CN109947107A - 一种灌区工程设施的智能巡检方法及系统 - Google Patents
一种灌区工程设施的智能巡检方法及系统 Download PDFInfo
- Publication number
- CN109947107A CN109947107A CN201910255059.8A CN201910255059A CN109947107A CN 109947107 A CN109947107 A CN 109947107A CN 201910255059 A CN201910255059 A CN 201910255059A CN 109947107 A CN109947107 A CN 109947107A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- intelligent
- module
- irrigation
- 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
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种灌区工程设施的智能巡检方法及系统,该方法包括:按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;根据所述风险点位置以及对应的风险类型,发出预警提示信息。该方法能够对灌区的工程设施自动实施巡检,准确定位风险点及类型,并且能够智能发出提醒,以便及时消除风险,从而有效防止引水灌溉产生的问题。
Description
技术领域
本发明涉及水利工程技术领域,特别涉及一种灌区工程设施的智能巡检方法及系统。
背景技术
水库,一般的解释为拦洪蓄水和调节水流的水利工程建筑物,可以利用来灌溉、发电、防洪和养鱼,通过在山沟或河流的狭口处建造拦河坝形成的人工湖泊。水库建成后,可起防洪、蓄水灌溉、供水、发电、养鱼等作用。有时天然湖泊也称为水库(天然水库)。水库规模通常按库容大小划分,分为小型、中型、大型等。
灌区,一般是指有可靠水源和引、输、配水渠道方法和相应排水沟道的灌溉面积。我国大小灌区数以万计,遍布全国。相关数据显示,从灌溉水源的工程类型来分,利用水库、塘坝蓄水灌溉的约占30%;由河川自流饮水灌溉的约占28%;利用机电泵站提水灌溉的约占19%;利用地下水灌溉的约占20%;其他类型的约占3%。但也有不少灌区是采用井渠或提、引、蓄相结合的综合利用多种水源方式,互为调剂补充。通过以上数据可知,通过从水库引水灌溉形成灌区,在我国占据较大比例。在实际应用中,通常在汛期通过水库进行蓄水,而在干旱季节通过水库开闸放水,对灌区实施灌溉,在开闸放水前需要对灌区相关的工程设施的工况进行巡检,确保符合引水灌溉条件。
现有技术中,在进行灌区工程设施巡检时,主要通过人工巡检的方式,对于一些大型灌区,需要投入大量的人力成本,并且基于部分巡检点所处地理环境恶劣,容易造成巡检人员的人身安全事故;此外,人工巡检的一大问题在于:主要依赖巡检人员的肉眼观察和经验判断查找灌区工程设施的风险点,容易导致遗漏风险点,从而导致引水灌溉时发生问题,并且也不符合现代智慧工、农业发展的需要。
发明内容
本发明实施例提供一种灌区工程设施的智能巡检方法及系统,能够对灌区的工程设施自动实施巡检,准确定位风险点及类型,并且能够智能发出提醒,以便及时消除风险,从而有效防止引水灌溉产生的问题。
一方面,本发明实施例提供的一种灌区工程设施的智能巡检方法,包括:
按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;
将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;
通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;
根据所述风险点位置以及对应的风险类型,发出预警提示信息。
可选的,通过智能巡检设备执行所述巡检任务,所述智能巡检设备包括:智能巡检飞行器和智能巡检机器人中的至少一种。
可选的,所述智能巡检设备包括:超声模块、红外模块和摄像模块中的至少一种。
可选的,所述灌区工程设施包括:水库、堤坝、渠道和灌溉地块,所述灌溉地块通过所述渠道与所述水库相连,所述堤坝设置于所述水库的出水口位置。
可选的,在按照预先设置的巡检路径执行巡检任务之前,所述方法还包括:配置所述巡检路径,所述巡检路径覆盖以下至少一个位置:所述水库的上空及周缘、所述堤坝的坝体和坝基,所述渠道的渠基、渠堤和渠坡,所述灌溉地块的边缘及预设点位。
可选的,所述智能巡检设备为智能巡检飞行器,所述智能巡检飞行器中设置有定位模块;所述按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,包括:
所述智能巡检飞行器在按照预先设置的巡检路径航行飞越所述灌区工程设施上方的过程中,全程通过所述摄像模块拍摄每个所述灌区工程设施的影像数据;
当所述智能巡检飞行器中的定位模块定位当前位置为水库位置时,所述智能巡检飞行器与设置于所述水库的多个预设位置的第一传感器进行通信,接收所述第一传感器采集的所述水库中的水体数据,并且触发所述智能巡检飞行器中的红外模块和超声模块启用,通过所述智能巡检飞行器中的红外模块发出的红外光谱检测所述水体的污染数据,以及通过所述智能巡检飞行器中的超声模块发出的超声波检测所述水库的堤坝的坝基和坝体的可用性数据;
当所述智能巡检飞行器中的定位模块定位当前位置为渠道位置时,触发所述智能巡检飞行器中的超声模块启用,通过所述智能巡检飞行器中的超声模块发出的超声波检测所述渠道的渠基、渠堤和渠坡的可用性数据;
当所述智能巡检飞行器中的定位模块定位当前位置为灌溉地块位置时,所述智能巡检飞行器与设置于所述灌溉地块的周缘及预设点位的第二传感器进行通信,接收所述第二传感器采集的所述灌溉地块的土壤墒情数据。
可选的,所述智能巡检设备为智能巡检机器人,所述智能巡检机器人中设置有定位模块;所述按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,包括:
所述智能巡检机器人在按照预先设置的巡检路径穿越所述灌区工程设施的过程中,全程通过所述摄像模块拍摄每个所述灌区工程设施的影像数据;
当所述智能巡检机器人中的定位模块定位当前位置为水库位置时,所述智能巡检机器人与设置于所述水库的多个预设位置的第一传感器进行通信,接收所述第一传感器采集的所述水库中的水体数据,并且触发所述智能巡检机器人中的红外模块和超声模块启用,通过所述智能巡检机器人中的红外模块发出的红外光谱检测所述水体的污染数据,以及通过所述智能巡检机器人中的超声模块发出的超声波检测所述水库的堤坝的坝基和坝体的可用性数据;
当所述智能巡检机器人中的定位模块定位当前位置为渠道位置时,触发所述智能巡检机器人中的超声模块启用,通过所述智能巡检机器人中的超声模块发出的超声波检测所述渠道的渠基、渠堤和渠坡的可用性数据;
当所述智能巡检机器人中的定位模块定位当前位置为灌溉地块位置时,所述智能巡检机器人与设置于所述灌溉地块的周缘及预设点位的第二传感器进行通信,接收所述第二传感器采集的所述灌溉地块的土壤墒情数据。
可选的,所述灌区工程设施的影像数据中至少包括:所述灌溉地块中农作物的外形数据,在采集所述灌区工程设施的影像数据之后,所述方法还包括:
根据所述灌溉地块的农作物的外形数据,确定所述灌溉地块的农作物的品种,以及所述灌溉地块的农作物的健康状况数据;
获取当前地区的气象数据和所述土壤的墒情数据;
根据所述灌溉地块的农作物的品种、所述健康状况数据、所述气象数据和所述土壤的墒情数据,确定所述农作物健康生长的最佳需水量数据,以便根据所述最佳需水量对所述灌溉地块实施灌溉。
可选的,通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型,包括:
将所述实际工况数据中的以下数据与对应的所述参考工况数据逐一进行比较,其中,比较内容包括:所述水体的污染数据,所述堤坝的可用性数据、所述渠道的可用性数据和所述农作物的健康状况数据中的至少一种;
如果所述实际工况数据与所述参考工况数据之间的偏差达到设定阈值,则确定对应的工程设施位置为风险点,并确定该位置对应的风险类型,所述风险类型包括:水库中的水体污染风险,所述堤坝的可用性风险、所述渠道的可用性风险和所述农作物的健康状况风险中的至少一种。
可选的,所述水体污染风险至少包括:水体有机物污染风险和水体有害物超标风险中的至少一种。
可选的,所述可用性风险包括:牢固程度风险、损伤程度风险和外来物风险中的至少一种,其中,所述牢固程度风险至少包括:主体架构坍塌风险和外部附属物脱落风险;所述损伤程度风险包括:内外部开裂风险、变形风险和渗水风险;所述外来物风险包括:外来物阻滞风险和外来物污染风险;
可选的,所述农作物的健康状况风险包括:水分缺失风险、营养物质缺失风险和病虫害风险中的至少一种。
可选的,在按照预先设置的巡检路径执行巡检任务之前,所述方法包括:
确定巡检任务类型,所述巡检任务类型包括:全面巡检和重点部位巡检,所述重点部分巡检的巡检项目少于所述全面巡检的巡检项目;
根据所述巡检任务类型,为所述智能巡检设备设定对应的巡检任务,其中,所述灌区每年首次实施引水灌溉前,实施全面巡检;所述灌区实施引水灌溉过程中,按照预先设定的巡检频次实施重点部位巡检。
可选的,在通过所述智能巡检设备的超声模块、红外模块和摄像模块采集所述灌区工程设施的实际工况数据之后,所述方法还包括:
根据所述智能巡检设备中的超声模块、红外模块和摄像模块所采集的实际工况数据,计算所述灌区工程设施的剩余使用寿命,以便在所述灌区工程设施达到所述剩余使用寿命后,对所述灌区工程设施执行更新改造。
可选的,当所述智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据产生矛盾时,按照超声模块的数据优于所述红外模块的数据,且所述红外模块的数据优于所述摄像模块的数据的原则,确定所述实际工况数据。
可选的,当所述智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据与接收的所述第一传感器或所述第二传感器的数据产生矛盾时,采用所述第一传感器或所述第二传感器的数据作为所述工程设施的巡检项目对应的实际工况数据。
可选的,当所述风险点位置为水库位置,且所述风险类型为水体污染风险时,所述预警提示信息包括:消除所述水体污染风险需要的化学物质及配比,以及所述化学物质投放数量、位置及操作说明;
当所述风险点位置为渠道位置或堤坝位置,且所述风险类型为外来物阻滞风险时,所述预警提示信息包括:所述外来物的体积、重量信息,以及移除外来物需要的人力和设备信息;
当所述风险点位置为渠道位置或堤坝位置,且所述风险类型为外来物污染风险,所述预警提示信息包括:所述外来物的种类、名称及污染方式,以及处理外来物需要的防护手段信息;
当所述风险点为渠道位置或堤坝位置,且所述风险类型为内外部开裂风险或渗水风险时,所述预警提示信息包括:消除所述开裂风险或渗水风险需要的化学物质及配比,所述化学物质为适于采用自流平技术在水流通过时自动涂覆粘合开裂位置或渗水位置的物质;
当所述风险点为渠道位置,所述风险类型为外来物阻滞风险,且外来物的密度小于水的密度时,所述预警提示信息包括:滤除所述外来物需要的滤网的层级,以及所述滤网在所述渠道中的布控位置信息;
当所述风险点位置为灌溉地块,且所述风险类型为农作物的健康状况风险,所述预警提示信息包括:消除所述农作物的健康状况风险需要的营养液配比和需水量信息,以及病虫害治理药物及配比或物理治理建议信息。
另一方面,本发明实施例提供一种灌区工程设施的智能巡检系统,包括:
数据采集单元,用于按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;
输入单元,用于将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;
比对单元,用于通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;
提示单元,用于根据所述风险点位置以及对应的风险类型,发出预警提示信息。
本发明实施例提供的灌区工程设施的智能巡检方法,按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;根据所述风险点位置以及对应的风险类型,发出预警提示信息。该方法能够对灌区的工程设施自动实施巡检,准确定位风险点及类型,并且能够智能发出提醒,以便及时消除风险,从而有效防止引水灌溉产生的问题。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的一种灌区工程设施的智能巡检方法的流程图;
图2为本发明实施例提供的一种灌区工程设施的智能巡检系统的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种灌区工程设施的智能巡检方法,如图1所示,包括以下步骤101-步骤104:
步骤101:按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;
步骤102:将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;
步骤103:通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;
步骤104:根据所述风险点位置以及对应的风险类型,发出预警提示信息。
其中,上述每个灌区工程设施对应的地理位置信息,可以通过从现有技术中的电子地图中采集得到,也可以通过地理信息系统(GIS)或全球定位系统(GPS)进行采集。
上述工况数据模型可以通过预先采集灌区中各个工程设施所在位置信息,并确定每个工程设施需要执行的巡检项目以及执行正常工作需要满足的工况标准,各项工况条件的分级或者打分标准等,通过软件模拟生成初始的工况数据模型,通过该模型与后续采集的实际工况数据比对,识别灌区各项工程设施存在的风险点,并在后续实际使用中,不断将工况数据模型识别出的风险点,与实际发现的风险点进行比对,发现工况数据模型未识别或识别错误的风险点,进行迭代优化,从而使得构建的工况数据模型更加智能,风险点识别结果更加精确。其中,工况数据模型中包含的工程设施种类越全,工程设施巡检项目越全,则越能够全面识别风险点,从而降低开闸放水所造成的问题。
在该实施例中,根据预警信息,能够准确定位风险点的位置,以及风险类型,从而能够有针对性地快速到达对应的位置进行风险消除,有效提升工作效率。
在本发明的另外一个实施例中,可以通过智能巡检设备执行上述巡检任务,其中,智能巡检设备可以选择智能巡检飞行器和智能巡检机器人中的一种或者多种。上述智能巡检设备可以包括:超声模块、红外模块和摄像模块中的至少一种功能模块,以便通过上述功能模块针对相应的工程设施实施相关信息采集。
在一个实施例中,上述灌区工程设施可以包括:水库、堤坝、渠道和灌溉地块,其中,灌溉地块可以通过渠道与水库相连,堤坝设置于水库的出水口位置。需要说明的是,此处的灌区工程设施的举例并非穷举,以上只是灌区工程中较为常见或重要的巡检部位或场所,其余任何类似点位或场所,原则上凡是纳入工况数据模型的,都可以进行巡检,并查找该位置是否存在风险。
在本发明的另外一个实施例中,在按照预先设置的巡检路径执行巡检任务之前,所述方法还包括:配置巡检路径,其中,巡检路径覆盖以下至少一个位置:水库的上空及周缘、堤坝的坝体和坝基,渠道的渠基、渠堤和渠坡,灌溉地块的边缘及预设点位。在实际使用中,可以通过将需要巡检的关键位置相互连接形成巡检路径,以便智能巡检设备在执行巡检时,能够覆盖上述位置。
在另外一个实施例中,智能巡检设备为智能巡检飞行器,并且智能巡检飞行器中设置有定位模块;在按照预先设置的巡检路径执行巡检任务的过程中,采集灌区工程设施的实际工况数据,包括:智能巡检飞行器在按照预先设置的巡检路径航行飞越灌区工程设施上方的过程中,全程通过摄像模块拍摄每个灌区工程设施的影像数据。为了保证全面拍摄灌区工程设施的详细情况,可以在进入灌区后,全程开启智能巡检飞行器的高清摄像头,确保能够清晰拍摄相关影像资料,并且后续将拍摄的影像资料输入分析软件后,能够得到实际工况数据,并且通过全面的影像数据还能够分析导致实际工况中风险点的原因所在,以便及时消除风险。
在本发明的一个实施例中,当智能巡检飞行器中的定位模块定位当前位置为水库位置时,智能巡检飞行器与设置于水库的多个预设位置的第一传感器进行通信,接收第一传感器采集的水库中的水体数据,并且触发智能巡检飞行器中的红外模块和超声模块启用,通过智能巡检飞行器中的红外模块发出的红外光谱检测水体的污染数据,以及通过智能巡检飞行器中的超声模块发出的超声波检测水库的堤坝的坝基和坝体的可用性数据。
其中,智能巡检飞行器中的红外模块和超声模块既可以全程开启,考虑到节能,也可以在进入特定区域或工程设施所在位置后,再触发开启。虽然红外模块和超声模块可以远距离采集工程设施的相关数据,但是为了确保数据采集的准确性,还可以预先在相关工程设施的特定部位,例如水库中间、水库四周等位置设置能直接接触水体的传感器,以便通过传感器直接采集水体数据,智能巡检飞行器在进入特定位置时,通过与此处的传感器进行数据通信即可取得相应的水体数据。
在本发明的另外一个实施例中,当所述智能巡检飞行器中的定位模块定位当前位置为渠道位置时,触发智能巡检飞行器中的超声模块启用,通过智能巡检飞行器中的超声模块发出的超声波检测渠道的渠基、渠堤和渠坡的可用性数据。
在本发明的另外一个实施例中,当智能巡检飞行器中的定位模块定位当前位置为灌溉地块位置时,智能巡检飞行器与设置于灌溉地块的周缘及预设点位的第二传感器进行通信,接收第二传感器采集的灌溉地块的土壤墒情数据。
在本发明的另外一个实施例中,上述智能巡检设备为智能巡检机器人,智能巡检机器人中设置有定位模块;按照预先设置的巡检路径执行巡检任务的过程中,采集灌区工程设施的实际工况数据,包括:智能巡检机器人在按照预先设置的巡检路径穿越灌区工程设施的过程中,全程通过摄像模块拍摄每个灌区工程设施的影像数据。
在本发明的另外一个实施例中,当智能巡检机器人中的定位模块定位当前位置为水库位置时,智能巡检机器人与设置于水库的多个预设位置的第一传感器进行通信,接收第一传感器采集的所述水库中的水体数据,并且触发智能巡检机器人中的红外模块和超声模块启用,通过智能巡检机器人中的红外模块发出的红外光谱检测水体的污染数据,以及通过智能巡检机器人中的超声模块发出的超声波检测水库的堤坝的坝基和坝体的可用性数据。
在本发明的另外一个实施例中,当智能巡检机器人中的定位模块定位当前位置为渠道位置时,触发智能巡检机器人中的超声模块启用,通过智能巡检机器人中的超声模块发出的超声波检测渠道的渠基、渠堤和渠坡的可用性数据。
在本发明的另外一个实施例中,当智能巡检机器人中的定位模块定位当前位置为灌溉地块位置时,智能巡检机器人与设置于灌溉地块的周缘及预设点位的第二传感器进行通信,接收第二传感器采集的灌溉地块的土壤墒情数据。
在本发明的另外一个实施例中,灌区工程设施的影像数据中至少包括:灌溉地块中农作物的外形数据,在采集灌区工程设施的影像数据之后,上述方法还包括:根据灌溉地块的农作物的外形数据,确定灌溉地块的农作物的品种,以及灌溉地块的农作物的健康状况数据;获取当前地区的气象数据和土壤的墒情数据;根据灌溉地块的农作物的品种、健康状况数据、气象数据和土壤的墒情数据,确定农作物健康生长的最佳需水量数据,以便根据最佳需水量对灌溉地块实施灌溉。
在该实施例中,通过摄像模块中的高清摄像头采集农作物外形数据后,根据农作物的高度、直径、叶茎颜色等表象数据,通过计算机容易从数据库中查询出该农作物的品种,例如为玉米、水稻、小麦等,并且根据农作物的生长规律数据,也能够判断该农作物发育的健康程度。此外,结合当地的气象数据,例如天气预报中的气温、降水量信息等,以及土壤的墒情数据能够综合确定农作物按照健康状态成长需要的补给水量,从而为后续灌溉方案的配置、实施提供参考。
在本发明的另外一个实施例中,通过实际工况数据与参考工况数据的比对,确定灌区工程设施的风险点位置以及对应的风险类型,包括:将实际工况数据中的以下数据与对应的参考工况数据逐一进行比较,其中,比较内容包括:水体的污染数据,堤坝的可用性数据、所述渠道的可用性数据和农作物的健康状况数据中的至少一种;如果实际工况数据与参考工况数据之间的偏差达到设定阈值,则确定对应的工程设施位置为风险点,并确定该位置对应的风险类型,风险类型包括:水库中的水体污染风险,堤坝的可用性风险、渠道的可用性风险和农作物的健康状况风险中的至少一种。
在该实施例中,主要通过将采集的实际工况数据与工况数据模型中的参数数据比较确定是否存在风险点,其中,参考数据为理想工作状态的相关数据,达到参数数据的情况下灌区设施状态处于良好运转状态。实际中工程设施不可能始终保持最佳状态,也可以设置一定的偏差值,当两者之间的偏差未达到上述偏差值时,认为灌区相关工程设施处于可接受的正常运行状态。
可选的,水体污染风险至少包括:水体有机物污染风险和水体有害物超标风险中的至少一种。其中,水体有机物污染风险,可以通过智能巡检设备中的红外光谱进行监测,而水体有害物检测则可以通过水库的特定位置设置的传感器进行数据采集,后续通过相关专业设备进行分析,进而判断水体中的有害物质是否存在超标风险。为了简便起见,也可以将水体有害物检测设备集成于水库特定位置的传感器中,从而直接将采集的水体样本进行分析判断是否存在有害物超标。
在一个实施例中,可用性风险可以包括:牢固程度风险、损伤程度风险和外来物风险中的至少一种。具体而言,牢固程度风险至少包括:主体架构坍塌风险和外部附属物脱落风险,该巡检项目重点针对堤坝、渠道的相关承重部位,或者外部附属设施,防止因坍塌或者脱落而造成事故发生。其中,损伤程度风险包括:内外部开裂风险、变形风险和渗水风险;其中,内外部开裂风险可以通过超声进行损伤探测,从而比起人工肉眼观察,不仅能够发现外部问题,还能发现内部存在的问题,从而全面进行排查。上述外来物风险主要包括:外来物阻滞风险,例如外部落石、枯叶败枝等,这些物体容易导致水库出水口、堤坝、渠道相关部位堵塞,影响灌溉时水流量的控制,在必要的时候需要进行移出或者滤除。其中,外来物污染风险主要包括有毒有害物质散落在上述位置,如不进行清理,后续可能因与水体混合,在实施灌溉时造成农作物果实毒害物质超标,影响食用者的身体健康,在必要的时候也需要进行处理。
上述实施例中,农作物的健康状况风险包括:水分缺失风险、营养物质缺失风险和病虫害风险中的至少一种。根据上述影像数据判断农作物因缺水、缺少营养或者受病虫害危害导致影响健康成长之后,可以有针对性地实施治理。
在本发明的另外一个实施例中,在按照预先设置的巡检路径执行巡检任务之前,所述方法包括:确定巡检任务类型,巡检任务类型包括:全面巡检和重点部位巡检,重点部分巡检的巡检项目少于全面巡检的巡检项目;根据巡检任务类型,为智能巡检设备设定对应的巡检任务,其中,灌区每年首次实施引水灌溉前,实施全面巡检;灌区实施引水灌溉过程中,按照预先设定的巡检频次实施重点部位巡检。
在本发明的另外一个实施例中,在通过智能巡检设备的超声模块、红外模块和摄像模块采集灌区工程设施的实际工况数据之后,所述方法还包括:
根据智能巡检设备中的超声模块、红外模块和摄像模块所采集的实际工况数据,计算灌区工程设施的剩余使用寿命,以便在灌区工程设施达到剩余使用寿命后,对灌区工程设施执行更新改造。
可选的,当智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据产生矛盾时,按照超声模块的数据优于红外模块的数据,且红外模块的数据优于摄像模块的数据的原则,确定实际工况数据。
需要说明的是,为了确保采集、分析的数据准确,防止因智能巡检设备自身的数据采集单元存在故障,而导致最终的判断结果出错,可以针对同一巡检项目设置多种信息采集途径,例如,既可以通过设置于工程设施一侧的传感器采集数据,又可以通过设置于智能巡检设备一侧的红外模块、超声模块等进行数据采集,可以根据多种信息采集途径得到的结果,通过求平均、加权平均等方式综合确定实际工况风险情况,也可以综合各种信息采集途径的可靠性,设定优先级,当不同途径采集的数据出现冲突时,分别以哪种数据为准。例如,当智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据与接收的第一传感器或第二传感器的数据产生矛盾时,采用第一传感器或第二传感器的数据作为工程设施的巡检项目对应的实际工况数据。
在本发明的另外一个实施例中,当风险点位置为水库位置,且风险类型为水体污染风险时,预警提示信息包括:消除水体污染风险需要的化学物质及配比,以及化学物质投放数量、位置及操作说明;
当风险点位置为渠道位置或堤坝位置,且风险类型为外来物阻滞风险时,预警提示信息包括:外来物的体积、重量信息,以及移除外来物需要的人力和设备信息;
当风险点位置为渠道位置或堤坝位置,且风险类型为外来物污染风险,预警提示信息包括:外来物的种类、名称及污染方式,以及处理外来物需要的防护手段信息;
当风险点为渠道位置或堤坝位置,且风险类型为内外部开裂风险或渗水风险时,预警提示信息包括:消除开裂风险或渗水风险需要的化学物质及配比,此处的化学物质为适于采用自流平技术在水流通过时自动涂覆粘合开裂位置或渗水位置的物质;
当风险点为渠道位置,风险类型为外来物阻滞风险,且外来物的密度小于水的密度时,预警提示信息包括:滤除外来物需要的滤网的层级,以及滤网在渠道中的布控位置信息;
当风险点位置为灌溉地块,且风险类型为农作物的健康状况风险,预警提示信息包括:消除农作物的健康状况风险需要的营养液配比和需水量信息,以及病虫害治理药物及配比或物理治理建议信息。
上述实施例中,给出了一些典型的针对不同风险类型发出的提示信息,其中,提示信息中可以包含各种风险点的建议消除方案,以便非专业人员,也可以根据预警信息执行对应的处理措施。
本发明实施例提供的灌区工程设施的智能巡检方法,按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;根据所述风险点位置以及对应的风险类型,发出预警提示信息。该方法能够对灌区的工程设施自动实施巡检,准确定位风险点及类型,并且能够智能发出提醒,以便及时消除风险,从而有效防止引水灌溉产生的问题。
本专利申请的另外一个实施例提供了一种灌区工程设施的智能巡检系统,如图2所示,包括:
数据采集单元201,用于按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;
输入单元202,用于将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;
比对单元203,用于通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;
提示单元204,用于根据所述风险点位置以及对应的风险类型,发出预警提示信息。
在另外一个实施例中,通过智能巡检设备执行所述巡检任务,所述智能巡检设备包括:智能巡检飞行器和智能巡检机器人中的至少一种;
其中,所述智能巡检设备包括:超声模块、红外模块和摄像模块中的至少一种;
其中,所述灌区工程设施包括:水库、堤坝、渠道和灌溉地块,所述灌溉地块通过所述渠道与所述水库相连,所述堤坝设置于所述水库的出水口位置。
在另外一个实施例中,上述灌区工程设施的智能巡检系统还包括:配置单元,用于在按照预先设置的巡检路径执行巡检任务之前,配置所述巡检路径,所述巡检路径覆盖以下至少一个位置:所述水库的上空及周缘、所述堤坝的坝体和坝基,所述渠道的渠基、渠堤和渠坡,所述灌溉地块的边缘及预设点位。
在另外一个实施例中,所述智能巡检设备为智能巡检飞行器,所述智能巡检飞行器中设置有定位模块;所述采集单元,包括:
拍摄模块,用于在所述智能巡检飞行器按照预先设置的巡检路径航行飞越所述灌区工程设施上方的过程中,全程拍摄每个所述灌区工程设施的影像数据;
第一接收模块,用于当所述智能巡检飞行器中的定位模块定位当前位置为水库位置时,所述智能巡检飞行器与设置于所述水库的多个预设位置的第一传感器进行通信,接收所述第一传感器采集的所述水库中的水体数据;
第一触发模块,用于触发所述智能巡检飞行器中的红外模块和超声模块启用,并通过所述智能巡检飞行器中的红外模块发出的红外光谱检测所述水体的污染数据,以及通过所述智能巡检飞行器中的超声模块发出的超声波检测所述水库的堤坝的坝基和坝体的可用性数据;
第二触发模块,用于当所述智能巡检飞行器中的定位模块定位当前位置为渠道位置时,触发所述智能巡检飞行器中的超声模块启用,并通过所述智能巡检飞行器中的超声模块发出的超声波检测所述渠道的渠基、渠堤和渠坡的可用性数据;
第二接收模块,用于当所述智能巡检飞行器中的定位模块定位当前位置为灌溉地块位置时,所述智能巡检飞行器与设置于所述灌溉地块的周缘及预设点位的第二传感器进行通信,接收所述第二传感器采集的所述灌溉地块的土壤墒情数据。
在另外一个事实例中,所述智能巡检设备为智能巡检机器人,所述智能巡检机器人中设置有定位模块;所述按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,包括:
所述摄像模块,用于所述智能巡检机器人在按照预先设置的巡检路径穿越所述灌区工程设施的过程中,全程拍摄每个所述灌区工程设施的影像数据;
第三接收模块,用于当所述智能巡检机器人中的定位模块定位当前位置为水库位置时,所述智能巡检机器人与设置于所述水库的多个预设位置的第一传感器进行通信,接收所述第一传感器采集的所述水库中的水体数据;
第三触发模块,用于触发所述智能巡检机器人中的红外模块和超声模块启用,并通过所述智能巡检机器人中的红外模块发出的红外光谱检测所述水体的污染数据,以及通过所述智能巡检机器人中的超声模块发出的超声波检测所述水库的堤坝的坝基和坝体的可用性数据;
第四触发模块,用于当所述智能巡检机器人中的定位模块定位当前位置为渠道位置时,触发所述智能巡检机器人中的超声模块启用,并通过所述智能巡检机器人中的超声模块发出的超声波检测所述渠道的渠基、渠堤和渠坡的可用性数据;
第四接收模块,用于当所述智能巡检机器人中的定位模块定位当前位置为灌溉地块位置时,所述智能巡检机器人与设置于所述灌溉地块的周缘及预设点位的第二传感器进行通信,接收所述第二传感器采集的所述灌溉地块的土壤墒情数据。
在另外一个实施例中,所述灌区工程设施的影像数据中至少包括:所述灌溉地块中农作物的外形数据,上述灌区工程设施的智能巡检系统还包括:
第一确定单元,用于根据所述灌溉地块的农作物的外形数据,确定所述灌溉地块的农作物的品种,以及所述灌溉地块的农作物的健康状况数据;
获取单元,用于获取当前地区的气象数据和所述土壤的墒情数据;
第二确定单元,用于根据所述灌溉地块的农作物的品种、所述健康状况数据、所述气象数据和所述土壤的墒情数据,确定所述农作物健康生长的最佳需水量数据,以便根据所述最佳需水量对所述灌溉地块实施灌溉。
在另外一个实施例中,所述比对单元,包括:
比对模块,用于将所述实际工况数据中的以下数据与对应的所述参考工况数据逐一进行比较,其中,比较内容包括:所述水体的污染数据,所述堤坝的可用性数据、所述渠道的可用性数据和所述农作物的健康状况数据中的至少一种;
确定模块,用于在所述实际工况数据与所述参考工况数据之间的偏差达到设定阈值,则确定对应的工程设施位置为风险点,并确定该位置对应的风险类型,所述风险类型包括:水库中的水体污染风险,所述堤坝的可用性风险、所述渠道的可用性风险和所述农作物的健康状况风险中的至少一种。
在另外一个实施例中,所述水体污染风险至少包括:水体有机物污染风险和水体有害物超标风险中的至少一种;
所述可用性风险包括:牢固程度风险、损伤程度风险和外来物风险中的至少一种,其中,所述牢固程度风险至少包括:主体架构坍塌风险和外部附属物脱落风险;所述损伤程度风险包括:内外部开裂风险、变形风险和渗水风险;所述外来物风险包括:外来物阻滞风险和外来物污染风险;
所述农作物的健康状况风险包括:水分缺失风险、营养物质缺失风险和病虫害风险中的至少一种。
在另外一个实施例中,上述上述灌区工程设施的智能巡检系统还包括:
第三确定单元,用于确定巡检任务类型,所述巡检任务类型包括:全面巡检和重点部位巡检,所述重点部分巡检的巡检项目少于所述全面巡检的巡检项目;
设定单元,用于根据所述巡检任务类型,为所述智能巡检设备设定对应的巡检任务,其中,所述灌区每年首次实施引水灌溉前,实施全面巡检;所述灌区实施引水灌溉过程中,按照预先设定的巡检频次实施重点部位巡检。
在另外一个实施例中,上述灌区工程设施的智能巡检系统还包括:
计算单元,用于根据所述智能巡检设备中的超声模块、红外模块和摄像模块所采集的实际工况数据,计算所述灌区工程设施的剩余使用寿命,以便在所述灌区工程设施达到所述剩余使用寿命后,对所述灌区工程设施执行更新改造;
第一选择单元,用于当所述智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据产生矛盾时,按照超声模块的数据优于所述红外模块的数据,且所述红外模块的数据优于所述摄像模块的数据的原则,确定所述实际工况数据;和/或,
第二选择单元,用于当所述智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据与接收的所述第一传感器或所述第二传感器的数据产生矛盾时,采用所述第一传感器或所述第二传感器的数据作为所述工程设施的巡检项目对应的实际工况数据。
在另外一个实施例中,当所述风险点位置为水库位置,且所述风险类型为水体污染风险时,所述预警提示信息包括:消除所述水体污染风险需要的化学物质及配比,以及所述化学物质投放数量、位置及操作说明;
当所述风险点位置为渠道位置或堤坝位置,且所述风险类型为外来物阻滞风险时,所述预警提示信息包括:所述外来物的体积、重量信息,以及移除外来物需要的人力和设备信息;
当所述风险点位置为渠道位置或堤坝位置,且所述风险类型为外来物污染风险,所述预警提示信息包括:所述外来物的种类、名称及污染方式,以及处理外来物需要的防护手段信息;
当所述风险点为渠道位置或堤坝位置,且所述风险类型为内外部开裂风险或渗水风险时,所述预警提示信息包括:消除所述开裂风险或渗水风险需要的化学物质及配比,所述化学物质为适于采用自流平技术在水流通过时自动涂覆粘合开裂位置或渗水位置的物质;
当所述风险点为渠道位置,所述风险类型为外来物阻滞风险,且外来物的密度小于水的密度时,所述预警提示信息包括:滤除所述外来物需要的滤网的层级,以及所述滤网在所述渠道中的布控位置信息;
当所述风险点位置为灌溉地块,且所述风险类型为农作物的健康状况风险,所述预警提示信息包括:消除所述农作物的健康状况风险需要的营养液配比和需水量信息,以及病虫害治理药物及配比或物理治理建议信息。
本发明实施例提供的灌区工程设施的智能巡检系统,按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;根据所述风险点位置以及对应的风险类型,发出预警提示信息。该方法能够对灌区的工程设施自动实施巡检,准确定位风险点及类型,并且能够智能发出提醒,以便及时消除风险,从而有效防止引水灌溉产生的问题。
需要说明的是,本专利申请提供的方法实施例和系统实施例中的内容相互一一对应,在任一实施例中涉及的内容,都可以被其他实施例进行引用或结合,从而形成该实施例的一部分。本专利申请为了便于描述,重点对方法实施例进行解释说明,系统实施例的相关技术特征、方案的描述,可以参照方法实施例中的相关内容。
本发明是参照根据本发明实施例的方法、装置、设备(方法)、和计算机程序产品的流程图和/或方框图来描述的。其中,装置或方法实施例中未详细描述的内容,可以认为与方法实施例一一对应,参照方法实施例即可。
需要说明的是,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种灌区工程设施的智能巡检方法,其特征在于,包括:
按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;
将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;
通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;
根据所述风险点位置以及对应的风险类型,发出预警提示信息。
2.根据权利要求1所述的方法,其特征在于:
通过智能巡检设备执行所述巡检任务,所述智能巡检设备包括:智能巡检飞行器和智能巡检机器人中的至少一种;和/或,
所述智能巡检设备包括:超声模块、红外模块和摄像模块中的至少一种;和/或,
所述灌区工程设施包括:水库、堤坝、渠道和灌溉地块,所述灌溉地块通过所述渠道与所述水库相连,所述堤坝设置于所述水库的出水口位置;和/或,
在按照预先设置的巡检路径执行巡检任务之前,所述方法还包括:配置所述巡检路径,所述巡检路径覆盖以下至少一个位置:所述水库的上空及周缘、所述堤坝的坝体和坝基,所述渠道的渠基、渠堤和渠坡,所述灌溉地块的边缘及预设点位。
3.根据权利要求2所述的方法,其特征在于,所述智能巡检设备为智能巡检飞行器,所述智能巡检飞行器中设置有定位模块;所述按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,包括:
所述智能巡检飞行器在按照预先设置的巡检路径航行飞越所述灌区工程设施上方的过程中,全程通过所述摄像模块拍摄每个所述灌区工程设施的影像数据;
当所述智能巡检飞行器中的定位模块定位当前位置为水库位置时,所述智能巡检飞行器与设置于所述水库的多个预设位置的第一传感器进行通信,接收所述第一传感器采集的所述水库中的水体数据,并且触发所述智能巡检飞行器中的红外模块和超声模块启用,通过所述智能巡检飞行器中的红外模块发出的红外光谱检测所述水体的污染数据,以及通过所述智能巡检飞行器中的超声模块发出的超声波检测所述水库的堤坝的坝基和坝体的可用性数据;
当所述智能巡检飞行器中的定位模块定位当前位置为渠道位置时,触发所述智能巡检飞行器中的超声模块启用,通过所述智能巡检飞行器中的超声模块发出的超声波检测所述渠道的渠基、渠堤和渠坡的可用性数据;
当所述智能巡检飞行器中的定位模块定位当前位置为灌溉地块位置时,所述智能巡检飞行器与设置于所述灌溉地块的周缘及预设点位的第二传感器进行通信,接收所述第二传感器采集的所述灌溉地块的土壤墒情数据。
4.根据权利要求2所述的方法,其特征在于,所述智能巡检设备为智能巡检机器人,所述智能巡检机器人中设置有定位模块;所述按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,包括:
所述智能巡检机器人在按照预先设置的巡检路径穿越所述灌区工程设施的过程中,全程通过所述摄像模块拍摄每个所述灌区工程设施的影像数据;
当所述智能巡检机器人中的定位模块定位当前位置为水库位置时,所述智能巡检机器人与设置于所述水库的多个预设位置的第一传感器进行通信,接收所述第一传感器采集的所述水库中的水体数据,并且触发所述智能巡检机器人中的红外模块和超声模块启用,通过所述智能巡检机器人中的红外模块发出的红外光谱检测所述水体的污染数据,以及通过所述智能巡检机器人中的超声模块发出的超声波检测所述水库的堤坝的坝基和坝体的可用性数据;
当所述智能巡检机器人中的定位模块定位当前位置为渠道位置时,触发所述智能巡检机器人中的超声模块启用,通过所述智能巡检机器人中的超声模块发出的超声波检测所述渠道的渠基、渠堤和渠坡的可用性数据;
当所述智能巡检机器人中的定位模块定位当前位置为灌溉地块位置时,所述智能巡检机器人与设置于所述灌溉地块的周缘及预设点位的第二传感器进行通信,接收所述第二传感器采集的所述灌溉地块的土壤墒情数据。
5.根据权利要求3或4任一项所述的方法,其特征在于,所述灌区工程设施的影像数据中至少包括:所述灌溉地块中农作物的外形数据,在采集所述灌区工程设施的影像数据之后,所述方法还包括:
根据所述灌溉地块的农作物的外形数据,确定所述灌溉地块的农作物的品种,以及所述灌溉地块的农作物的健康状况数据;
获取当前地区的气象数据和所述土壤的墒情数据;
根据所述灌溉地块的农作物的品种、所述健康状况数据、所述气象数据和所述土壤的墒情数据,确定所述农作物健康生长的最佳需水量数据,以便根据所述最佳需水量对所述灌溉地块实施灌溉。
6.根据权利要求5所述的方法,其特征在于,通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型,包括:
将所述实际工况数据中的以下数据与对应的所述参考工况数据逐一进行比较,其中,比较内容包括:所述水体的污染数据,所述堤坝的可用性数据、所述渠道的可用性数据和所述农作物的健康状况数据中的至少一种;
如果所述实际工况数据与所述参考工况数据之间的偏差达到设定阈值,则确定对应的工程设施位置为风险点,并确定该位置对应的风险类型,所述风险类型包括:水库中的水体污染风险,所述堤坝的可用性风险、所述渠道的可用性风险和所述农作物的健康状况风险中的至少一种;和/或,
所述水体污染风险至少包括:水体有机物污染风险和水体有害物超标风险中的至少一种;
所述可用性风险包括:牢固程度风险、损伤程度风险和外来物风险中的至少一种,其中,所述牢固程度风险至少包括:主体架构坍塌风险和外部附属物脱落风险;所述损伤程度风险包括:内外部开裂风险、变形风险和渗水风险;所述外来物风险包括:外来物阻滞风险和外来物污染风险;
所述农作物的健康状况风险包括:水分缺失风险、营养物质缺失风险和病虫害风险中的至少一种。
7.根据权利要求2所述的方法,其特征在于,在按照预先设置的巡检路径执行巡检任务之前,所述方法包括:
确定巡检任务类型,所述巡检任务类型包括:全面巡检和重点部位巡检,所述重点部分巡检的巡检项目少于所述全面巡检的巡检项目;
根据所述巡检任务类型,为所述智能巡检设备设定对应的巡检任务,其中,所述灌区每年首次实施引水灌溉前,实施全面巡检;所述灌区实施引水灌溉过程中,按照预先设定的巡检频次实施重点部位巡检。
8.根据权利要求3或4任一项所述的方法,其特征在于,在通过所述智能巡检设备的超声模块、红外模块和摄像模块采集所述灌区工程设施的实际工况数据之后,所述方法还包括:
根据所述智能巡检设备中的超声模块、红外模块和摄像模块所采集的实际工况数据,计算所述灌区工程设施的剩余使用寿命,以便在所述灌区工程设施达到所述剩余使用寿命后,对所述灌区工程设施执行更新改造;和/或,
当所述智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据产生矛盾时,按照超声模块的数据优于所述红外模块的数据,且所述红外模块的数据优于所述摄像模块的数据的原则,确定所述实际工况数据;和/或,
当所述智能巡检设备中的超声模块、红外模块和摄像模块针对同一工程设施的相同巡检项目采集的实际工况数据与接收的所述第一传感器或所述第二传感器的数据产生矛盾时,采用所述第一传感器或所述第二传感器的数据作为所述工程设施的巡检项目对应的实际工况数据。
9.根据权利要求2所述的方法,其特征在于:
当所述风险点位置为水库位置,且所述风险类型为水体污染风险时,所述预警提示信息包括:消除所述水体污染风险需要的化学物质及配比,以及所述化学物质投放数量、位置及操作说明;
当所述风险点位置为渠道位置或堤坝位置,且所述风险类型为外来物阻滞风险时,所述预警提示信息包括:所述外来物的体积、重量信息,以及移除外来物需要的人力和设备信息;
当所述风险点位置为渠道位置或堤坝位置,且所述风险类型为外来物污染风险,所述预警提示信息包括:所述外来物的种类、名称及污染方式,以及处理外来物需要的防护手段信息;
当所述风险点为渠道位置或堤坝位置,且所述风险类型为内外部开裂风险或渗水风险时,所述预警提示信息包括:消除所述开裂风险或渗水风险需要的化学物质及配比,所述化学物质为适于采用自流平技术在水流通过时自动涂覆粘合开裂位置或渗水位置的物质;
当所述风险点为渠道位置,所述风险类型为外来物阻滞风险,且外来物的密度小于水的密度时,所述预警提示信息包括:滤除所述外来物需要的滤网的层级,以及所述滤网在所述渠道中的布控位置信息;
当所述风险点位置为灌溉地块,且所述风险类型为农作物的健康状况风险,所述预警提示信息包括:消除所述农作物的健康状况风险需要的营养液配比和需水量信息,以及病虫害治理药物及配比或物理治理建议信息。
10.一种灌区工程设施的智能巡检系统,其特征在于,包括:
数据采集单元,用于按照预先设置的巡检路径执行巡检任务的过程中,采集所述灌区工程设施的实际工况数据,所述实际工况数据中携带有每个灌区工程设施对应的地理位置信息;
输入单元,用于将所述实际工况数据输入预先构建的工况数据模型,所述工况数据模型中存储有所述灌区工程设施的参考工况数据;
比对单元,用于通过所述实际工况数据与所述参考工况数据的比对,确定所述灌区工程设施的风险点位置以及对应的风险类型;
提示单元,用于根据所述风险点位置以及对应的风险类型,发出预警提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910255059.8A CN109947107B (zh) | 2019-04-05 | 2019-04-05 | 一种灌区工程设施的智能巡检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910255059.8A CN109947107B (zh) | 2019-04-05 | 2019-04-05 | 一种灌区工程设施的智能巡检方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109947107A true CN109947107A (zh) | 2019-06-28 |
CN109947107B CN109947107B (zh) | 2022-02-18 |
Family
ID=67013295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910255059.8A Active CN109947107B (zh) | 2019-04-05 | 2019-04-05 | 一种灌区工程设施的智能巡检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109947107B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116246A (zh) * | 2020-09-18 | 2020-12-22 | 青岛海信网络科技股份有限公司 | 一种风险处理方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09265316A (ja) * | 1996-03-28 | 1997-10-07 | Mitsubishi Electric Corp | プラント設備点検装置およびプラント設備点検システム |
CN103294060A (zh) * | 2013-06-05 | 2013-09-11 | 苏州工业园区服务外包职业学院 | 一种中低速电缆巡检机器人控制系统 |
CN106771856A (zh) * | 2016-11-30 | 2017-05-31 | 国网河南省电力公司滑县供电公司 | 基于无人机技术的电力输电线路雷击点确定方法 |
CN106771900A (zh) * | 2016-11-28 | 2017-05-31 | 广西大学 | 基于智能局部放电带电检测的开关柜大数据状态评估方法及系统 |
CN107437080A (zh) * | 2017-08-07 | 2017-12-05 | 浙江国自机器人技术有限公司 | 一种综合管廊动态智能巡检系统 |
CN107478318A (zh) * | 2017-08-02 | 2017-12-15 | 深圳钰湖电力有限公司 | 一种巡检机器人系统的测振控制方法 |
WO2018137062A1 (zh) * | 2017-01-24 | 2018-08-02 | 广东兴达顺科技有限公司 | 一种基于大数据的机器人报警系统及方法 |
CN108537913A (zh) * | 2018-06-15 | 2018-09-14 | 浙江国自机器人技术有限公司 | 一种巡检系统 |
CN109100745A (zh) * | 2018-08-22 | 2018-12-28 | 扬州行舟科技有限公司 | 一种水利泵站自动巡检系统 |
-
2019
- 2019-04-05 CN CN201910255059.8A patent/CN109947107B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09265316A (ja) * | 1996-03-28 | 1997-10-07 | Mitsubishi Electric Corp | プラント設備点検装置およびプラント設備点検システム |
CN103294060A (zh) * | 2013-06-05 | 2013-09-11 | 苏州工业园区服务外包职业学院 | 一种中低速电缆巡检机器人控制系统 |
CN106771900A (zh) * | 2016-11-28 | 2017-05-31 | 广西大学 | 基于智能局部放电带电检测的开关柜大数据状态评估方法及系统 |
CN106771856A (zh) * | 2016-11-30 | 2017-05-31 | 国网河南省电力公司滑县供电公司 | 基于无人机技术的电力输电线路雷击点确定方法 |
WO2018137062A1 (zh) * | 2017-01-24 | 2018-08-02 | 广东兴达顺科技有限公司 | 一种基于大数据的机器人报警系统及方法 |
CN107478318A (zh) * | 2017-08-02 | 2017-12-15 | 深圳钰湖电力有限公司 | 一种巡检机器人系统的测振控制方法 |
CN107437080A (zh) * | 2017-08-07 | 2017-12-05 | 浙江国自机器人技术有限公司 | 一种综合管廊动态智能巡检系统 |
CN108537913A (zh) * | 2018-06-15 | 2018-09-14 | 浙江国自机器人技术有限公司 | 一种巡检系统 |
CN109100745A (zh) * | 2018-08-22 | 2018-12-28 | 扬州行舟科技有限公司 | 一种水利泵站自动巡检系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116246A (zh) * | 2020-09-18 | 2020-12-22 | 青岛海信网络科技股份有限公司 | 一种风险处理方法及装置 |
CN112116246B (zh) * | 2020-09-18 | 2022-12-09 | 青岛海信网络科技股份有限公司 | 一种风险处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109947107B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582055A (zh) | 一种无人机的航空施药航线生成方法及系统 | |
CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
CN102591290B (zh) | 作物病虫害智能监测管理系统 | |
CN116738766B (zh) | 基于数字孪生的智慧农业线上产业化服务系统 | |
CN109832246A (zh) | 一种基于北斗导航的植保无人机数据综合采集系统 | |
Sen et al. | Smart farming using machine learning and IoT | |
Srivastava et al. | Pest monitor and control system using wireless sensor network with special reference to acoustic device wireless sensor | |
CN109947107A (zh) | 一种灌区工程设施的智能巡检方法及系统 | |
Pearce et al. | Intra-annual variation of the association between agricultural best management practices and stream nutrient concentrations | |
CA3139447A1 (en) | Automated plant monitoring systems and methods | |
Mathi et al. | An Internet of Things-based Efficient Solution for Smart Farming | |
CN203149656U (zh) | 单/双子叶杂草识别喷药管理装置 | |
Hill et al. | A rapid land cover classification method for use in urban watershed analysis | |
CN107916672A (zh) | 膨胀土边坡智能预警及防护系统 | |
CN107079653A (zh) | 温室大棚的控制方法、控制装置和服务器 | |
Sahadev et al. | Plane region step farming, animal and pest attack control using internet of things | |
CN111275595A (zh) | 一种城市智慧园林管理系统 | |
CN113039982B (zh) | 一种基于功能性状筛选模型的入侵植物生物防治系统 | |
CN114445713A (zh) | 一种多设备联动植保系统及方法 | |
CN109588289A (zh) | 基于农作物墒情的防洪抗旱管理方法及装置 | |
Gorressen et al. | Behavior of the Hawaiian hoary bat (Lasiurus cinereus semotus) at wind turbines and its distribution across the North Koolau mountains, O'ahu | |
Ravindranath et al. | Cloud of things for smart agriculture | |
Marín et al. | Smart Irrigation System for the Sustainable Watering of Urban Lawns | |
CN218330053U (zh) | 一种园林景观环境监测系统 | |
Nielsen et al. | Early Warning System at the Arrenæs Artificial Recharge Trial Plant |
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 |