CN110471352A - 基于污水指纹图谱的河道排污监控系统 - Google Patents
基于污水指纹图谱的河道排污监控系统 Download PDFInfo
- Publication number
- CN110471352A CN110471352A CN201910792878.6A CN201910792878A CN110471352A CN 110471352 A CN110471352 A CN 110471352A CN 201910792878 A CN201910792878 A CN 201910792878A CN 110471352 A CN110471352 A CN 110471352A
- Authority
- CN
- China
- Prior art keywords
- vertex
- monitoring device
- sewage
- finger
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Abstract
本发明公开一种基于污水指纹图谱的河道排污监控系统。系统包括存储设备、至少两个随机布置在河道节点的采集设备及至少一个监控设备;存储设备在先的存储有至少一种已知的污水指纹图谱及污水指纹图谱的所有第一特征顶点;监控设备获取荧光图谱的第二特征顶点;监控设备获取不同时存在于两个荧光图谱的第二特征顶点为第一入侵顶点;以及,监控设备比对两个荧光图谱中相同标注的第二特征顶点的坐标差异,并且获取坐标差异大于或等于一阈值区间的第二特征点为第二入侵顶点;监控设备匹配第二特征顶点与污水指纹图谱对应的第一特征顶点;监控设备根据匹配的污水指纹图谱确定排污类型,并且生成供外部读取的排污预警信号。
Description
技术领域
本发明涉及污水处理及防治领域;具体涉及一种基于污水指纹图谱的河道排污监控系统。
背景技术
河道污水排放问题是当下热点问题;许多违规单位或个人将污水排放在河道中。但是执法机关无法完全覆盖河道的所有节点,难以及时发现不合规的污水问题。
发明内容
本发明实施例至少揭露一种基于污水指纹图谱的河道排污监控系统。通过本实施例揭露监控系统能够对河道中任意两个采集设备之间可能出现的未知排污点进行监控。
所述系统包括存储设备、至少两个随机布置在河道节点的采集设备及至少一个监控设备;
所述存储设备在先的存储有至少一种已知的污水指纹图谱及所述污水指纹图谱的所有第一特征顶点;
所述采集设备获取所在河道节点的荧光图谱,并且发送所述荧光图谱到所述监控设备;
所述监控设备获取所述荧光图谱的所有第二特征顶点,并且分别标注所述第二特征顶点;
所述监控设备获取不同时存在于两个所述荧光图谱的所述第二特征顶点为第一入侵顶点;以及,所述监控设备比对两个所述荧光图谱中相同标注的所述第二特征顶点的坐标差异,并且获取坐标差异大于或等于一阈值区间的所述第二特征点为第二入侵顶点;
所述监控设备匹配所述第一入侵顶点和/或所述第二入侵顶点与所述存储设备中存储的至少一种所述第一特征顶点;以及,所述监控设备获取包括有匹配所述第一入侵顶点和/或所述第二入侵顶点的所述第一特征顶点对应的至少一种所述污水指纹图谱;
所述监控设备根据匹配的所述污水指纹图谱确定排污类型,并且生成供外部读取的排污预警信号。
在本发明公开的一些实施例中,所述监控设备获取所述荧光图谱的所有第二特征顶点,被配置为:
所述监控设备投影所述荧光图谱到二维坐标系,并且获取所述荧光图谱投影在二维坐标系中的所有闭环曲线,
所述监控设备获取所有闭环曲线之间的至少一个包含关系链,
所述监控设备获取所述包含关系链获取顶点区间,
所述监控设备根据所述顶点区间获取所述第二特征点;
所述监控设备获取所述顶点区间的荧光强度,并且在所述第二特征点组合所述荧光强度为三维坐标系中的所述第二特征顶点。
在本发明公开的一些实施例中,所述监控设备获取所述包含关系链,被配置为:
所述监控设备获取所述闭环曲线的闭环面积;
所述监控设备按照所述闭环面积的大小排列所有的闭环曲线;
所述监控设备依次确定相邻排列的两个所述闭环曲线之间的包含关系;
所述监控设备依次链接两个相邻的所述包含关系为所述包含关系链。
在本发明公开的一些实施例中,所述监控设备获取所述荧光图谱投影在二维坐标系中的所有闭环曲线,被配置有:
所述监控设备获取所述荧光图谱投影在二维坐标系中的非闭环曲线;
所述监控设备组合二维坐标系的边线及所述非闭环曲线为所述闭环曲线。
在本发明公开的一些实施例中,所述监控设备获取所述第二入侵顶点,被配置为:
所述监控设备建立任意两个所述荧光图谱中标注相同的所述第二特征顶点之间的矢量线;
所述监控设备获取所述矢量线的矢量长度,并且比较所述矢量长度与长度阈值;
所述监控设备在确定所述矢量长度大于或等于所述长度阈值后确定对应标注的所述第二特征顶点为所述第二入侵顶点。
在本发明公开的一些实施例中,所述监控设备获取包括有匹配所述第一入侵顶点和/或所述第二入侵顶点的所述第一特征顶点对应的至少一种所述污水指纹图谱,被配置为:
所述监控设备组合第一入侵顶点及所述第二入侵顶点为综合入侵顶点;
所述监控设备比较任意一种所述污水指纹图谱中的所有第一特征顶点与所述综合入侵顶点;
所述监控设备在确定所述综合入侵顶点与任意一种所述污水指纹图谱中所有第一特征顶点全部等同后匹配所述污水指纹图谱。
在本发明公开的一些实施例中,所述监控设备匹配所述污水指纹图谱,被配置为:
所述监控设备在确定所述综合入侵顶点与至少两种所述污水指纹图谱中所有第一特征顶点的组合全部等同后匹配所述污水指纹图谱。
在本发明公开的一些实施例中,所述监控设备获取所述综合入侵顶点,被配置为:
所述监控设备组合荧光强度大于或等于一强度阈值的第一入侵顶点及所述第二入侵顶点为综合入侵顶点。
在本发明公开的一些实施例中,所述监控设备匹配所述污水指纹图谱,被配置为:
所述存储设备在先根据任意所述污水指纹图谱中的所有第一特征顶点在二维坐标系构建图谱几何体;
所述监控设备根据所述综合入侵顶点在二维坐标系构建入侵几何体;
所述监控设备比较所述图谱几何体及所述入侵几何体面积的第一重叠度;
所述监控设备在所述第一重叠度大于或等于一相似阈值后匹配所述图谱几何体对应的所述污水指纹图谱。
在本发明公开的一些实施例中,所述监控设备匹配所述污水指纹图谱,被配置为:
所述存储设备在先根据任意所述污水指纹图谱中的所有第一特征顶点作为棱点在三维坐标系构建图谱柱体;
所述监控设备根据所述综合入侵顶点作为棱点在三维坐标系构建入侵柱体;
所述监控设备比较所述图谱柱体及所述入侵柱体体积的第二重叠度;
所述监控设备在所述第二重叠度大于或等于一相似阈值后匹配所述图谱几何体对应的所述污水指纹图谱。
针对上述方案,本发明通过以下参照附图对公开的示例性实施例作详细描述,亦使本发明实施例的其它特征及其优点清楚。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为系统的拓扑图;
图2为监控设备获取第二特征顶点时执行的流程图;
图3为监控设备获取所有闭环曲线之间的所有包含关系链时执行的流程图;
图4为监控设备获取第二入侵顶点时执行的流程图;
图5为监控设备匹配第一入侵顶点及第二入侵顶点与存储设备中存储的每个污水指纹图谱的第一特征顶点时执行的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
本实施例优先提供基于污水谱的河道排污监控系统及系统中终端执行的所有方案;图1示出终端所指的有采集设备、监控设备及存储设备。
本实施例揭露的采集设备为水污染在线监测仪器,仪器主要是布置在河道随机的一河道节点后实时的在河道节点获取一定浓度的污水样本,并且根据污水样本获取三维荧光光谱。水污染在线监测仪器具体产品有如辰安公司的在线监测仪器,具体实现有如专利文献cn201110085260.X中揭露的基于多光谱的多点采样多参数水质在线分析系统。本实施例两个采集设备根据体积及安装难易程度分别布置在对应河道节点的岸边,有选择的一些地形或场景通过混凝土建筑结构进行保护。
本实施例包括两个分别的布置在河道节点的采集设备,采集设备能够采集污水并且将污水稀释到荧光强度与浓度处在线性关系的浓度范围;采集设备获取稀释后污水的三维荧光图谱,并且通过有线或者外部加装的GPS收发模块无线远程的将三维荧光图谱发送到一在先配置的监控设备。
本实施例揭露的监控设备为具有数据处理及存储功能的终端,如计算机。监控设备在获取任意采集设备发送的三维荧光图谱后获取三维荧光图谱的所有顶点,即是第二特征顶点。监控设备获取第二特征顶点时执行的程序包括图2示出的步骤如下。
S100投影三维荧光图谱的x轴及y轴到新建的二维坐标系;
S200获取三维荧光图谱在二维坐标系中的所有闭环曲线及所有非闭环曲线。
S300将二维坐标系的边线与每个非闭环曲线组成闭环曲线。
S400获取所有闭环曲线之间的所有包含关系链。
S500获取每个包含关系链中的顶点区间。
S600计算每个顶点区间的几何中心为第二特征点。
S700获取第二特征点所在顶点区间的荧光强度,并且组合第二特征点与荧光强度为三维坐标系中的第二特征顶点。
其中在S300将二维坐标系的边线与每个非闭环曲线组成闭环曲线的详细步骤如下。本实施例的监控设备在获取荧光图谱投影在二维坐标系中的所有闭环曲线时,如果存在非闭环线,即与二维坐标系的x轴和/或y轴相交的曲线,那么监控设备在获取二维坐标系中的非闭环曲线后,组合二维坐标系的x轴和/或y轴及非闭环曲线为新的闭环曲线。
其中在S400获取每个包含关系链包括图3示出的步骤如下。
S410获取闭环曲线的闭环面积。
S420按照闭环面积的大小依次排列每个闭环曲线。
S430依次确定相邻排列的两个闭环曲线之间的包含关系,如果存在包含关系说明两个闭环曲线同时存在于一包含关系链,如果不存在包含关系说明两个闭环曲线分别存在于不同的包含关系链。
S440获取每个包含关系链中包含的所有闭环曲线。
本实施例的监控设备在获取三维荧光谱图的所有第二特征顶点后,对每个第二特征顶点进行坐标标注。
本实施例的监控设备在根据两个采集设备分别获取三维荧光谱图及三维荧光谱图中的所有第二特征顶点后,根据坐标确定两个三维荧光谱图的所有第二特征顶点之间的对应关系,进而确定第一入侵顶点及第二入侵顶点。
由于在三维荧光谱图中不同物质的荧光表现是独立且不相互干涉的;所指第一入侵顶点是不同时在两个三维荧光谱图中的第二特征顶点,即在两个三维荧光谱图中有且仅有单一一个坐标标注的第二特征顶点;所指第二入侵顶点是分别在两个三维荧光谱图中出现的第二特征顶点。
不同时存在于两个荧光图谱的第二特征顶点为第一入侵顶点;以及,监控设备比对两个荧光图谱中相同标注的第二特征顶点的坐标差异,并且获取坐标差异大于或等于一阈值区间的第二特征点为第二入侵顶点。
具体的,本实施例的监控设备获取第二入侵顶点包括图4示出的步骤如下。
S100建立两个荧光图谱中标注相同的第二特征顶点之间的矢量线。
S200根据两个第二特征顶点的坐标获取矢量线的矢量长度,并且比较矢量长度与一长度阈值,那么在矢量线长于长度阈值时判断相同标注的两个第二特征顶点之间差异过大。
S300在确定矢量长度大于或等于长度阈值后确定对应标注的第二特征顶点存在差异过大,是为第二入侵顶点。
本实施例的存储设备在先的存储有已知的所有污水指纹图谱及每个污水指纹图谱的所有第一特征顶点。本实施例的监控设备匹配第一入侵顶点及第二入侵顶点与存储设备中存储的每个污水指纹图谱的第一特征顶点。监控设备获取包括匹配有第一入侵顶点或第二入侵顶点的第一特征顶点对应的若干污水指纹图谱。监控设备根据获取的污水指纹图谱确定排污类型,并且根据排污类型生成能够被外部终端读取的排污预警信号,用于指示两个采集设备对应河道节点之间的部分存在关于若干具体排污类型的不合格排污。
在本实施例中监控设备匹配第一入侵顶点及第二入侵顶点与存储设备中存储的每个污水指纹图谱的第一特征顶点包括图5示出的步骤如下。
S100组合第一入侵顶点及第二入侵顶点为综合入侵顶点。
S200比较任意一种污水指纹图谱中的所有第一特征顶点的坐标与综合入侵顶点的坐标。
S300确定综合入侵顶点的坐标与一种污水指纹图谱中所有第一特征顶点全部等同后匹配污水指纹图谱。
本实施例中等同主要指坐标相近,相近程度可以进行对监控设备设置;设置原则可以如前述矢量线的长度比较。
在S100中监控设备获取综合入侵顶点是组合荧光强度大于或等于一强度阈值的第一入侵顶点及第二入侵顶点为综合入侵顶点。那么荧光强度小于强度阈值的第一入侵顶点及第二入侵顶点能够被排除,进而使监控设备仅对恶性的排污进行预警,降低系统的敏感程度。
在S300中监控设备在确定综合入侵顶点与两种污水指纹图谱中所有第一特征顶点的组合全部等同后匹配污水指纹图谱。
在另一实施例中存储设备在先根据任意污水指纹图谱中的所有第一特征顶点在二维坐标系构建图谱几何体。监控设备根据综合入侵顶点匹配污水指纹图谱能够通过执行以下步骤实现。
根据综合入侵顶点在二维坐标系构建入侵几何体。比较图谱几何体及入侵几何体面积的第一重叠度。第一重叠度大于或等于一相似阈值后匹配图谱几何体对应的污水指纹图谱。
在另一实施例中存储设备在先根据任意污水指纹图谱中的所有第一特征顶点作为棱点在三维坐标系构建图谱柱体。监控设备根据综合入侵顶点匹配污水指纹图谱能够通过执行以下步骤实现。
监控设备根据综合入侵顶点作为棱点在三维坐标系构建入侵柱体。监控设备比较图谱柱体及入侵柱体体积的第二重叠度。监控设备在第二重叠度大于或等于一相似阈值后匹配图谱几何体对应的污水指纹图谱。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种基于污水指纹图谱的河道排污监控系统,其特征在于,
所述系统包括存储设备、至少两个随机布置在河道节点的采集设备及至少一个监控设备;
所述存储设备在先的存储有至少一种已知的污水指纹图谱及所述污水指纹图谱的所有第一特征顶点;
所述采集设备获取所在河道节点的荧光图谱,并且发送所述荧光图谱到所述监控设备;
所述监控设备获取所述荧光图谱的所有第二特征顶点,并且分别标注所述第二特征顶点;
所述监控设备获取不同时存在于两个所述荧光图谱的所述第二特征顶点为第一入侵顶点;以及,所述监控设备比对两个所述荧光图谱中相同标注的所述第二特征顶点的坐标差异,并且获取坐标差异大于或等于一阈值区间的所述第二特征点为第二入侵顶点;
所述监控设备匹配所述第一入侵顶点和/或所述第二入侵顶点与所述存储设备中存储的至少一种所述第一特征顶点;以及,所述监控设备获取包括有匹配所述第一入侵顶点和/或所述第二入侵顶点的所述第一特征顶点对应的至少一种所述污水指纹图谱;
所述监控设备根据匹配的所述污水指纹图谱确定排污类型,并且生成供外部读取的排污预警信号。
2.如权利要求1所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备获取所述荧光图谱的所有第二特征顶点,被配置为:
所述监控设备投影所述荧光图谱到二维坐标系,并且获取所述荧光图谱投影在二维坐标系中的所有闭环曲线,
所述监控设备获取所有闭环曲线之间的至少一个包含关系链,
所述监控设备获取所述包含关系链获取顶点区间,
所述监控设备根据所述顶点区间获取所述第二特征点;
所述监控设备获取所述顶点区间的荧光强度,并且在所述第二特征点组合所述荧光强度为三维坐标系中的所述第二特征顶点。
3.如权利要求2所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备获取所述包含关系链,被配置为:
所述监控设备获取所述闭环曲线的闭环面积;
所述监控设备按照所述闭环面积的大小排列所有的闭环曲线;
所述监控设备依次确定相邻排列的两个所述闭环曲线之间的包含关系;
所述监控设备依次链接两个相邻的所述包含关系为所述包含关系链。
4.如权利要求2所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备获取所述荧光图谱投影在二维坐标系中的所有闭环曲线,被配置有:
所述监控设备获取所述荧光图谱投影在二维坐标系中的非闭环曲线;
所述监控设备组合二维坐标系的边线及所述非闭环曲线为所述闭环曲线。
5.如权利要求1所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备获取所述第二入侵顶点,被配置为:
所述监控设备建立任意两个所述荧光图谱中标注相同的所述第二特征顶点之间的矢量线;
所述监控设备获取所述矢量线的矢量长度,并且比较所述矢量长度与长度阈值;
所述监控设备在确定所述矢量长度大于或等于所述长度阈值后确定对应标注的所述第二特征顶点为所述第二入侵顶点。
6.如权利要求1所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备获取包括有匹配所述第一入侵顶点和/或所述第二入侵顶点的所述第一特征顶点对应的至少一种所述污水指纹图谱,被配置为:
所述监控设备组合第一入侵顶点及所述第二入侵顶点为综合入侵顶点;
所述监控设备比较任意一种所述污水指纹图谱中的所有第一特征顶点与所述综合入侵顶点;
所述监控设备在确定所述综合入侵顶点与任意一种所述污水指纹图谱中所有第一特征顶点全部等同后匹配所述污水指纹图谱。
7.如权利要求6所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备匹配所述污水指纹图谱,被配置为:
所述监控设备在确定所述综合入侵顶点与至少两种所述污水指纹图谱中所有第一特征顶点的组合全部等同后匹配所述污水指纹图谱。
8.如权利要求6所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备获取所述综合入侵顶点,被配置为:
所述监控设备组合荧光强度大于或等于一强度阈值的第一入侵顶点及所述第二入侵顶点为综合入侵顶点。
9.如权利要求6所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备匹配所述污水指纹图谱,被配置为:
所述存储设备在先根据任意所述污水指纹图谱中的所有第一特征顶点在二维坐标系构建图谱几何体;
所述监控设备根据所述综合入侵顶点在二维坐标系构建入侵几何体;
所述监控设备比较所述图谱几何体及所述入侵几何体面积的第一重叠度;
所述监控设备在所述第一重叠度大于或等于一相似阈值后匹配所述图谱几何体对应的所述污水指纹图谱。
10.如权利要求9所述的基于污水指纹图谱的河道排污监控系统,其特征在于,
所述监控设备匹配所述污水指纹图谱,被配置为:
所述存储设备在先根据任意所述污水指纹图谱中的所有第一特征顶点作为棱点在三维坐标系构建图谱柱体;
所述监控设备根据所述综合入侵顶点作为棱点在三维坐标系构建入侵柱体;
所述监控设备比较所述图谱柱体及所述入侵柱体体积的第二重叠度;
所述监控设备在所述第二重叠度大于或等于一相似阈值后匹配所述图谱几何体对应的所述污水指纹图谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792878.6A CN110471352A (zh) | 2019-08-26 | 2019-08-26 | 基于污水指纹图谱的河道排污监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792878.6A CN110471352A (zh) | 2019-08-26 | 2019-08-26 | 基于污水指纹图谱的河道排污监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110471352A true CN110471352A (zh) | 2019-11-19 |
Family
ID=68512267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910792878.6A Pending CN110471352A (zh) | 2019-08-26 | 2019-08-26 | 基于污水指纹图谱的河道排污监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471352A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015180895A (ja) * | 2015-06-22 | 2015-10-15 | 国立研究開発法人農業・食品産業技術総合研究機構 | 判別フィルタ設計方法、判別方法、判別フィルタセット、判別装置、および、プログラム |
CN105300909A (zh) * | 2015-12-02 | 2016-02-03 | 重庆大学 | 基于直接光谱法的全天候长流域水质监测与预警系统 |
CN105784650A (zh) * | 2016-03-04 | 2016-07-20 | 长江大学 | 一种地表水有机物污染的在线监测方法 |
CN109711674A (zh) * | 2018-12-03 | 2019-05-03 | 北京师范大学 | 一种用于湖库水体污染溯源的指纹图谱库构建方法及装置 |
-
2019
- 2019-08-26 CN CN201910792878.6A patent/CN110471352A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015180895A (ja) * | 2015-06-22 | 2015-10-15 | 国立研究開発法人農業・食品産業技術総合研究機構 | 判別フィルタ設計方法、判別方法、判別フィルタセット、判別装置、および、プログラム |
CN105300909A (zh) * | 2015-12-02 | 2016-02-03 | 重庆大学 | 基于直接光谱法的全天候长流域水质监测与预警系统 |
CN105784650A (zh) * | 2016-03-04 | 2016-07-20 | 长江大学 | 一种地表水有机物污染的在线监测方法 |
CN109711674A (zh) * | 2018-12-03 | 2019-05-03 | 北京师范大学 | 一种用于湖库水体污染溯源的指纹图谱库构建方法及装置 |
Non-Patent Citations (2)
Title |
---|
吕清 等: "基于水纹识别的水体污染溯源案例研究", 《光谱学与光谱分析》 * |
苏州国溯科技有限公司: "苏州国溯科技有限公司简介", 《HTTPS://MP.WEIXIN.QQ.COM/S/NCMMLBF9UBRE-R4OS_7RTW》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dong et al. | Planetary detection efficiency of the magnification 3000 microlensing event OGLE-2004-BLG-343 | |
CN104680555B (zh) | 基于视频监控的越界检测方法及越界监控系统 | |
Christophe et al. | Detecting building alignments for generalisation purposes | |
CN108956484B (zh) | 一种一体化追踪污染源的方法和装置 | |
US7227975B2 (en) | System and method for analyzing aerial photos | |
Weinstein et al. | An empirical algorithm for broadband photometric redshifts of quasars from the sloan digital sky survey | |
Sun et al. | Vehicle reidentification using multidetector fusion | |
Littenberg et al. | Separating gravitational wave signals from instrument artifacts | |
Ramo et al. | Optimized singular point detection algorithm for fingerprint images | |
Mamassian et al. | Modeling perceptual confidence and the confidence forced-choice paradigm. | |
US7552035B2 (en) | Method to use a receiver operator characteristics curve for model comparison in machine condition monitoring | |
Fang et al. | Using multi-parameters for calibration of low-cost sensors in urban environment | |
CN106124050A (zh) | 一种基于子空间的高光谱亚像元目标盲提取检测方法 | |
CN110471352A (zh) | 基于污水指纹图谱的河道排污监控系统 | |
Perrin et al. | Multisensor fusion in the frame of evidence theory for landmines detection | |
CN108917850A (zh) | 建筑结构预警系统 | |
Liao et al. | Distributed edge detection with composite hypothesis test in wireless sensor networks | |
Yu et al. | Detecting dynamical nonstationarity in time series data | |
Ji et al. | Detection of outliers in a time series of available parking spaces | |
Taylor | Evaluating the performance of a simulation model | |
CN110488710A (zh) | 基于污水指纹图谱变化的河道排污点排查系统及方法 | |
Cipolla et al. | Identification of spatio-temporal outliers through minimum spanning tree | |
Gouaty et al. | Detection confidence tests for burst and inspiral candidate events | |
Salnyk et al. | Stochastic model of the reaction the unattended ground sensor system based on {3+ 3} scheme | |
Tejedor et al. | Towards detection of pipeline integrity threats using a SmarT fiber-OPtic surveillance system: PIT-STOP project blind field test results |
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: 20191119 |
|
RJ01 | Rejection of invention patent application after publication |