CN109059870B - 基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法 - Google Patents
基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法 Download PDFInfo
- Publication number
- CN109059870B CN109059870B CN201810882187.0A CN201810882187A CN109059870B CN 109059870 B CN109059870 B CN 109059870B CN 201810882187 A CN201810882187 A CN 201810882187A CN 109059870 B CN109059870 B CN 109059870B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- information
- coal
- image
- 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
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 42
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 42
- 238000007689 inspection Methods 0.000 title claims description 9
- 238000000034 method Methods 0.000 title claims description 9
- 238000012544 monitoring process Methods 0.000 title abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000007613 environmental effect Effects 0.000 claims abstract description 7
- 230000010365 information processing Effects 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 4
- 238000009529 body temperature measurement Methods 0.000 claims description 2
- 239000003245 coal Substances 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 12
- 238000013500 data storage Methods 0.000 abstract description 3
- 238000009412 basement excavation Methods 0.000 abstract description 2
- 239000013618 particulate matter Substances 0.000 description 9
- 230000009471 action Effects 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 239000011324 bead Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0044—Furnaces, ovens, kilns
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Abstract
本发明公开了本发明的目的在于提供一种基于无人机航拍影像的燃煤锅炉大气污染物排放监管系统,通过无人机对目标地区影像的分析,可以自动分辨出违规开工的锅炉,并提供大气主要污染物的实时数据,为环保执法提供参考依据。本发明包括无人机搭载系统,实现低空影像、大气主要污染物指标的采集、存储,地理位置信息的标注;地面工作站,用于无人机搭载系统采集信息的数据存储、分析、挖掘、展示等功能的实现。
Description
技术领域
本发明涉及一种基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法。
背景技术
2013年,国务院发布《大气污染防治行动计划》要求,到2017年,全国地级及以上城市可吸入颗粒物(PM10)浓度下降10%以上,京津冀、长三角、珠三角等区域PM2.5浓度分别下降25%、20%、15%左右,其中北京市PM2.5年均浓度控制在60微克/立方米左右。监测数据显示,2017年,全国地级及以上城市PM10平均浓度比2013年下降22.7%;京津冀、长三角、珠三角等重点区域PM2.5平均浓度分别比2013年下降39.6%、34.3%、27.7%;北京市PM2.5年均浓度降至58微克/立方米。全面完成《大气十条》确定的环境空气质量改善目标。
为落实党中央、国务院要求,生态环境部编制了打赢蓝天保卫战三年行动计划,6月27日由国务院正式印发,其中提出环境空气质量目标:“经过3年努力,大幅减少主要大气污染物排放总量,协同减少温室气体排放,进一步明显降低PM2.5浓度,明显减少重污染天数,明显改善环境空气质量,明显增强人民的蓝天幸福感。到2020年,二氧化硫、氮氧化物排放总量分别比2015年下降15%以上;PM2.5未达标地级及以上城市浓度比2015年下降18%以上,地级及以上城市空气质量优良天数比率达到80%,重度及以上污染天数比率比2015年下降25%以上”。
《三年行动计划》将加快调整能源结构、构建清洁低碳高效能源体系作为重要举措,坚持发展非化石能源与清洁高效利用化石能源并举,着力补齐资源环境约束、质量效益不高、基础设施薄弱等短板。主要五条措施中包括:加大燃煤锅炉和炉窑整治力度。县级及以上城市建成区基本淘汰每小时10蒸吨及以下燃煤锅炉,重点区域每小时65蒸吨及以上燃煤锅炉全部完成节能和超低排放改造;加快淘汰中小型煤气发生炉。
虽然燃煤锅炉的监控工作经过人工拉网式的排查已经标记整改,为了确保环保工作的成效,解决监管效率低、人力资源消耗大、以及其他不可测因素的影响,有必要提供全天候智能管理系统。
发明内容
本发明的目的在于提供一种基于无人机航拍影像的燃煤锅炉大气污染物排放监管系统,通过无人机对目标地区影像的分析,可以自动分辨出违规开工的锅炉,并提供大气主要污染物的实时数据,为环保执法提供参考依据。
本发明包括无人机搭载系统,实现低空影像、大气主要污染物指标的采集、存储,地理位置信息的标注;地面工作站,用于无人机搭载系统采集信息的数据存储、分析、挖掘、展示等功能的实现。
无人机搭载系统包括无人机硬件和飞行控制功能模块、红外摄像功能模块、常规摄像功能模块、定位模块、数传存储模块、大气主要污染物传感器模块。实现多重影像、污染物数据、地理信息的采集、存储功能。
地面工作站提供数据传输、储存、分析、挖掘、展示等功能。包括主系统实现各业务系统的总控;信息处理子系统,实现影像数据的分析、自动比对甄别、地理信息叠加、污染物信息比对等功能;信息显示子系统实现数据与地理信息、污染物信息、可疑目标的叠加显示功能,并提供移动端、台式机、大屏幕多平台输出功能。地面工作站的硬件提供海量数据存储、运算系统支撑、网络传输功能、数据输出功能。
具体实施方式
基于无人机航拍影像的锅炉大气污染物排放监管系统对燃煤锅炉进行巡检的方法如下:
a)人工采集燃煤锅炉所在区域的影像信息,人工筛选出燃煤锅炉并作出标记;
b)建立识别样本数学模型,对燃煤锅炉制作成参考模型,并将参考模型存入信息处理子系统;
c)建立主要污染物扩散数学模型,对污染物浓度变化数据进行溯源分析,可实时调整无人机飞行路线,依据主要污染物的浓度数值变化核查污染源;
d)无人机将同步采集目标区域的视频信息、地理信息、主要污染物信息,并录入地面工作站;
e)无人机启动红外影像采集功能,利用红外温度测定模块对目标物的温度设定阀值,超出阀值的目标物进行实时标记报警,可确认为燃煤锅炉违法运行的执法参考依据;
f)信息处理子系统利用参考模型自动比对燃煤锅炉影像,自动进行甄别,同时叠加地理信息、主要污染物信息;对于不能确认的可以目标进行标记,进入人工甄别程序;
g)人工甄别后存储新的锅炉影像资料存储为影像样本,发送给信息处理系统;
h)信息处理子系统将新发现的锅炉影像样本进行存储学习,对数学模型进行迭代,以增加自动识别的能力;采用迭代的数学模型算法,将对目标的识别准确率大幅度提高,识别速度快,大大降低了人工的工作强度,提高了大气污染防治的能力和效率。
i)信息显示子系统将综合信息汇总,按需制成分时段污染物扩散图、主要污染物分布图、主要污染源清查图等;
j)然后按需推送给移动APP端、pc客户端等输出端口;
综上所述,应用所述的基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法有以下优点:
a)可以直接使用训练图像作为模型输入,避免了人工提取特征的过程,并可根据新的样本进行模型的迭代,提高了系统的可用性;
b)运用了关联性训练样本间关系的交互增强网络和图像的深度学习,提高了目标识别效率和准确度;
c)常规影像结合红外影像的对比,准确及时确定违法运营的燃煤锅炉开工情况,降低燃煤锅炉作为污染源的可能性;
d)依靠主要污染物浓度数值溯源数学模型,可及时调整无人机飞行路线,可快速协助确定污染源的具体位置;
现以燃煤锅炉主要污染物排放巡检为例说明工作原理:
首先,通过人工甄别燃煤锅炉和主要污染物排放信息的叠加,通过数学模型的建立,学习样本的多样性,同时对燃煤锅炉的红外影像的温度阀值进行叠加,形成以燃煤锅炉甄别为基础、主要大气污染物指标溯源为主要内容的巡检系统。
然后,将甄别出来的样本图像和主要污染物信息经图像处理模块处理后得到的样本信息输入到信息处理子系统,以图像像素为基本单元建立图像的学习网络方式,得到图像表达后,建立样本间关联性交互,通过住逐层学习的到样本间的关系表达,经过大量样本的训练后,得到燃煤锅炉的参考模型。
最后,将信息采集模块采集到的影像出入信息处理子系统,与图像处理模块中的参考模型进行比对,根据模型文件中存储的特征权重参数甄别无人机采集的影像数据。
Claims (1)
1.基于无人机航拍影像的燃煤锅炉大气污染物排放监管巡检方法,其特征在于,通过无人机对目标地区影像的分析,可以自动分辨出违规开工的锅炉,并提供大气主要污染物的实时数据,为环保执法提供参考依据;
基于无人机航拍影像的燃煤锅炉大气污染物排放监管巡检方法,包括常规指定路线巡检模式和利用大气主要污染物浓度数据的变化,溯源巡检模式;
基于无人机航拍影像的燃煤锅炉大气污染物排放监管巡检方法如下:
a)人工采集燃煤锅炉所在区域的影像信息,人工筛选出燃煤锅炉并作出标记;
b)建立识别样本数学模型,对燃煤锅炉制作成参考模型,并将参考模型存入信息处理子系统;
c)建立主要污染物扩散数学模型,对污染物浓度变化数据进行溯源分析,可实时调整无人机飞行路线,依据主要污染物的浓度数值变化核查污染源;
d)无人机将同步采集目标区域的视频信息、地理信息、主要污染物信息,并录入地面工作站;
e)无人机启动红外影像采集功能,利用红外温度测定模块对目标物的温度设定阀值,超出阀值的目标物进行实时标记报警,可确认为燃煤锅炉违法运行的执法参考依据;
f)信息处理子系统利用参考模型自动比对燃煤锅炉影像,自动进行甄别,同时叠加地理信息、主要污染物信息;对于不能确认的可以目标进行标记,进入人工甄别程序;
g)人工甄别后存储新的锅炉影像资料存储为影像样本,发送给信息处理系统;
h)信息处理子系统将新发现的锅炉影像样本进行存储学习,对数学模型进行迭代,以增加自动识别的能力;采用迭代的数学模型算法,将对目标的识别准确率大幅度提高,识别速度快,大大降低了人工的工作强度,提高了大气污染防治的能力和效率;
i)信息显示子系统将综合信息汇总,按需制成分时段污染物扩散图、主要污染物分布图、主要污染源清查图等;
j)然后按需推送给移动APP端、pc客户端等输出端口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810882187.0A CN109059870B (zh) | 2018-08-07 | 2018-08-07 | 基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810882187.0A CN109059870B (zh) | 2018-08-07 | 2018-08-07 | 基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109059870A CN109059870A (zh) | 2018-12-21 |
CN109059870B true CN109059870B (zh) | 2020-10-13 |
Family
ID=64831608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810882187.0A Active CN109059870B (zh) | 2018-08-07 | 2018-08-07 | 基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109059870B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110531030B (zh) * | 2019-08-16 | 2021-11-12 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
CN111103397A (zh) * | 2019-11-21 | 2020-05-05 | 浙江华珍科技有限公司 | 一种大气污染溯源监测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4266535B2 (ja) * | 2001-04-27 | 2009-05-20 | 株式会社シー・イー・デー・システム | 黒煙検知システム |
CN202923888U (zh) * | 2012-08-13 | 2013-05-08 | 中飞万通(北京)空间技术有限公司 | 光伏鹰式海域治理无人侦察机 |
CN103267577A (zh) * | 2013-04-23 | 2013-08-28 | 华中科技大学 | 高温烟气温度和气体组分浓度的检测方法 |
CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
CN104950708A (zh) * | 2015-06-02 | 2015-09-30 | 大连市环境监测中心 | 一种空中环境监测终端及环境应急监测部署系统 |
CN105892491A (zh) * | 2016-06-02 | 2016-08-24 | 张晟瑞 | 基于多旋翼遥控飞行器的烟气污染物综合信息监测系统 |
CN106203265A (zh) * | 2016-06-28 | 2016-12-07 | 江苏大学 | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 |
CN106769241A (zh) * | 2016-12-16 | 2017-05-31 | 常州市环境监测中心 | 一种用于大气采样检测及有毒有害气体预警监测的无人机 |
CN107860867A (zh) * | 2017-10-31 | 2018-03-30 | 合肥天鹰高科技有限公司 | 一种燃煤发电机组烟气排放在线监测系统 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
-
2018
- 2018-08-07 CN CN201810882187.0A patent/CN109059870B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4266535B2 (ja) * | 2001-04-27 | 2009-05-20 | 株式会社シー・イー・デー・システム | 黒煙検知システム |
CN202923888U (zh) * | 2012-08-13 | 2013-05-08 | 中飞万通(北京)空间技术有限公司 | 光伏鹰式海域治理无人侦察机 |
CN103267577A (zh) * | 2013-04-23 | 2013-08-28 | 华中科技大学 | 高温烟气温度和气体组分浓度的检测方法 |
CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
CN104950708A (zh) * | 2015-06-02 | 2015-09-30 | 大连市环境监测中心 | 一种空中环境监测终端及环境应急监测部署系统 |
CN105892491A (zh) * | 2016-06-02 | 2016-08-24 | 张晟瑞 | 基于多旋翼遥控飞行器的烟气污染物综合信息监测系统 |
CN106203265A (zh) * | 2016-06-28 | 2016-12-07 | 江苏大学 | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 |
CN106769241A (zh) * | 2016-12-16 | 2017-05-31 | 常州市环境监测中心 | 一种用于大气采样检测及有毒有害气体预警监测的无人机 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
CN107860867A (zh) * | 2017-10-31 | 2018-03-30 | 合肥天鹰高科技有限公司 | 一种燃煤发电机组烟气排放在线监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109059870A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531030B (zh) | 一种基于物联网大数据大气污染物分析的方法及装置 | |
CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
CN106529410B (zh) | 一种基于监控视频的灰霾扩散路径绘制与来源确定方法 | |
CN109444062B (zh) | 一种无人机载高排典型污染物差分吸收光谱检测方法 | |
CN110308104B (zh) | 一种大气污染物no2浓度监测方法及系统 | |
CN109059870B (zh) | 基于无人机航拍影像的锅炉大气污染物排放监管系统和巡检方法 | |
CN109883931B (zh) | 一种pm2.5在线源解析方法及测量系统 | |
Song et al. | Estimating uncertainties of source contributions to PM2. 5 using moving window evolving dispersion normalized PMF | |
Jin et al. | Inverse modeling of the 2021 spring super dust storms in East Asia | |
CN110006799A (zh) | 一种热点网格污染类型的分类方法 | |
CN205157546U (zh) | 一种带有质量等级评价功能的空气质量检测设备 | |
CN115578227A (zh) | 一种基于多源数据确定大气颗粒物污染重点区域的方法 | |
Mishra et al. | Air quality analysis and smog detection in smart cities for safer transport using Machine Learning (ML) Regression Models | |
CN114155457A (zh) | 基于火焰动态识别的控制方法及控制装置 | |
Zhao et al. | Application of data mining to the analysis of meteorological data for air quality prediction: A case study in Shenyang | |
CN109213840A (zh) | 基于多维特征深度学习的热点网格识别方法 | |
CN117092297A (zh) | 一种工业园区大气污染物的溯源方法、系统、设备及介质 | |
Royalty et al. | Aerosol properties observed in the subtropical North Pacific boundary layer | |
CN117312784A (zh) | 一种基于受体模型和大数据联用的污染源溯源方法 | |
Jiang et al. | Crowd sensing urban healthy street monitoring based on mobile positioning system | |
Cao et al. | A machine-learning-based classification method for meteorological conditions of ozone pollution | |
CN109459395B (zh) | 一种无人机载高排典型污染物差分吸收光谱检测设备 | |
CN110322015B (zh) | 车检数据生成方法 | |
Xu et al. | Automatic identification of factor profiles can be achieved by improved machine learning model | |
Hao et al. | Fine-grained PM2. 5 detection method based on crowdsensing |
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 |