CN109916957A - 一种基于红外信号的落叶含水率测量方法 - Google Patents
一种基于红外信号的落叶含水率测量方法 Download PDFInfo
- Publication number
- CN109916957A CN109916957A CN201910178328.5A CN201910178328A CN109916957A CN 109916957 A CN109916957 A CN 109916957A CN 201910178328 A CN201910178328 A CN 201910178328A CN 109916957 A CN109916957 A CN 109916957A
- Authority
- CN
- China
- Prior art keywords
- infrared signal
- fallen leaves
- short
- term
- moisture content
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于红外信号的落叶含水率测量方法，包括以下步骤：获取落叶的短时红外信号数据；根据得到的红外信号数据计算能量值序列；计算能量值序列的平均值作为判断落叶含水率的特征值；将能量值序列的平均值转换为落叶含水率，得到准确的落叶含水率。本发明能够在各种林区环境及自然环境下，准确的得到落叶层含水率，适用性强，无需人工干预。
Description
技术领域
本发明涉及林区环境状态监控及林业防火信息技术领域，特别是涉及一种基于红外信号的落叶含水率测量方法。
背景技术
目前，林区环境状态监控及林业防火信息技术领域都涉及到一个核心问题，即落叶层的含水率的获取，这直接关系到林区环境的控制及林区的防火等级的判定。系统是否能够在各种林区环境及自然环境下，全天时全天候的获得准确的落叶层含水率信息是关键的环节。因此，获得准确的落叶层含水率是林区环境状态监控及林业防火信息领域研究中的关键技术之一。
在进行落叶层含水率判定时，存在环境普适性、准确率高等要求，且不依赖于硬件，在实际使用过程中需要满足可用性强，可自动完成含水率测试，无需人工干预。
为了实现对落叶含水率的测量，可以使用硬件的FDR方法，或使用称重的方法。树叶的密度是不均匀的，且叶片间的缝隙会较大，对于不同的树叶类型其分布情况也是不同的(如阔叶、针叶等)，此种情况FDR设备的准确率会大大降低。使用称重的方法是需要人工操作，需要人为的进行样本采集，测量，烘干等等步骤。
综上所述，目前需要环境适用性强，且无需人工干预，自动进行落叶含水率计算的方法，且要保证高准确率及较强的应用性。
发明内容
本发明所要解决的技术问题是提供一种基于红外信号的落叶含水率测量方法，能够在各种林区环境及自然环境下，准确的得到落叶层含水率，适用性强，无需人工干预。
本发明解决其技术问题所采用的技术方案是：提供一种基于红外信号的落叶含水率测量方法，包括以下步骤：
(1)获取落叶的短时红外信号数据；
(2)根据得到的红外信号数据计算能量值序列；
(3)计算能量值序列的平均值作为判断落叶含水率的特征值；
(4)将能量值序列的平均值转换为落叶含水率，得到准确的落叶含水率。
所述步骤(2)具体为：对短时红外信号数据使用固定采样点进行局部能量值计算，已获得反映局部能量值特征的能量值数据序列，计算方式为其中，S(i)为短时红外信号，I(i)为卷积核模板。
所述步骤(4)具体为：使用先验标定数据进行能量值序列的平均值与落叶含水率的对应计算，得到准确的落叶含水率。
所述步骤(1)与步骤(2)之间还包括对短时红外信号数据进行模糊控制滤波处理的步骤，以滤除干扰噪声及突变点。
所述步骤(1)与步骤(2)之间还包括判断短时红外信号数据是否稳定的步骤，如果稳定则进入步骤(2)，否则返回步骤(1)。
所述判断短时红外信号数据是否稳定具体为：对短时红外信号数据进行峰度值计算，当得到的峰度值小于固定阈值时，则表示信号稳定；峰度值表示短时红外信号S(i)的平均值，表示短时红外信号S(i)的方差。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明实现了在各种使用环境和气候环境下，全天时全天候的获得准确的落叶层含水率信息，特别适用于林区环境状态监控及林业防火信息管理。
附图说明
图1是本发明的流程图；
图2是本发明的仿真结果图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于红外信号的落叶含水率测量方法，如图1所示，包括以下步骤：
步骤100：获取落叶的短时红外数据X。
步骤200：对短时红外信号数据X进行模糊控制滤波处理，以滤除干扰噪声及突变点，特别是环境干扰噪声点。假设短时红外信号数据X有n个数据点，则X(i)＝S(i)+N(i)，其中，S为有用的红外信号，N为噪声信号。基于模糊控制参数的滤波方法为Y(i)＝a*S(i)+(1-a)*S(i-1)，其中，a∈[0,1]为模糊控制参数。
步骤300：判断短时红外信号数据是否稳定的步骤，如果稳定则进入下一步，否则返回步骤100。具体的判断方法为：使用滤波后得到的信号S进行其自身的峰度值计算，峰度值可以反映红外信号的平坦或陡峭程度。当峰度值小于某固定的阈值时，认为信号足够平坦，满足处理要求。本实施方式中峰度值表示短时红外信号S(i)的平均值，表示短时红外信号S(i)的方差。当峰度值K小于固定阈值时，则认为此信号有效，否则，继续进行信号的获取。
步骤400：根据得到的红外信号数据计算能量值序列。具体地说，对滤波后得到的信号S使用固定采样点进行局部能量值计算，已获得反映局部能量值特征的能量值数据序列M。能量值计算方法为：其中，I(i)为卷积核模板，此模板可以根据需求进行各种形式的组合。
步骤500：计算能量值序列的平均值作为判断落叶含水率的特征值，即使用获得到的能量值数据序列M，计算此序列的均值EM作为判断树叶含水率的特征值，
步骤600：将能量值序列的平均值转换为落叶含水率，得到准确的落叶含水率。本实施方式中使用先验标定数据进行能量值序列的平均值与落叶含水率的对应计算，得到准确的落叶含水率W。
图2是本发明的仿真结果图，通过图2可以看到采用本实施方式的方法得到的落叶含水率与实际含水率吻合度较高。不难发现，本发明完成了各种林区环境及自然环境下，全天时全天候的获得准确的落叶层含水率信息，适用性强，无需人工干预。
Claims (6)
1.一种基于红外信号的落叶含水率测量方法，其特征在于，包括以下步骤：
(1)获取落叶的短时红外信号数据；
(2)根据得到的红外信号数据计算能量值序列；
(3)计算能量值序列的平均值作为判断落叶含水率的特征值；
(4)将能量值序列的平均值转换为落叶含水率，得到准确的落叶含水率。
2.根据权利要求1所述的基于红外信号的落叶含水率测量方法，其特征在于，所述步骤(2)具体为：对短时红外信号数据使用固定采样点进行局部能量值计算，已获得反映局部能量值特征的能量值数据序列，计算方式为其中，S(i)为短时红外信号数据，I(i)为卷积核模板。
3.根据权利要求1所述的基于红外信号的落叶含水率测量方法，其特征在于，所述步骤(4)具体为：使用先验标定数据进行能量值序列的平均值与落叶含水率的对应计算，得到准确的落叶含水率。
4.根据权利要求1所述的基于红外信号的落叶含水率测量方法，其特征在于，所述步骤(1)与步骤(2)之间还包括对短时红外信号数据进行模糊控制滤波处理的步骤，以滤除干扰噪声及突变点。
5.根据权利要求1所述的基于红外信号的落叶含水率测量方法，其特征在于，所述步骤(1)与步骤(2)之间还包括判断短时红外信号数据是否稳定的步骤，如果稳定则进入步骤(2)，否则返回步骤(1)。
6.根据权利要求5所述的基于红外信号的落叶含水率测量方法，其特征在于，所述判断短时红外信号数据是否稳定具体为：对短时红外信号数据进行峰度值计算，当得到的峰度值小于固定阈值时，则表示信号稳定；峰度值 表示短时红外信号S(i)的平均值，表示短时红外信号S(i)的方差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910178328.5A CN109916957A (zh) | 2019-03-08 | 2019-03-08 | 一种基于红外信号的落叶含水率测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910178328.5A CN109916957A (zh) | 2019-03-08 | 2019-03-08 | 一种基于红外信号的落叶含水率测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109916957A true CN109916957A (zh) | 2019-06-21 |
Family
ID=66964109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910178328.5A Pending CN109916957A (zh) | 2019-03-08 | 2019-03-08 | 一种基于红外信号的落叶含水率测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109916957A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1287331A (zh) * | 2000-02-19 | 2001-03-14 | 张亚平 | 一种多功能数字体温计 |
| CN201773405U (zh) * | 2010-05-21 | 2011-03-23 | 中南大学 | 一种远程心电信号诊断装置 |
| CN102592471A (zh) * | 2011-01-14 | 2012-07-18 | 无锡国科微纳传感网科技有限公司 | 一种采用地磁信号进行车位检测的方法和装置 |
| CN106706559A (zh) * | 2017-03-03 | 2017-05-24 | 上海事凡物联网科技有限公司 | 落叶含水率的测量方法、系统及服务器 |
-
2019
- 2019-03-08 CN CN201910178328.5A patent/CN109916957A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1287331A (zh) * | 2000-02-19 | 2001-03-14 | 张亚平 | 一种多功能数字体温计 |
| CN201773405U (zh) * | 2010-05-21 | 2011-03-23 | 中南大学 | 一种远程心电信号诊断装置 |
| CN102592471A (zh) * | 2011-01-14 | 2012-07-18 | 无锡国科微纳传感网科技有限公司 | 一种采用地磁信号进行车位检测的方法和装置 |
| CN106706559A (zh) * | 2017-03-03 | 2017-05-24 | 上海事凡物联网科技有限公司 | 落叶含水率的测量方法、系统及服务器 |
Non-Patent Citations (3)
| Title |
|---|
| 李岩岩等: "数据融合技术在仓库监测系统中的应用", 《蚌埠学院学报》 * |
| 葛运旺等: "烟厂烟丝烘干控制系统", 《电工技术》 * |
| 雷思君: "基于GPRS的农业物联网虫害防治监测系统的设计", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Young et al. | The retrieval of profiles of particulate extinction from Cloud–Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO) data: Uncertainty and error sensitivity analyses | |
| Lindsay et al. | Arctic sea ice leads from advanced very high resolution radiometer images | |
| CN110823077A (zh) | 一种基于三维点云的墙面靠尺检测方法及系统 | |
| CN113076899B (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
| CN105717556B (zh) | 一种基于大数据的自分型雷达估测降水方法 | |
| CN114942434A (zh) | 一种基于毫米波雷达点云的跌倒姿态识别方法及系统 | |
| Yu et al. | Gust factors and turbulence intensities for the tropical cyclone environment | |
| CN107276779B (zh) | 一种监控方法、系统及设备 | |
| Toledo et al. | Cluster analysis: A new approach applied to lidar measurements for atmospheric boundary layer height estimation | |
| CN110261857A (zh) | 一种天气雷达空间插值方法 | |
| CN108896021A (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
| CN111783696A (zh) | 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法 | |
| CN108152868A (zh) | 利用闪电定位数据计算雷暴日天数的方法及装置 | |
| Harris | The macrometeorological spectrum—a preliminary study | |
| CN114492680A (zh) | 浮标数据质量控制方法、装置、计算机设备和存储介质 | |
| CN108508297A (zh) | 一种基于突变系数和svm的故障电弧检测方法 | |
| Zhang et al. | A novel lidar gradient cluster analysis method of nocturnal boundary layer detection during air pollution episodes | |
| KR20120119750A (ko) | 위험기상과 관련된 반사도 셀의 탐지 방법 | |
| Chang | Assessing the increasing trend in Northern Hemisphere winter storm track activity using surface ship observations and a statistical storm track model | |
| Tsogt et al. | A flexible modeling of irregular diameter structure for the volume estimation of forest stands | |
| CN109916957A (zh) | 一种基于红外信号的落叶含水率测量方法 | |
| CN117251751A (zh) | 机房监测方法、装置、电子设备及存储介质 | |
| CN106706559B (zh) | 落叶含水率的测量方法、系统及服务器 | |
| CN117169346A (zh) | 一种基于小波包能量谱分析的高空建筑损伤识别方法 | |
| CN116862829A (zh) | 一种覆冰环境下架空线路弧垂监测方法及装置 |
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 |
Application publication date: 20190621 |
|
| RJ01 | Rejection of invention patent application after publication |