若所述暗排管道的排污口的污水信息与所述水质信息相匹配，则通过声纳探测所述目标流域段内暗排管道的陆地节点；
通过探地雷达以所述陆地节点为起始点对所述暗排管道进行源头追溯，以确定目标排污路径。
所述计算机程序被处理器执行时还实现：
在控制所述管道机器人对所述排水管道进行巡检过程中，若所述管道机器人无法进入所述排水管道的分支进行巡检，则确定所述排水管道的分支位置；
通过探地雷达以所述排水管道的分支位置为起点，对所述排水管道进行源头追溯，以确定目标排污路径。
所述计算机程序被处理器执行时还实现：
获取所述目标排污路径中的排污节点的位置信息和第二污水信息，所述排污节点为所述目标排污路径中的起始点或者拐点；获取所述位置信息对应的企业单位信息；根据所述第二污水信息从所述企业单位信息中确定所述污染源。
以上可以看出，本发明实施例利用卫星或无人机采集被监控流域对应的高光谱图像，无人船或水下机器人采集水质信息，从高光谱图像中确定出目标流域段，获取该目标流域段对应的水质信息，再基于水质信息，控制管道机器人对目标流域段对应的排水管道进行巡检，以确定目标排污路径，再根据该目标排污路径确定污染源，实现了当工业污水通过其他不在监控范围内的排污点和/或排水管道进行排放时，能够及时确定污染源。
通过在被监控流域的排水管道分布图中显示污染源，可以更直观地体现污染源的具体位置，便于监管方对污染源位置的确定，提高了取证效率。
所述计算机可读存储介质可以是前述任一实施例所述的设备的内部存储单元，例如计算机的硬盘或内存。所述计算机可读存储介质也可以是所述设备的外部存储设备，例如所述设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
另外，在本发明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，也可以是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，本发明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)执行本发明各个实施例所述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-OnlyMemory)、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，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种一体化追踪污染源的方法，其特征在于，包括：
根据被监控流域对应的高光谱图像信息确定目标流域段，所述高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值；
获取所述目标流域段对应的水质信息；
基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径；
根据所述目标排污路径确定所述被监控流域对应的污染源。
2.如权利要求1所述的方法，其特征在于，所述待测物质包括：有色可溶性有机物CDOM、悬浮物以及叶绿素a中的至少一种物质；
所述根据被监控流域对应的高光谱图像信息确定目标流域段之后，还包括：
识别所述目标流域段的坐标信息；
所述获取所述目标流域段对应的水质信息，包括：
根据所述坐标信息，控制无人船在所述目标流域段进行水质信息采集，得到所述水质信息，所述水质信息包括：浊度、酸碱度、温度、溶解氧率以及电导率中的至少一种。
3.如权利要求2所述的方法，其特征在于，所述基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径，包括：
根据所述水质信息绘制水质污染分布图；
获取所述目标流域段对应的排水管道分布图；
根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息；
根据污水信息与所述水质信息的比对结果确定所述目标排污路径；
所述排水管道包括城市管道和/或暗排管道；所述根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述排水管道进行巡检，以获取所述排水管道对应的污水信息，包括：
根据所述水质污染分布图与所述排水管道分布图，控制所述管道机器人对所述城市管道进行巡检，以获取所述城市管道对应的第一污水信息；
若第一污水信息与所述水质信息的比对结果不匹配，则对所述目标流域段进行声纳探测，以确定所述目标流域段内是否存在暗排管道；
若所述目标流域段内存在暗排管道，则控制所述管道机器人对所述暗排管进行巡检，以获取所述暗排管道对应的污水信息。
4.如权利要求3所述的方法，其特征在于，所述若所述目标流域段内存在暗排管道，则控制所述管道机器人对所述暗排管进行巡检，以获取所述暗排管道对应的污水信息，包括：
当所述管道机器人无法进入所述暗排管道进行巡检时，则获取所述暗排管道的排污口的污水信息。
5.如权利要求4所述的方法，其特征在于，所述根据污水信息与所述水质信息的比对结果确定所述目标排污路径，包括：
若所述暗排管道的排污口的污水信息与所述水质信息相匹配，则通过声纳探测所述目标流域段内暗排管道的陆地节点；
通过探地雷达以所述陆地节点为起始点对所述暗排管道进行源头追溯，以确定目标排污路径。
6.如权利要求1所述的方法，其特征在于，所述基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径，包括：
在控制所述管道机器人对所述排水管道进行巡检过程中，若所述管道机器人无法进入所述排水管道的分支进行巡检，则确定所述排水管道的分支位置；
通过探地雷达以所述排水管道的分支位置为起点，对所述排水管道进行源头追溯，以确定目标排污路径。
7.如权利要求1至6任一项所述的方法，其特征在于，所述根据所述目标排污路径确定所述被监控流域对应的污染源，包括：
获取所述目标排污路径中的排污节点的位置信息和第二污水信息，所述排污节点为所述目标排污路径中的起始点或者拐点；
获取所述位置信息对应的企业单位信息；
根据所述第二污水信息从所述企业单位信息中确定所述污染源。
8.一种一体化追踪污染源的装置，其特征在于，包括：
第一确定单元，用于根据被监控流域对应的高光谱图像信息确定目标流域段，所述高光谱图像信息用于反映所述被监控流域中的待测物质的浓度值；
第一获取单元，用于获取所述目标流域段对应的水质信息；
第二确定单元，用于基于所述水质信息，控制管道机器人对所述目标流域段对应的排水管道进行巡检，以确定目标排污路径；
第三确定单元，用于根据所述目标排污路径确定所述被监控流域对应的污染源。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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7任一项所述方法的步骤。
CN201810403308.9A 2018-04-28 2018-04-28 一种一体化追踪污染源的方法和装置 Active CN108956484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810403308.9A CN108956484B (zh) 2018-04-28 2018-04-28 一种一体化追踪污染源的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810403308.9A CN108956484B (zh) 2018-04-28 2018-04-28 一种一体化追踪污染源的方法和装置

Publications (2)

Publication Number Publication Date
CN108956484A true CN108956484A (zh) 2018-12-07
CN108956484B CN108956484B (zh) 2021-07-16

Family

ID=64499558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810403308.9A Active CN108956484B (zh) 2018-04-28 2018-04-28 一种一体化追踪污染源的方法和装置

Country Status (1)

Country Link
CN (1) CN108956484B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244002A (zh) * 2019-06-11 2019-09-17 徐州工业职业技术学院 一种基于无人机系统的大气污染源追踪方法
CN110262601A (zh) * 2019-07-11 2019-09-20 解玉梅 一种生态环境监测系统及方法
CN110598639A (zh) * 2019-09-12 2019-12-20 深圳市宇驰环境技术有限公司 无人船的排污口排查方法、排查装置、无人船及存储介质
CN110850030A (zh) * 2019-11-18 2020-02-28 山东汇力环保科技有限公司 一种微型空气站及环境监测方法
CN111026138A (zh) * 2020-01-03 2020-04-17 苏州创飞智能科技有限公司 一种基于三维动态航道的管理监控系统
CN111161119A (zh) * 2019-12-19 2020-05-15 福建省高创环境科技股份有限公司 一种水陆两用管道溯源设备及其方法
CN111308039A (zh) * 2020-03-19 2020-06-19 无锡德林海环保科技股份有限公司 一种网格化水质实时监测方法及系统
CN112101167A (zh) * 2020-09-08 2020-12-18 广东新禾道信息科技有限公司 一种遥感影像数据处理方法及装置
CN112326917A (zh) * 2021-01-05 2021-02-05 深圳市本特利科技有限公司 一种水环境污染溯源系统
CN113221657A (zh) * 2021-04-13 2021-08-06 深圳中科保泰科技有限公司 面向水岸事件的空中ai采查预警方法和装置
CN113919806A (zh) * 2021-10-11 2022-01-11 昆仑(重庆)河湖生态研究院(有限合伙) 一种防洪救灾管理系统
CN117172429A (zh) * 2023-11-02 2023-12-05 北京建工环境修复股份有限公司 一种基于生物信息学的污水处理方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100121491A1 (en) * 2008-11-11 2010-05-13 Industrial Technology Research Institute Method for tracking pollution source in process water
CN102700695A (zh) * 2012-07-09 2012-10-03 长沙理工大学 河道违规排污侦测机器鱼
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
CN202911938U (zh) * 2012-11-14 2013-05-01 河海大学 水下仿生机器人与水质检测传感器集成系统
CN103604423A (zh) * 2013-11-22 2014-02-26 中国科学院南京地理与湖泊研究所 一种浅水湖泊遥感野外自动监测系统及监测方法
CN105137993A (zh) * 2015-09-09 2015-12-09 广州睿航电子科技有限公司 一种用于无人船的污染源追踪方法及系统
CN106125159A (zh) * 2016-07-29 2016-11-16 华中科技大学 一种水域污染源自动探测方法
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
CN107222717A (zh) * 2017-06-20 2017-09-29 上海大学 一种河道污染源跟踪系统
CN206725423U (zh) * 2017-02-20 2017-12-08 天津亿量科技有限公司 一种机载高光谱成像的航道监测系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100121491A1 (en) * 2008-11-11 2010-05-13 Industrial Technology Research Institute Method for tracking pollution source in process water
CN102700695A (zh) * 2012-07-09 2012-10-03 长沙理工大学 河道违规排污侦测机器鱼
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
CN202911938U (zh) * 2012-11-14 2013-05-01 河海大学 水下仿生机器人与水质检测传感器集成系统
CN103604423A (zh) * 2013-11-22 2014-02-26 中国科学院南京地理与湖泊研究所 一种浅水湖泊遥感野外自动监测系统及监测方法
CN105137993A (zh) * 2015-09-09 2015-12-09 广州睿航电子科技有限公司 一种用于无人船的污染源追踪方法及系统
CN106125159A (zh) * 2016-07-29 2016-11-16 华中科技大学 一种水域污染源自动探测方法
CN206725423U (zh) * 2017-02-20 2017-12-08 天津亿量科技有限公司 一种机载高光谱成像的航道监测系统
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
CN107222717A (zh) * 2017-06-20 2017-09-29 上海大学 一种河道污染源跟踪系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹起铜等: "管线探测在河道污染源确定中的应用", 《地矿测绘》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244002A (zh) * 2019-06-11 2019-09-17 徐州工业职业技术学院 一种基于无人机系统的大气污染源追踪方法
CN110262601A (zh) * 2019-07-11 2019-09-20 解玉梅 一种生态环境监测系统及方法
CN110598639A (zh) * 2019-09-12 2019-12-20 深圳市宇驰环境技术有限公司 无人船的排污口排查方法、排查装置、无人船及存储介质
CN110850030A (zh) * 2019-11-18 2020-02-28 山东汇力环保科技有限公司 一种微型空气站及环境监测方法
CN111161119A (zh) * 2019-12-19 2020-05-15 福建省高创环境科技股份有限公司 一种水陆两用管道溯源设备及其方法
CN111026138A (zh) * 2020-01-03 2020-04-17 苏州创飞智能科技有限公司 一种基于三维动态航道的管理监控系统
CN111026138B (zh) * 2020-01-03 2022-01-18 苏州创飞智能科技有限公司 一种基于三维动态航道的管理监控系统
CN111308039A (zh) * 2020-03-19 2020-06-19 无锡德林海环保科技股份有限公司 一种网格化水质实时监测方法及系统
CN112101167B (zh) * 2020-09-08 2021-05-14 广东新禾道信息科技有限公司 一种遥感影像数据处理方法及装置
CN112101167A (zh) * 2020-09-08 2020-12-18 广东新禾道信息科技有限公司 一种遥感影像数据处理方法及装置
CN112326917A (zh) * 2021-01-05 2021-02-05 深圳市本特利科技有限公司 一种水环境污染溯源系统
CN112326917B (zh) * 2021-01-05 2021-03-23 深圳市本特利科技有限公司 一种水环境污染溯源系统
CN113221657A (zh) * 2021-04-13 2021-08-06 深圳中科保泰科技有限公司 面向水岸事件的空中ai采查预警方法和装置
CN113221657B (zh) * 2021-04-13 2024-04-26 深圳块织类脑智能科技有限公司 面向水岸事件的空中ai采查预警方法和装置
CN113919806A (zh) * 2021-10-11 2022-01-11 昆仑(重庆)河湖生态研究院(有限合伙) 一种防洪救灾管理系统
CN117172429A (zh) * 2023-11-02 2023-12-05 北京建工环境修复股份有限公司 一种基于生物信息学的污水处理方法及系统
CN117172429B (zh) * 2023-11-02 2024-02-02 北京建工环境修复股份有限公司 一种基于生物信息学的污水处理方法及系统

Also Published As

Publication number Publication date
CN108956484B (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
CN108956484A (zh) 一种一体化追踪污染源的方法和装置
US11054357B2 (en) Mobile microscopy system for air quality monitoring
Karlsson et al. Comparison between manta trawl and in situ pump filtration methods, and guidance for visual identification of microplastics in surface waters
Sollazzo et al. Hybrid procedure for automated detection of cracking with 3D pavement data
CN112684134B (zh) 基于关联分析的水环境分析方法、系统、终端和存储介质
CN210895538U (zh) 水质智能监管装置和设备
CN101900687A (zh) 一种基于图像处理的小型水域水华监测预警方法
Zeroual et al. Integrating model-based observer and Kullback–Leibler metric for estimating and detecting road traffic congestion
CN115544919B (zh) 一种气流体污染物排放源的溯源方法及装置
KR20160116715A (ko) 증강현실 기반의 해양 모니터링 시스템, 서버 및 그 방법
Rios-Fuster et al. Ubiquitous vertical distribution of microfibers within the upper epipelagic layer of the western Mediterranean Sea
CN113449419B (zh) 基于大数据技术判断水污染源的方法和装置
CN110298410A (zh) 基于深度学习的低对比度图像中弱目标检测方法及装置
Moreno-Rodenas et al. Deep-learning based monitoring of FOG layer dynamics in wastewater pumping stations
CN104656100A (zh) 一种行扫描高光谱实时异常探测方法与系统
CN108732313A (zh) 城市空气污染物浓度智能观测系统
Cao et al. Ship fuel sulfur content prediction based on convolutional neural network and ultraviolet camera images
CN110458147B (zh) 人工智能云计算非应用感应器的液体气体污染排放监控方法
Magrì et al. Application of machine learning techniques to derive sea water turbidity from Sentinel-2 imagery
CN205449792U (zh) 一种水质采样装置及其监测系统
Chen et al. Rapid Mass Conversion for Environmental Microplastics of Diverse Shapes
CN110377869A (zh) 一种海洋浮标污染源寻找方法
Bartos et al. Observability-based sensor placement improves contaminant tracing in river networks
CN114359731A (zh) 一种基于无人机热红外遥感的污水暗排检测溯源方法
Satish et al. Trophic status estimation of case-2 water bodies of the Godavari River basin using satellite imagery and artificial neural network (ANN)

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
CB02 Change of applicant information

Address after: 518000, Guangdong, Baoan District, Xin'an Xin'an Street 1003 Shenzhen Road, No. six financial port C block

Applicant after: China Power Construction Ecological Environment Group Co., Ltd

Address before: 518000, Guangdong, Baoan District, Xin'an Xin'an Street 1003 Shenzhen Road, No. six financial port C block

Applicant before: The electric environment control technology Co Ltd Jianshui

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant