CN111220786A - 一种深水沉积物有机污染快速监测方法 - Google Patents
一种深水沉积物有机污染快速监测方法 Download PDFInfo
- Publication number
- CN111220786A CN111220786A CN202010158377.5A CN202010158377A CN111220786A CN 111220786 A CN111220786 A CN 111220786A CN 202010158377 A CN202010158377 A CN 202010158377A CN 111220786 A CN111220786 A CN 111220786A
- Authority
- CN
- China
- Prior art keywords
- water source
- area
- detection
- detected
- information
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 233
- 239000013049 sediment Substances 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 178
- 238000005070 sampling Methods 0.000 claims abstract description 66
- 239000005416 organic matter Substances 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims description 24
- 238000010586 diagram Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000011109 contamination Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 3
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/10—Devices for withdrawing samples in the liquid or fluent state
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/10—Devices for withdrawing samples in the liquid or fluent state
- G01N1/20—Devices for withdrawing samples in the liquid or fluent state for flowing or falling materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Organic contamination in water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及计算机技术的技术领域,尤其是涉及一种深水沉积物有机污染快速监测方法,深水沉积物有机污染快速监测方法包括以下步骤:S10:若获取到水源检测消息,则从所述水源检测消息中获取待检测水源信息;S20:根据所述待检测水源信息,获取待采样区域,并在所述待采样区域中随机生成水源采样信息;S30:根据所述水源采样信息,生成对应的有机物检测消息,对采样得到的样品进行检测,得到对应的检测数据;S40:采用预设的检测标准对所述检测数据进行比对,得到对应的检测结果。本发明具有提升对水源的采样效率,进而提升对水源的效果。
Description
技术领域
本发明涉及计算机技术的技术领域,尤其是涉及一种深水沉积物有机污染快速监测方法。
背景技术
目前,随着人们对环境保护越来越重视,会经常对水源进行水质的检测,而通常对水质进行检测时,是需要通过对待检测的水源进行采样,并对采样的样本进行检测以及监测。
现有的对水源的检测以及监测时,通常是使用对应的设备在待检测的水源中进行取样,并对得到的样本进行检验,将检验的结果作为该水源的的水质的检测结果。
上述中的现有技术方案存在以下缺陷:
在对于重点检测的水源进行检测时,需要进行实时且快速的检测,而为了保证检测的结果的准确性,需要同时采集大量的样本,影响检测的效率,因此还有改进空间。
发明内容
本发明的目的是提供一种提升对水源的采样效率,进而提升对水源的沉积物进行检测的效率的深水沉积物有机污染快速监测方法。
本发明的上述发明目的一是通过以下技术方案得以实现的:
一种深水沉积物有机污染快速监测方法,所述深水沉积物有机污染快速监测方法包括以下步骤:
S10:若获取到水源检测消息,则从所述水源检测消息中获取待检测水源信息;
S20:根据所述待检测水源信息,获取待采样区域,并在所述待采样区域中随机生成水源采样信息;
S30:根据所述水源采样信息,生成对应的有机物检测消息,对采样得到的样品进行检测,得到对应的检测数据;
S40:采用预设的检测标准对所述检测数据进行比对,得到对应的检测结果。
通过采用上述技术方案,在获取到水源检测消息时,通过在该水源检测消息中获取待采样区域,并在该待采样区域中随机生成水源采样消息,能够减少采样的数量,同时也能够保证采样的准确度;通过与对应的检测数据进行比对,能够提升检测结果获取的效率。
本发明在一较佳示例中可以进一步配置为:步骤S20包括:
S21:获取待检测水源面积,并根据所述待检测水源面积划分检测区域,得到对应的检验区域;
S22:根据所述检验区域,随机生成待检验水源区域信息;
S23:根据所述待检验水源区域信息生成所述水源采样信息。
通过采用上述技术方案,通过对待检测水源面积划分检测区域,进而得到对应的检验区域,能够使得对该检验区域内的水源进行采样并检测;通过随机生成待检验水源区域信息,能够保证待检验水源区域信息的数量,进而保证采样的准确度的同时, 能够减少采样的数量,从而实现提升了采样的效率,通过提升采样的效率,使得在检测水源时,不需要对大量的样本进行检测,减少计算机运行的负载,还有利于对水源检测的效率。
本发明在一较佳示例中可以进一步配置为:步骤S21包括:
S211:根据所述待检测水源面积,生成水源平面图;
S212:获取区域划分规则,并根据所述区域划分规则对所述水源平面图进行划分,得到所述检验区域。
通过采用上述技术方案,通过生成水源平面图,有利于划分检验区域,便于对待检测的水源进行随机取样。
本发明在一较佳示例中可以进一步配置为:步骤S212包括:
S2121:根据水源平面图建立待检测平面坐标系;
S2122:根据所述区域划分规则获取检验区域坐标信息;
S2123:根据所述检验区域坐标信息在所述检测平面坐标系中进行划分,得到所述检验区域。
通过采用上述技术方案,通过建立待检测平面坐标系,能够根据区域划分规则得到每一检验区域的检验区域坐标信息,同时也有利于通过该检验区域坐标信息对每一检验区域进行标记,进而能够对采样的样本进行标记,提升了采样检验的效率。
本发明在一较佳示例中可以进一步配置为:步骤S40包括:
S41:从所述检测数据中获取待检测数据和对应的待检测数据类型;
S42:根据所述待检测数据类型,从所述检测标准中获取对应的比对数据,并使用所述比对数据与对应的待检测数据进行比对,得到所述检测结果。
通过采用上述技术方案,通过根据待检测数据类型从检测标准中获取对应的比对数据,进而将必读比对数据与对应的检测数据进行比对,能够检测出对应的检测结果。
本发明的上述发明目的二是通过以下技术方案得以实现的:
一种深水沉积物有机污染快速监测系统,所述深水沉积物有机污染快速监测系统包括:
水源检测消息获取模块,用于若获取到水源检测消息,则从所述水源检测消息中获取待检测水源信息;
采样模块,用于根据所述待检测水源信息,获取待采样区域,并在所述待采样区域中随机生成水源采样信息;
检测模块,用于根据所述水源采样信息,生成对应的有机物检测消息,对采样得到的样品进行检测,得到对应的检测数据;
比对模块,用于采用预设的检测标准对所述检测数据进行比对,得到对应的检测结果。
通过采用上述技术方案,在获取到水源检测消息时,通过在该水源检测消息中获取待采样区域,并在该待采样区域中随机生成水源采样消息,能够减少采样的数量,同时也能够保证采样的准确度;通过与对应的检测数据进行比对,能够提升检测结果获取的效率。
综上所述,本发明包括以下至少一种有益技术效果:
1、在获取到水源检测消息时,通过在该水源检测消息中获取待采样区域,并在该待采样区域中随机生成水源采样消息,能够减少采样的数量,同时也能够保证采样的准确度;通过与对应的检测数据进行比对,能够提升检测结果获取的效率;
2、通过对待检测水源面积划分检测区域,进而得到对应的检验区域,能够使得对该检验区域内的水源进行采样并检测;通过随机生成待检验水源区域信息,能够保证待检验水源区域信息的数量,进而保证采样的准确度的同时, 能够减少采样的数量,从而实现提升了采样的效率,通过提升采样的效率,使得在检测水源时,不需要对大量的样本进行检测,减少计算机运行的负载,还有利于对水源检测的效率;
3、通过建立待检测平面坐标系,能够根据区域划分规则得到每一检验区域的检验区域坐标信息,同时也有利于通过该检验区域坐标信息对每一检验区域进行标记,进而能够对采样的样本进行标记,提升了采样检验的效率。
附图说明
图1是本发明一实施例中深水沉积物有机污染快速监测方法的一流程图;
图2是本发明一实施例中深水沉积物有机污染快速监测方法中步骤S20的实现流程图;
图3是本发明一实施例中深水沉积物有机污染快速监测方法中步骤S21的实现流程图;
图4是本发明一实施例中深水沉积物有机污染快速监测方法中步骤S212的实现流程图;
图5是本发明一实施例中深水沉积物有机污染快速监测方法中步骤S40的实现流程图;
图6是本发明一实施例中深水沉积物有机污染快速监测系统的一原理框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例一:
在一实施例中,如图1所示,本发明公开了一种深水沉积物有机污染快速监测方法,具体包括如下步骤:
S10:若获取到水源检测消息,则从水源检测消息中获取待检测水源信息。
在本实施例中,水源检测消息是指对指定的水源进行质量的检测的消息。待检测水源信息是指具体需要被检测的水源的信息。
具体地,在需要对指定的水源进行水质的检测时,将需要被采样并检测的水源,例如饮用水的水源,或者是指定的江流等水域,则将该水域的信息作为待检测水源信息,并将该待检测水源信息组成该水源检测消息,通知相关工作人员根据该待检测水源信息,对指定的水域进行采样并检测。
S20:根据待检测水源信息,获取待采样区域,并在待采样区域中随机生成水源采样信息。
在本实施例中,待采样区域是指在待检测水源信息中的指定水域中,需要进行采样的部分。水源采样信息是指用于通知相关工作人员在待采样区域,对该水域进行采样的信息。
具体地,通过在待采样区域内均匀地划分可供工作人员进行采样的子区域,例如在该待采样区域中通过划分相同大小的矩形子区域的方式,并在该矩形的子区域中,随机生成水源采样信息。需要说明的是,为了保证采集的样品的随机性以及数量,因此随机生成该水源采样信息中的子区域,并该子区域的数量应满足检测的标准。
S30:根据水源采样信息,生成对应的有机物检测消息,对采样得到的样品进行检测,得到对应的检测数据。
在本实施例中,有机物检测消息是指通知对应的检测人员对采集到的水源样品进行检测的消息。
具体地,根据该水源采样信息,即根据该水源采样信息中的子区域,对采集的样品进行标记后,生成该有机物检测消息,即该有机物检测消息中包括有在待采样区域中对应的子区域的样品的信息。
进一步地,在生成该有机物检测消息后,将该有机物检测消息发送至相关的检测人员处,对采集的样品进行检测,得到检测数据。
S40:采用预设的检测标准对检测数据进行比对,得到对应的检测结果。
具体地,获取与该待检测水源信息的水质检测标准,将该检测数据进行比对,根据比对的结果,生成检测结果。其中,在比对时,可以将出现异常的数据,例如重金属的含量超标,对该异常数据进行标记,便于后续对水质进行整改。
在本实施例中,在获取到水源检测消息时,通过在该水源检测消息中获取待采样区域,并在该待采样区域中随机生成水源采样消息,能够减少采样的数量,同时也能够保证采样的准确度;通过与对应的检测数据进行比对,能够提升检测结果获取的效率。
在一实施例中,如图2所示,在步骤S20中,即根据待检测水源信息,获取待采样区域,并在待采样区域中随机生成水源采样信息,具体包括如下步骤:
S21:获取待检测水源面积,并根据待检测水源面积划分检测区域,得到对应的检验区域。
在本实施例中,待检测水源面积是指需要进行水质的检测的水源所占地的面积。检验区域是指在待检测的水源中,每一具体进行深水沉积物采样的水源区域。检测区域是指每一检测区域对应的面积。
具体地,在需要持续对某一片水源进行深水的沉积物进行采样并检验的水源区域时,例如湖泊、河涌以及江流等区域,将该片水源区域作为待检测的水源区域,并获取该区域的待检测水源面积,其中,获取的方式可以是通过测量的方式采集该水源的相关数据,并通过该数据进行计算得到该待检测水源面积。
进一步地,通过该检测水源面积以及该水源的轮廓形状,模拟出该水源的情况,并按照检测该水源的需求,设置每一检验区域的面积,作为检测区域;在得到该检测区域后,在该待检测水源面积中进行划分,得到该检验区域。
S22:根据检验区域,随机生成待检验水源区域信息。
在本实施例中,检验水源区域信息是指需要对深水的沉积物进行采样的检验区域。
具体地,在该片待检测的水源区域中的检验区域中,随机生成需要进行采样并对采集的样本进行检测的区域。需要说明的是,在随机生成的待检验水源区域信息中,需要包含的检验区域的数量应满足对该片水源每次进行采样检验的区域的最小数量的要求,以保证采集的样本的数量能够满足检验的要求。
S23:根据待检验水源区域信息生成水源采样信息。
在本实施例中,水源采样信息是指允许在待检验水源区域信息中区域中进行采样的信息。
具体地,对该待检验水源区域信息生成对饮的水源采样信息,使得工作人员能够根据该水源采样信息分配对应的人员以及采样设备,对该待检验水源区域信息中的深水沉积物进行采样。
在一实施例中,如图3所示,在步骤S21中,即获取待检测水源面积,并根据待检测水源面积划分检测区域,得到对应的检验区域,具体包括如下步骤:
S211:根据待检测水源面积,生成水源平面图。
在本实施例中,水源平面图是指计算机可读的该待检测水源的模拟图。其中,该模拟图可以是二维示意图或者是三维模拟图。
具体地,在获取到该待检测水源面积,以及通过拍摄图像等方式获取到该水源区域的实际情况后,通过图像绘制模拟相应的软件平台生成该水源平面图。
S212:获取区域划分规则,并根据区域划分规则对水源平面图进行划分,得到检验区域。
在本实施例中,区域划分规则是指对该待检测的水源进行划分采样的区域的规则。
具体地,根据实际进行采样以及检测的需求,设置该区域划分规则,并根据区域划分规则对水源平面图进行划分,得到检验区域。
在一实施例中,如图4所示,在步骤S212中,即获取区域划分规则,并根据区域划分规则对水源平面图进行划分,得到检验区域,具体包括如下步骤:
S2121:根据水源平面图建立待检测平面坐标系。
在本实施中,待检测平面坐标系是指在水源平面图中建立的坐标系。
具体地,在该水源平面图中选举区坐标原点,进一步地,在该坐标原点处建立坐标系,得到该待检测平面坐标系。其中,该待检测平面坐标系可以是以水平面建立的平面直角坐标系,也可以是根据该水源的深度以及表面,建立垂直直角坐标系。
S2122:根据区域划分规则获取检验区域坐标信息。
在本实施例中,检验区域坐标信息是指每一检验区域在该待检测平面坐标系中的坐标信息。
具体地,从该区域划分规则中获取每一检测区域的水平面的形状,例如矩形或圆形等。其中,每一检测区域的形状相同。进一步地,在每一检验区域对应的平面中,选取至少一个相同位置的点对应的坐标点,进而得到每一检验区域对应的检验区域坐标信息。
S2123:根据检验区域坐标信息在检测平面坐标系中进行划分,得到检验区域。
具体地,根据该检验区域坐标信息,获取每一检验区域在该检验平面坐标系中所占的范围,并使用该范围对每一检验区域在检测平面坐标系中进行划分,得到该检验区域,并使用对应的建区域坐标信息进行标记。
在一实施例中,如图5所示,在步骤S40中,即采用预设的检测标准对检测数据进行比对,得到对应的检测结果,具体包括如下步骤:
S41:从检测数据中获取待检测数据和对应的待检测数据类型。
在本实施例中,待检测数据是指在检测数据中每一组数据所对应的计算机可读字段。待检测数据类型是指每一项待检测数据所属的检测类型。例如,重金属含量、微生物含量以及其他类型等。
具体地,使用预先设置的待检测数据的字段,在检测数据中匹配出该检测数据中的待检测数据,并获取待检测数据所属的待检测数据类型。
S42:根据待检测数据类型,从检测标准中获取对应的比对数据,并使用比对数据与对应的待检测数据进行比对,得到检测结果。
具体地,根据待检测数据类型,从检测标准中获取对应的比对数据,并使用比对数据与对应的待检测数据进行比对,得到检测结果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二:
在一实施例中,提供一种深水沉积物有机污染快速监测系统,该深水沉积物有机污染快速监测系统与上述实施例中深水沉积物有机污染快速监测方法一一对应。如图6所示,该深水沉积物有机污染快速监测系统包括水源检测消息获取模块10、采样模块20、检测模块30和比对模块40。各功能模块详细说明如下:
水源检测消息获取模块10,用于若获取到水源检测消息,则从所述水源检测消息中获取待检测水源信息;
采样模块20,用于根据所述待检测水源信息,获取待采样区域,并在所述待采样区域中随机生成水源采样信息;
检测模块30,用于根据所述水源采样信息,生成对应的有机物检测消息,对采样得到的样品进行检测,得到对应的检测数据;
比对模块40,用于采用预设的检测标准对所述检测数据进行比对,得到对应的检测结果。
优选地,采样模块20包括:
区域获取子模块21,用于获取待检测水源面积,并根据所述待检测水源面积划分检测区域,得到对应的检验区域;
采样区域生成子模块22,用于根据所述检验区域,随机生成待检验水源区域信息;
信息生成子模块23, 用于根据所述待检验水源区域信息生成水源采样信息。
优选地,区域获取子模块21包括:
平面图生成单元211,用于根据所述待检测水源面积,生成水源平面图;
区域划分单元212,用于获取区域划分规则,并根据所述区域划分规则对所述水源平面图进行划分,得到所述检验区域。
优选地,区域划分单元212包括:
坐标系建立子单元2121,用于根据水源平面图建立待检测平面坐标系;
坐标信息生成子单元2122,用于根据所述区域划分规则获取检验区域坐标信息;
坐标划分子单元2123,用于根据所述检验区域坐标信息在所述检测平面坐标系中进行划分,得到所述检验区域。
优选地,比对模块40包括:
检测类型获取子模块41,用于从所述检测数据中获取待检测数据和对应的待检测数据类型;
比对子模块42,用于根据所述待检测数据类型,从所述检测标准中获取对应的比对数据,并使用所述比对数据与对应的待检测数据进行比对,得到所述检测结果。
关于深水沉积物有机污染快速监测系统的具体限定可以参见上文中对于深水沉积物有机污染快速监测方法的限定,在此不再赘述。上述深水沉积物有机污染快速监测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
Claims (10)
1.一种深水沉积物有机污染快速监测方法,其特征在于,所述深水沉积物有机污染快速监测方法包括以下步骤:
S10:若获取到水源检测消息,则从所述水源检测消息中获取待检测水源信息;
S20:根据所述待检测水源信息,获取待采样区域,并在所述待采样区域中随机生成水源采样信息;
S30:根据所述水源采样信息,生成对应的有机物检测消息,对采样得到的样品进行检测,得到对应的检测数据;
S40:采用预设的检测标准对所述检测数据进行比对,得到对应的检测结果。
2.如权利要求1所述的深水沉积物有机污染快速监测方法,其特征在于,步骤S20包括:
S21:获取待检测水源面积,并根据所述待检测水源面积划分检测区域,得到对应的检验区域;
S22:根据所述检验区域,随机生成待检验水源区域信息;
S23:根据所述待检验水源区域信息生成所述水源采样信息。
3.如权利要求2所述的深水沉积物有机污染快速监测方法,其特征在于,步骤S21包括:
S211:根据所述待检测水源面积,生成水源平面图;
S212:获取区域划分规则,并根据所述区域划分规则对所述水源平面图进行划分,得到所述检验区域。
4.如权利要求3所述的深水沉积物有机污染快速监测方法,其特征在于,步骤S212包括:
S2121:根据水源平面图建立待检测平面坐标系;
S2122:根据所述区域划分规则获取检验区域坐标信息;
S2123:根据所述检验区域坐标信息在所述检测平面坐标系中进行划分,得到所述检验区域。
5.如权利要求1所述的深水沉积物有机污染快速监测方法,其特征在于,步骤S40包括:
S41:从所述检测数据中获取待检测数据和对应的待检测数据类型;
S42:根据所述待检测数据类型,从所述检测标准中获取对应的比对数据,并使用所述比对数据与对应的待检测数据进行比对,得到所述检测结果。
6.如权利要求1所述的深水沉积物有机污染快速监测方法,其特征在于,所述深水沉积物有机污染快速监测方法通过深水沉积物有机污染快速监测系统执行,所述深水沉积物有机污染快速监测系统包括:
水源检测消息获取模块,用于若获取到水源检测消息,则从所述水源检测消息中获取待检测水源信息;
采样模块,用于根据所述待检测水源信息,获取待采样区域,并在所述待采样区域中随机生成水源采样信息;
检测模块,用于根据所述水源采样信息,生成对应的有机物检测消息,对采样得到的样品进行检测,得到对应的检测数据;
比对模块,用于采用预设的检测标准对所述检测数据进行比对,得到对应的检测结果。
7.如权利要求6所述的深水沉积物有机污染快速监测方法,其特征在于,所述采样模块包括:
区域获取子模块,用于获取待检测水源面积,并根据所述待检测水源面积划分检测区域,得到对应的检验区域;
采样区域生成子模块,用于根据所述检验区域,随机生成待检验水源区域信息;
信息生成子模块, 用于根据所述待检验水源区域信息生成水源采样信息。
8.如权利要求7所述的深水沉积物有机污染快速监测方法,其特征在于,所述区域获取子模块包括:
平面图生成单元,用于根据所述待检测水源面积,生成水源平面图;
区域划分单元,用于获取区域划分规则,并根据所述区域划分规则对所述水源平面图进行划分,得到所述检验区域。
9.如权利要求8所述的深水沉积物有机污染快速监测方法,其特征在于,所述区域划分单元包括:
坐标系建立子单元,用于根据水源平面图建立待检测平面坐标系;
坐标信息生成子单元,用于根据所述区域划分规则获取检验区域坐标信息;
坐标划分子单元,用于根据所述检验区域坐标信息在所述检测平面坐标系中进行划分,得到所述检验区域。
10.如权利要求6所述的深水沉积物有机污染快速监测方法,其特征在于,所述比对模块包括:
检测类型获取子模块,用于从所述检测数据中获取待检测数据和对应的待检测数据类型;
比对子模块,用于根据所述待检测数据类型,从所述检测标准中获取对应的比对数据,并使用所述比对数据与对应的待检测数据进行比对,得到所述检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010158377.5A CN111220786A (zh) | 2020-03-09 | 2020-03-09 | 一种深水沉积物有机污染快速监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010158377.5A CN111220786A (zh) | 2020-03-09 | 2020-03-09 | 一种深水沉积物有机污染快速监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111220786A true CN111220786A (zh) | 2020-06-02 |
Family
ID=70812586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010158377.5A Pending CN111220786A (zh) | 2020-03-09 | 2020-03-09 | 一种深水沉积物有机污染快速监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111220786A (zh) |
Citations (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050192751A1 (en) * | 2004-02-26 | 2005-09-01 | Bresch David N. | Methods for generating data set |
CN1664581A (zh) * | 2004-03-02 | 2005-09-07 | 中国科学院成都生物研究所 | 一种采用蝌蚪对受农药污染水体进行生物监测的方法 |
CN1688880A (zh) * | 2002-09-19 | 2005-10-26 | 易斯提克株式会社 | 使用图像的水质测定设备和方法 |
CN102004104A (zh) * | 2009-08-28 | 2011-04-06 | 中芯国际集成电路制造(上海)有限公司 | 晶片采样检测系统及其检测方法 |
CN102680657A (zh) * | 2012-06-01 | 2012-09-19 | 武汉科技大学 | 基于无线传感器的靠近不透水边界污染源探测与定位方法 |
CN103796163A (zh) * | 2013-11-03 | 2014-05-14 | 北京工业大学 | 一种接收信号强度排序指纹的室内定位方法 |
CN105445054A (zh) * | 2015-11-09 | 2016-03-30 | 长沙开元仪器股份有限公司 | 一种车厢煤炭采样方法和装置 |
CN106228602A (zh) * | 2016-07-21 | 2016-12-14 | 北京奇虎科技有限公司 | 三维车辆备选区域的确定方法、装置及车载设备 |
CN106408660A (zh) * | 2016-05-10 | 2017-02-15 | 北京洛斯达数字遥感技术有限公司 | 一种电力路径规划中数字地形模型压缩方法和设备 |
CN106407682A (zh) * | 2016-09-18 | 2017-02-15 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN106529505A (zh) * | 2016-12-05 | 2017-03-22 | 惠州华阳通用电子有限公司 | 一种基于图像视觉的车道线检测方法 |
CN106598043A (zh) * | 2016-11-08 | 2017-04-26 | 中国科学院自动化研究所 | 面向多个动态目标的并联机器人高速拾取路径优化方法 |
CN106885887A (zh) * | 2017-03-02 | 2017-06-23 | 合肥杰通环境技术有限公司 | 一种水污染检测方法及装置 |
CN107153889A (zh) * | 2017-05-03 | 2017-09-12 | 北京工商大学 | 水质采样巡航船路径规划最优化方法 |
CN206573567U (zh) * | 2017-03-30 | 2017-10-20 | 周朝晖 | 一种基于li‑fi应用的实时水质监测装置 |
CN107422094A (zh) * | 2017-09-18 | 2017-12-01 | 于盟盟 | 一种用于对水体中污染物进行检测及处理的方法 |
CN107492106A (zh) * | 2017-08-24 | 2017-12-19 | 广州市鑫广飞信息科技有限公司 | 一种水面区域分割方法 |
CN107782870A (zh) * | 2017-10-12 | 2018-03-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种引水工程湖泊水生态效应监测点位优化方法 |
CN108038430A (zh) * | 2017-11-30 | 2018-05-15 | 北京华道兴科技有限公司 | 一种车牌定位方法和装置 |
CN108090908A (zh) * | 2017-12-07 | 2018-05-29 | 深圳云天励飞技术有限公司 | 图像分割方法、装置、终端及存储介质 |
CN109297968A (zh) * | 2018-11-21 | 2019-02-01 | 河南工业职业技术学院 | 一种生成面域水质监测结果的方法 |
CN109660945A (zh) * | 2019-02-18 | 2019-04-19 | 河海大学常州校区 | WSN中基于多sink的动态多路由源节点位置隐私保护方法 |
CN109738602A (zh) * | 2018-12-12 | 2019-05-10 | 河南科技学院 | 一种水域污染的预警系统及方法 |
CN109785344A (zh) * | 2019-01-22 | 2019-05-21 | 成都大学 | 基于特征重标定的双通路残差网络的遥感图像分割方法 |
CN109828575A (zh) * | 2019-02-22 | 2019-05-31 | 山东省计算中心(国家超级计算济南中心) | 一种有效提高农机作业效率的路径规划方法 |
CN109933068A (zh) * | 2019-03-15 | 2019-06-25 | 文远知行有限公司 | 驾驶路径规划方法、装置、设备和存储介质 |
CN110320163A (zh) * | 2019-06-26 | 2019-10-11 | 深圳市宇驰检测技术股份有限公司 | 无人机的在线水质监测方法、系统及存储介质 |
CN110321104A (zh) * | 2019-07-09 | 2019-10-11 | 河南工业大学 | 一种房式仓粮面扦样点随机布局方法 |
CN209606823U (zh) * | 2019-05-29 | 2019-11-08 | 生态环境部华南环境科学研究所 | 一种生态环境监测装置 |
CN110646006A (zh) * | 2019-09-02 | 2020-01-03 | 平安科技(深圳)有限公司 | 装配路径规划方法及相关装置 |
CN110751643A (zh) * | 2019-10-21 | 2020-02-04 | 睿视智觉(厦门)科技有限公司 | 一种水质异常检测方法、装置及设备 |
-
2020
- 2020-03-09 CN CN202010158377.5A patent/CN111220786A/zh active Pending
Patent Citations (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1688880A (zh) * | 2002-09-19 | 2005-10-26 | 易斯提克株式会社 | 使用图像的水质测定设备和方法 |
US20050192751A1 (en) * | 2004-02-26 | 2005-09-01 | Bresch David N. | Methods for generating data set |
CN1664581A (zh) * | 2004-03-02 | 2005-09-07 | 中国科学院成都生物研究所 | 一种采用蝌蚪对受农药污染水体进行生物监测的方法 |
CN102004104A (zh) * | 2009-08-28 | 2011-04-06 | 中芯国际集成电路制造(上海)有限公司 | 晶片采样检测系统及其检测方法 |
CN102680657A (zh) * | 2012-06-01 | 2012-09-19 | 武汉科技大学 | 基于无线传感器的靠近不透水边界污染源探测与定位方法 |
CN103796163A (zh) * | 2013-11-03 | 2014-05-14 | 北京工业大学 | 一种接收信号强度排序指纹的室内定位方法 |
CN105445054A (zh) * | 2015-11-09 | 2016-03-30 | 长沙开元仪器股份有限公司 | 一种车厢煤炭采样方法和装置 |
CN106408660A (zh) * | 2016-05-10 | 2017-02-15 | 北京洛斯达数字遥感技术有限公司 | 一种电力路径规划中数字地形模型压缩方法和设备 |
CN106228602A (zh) * | 2016-07-21 | 2016-12-14 | 北京奇虎科技有限公司 | 三维车辆备选区域的确定方法、装置及车载设备 |
CN106407682A (zh) * | 2016-09-18 | 2017-02-15 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN106598043A (zh) * | 2016-11-08 | 2017-04-26 | 中国科学院自动化研究所 | 面向多个动态目标的并联机器人高速拾取路径优化方法 |
CN106529505A (zh) * | 2016-12-05 | 2017-03-22 | 惠州华阳通用电子有限公司 | 一种基于图像视觉的车道线检测方法 |
CN106885887A (zh) * | 2017-03-02 | 2017-06-23 | 合肥杰通环境技术有限公司 | 一种水污染检测方法及装置 |
CN206573567U (zh) * | 2017-03-30 | 2017-10-20 | 周朝晖 | 一种基于li‑fi应用的实时水质监测装置 |
CN107153889A (zh) * | 2017-05-03 | 2017-09-12 | 北京工商大学 | 水质采样巡航船路径规划最优化方法 |
CN107492106A (zh) * | 2017-08-24 | 2017-12-19 | 广州市鑫广飞信息科技有限公司 | 一种水面区域分割方法 |
CN107422094A (zh) * | 2017-09-18 | 2017-12-01 | 于盟盟 | 一种用于对水体中污染物进行检测及处理的方法 |
CN107782870A (zh) * | 2017-10-12 | 2018-03-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种引水工程湖泊水生态效应监测点位优化方法 |
CN108038430A (zh) * | 2017-11-30 | 2018-05-15 | 北京华道兴科技有限公司 | 一种车牌定位方法和装置 |
CN108090908A (zh) * | 2017-12-07 | 2018-05-29 | 深圳云天励飞技术有限公司 | 图像分割方法、装置、终端及存储介质 |
CN109297968A (zh) * | 2018-11-21 | 2019-02-01 | 河南工业职业技术学院 | 一种生成面域水质监测结果的方法 |
CN109738602A (zh) * | 2018-12-12 | 2019-05-10 | 河南科技学院 | 一种水域污染的预警系统及方法 |
CN109785344A (zh) * | 2019-01-22 | 2019-05-21 | 成都大学 | 基于特征重标定的双通路残差网络的遥感图像分割方法 |
CN109660945A (zh) * | 2019-02-18 | 2019-04-19 | 河海大学常州校区 | WSN中基于多sink的动态多路由源节点位置隐私保护方法 |
CN109828575A (zh) * | 2019-02-22 | 2019-05-31 | 山东省计算中心(国家超级计算济南中心) | 一种有效提高农机作业效率的路径规划方法 |
CN109933068A (zh) * | 2019-03-15 | 2019-06-25 | 文远知行有限公司 | 驾驶路径规划方法、装置、设备和存储介质 |
CN209606823U (zh) * | 2019-05-29 | 2019-11-08 | 生态环境部华南环境科学研究所 | 一种生态环境监测装置 |
CN110320163A (zh) * | 2019-06-26 | 2019-10-11 | 深圳市宇驰检测技术股份有限公司 | 无人机的在线水质监测方法、系统及存储介质 |
CN110321104A (zh) * | 2019-07-09 | 2019-10-11 | 河南工业大学 | 一种房式仓粮面扦样点随机布局方法 |
CN110646006A (zh) * | 2019-09-02 | 2020-01-03 | 平安科技(深圳)有限公司 | 装配路径规划方法及相关装置 |
CN110751643A (zh) * | 2019-10-21 | 2020-02-04 | 睿视智觉(厦门)科技有限公司 | 一种水质异常检测方法、装置及设备 |
Non-Patent Citations (2)
Title |
---|
杨建锋等: "田块尺度苏打盐渍土盐化和碱化空间变异特征", 《土壤学报》 * |
申时凯等: "基于改进神经网络的湖泊水质污染检测法研究", 《计算机仿真》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7801353B2 (en) | Method for defect detection using computer aided design data | |
CN110807429A (zh) | 基于tiny-YOLOv3的施工安全检测方法及系统 | |
KR100998885B1 (ko) | 영상의 시간적 픽셀의 농도 분포 변화를 이용한 액체 경계면 인식방법 및 이를 이용하여 액체높이를 인식하는 액체높이인식장치 | |
CN107845113B (zh) | 目标元素定位方法、装置以及用户界面测试方法、装置 | |
TW201517192A (zh) | 晶片對資料庫的影像檢測方法 | |
CN109544533A (zh) | 一种基于深度学习的金属板缺陷检测和度量方法 | |
CN110346704B (zh) | 板卡测试中测试文件的确定方法、装置、设备及存储介质 | |
WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
CN112525925A (zh) | 一种键盘检测方法、系统、电子设备及介质 | |
CN111445376B (zh) | 视频水印的检测方法、装置、电子设备和存储介质 | |
CN111462056A (zh) | 工件表面缺陷检测方法、装置、设备及存储介质 | |
CN117252431A (zh) | 基于大数据的水质溯源方法、装置、设备及存储介质 | |
CN111220786A (zh) | 一种深水沉积物有机污染快速监测方法 | |
CN111220410A (zh) | 一种快速采样的深水沉积物取样系统 | |
CN113705567B (zh) | 船舶裂纹检测方法、系统、设备及计算机可读存储介质 | |
CN115901108A (zh) | 一种危化品生产企业突发流域水环境的风险评估方法 | |
CN114332016A (zh) | 设备屏幕光斑检测方法及装置 | |
CN114612363A (zh) | 螺栓松动检测方法,装置,电子设备及存储介质 | |
CN111639365A (zh) | 一种数据泄漏告警方法及相关装置 | |
CN117496449B (zh) | 基于图像分析的工地大气污染物检测方法及相关装置 | |
CN109215068B (zh) | 图像放大率测量方法及装置 | |
CN110874837A (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
CN115327497B (zh) | 雷达检测范围确定方法、装置、电子设备及可读介质 | |
CN114354337B (zh) | 锈蚀状态下金具的抗拉强度检测方法、装置、终端设备 | |
CN117173720B (zh) | 适用于智慧能源单元的处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200602 |