CN111754374B - 一种土地污染监控方法及其系统 - Google Patents

一种土地污染监控方法及其系统 Download PDF

Info

Publication number
CN111754374B
CN111754374B CN202010597457.0A CN202010597457A CN111754374B CN 111754374 B CN111754374 B CN 111754374B CN 202010597457 A CN202010597457 A CN 202010597457A CN 111754374 B CN111754374 B CN 111754374B
Authority
CN
China
Prior art keywords
analyzed
pollution
data
objects
monitoring
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
Application number
CN202010597457.0A
Other languages
English (en)
Other versions
CN111754374A (zh
Inventor
苑贵全
张志明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heilongjiang Shidai resources and Environment Engineering Design Co.,Ltd.
Original Assignee
Heilongjiang Shidai Resources And Environment Engineering Design Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heilongjiang Shidai Resources And Environment Engineering Design Co ltd filed Critical Heilongjiang Shidai Resources And Environment Engineering Design Co ltd
Priority to CN202010597457.0A priority Critical patent/CN111754374B/zh
Publication of CN111754374A publication Critical patent/CN111754374A/zh
Application granted granted Critical
Publication of CN111754374B publication Critical patent/CN111754374B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Processing Of Solid Wastes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种土地污染监控方法及其系统，其中，土地污染监控方法包括如下步骤：获取各个管控区域的监控数据，其中，监控数据包括地表图像数据和土质数据；对监控数据进行分析，生成分析结果；根据分析结果生成管控指令，并下发管控指令对相应的种植区域进行管控。本申请具有能够对各个种植区域进行实时监控，以及对具有土地污染的种植区域进行及时准确的控制和管理的技术效果。

Description

一种土地污染监控方法及其系统
技术领域
本申请涉及环境技术领域，尤其涉及一种土地污染监控方法及其系统。
背景技术
土地污染是土地因受到采矿、工业废弃物或农用化学物质的侵入，从而导致土壤原有的理化性状恶化，使土地生产潜力减退、产品质量恶化，并对人类和动植物造成危害的现象和过程。农业污染主要是种植区域的土壤中的重金属或者农药残余存在危害，该危害包括影响植物根和叶的发育，破坏人体神经系统、免疫系统和骨骼系统等。此外，还有不可降解的污染物也会对土地造成危害。现有的土地污染控制在监控上存在监控不全面、检测数据不准确和处理不及时等问题，无法有效地为管理人员提供可靠的参考依据。
发明内容
本申请的目的在于提供一种土地污染监控方法及其系统，具有能够对各个种植区域进行实时监控，以及对具有土地污染的种植区域进行及时准确的控制和管理的技术效果。
为达到上述目的，本申请提供一种土地污染监控方法，包括如下步骤：获取各个管控区域的监控数据，其中，监控数据包括地表图像数据和土质数据；对监控数据进行分析，生成分析结果；根据分析结果生成管控指令，并下发管控指令对相应的种植区域进行管控。
如上的，其中，对监控数据进行分析，生成分析结果的子步骤如下：对地表图像数据进行分析，获得地表污染结果；对土质数据进行分析，获得土质污染结果；将地表污染结果、土质污染结果和种植区域位置作为分析结果。
如上的，其中，对地表图像数据进行分析，获得地表污染结果的子步骤如下：对地表图像数据进行预处理，获取待分析区域；对待分析区域进行分析，获得同类待分析对象；对同类待分析对象进行分析，获取各同类待分析对象的占有率；根据占有率获取污染覆盖率，将污染覆盖率作为地表污染结果。
如上的，其中，各同类待分析对象的占有率公式如下：
Figure 765427DEST_PATH_IMAGE001
；其中，
Figure 657160DEST_PATH_IMAGE002
为同类待分析对象的占有率，当
Figure 841017DEST_PATH_IMAGE003
时，
Figure 741976DEST_PATH_IMAGE004
，
Figure 429310DEST_PATH_IMAGE005
为待分析对象的类别为可降解垃圾的同类待分析对象的占有率；当
Figure 23102DEST_PATH_IMAGE006
时，
Figure 163096DEST_PATH_IMAGE007
，
Figure 867747DEST_PATH_IMAGE008
为待分析对象的类别为不可降解垃圾的同类待分析对象的占有率；
Figure 675166DEST_PATH_IMAGE009
和
Figure 705439DEST_PATH_IMAGE010
为同类待分析对象的标识码；
Figure 332730DEST_PATH_IMAGE011
为待分析区域的面积；
Figure 861579DEST_PATH_IMAGE012
为待分析对象的类别为可降解垃圾的同类待分析对象中第
Figure 523505DEST_PATH_IMAGE013
个待分析对象的面积，其中，
Figure 459100DEST_PATH_IMAGE013
为自然数，
Figure 839265DEST_PATH_IMAGE014
；
Figure 620140DEST_PATH_IMAGE015
为待分析对象的类别为不可降解垃圾的同类待分析对象中第
Figure 402151DEST_PATH_IMAGE016
个待分析对象的面积，其中，
Figure 243068DEST_PATH_IMAGE017
，
Figure 844950DEST_PATH_IMAGE018
为自然数。
如上的，其中，污染覆盖率的计算公式如下：
Figure 429516DEST_PATH_IMAGE019
；其中，
Figure 800454DEST_PATH_IMAGE020
为污染物在种植区域中的污染覆盖率；
Figure 546693DEST_PATH_IMAGE021
为可降解垃圾的危害系数；
Figure 370293DEST_PATH_IMAGE022
为不可降解垃圾的危害系数；
Figure 758549DEST_PATH_IMAGE023
为一个种植区域中的第
Figure 718414DEST_PATH_IMAGE024
个待分析对象的类别为可降解垃圾的同类待分析对象的占有率，
Figure 901134DEST_PATH_IMAGE025
，
Figure 212030DEST_PATH_IMAGE026
为自然数；
Figure 141327DEST_PATH_IMAGE027
为一个种植区域中的第
Figure 955699DEST_PATH_IMAGE028
个待分析对象的类别为不可降解垃圾的同类待分析对象的占有率，
Figure 574900DEST_PATH_IMAGE029
，
Figure 107512DEST_PATH_IMAGE030
为自然数；
Figure 571991DEST_PATH_IMAGE031
为种植区域的面积；
Figure 506449DEST_PATH_IMAGE032
为第
Figure 30972DEST_PATH_IMAGE033
个待分析区域的面积，
Figure 316459DEST_PATH_IMAGE034
，
Figure 319051DEST_PATH_IMAGE035
为自然数。
如上的，其中，利用卷积神经网络对地表图像数据进行垃圾分类器判断，并生成判断结果，若判断结果为具有垃圾，则把具有垃圾的区域自动截取出来作为待分析区域。
如上的，其中，对待分析区域进行分析，获得同类待分析对象的子步骤如下：获取待分析区域中的所有待分析对象；将每个待分析对象输入垃圾分类器中进行类别分析，并将同类别的待分析对象归类为同类待分析对象。
如上的，其中，根据分析结果生成管控指令，并下发管控指令对相应的种植区域进行管控的子步骤如下：对分析结果进行处理，确定种植区域的污染程度；根据污染原因和污染程度获取推送治理方案；利用污染原因、污染程度、推送治理方案和种植区域位置生成管控指令。
本申请还提供一种土地污染监控系统，包括：多个数据获取装置、监控中心、多个管控终端；其中，数据获取装置：用于获取各个种植区域的监控数据；监控中心：接收数据获取装置上传的监控数据，执行上述的土地污染监控方法对监控数据进行处理，生成管控指令，并将管控指令下发至相应的管控终端；管控终端：用于接收监控中心下发的管控指令，并根据管控指令对相应的种植区域进行治理。
如上的，其中，监控中心包括：数据收发装置、数据处理装置和数据存储装置；其中，数据收发装置：用于接收数据获取装置上传的监控数据，并将监控数据上传至数据处理装置；数据处理装置：用于对监控数据进行处理，生成管控指令，将管控指令下发至相应的管理终端，向数据存储装置发送遍历指令；数据存储装置：用于预先存储种植区域轮廓表和污染程度表，接收数据处理装置的遍历指令。
本申请能够对各个种植区域进行实时监控，以及对具有土地污染的种植区域进行及时准确的控制和管理的技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为土地污染监控系统一种实施例的结构示意图；
图2为土地污染监控方法一种实施例的流程图。
具体实施方式
下面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。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请提供一种土地污染监控方法及其系统，具有能够对各个种植区域进行实时监控，以及对具有土地污染的种植区域进行及时准确的控制和管理的技术效果。
如图1所示，本申请提供一种土地污染监控系统，包括：多个数据获取装置1、监控中心2、多个管控终端3。
其中，数据获取装置1：用于获取各个种植区域的监控数据。
监控中心2：接收数据获取装置上传的监控数据，执行下述的土地污染监控方法对监控数据进行处理，生成管控指令，并将管控指令下发至相应的管控终端。
管控终端3：用于接收监控中心下发的管控指令，并根据管控指令对相应的种植区域进行治理。
进一步的，监控中心2包括：数据收发装置、数据处理装置和数据存储装置。
其中，数据收发装置：用于接收数据获取装置上传的监控数据，并将监控数据上传至数据处理装置。
数据处理装置：用于对监控数据进行处理，生成管控指令，将管控指令下发至相应的管理终端，向数据存储装置发送遍历指令。
数据存储装置：用于预先存储种植区域轮廓表和污染程度表，接收数据处理装置的遍历指令。
如图2所示，本申请提供一种土地污染监控方法，包括如下步骤：
S210：获取各管控区域的监控数据，其中，监控数据包括：地表图像数据和土质数据。
具有的，获取各管控区域的监控数据的子步骤如下：
P1：下发监控数据获取指令。
具体的，监控中心向多个数据获取装置下发监控数据获取指令，其中，监控数据获取指令至少包括：取样时间、初始取样点位置、取样点间隔以及取样点总个数。
P2：接收根据下发的监控数据获取指令反馈的监控数据。
具体的，数据获取装置根据接收到的监控数据获取指令对各个种植区域的土地进行监控数据获取，并将采集到的监控数据反馈至数据处理单元，数据处理单元接收到上传的监控数据后，执行S220。
其中，监控数据至少包括：地表图像数据和土质数据。
其中，地表图像数据包括：取样面的图像数据、取样面面积、取样面范围位置和取样时间。
其中，土质数据至少包括：重金属含量、农药残留含量和取样点位置、取样时间。
S220：对监控数据进行分析，生成分析结果。
进一步的，对监控数据进行分析，生成分析结果的子步骤如下：
T1：对地表图像数据进行分析，获得地表污染结果。
进一步的，对地表图像数据进行分析，获得地表污染结果的子步骤如下：
T110：对地表图像数据进行预处理，获取待分析区域。
具体的，数据处理装置利用卷积神经网络对地表图像数据进行垃圾分类器判断，并生成判断结果，若判断结果为具有垃圾，则把具有垃圾的区域自动截取出来作为待分析区域，执行T120。其中，建立大规模的垃圾图片训练集，在垃圾图片训练集中训练基于卷积神经网络的深度学习分类器，并提取其中的卷积层作为垃圾分类器。
进一步的，利用交叉熵损失函数表示判断结果，表达式如下：
Figure 373594DEST_PATH_IMAGE036
；
其中，
Figure 334597DEST_PATH_IMAGE037
表示用于垃圾分类的交叉熵损失函数，当
Figure 576222DEST_PATH_IMAGE038
时，表示判断结果为具有垃圾；
Figure 648084DEST_PATH_IMAGE039
表示真实的背景标签，
Figure 557134DEST_PATH_IMAGE040
；
Figure 423459DEST_PATH_IMAGE041
表示预测输出垃圾概率。
具体的，预测输出垃圾概率
Figure 417960DEST_PATH_IMAGE042
为Sigmoid函数的输出表征当前样本标签为1的概率。
T120：对待分析区域进行分析，获得同类待分析对象。
进一步的，对待分析区域进行分析，获得同类待分析对象的子步骤如下：
R1：获取待分析区域中的所有待分析对象。
具体的，待分析区域中的每个垃圾均为一个待分析对象。
R2：将每个待分析对象输入垃圾分类器中进行类别分析，并将同类别的待分析对象归类为同类待分析对象。
进一步的，待分析对象的类别至少包括：可降解垃圾和不可降解垃圾。
具体的，作为一个实施例，待分析对象A为纸张，则待分析对象A的类别为可降解垃圾。待分析对象B为木材，则待分析对象B的类别为可降解垃圾。待分析对象C为塑料瓶，则待分析对象C的类别为不可降解垃圾。待分析对象D为塑料薄膜，则待分析对象D的类别为不可降解垃圾。其中，待分析对象A和待分析对象B为同类待分析对象。待分析对象C和待分析对象D为同类待分析对象。
进一步的，同类待分析对象均具有相应的标识码。
具体的，待分析对象的类别为可降解垃圾的同类待分析对象的标识码为：
Figure 27932DEST_PATH_IMAGE043
；待分析对象的类别为不可降解垃圾的同类待分析对象的标识码为：
Figure 791489DEST_PATH_IMAGE044
。
T130：对同类待分析对象进行分析，获取各同类待分析对象的占有率。
具体的，各同类待分析对象的占有率公式如下：
Figure 828715DEST_PATH_IMAGE045
；
其中，
Figure 310512DEST_PATH_IMAGE046
为同类待分析对象的占有率，当
Figure 724176DEST_PATH_IMAGE047
时，
Figure 604889DEST_PATH_IMAGE048
，
Figure 813016DEST_PATH_IMAGE049
为待分析对象的类别为可降解垃圾的同类待分析对象的占有率；当
Figure 782109DEST_PATH_IMAGE050
时，
Figure 468305DEST_PATH_IMAGE051
，
Figure 472033DEST_PATH_IMAGE052
为待分析对象的类别为不可降解垃圾的同类待分析对象的占有率；
Figure 585483DEST_PATH_IMAGE053
和
Figure 41872DEST_PATH_IMAGE010
为同类待分析对象的标识码；
Figure 531759DEST_PATH_IMAGE054
为待分析区域的面积；
Figure 389994DEST_PATH_IMAGE055
为待分析对象的类别为可降解垃圾的同类待分析对象中第
Figure 939924DEST_PATH_IMAGE056
个待分析对象的面积，其中，
Figure 618030DEST_PATH_IMAGE056
为自然数，
Figure 911608DEST_PATH_IMAGE057
；
Figure 358770DEST_PATH_IMAGE058
为待分析对象的类别为不可降解垃圾的同类待分析对象中第
Figure 345180DEST_PATH_IMAGE059
个待分析对象的面积，其中，
Figure 510583DEST_PATH_IMAGE060
，
Figure 342272DEST_PATH_IMAGE061
为自然数。
T140：根据占有率获取污染覆盖率，将污染覆盖率作为地表污染结果。
具体的，污染覆盖率的计算公式如下：
Figure 909520DEST_PATH_IMAGE062
；
其中，
Figure 801252DEST_PATH_IMAGE063
为污染物在种植区域中的污染覆盖率；
Figure 453951DEST_PATH_IMAGE064
为可降解垃圾的危害系数；
Figure 89331DEST_PATH_IMAGE065
为不可降解垃圾的危害系数；
Figure 511085DEST_PATH_IMAGE066
为一个种植区域中的第
Figure 839299DEST_PATH_IMAGE067
个待分析对象的类别为可降解垃圾的同类待分析对象的占有率，
Figure 716643DEST_PATH_IMAGE068
，
Figure 421294DEST_PATH_IMAGE069
为自然数；
Figure 697555DEST_PATH_IMAGE070
为一个种植区域中的第
Figure 931090DEST_PATH_IMAGE071
个待分析对象的类别为不可降解垃圾的同类待分析对象的占有率，
Figure 558380DEST_PATH_IMAGE072
，
Figure 269984DEST_PATH_IMAGE073
为自然数；
Figure 666331DEST_PATH_IMAGE074
为种植区域的面积；
Figure 336347DEST_PATH_IMAGE075
为第
Figure 185354DEST_PATH_IMAGE076
个待分析区域的面积，
Figure 966228DEST_PATH_IMAGE077
，
Figure 217081DEST_PATH_IMAGE078
为自然数。
T2：对土质数据进行分析，获得土质污染结果。
具体的，土质数据至少包括：重金属含量、农药残留含量和取样点位置、取样时间。
进一步的，对土质数据进行处理，获得土质污染比例，并将土质污染比例作为土质污染结果，计算公式如下：
Figure 57998DEST_PATH_IMAGE079
；
其中，
Figure 394301DEST_PATH_IMAGE080
为种植区域的土质污染比例；
Figure 713287DEST_PATH_IMAGE081
为取样点的总数；污染物
Figure 84226DEST_PATH_IMAGE082
为重金属或者农药残留物；
Figure 830465DEST_PATH_IMAGE083
为第
Figure 654064DEST_PATH_IMAGE084
个取样点中污染物
Figure 776741DEST_PATH_IMAGE085
溶解在溶液中的浓度；
Figure 2186DEST_PATH_IMAGE086
为溶液体积；
Figure 919326DEST_PATH_IMAGE087
为第
Figure 230222DEST_PATH_IMAGE088
个取样点的土壤重量。
T3：将地表污染结果、土质污染结果和种植区域位置作为分析结果。
具体的，数据处理单元将地表污染结果、土质污染结果和种植区域位置作为分析结果上传至数据分析单元，执行S230。
其中，种植区域位置利用取样点位置或取样面范围位置，根据预先设置的种植区域轮廓表获取。种植区域轮廓表中包括多个种植区域轮廓。作为一个实施例，种植区域a的种植区域轮廓为：由(0,0)、(0,20)、(10,0)、(10,20)四个顶点构成的矩形，取样点位置b为(1,3)；取样面范围位置c为:(2,3)、(2,7)、(4,3)、(4,7)四个顶点构成的矩形，则取样点位置b和取样面范围位置c均属于种植区域a。
S230：根据分析结果生成管控指令，并下发管控指令进行管控。
进一步的，根据分析结果生成管控指令，并下发管控指令对相应的种植区域进行管控的子步骤如下：
K1：对分析结果进行处理，确定种植区域的污染程度。
具体的，数据处理装置读取分析结果后，生成遍历污染程度表指令，并将该遍历污染程度表指令下发至数据存储装置，数据存储装置接收到该指令后，允许数据处理装置对预先存储于数据存储装置中的污染程度表进行遍历。
其中，遍历污染程度表指令包括：地表污染结果和土质污染结果。
其中，污染程度表包括：多个污染程度，每个污染程度对应一个地表污染结果范围值和一个土质污染结果范围值，每个污染程度还对应一个治理优先级。
K2：根据污染原因和污染程度获取推送治理方案。
具体的，根据污染程度和污染原因从大数据中获取治理方案。
K3：利用污染原因、污染程度、推送治理方案和种植区域位置生成管控指令。
具体的，数据处理装置生成管控指令后，将管控指令发送至相应的管控终端，管控接收到管控指令后，根据管控指令对相应的种植区域进行合理的治理。
本申请具有能够对各个种植区域进行实时监控，以及对具有土地污染的种植区域进行及时准确的控制和管理的技术效果。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，本申请的保护范围意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请保护范围及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (7)

1.一种土地污染监控方法，其特征在于，包括如下步骤：
获取各个管控区域的监控数据，其中，监控数据包括地表图像数据和土质数据；
对监控数据进行分析，生成分析结果；
根据分析结果生成管控指令，并下发管控指令对相应的种植区域进行管控；
其中，对监控数据进行分析，生成分析结果的子步骤如下：
对地表图像数据进行分析，获得地表污染结果；
对土质数据进行分析，获得土质污染结果；
将地表污染结果、土质污染结果和种植区域位置作为分析结果；
其中，对地表图像数据进行分析，获得地表污染结果的子步骤如下：
对地表图像数据进行预处理，获取待分析区域；
对待分析区域进行分析，获得同类待分析对象；
对同类待分析对象进行分析，获取各同类待分析对象的占有率；
根据占有率获取污染覆盖率，将污染覆盖率作为地表污染结果；
其中，各同类待分析对象的占有率公式如下：
Figure 908241DEST_PATH_IMAGE001
；
其中，
Figure 261862DEST_PATH_IMAGE002
为同类待分析对象的占有率，当
Figure 794474DEST_PATH_IMAGE003
时，
Figure 258954DEST_PATH_IMAGE004
，
Figure 193412DEST_PATH_IMAGE005
为待分析对象的类别为可降解垃圾的同类待分析对象的占有率；当
Figure 452355DEST_PATH_IMAGE006
时，
Figure 737842DEST_PATH_IMAGE007
，
Figure 740433DEST_PATH_IMAGE008
为待分析对象的类别为不可降解垃圾的同类待分析对象的占有率；
Figure 794977DEST_PATH_IMAGE009
和
Figure 490401DEST_PATH_IMAGE010
为同类待分析对象的标识码；
Figure 997605DEST_PATH_IMAGE011
为待分析区域的面积；
Figure 538308DEST_PATH_IMAGE012
为待分析对象的类别为可降解垃圾的同类待分析对象中第
Figure 447358DEST_PATH_IMAGE013
个待分析对象的面积，其中，
Figure 313683DEST_PATH_IMAGE013
为自然数，
Figure 305254DEST_PATH_IMAGE014
；
Figure 915227DEST_PATH_IMAGE015
为待分析对象的类别为不可降解垃圾的同类待分析对象中第
Figure 678784DEST_PATH_IMAGE016
个待分析对象的面积，其中，
Figure 716010DEST_PATH_IMAGE017
，
Figure 932228DEST_PATH_IMAGE018
为自然数。
2.根据权利要求1所述的土地污染监控方法，其特征在于，污染覆盖率的计算公式如下：
Figure 80312DEST_PATH_IMAGE019
；
其中，
Figure 963955DEST_PATH_IMAGE020
为污染物在种植区域中的污染覆盖率；
Figure 172082DEST_PATH_IMAGE021
为可降解垃圾的危害系数；
Figure 141175DEST_PATH_IMAGE022
为不可降解垃圾的危害系数；
Figure 827371DEST_PATH_IMAGE023
为一个种植区域中的第
Figure 565520DEST_PATH_IMAGE024
个待分析对象的类别为可降解垃圾的同类待分析对象的占有率，
Figure 944549DEST_PATH_IMAGE025
，
Figure 135359DEST_PATH_IMAGE026
为自然数；
Figure 890825DEST_PATH_IMAGE027
为一个种植区域中的第
Figure 217901DEST_PATH_IMAGE028
个待分析对象的类别为不可降解垃圾的同类待分析对象的占有率，
Figure 767831DEST_PATH_IMAGE029
，
Figure 445937DEST_PATH_IMAGE030
为自然数；
Figure 5095DEST_PATH_IMAGE031
为种植区域的面积；
Figure 452257DEST_PATH_IMAGE032
为第
Figure 907509DEST_PATH_IMAGE033
个待分析区域的面积，
Figure 72911DEST_PATH_IMAGE034
，
Figure 904601DEST_PATH_IMAGE035
为自然数。
3.根据权利要求1所述的土地污染监控方法，其特征在于，利用卷积神经网络对地表图像数据进行垃圾分类器判断，并生成判断结果，若判断结果为具有垃圾，则把具有垃圾的区域自动截取出来作为待分析区域。
4.根据权利要求3所述的土地污染监控方法，其特征在于，对待分析区域进行分析，获得同类待分析对象的子步骤如下：
获取待分析区域中的所有待分析对象；
将每个待分析对象输入垃圾分类器中进行类别分析，并将同类别的待分析对象归类为同类待分析对象。
5.根据权利要求1所述的土地污染监控方法，其特征在于，根据分析结果生成管控指令，并下发管控指令对相应的种植区域进行管控的子步骤如下：
对分析结果进行处理，确定种植区域的污染程度；
根据污染原因和污染程度获取推送治理方案；
利用污染原因、污染程度、推送治理方案和种植区域位置生成管控指令。
6.一种土地污染监控系统，其特征在于，包括：多个数据获取装置、监控中心、多个管控终端；
其中，数据获取装置：用于获取各个种植区域的监控数据；
监控中心：接收数据获取装置上传的监控数据，执行权利要求1-5任意一项所述的土地污染监控方法对监控数据进行处理，生成管控指令，并将管控指令下发至相应的管控终端；
管控终端：用于接收监控中心下发的管控指令，并根据管控指令对相应的种植区域进行治理。
7.根据权利要求6所述的土地污染监控系统，其特征在于，监控中心包括：数据收发装置、数据处理装置和数据存储装置；
其中，数据收发装置：用于接收数据获取装置上传的监控数据，并将监控数据上传至数据处理装置；
数据处理装置：用于对监控数据进行处理，生成管控指令，将管控指令下发至相应的管理终端，向数据存储装置发送遍历指令；
数据存储装置：用于预先存储种植区域轮廓表和污染程度表，接收数据处理装置的遍历指令。
CN202010597457.0A 2020-06-28 2020-06-28 一种土地污染监控方法及其系统 Active CN111754374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010597457.0A CN111754374B (zh) 2020-06-28 2020-06-28 一种土地污染监控方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010597457.0A CN111754374B (zh) 2020-06-28 2020-06-28 一种土地污染监控方法及其系统

Publications (2)

Publication Number Publication Date
CN111754374A CN111754374A (zh) 2020-10-09
CN111754374B true CN111754374B (zh) 2021-07-20

Family

ID=72677468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010597457.0A Active CN111754374B (zh) 2020-06-28 2020-06-28 一种土地污染监控方法及其系统

Country Status (1)

Country Link
CN (1) CN111754374B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112686162B (zh) * 2020-12-31 2023-12-15 鄂尔多斯市空港大数据运营有限公司 仓库环境整洁状态的检测方法、装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9579700B2 (en) * 2014-05-30 2017-02-28 Iteris, Inc. Measurement and modeling of salinity contamination of soil and soil-water systems from oil and gas production activities
CN106845408A (zh) * 2017-01-21 2017-06-13 浙江联运知慧科技有限公司 一种复杂环境下的街道垃圾识别方法
CN106874954A (zh) * 2017-02-20 2017-06-20 佛山市络思讯科技有限公司 一种信息获取的方法以及相关装置
CN110427529A (zh) * 2019-07-31 2019-11-08 鄂尔多斯市环境监测检验有限公司 一种用于环境监测的生态评价系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9579700B2 (en) * 2014-05-30 2017-02-28 Iteris, Inc. Measurement and modeling of salinity contamination of soil and soil-water systems from oil and gas production activities
CN106845408A (zh) * 2017-01-21 2017-06-13 浙江联运知慧科技有限公司 一种复杂环境下的街道垃圾识别方法
CN106874954A (zh) * 2017-02-20 2017-06-20 佛山市络思讯科技有限公司 一种信息获取的方法以及相关装置
CN110427529A (zh) * 2019-07-31 2019-11-08 鄂尔多斯市环境监测检验有限公司 一种用于环境监测的生态评价系统

Also Published As

Publication number Publication date
CN111754374A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
Goodbody et al. Assessing the status of forest regeneration using digital aerial photogrammetry and unmanned aerial systems
Rustia et al. Automatic greenhouse insect pest detection and recognition based on a cascaded deep learning classification method
CN111126287B (zh) 一种遥感影像密集目标深度学习检测方法
CN109886155B (zh) 基于深度学习的单株水稻检测定位方法、系统、设备及介质
CN116384776B (zh) 基于模糊评价的场地污染评估方法、系统及存储介质
CN113312999A (zh) 一种自然果园场景下的柑橘木虱高精度检测方法及装置
CN111754374B (zh) 一种土地污染监控方法及其系统
Kuebler et al. Assessing the importance of topographic variables for the spatial distribution of tree species in a tropical mountain forest
CN115239209B (zh) 用于垃圾填埋场筛除含重金属腐殖土的方法、设备和系统
Kamal et al. FCN Network‐Based Weed and Crop Segmentation for IoT‐Aided Agriculture Applications
CN117197662A (zh) 一种基于物联网的乡村土地遥感监测方法及系统
CN116543347A (zh) 智慧虫情在线监测系统、方法、装置及介质
CN110057764B (zh) 一种农药施药安全管理警示装置及方法
Karydas et al. Development of an IKONOS image classification rule-set for multi-scale mapping of Mediterranean rural landscapes
Dandekar et al. Weed plant detection from agricultural field images using yolov3 algorithm
Schieck et al. Comparison of deep learning methods for grapevine growth stage recognition
Abdulla et al. Agriculture based on internet of things and deep learning
Boskova et al. The effects of the participation in producer organisations on the performance of dairy farmers in the Czech Republic and future challenges Original Paper
Tripathy et al. Image processing techniques aiding smart agriculture
DE202022105121U1 (de) Ein Echtzeit-Management-System für Granatapfelkrankheiten zur Erkennung, Vorhersage und Klassifizierung von Granatapfelkrankheiten
FAISAL A pest monitoring system for agriculture using deep learning
Nagaraj et al. AI-based Leaf Disease Identification Robot using IoT Approach
Chugg et al. Detecting environmental violations with satellite imagery in near real time: Land application under the clean water act
CN111639707B (zh) 一种基于gis技术的土地污染控制方法
CN117372224B (zh) 一种绿化生态修复系统

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
TA01 Transfer of patent application right

Effective date of registration: 20210701

Address after: Room a, 15th floor, building 1, Tianyang Huafu community, 235 Hongqi Street, Xiangfang District, Harbin City, Heilongjiang Province

Applicant after: Heilongjiang Shidai resources and Environment Engineering Design Co.,Ltd.

Address before: 101300 room 3001, 3rd floor, 102 door, building 8, yard 12, Xinzhong street, Nanfaxin Town, Shunyi District, Beijing

Applicant before: Beijing Weijie Dongbo Information Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant