CN111897318A - 基于无人船的水体污染智能调查方法及装置 - Google Patents

基于无人船的水体污染智能调查方法及装置 Download PDF

Info

Publication number
CN111897318A
CN111897318A CN202010537764.XA CN202010537764A CN111897318A CN 111897318 A CN111897318 A CN 111897318A CN 202010537764 A CN202010537764 A CN 202010537764A CN 111897318 A CN111897318 A CN 111897318A
Authority
CN
China
Prior art keywords
cruise
pollutant concentration
coordinate point
abnormal
unmanned ship
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
Application number
CN202010537764.XA
Other languages
English (en)
Other versions
CN111897318B (zh
Inventor
张列宇
杨梦宇
李曹乐
黎佳茜
赵琛
李伟
李晓光
李国文
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.)
Chinese Research Academy of Environmental Sciences
Original Assignee
Chinese Research Academy of Environmental Sciences
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 Chinese Research Academy of Environmental Sciences filed Critical Chinese Research Academy of Environmental Sciences
Priority to CN202010537764.XA priority Critical patent/CN111897318B/zh
Publication of CN111897318A publication Critical patent/CN111897318A/zh
Priority to US17/240,016 priority patent/US20210389766A1/en
Application granted granted Critical
Publication of CN111897318B publication Critical patent/CN111897318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N33/1886—Water using probes, e.g. submersible probes, buoys
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B35/32—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for for collecting pollution from open water
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
    • 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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B2035/006—Unmanned surface vessels, e.g. remotely controlled
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B2035/006—Unmanned surface vessels, e.g. remotely controlled
    • B63B2035/007—Unmanned surface vessels, e.g. remotely controlled autonomously operating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Ocean & Marine Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Environmental & Geological Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例涉及一种基于无人船的水体污染智能调查方法及装置。其中，该方法包括：根据监测水域的水质数据确定监测水域的第一污染物浓度值；按照预设巡航轨迹控制无人船对监测水域进行巡航，并进行水质采集，得到监测水域的第二污染物浓度值；在存在异常巡航坐标点时，根据异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，控制无人船按照目标巡航轨迹进行巡航，以确定监测水域的污染源。本发明解决了由于相关技术中的移动监测方法需要人为操控移动无人船采集和分析水质而浪费人力的技术问题。

Description

基于无人船的水体污染智能调查方法及装置
技术领域
本发明涉及无人船领域，具体涉及一种基于无人船的水体污染智能调查方法及装置。
背景技术
针对水污染问题，目前我国主要使用的水质环境监测方法主要分为三种：实验室监测方法、移动监测方法和自动监测站检测方法。
实验室监测方法就是工作人员通过租赁船只到达采样点进行样本采样，在实验室对采集到的水样对水质进行详细的水质分析并生成报告，其主要用于对水质进行周期性监测和评估，这种方法的监测结果准确性一般都比较高。建立水质检测站进行水质检测的方法是目前主要的水质检测方法。这种方法可以很好的抵抗外界环境的干扰，提高了水质数据的监测精度。移动监测方法是专为应急性和周期性的水质巡检设计的，其方式主要有两种，一是检测者使用移动监测船对待测点的水质进行样本采集和分析工作，二是手动控制专门装备有用于监测水质的传感器的无人设备到待测水域的水质进行采集和分析。
现有的这些水质监测方法中，实验室监测方法在实施过程中费时费力，成本高，并且实时性差，对于预期之外的污染事故常常无法进行及时预警，导致不可估计的损失。监测员的工作环境和人生安全缺乏保障、检测数据无法得到信息化管理。建立水质检测站需要在各个采样点建立相关监测站点，水质监测的投资和维护成本高，对附近水域的环境造成一定破坏性影响，而且要对大范围的水域进行检测，需要投入更多的资金成本来扩大站点的建设规模和数量。目前的移动监测方法需要操作人员操控移动监测船或者无人设备采集和分析水质，浪费了人力。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于无人船的水体污染智能调查方法及装置，以至少解决由于相关技术中的移动监测方法需要人为操控移动无人船采集和分析水质而浪费人力的技术问题。
根据本发明实施例的一个方面，提供了一种基于无人船的水体污染智能调查方法，包括：根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
进一步地，根据所述监测水域的水质数据确定所述监测水域的第一污染物浓度包括：获取所述监测水域的水质数据，其中，所述水质数据包括所述监测水域的卫星数据以及多个传感器数据；将所述卫星数据以及所述多个传感器数据输入至水域污染分析模型，以得到所述第一污染物浓度值，其中，所述水域污染分析模型是根据水质数据预先训练完成的。
进一步地，在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹包括：获取所述异常巡航坐标点；根据以所述异常巡航坐标点为中心预设半径的圆形确定第一巡航轨迹；控制所述无人船按照所述第一巡航轨迹巡航，以及采集至少两个第一巡航坐标点的至少两个污染物浓度值；根据所述至少两个污染物浓度值确定目标巡航轨迹。
进一步地，获取异常巡航坐标点包括：获取所述预设巡航轨迹中多个第一巡航坐标点的污染物浓度值；对所述多个第一巡航坐标点的污染物浓度值进行排序，确定污染物浓度值最大的第一巡航坐标点为所述异常巡航坐标点。
进一步地，获取异常巡航坐标点包括：获取所述预设巡航轨迹中多个第一巡航坐标点对应的污染物浓度值；获取所述多个第一巡航坐标点的污染物浓度值中大于预设污染物浓度阈值的至少两个参考坐标点；确定所述至少两个参考坐标点的中心点为所述异常巡航坐标点。
进一步地，控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源包括：获取所述目标巡航轨迹中多个第二巡航坐标点的污染物浓度值；确定污染物浓度值最大的第二巡航坐标点为所述污染源的污染源坐标点；控制所述无人船在所述污染源坐标点进行水质采集以及图像采集。
根据本发明实施例的另一方面，还提供了一种基于无人船的水体污染智能调查装置，包括：第一确定单元，用于根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；第一控制单元，用于按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；第二确定单元，用于在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；第二控制单元，用于控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
进一步地，第一确定单元包括：获取模块，用于获取所述监测水域的水质数据，其中，所述水质数据包括所述监测水域的卫星数据以及多个传感器数据；处理模块，用于将所述卫星数据以及所述多个传感器数据输入至水域污染分析模型，以得到所述第一污染物浓度值，其中，所述水域污染分析模型是根据水质数据预先训练完成的。
根据本发明实施例的另一方面，还提供了一种无人船，包括：处理单元，用于根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；控制单元，用于按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；所述处理单元，还在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；所述控制单元，还用于控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行如上所述的基于无人船的水体污染智能调查方法。
在本发明实施例中，根据监测水域的水质数据确定监测水域的第一污染物浓度值；按照预设巡航轨迹控制无人船对监测水域进行巡航，并进行水质采集，得到监测水域的第二污染物浓度值；在存在异常巡航坐标点时，根据异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹；控制无人船按照目标巡航轨迹进行巡航，以确定监测水域的污染源。达到了无人船根据实际测量污染物浓度值自动规划巡航轨迹，追溯水域污染源的目的，进而解决了由于相关技术中的移动监测方法需要人为操控移动无人船采集和分析水质而浪费人力的技术问题。
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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的无人船系统的示意图；
图2是根据本发明实施例的一种可选的水域监测系统的示意图；
图3是根据本发明实施例的一种可选的基于无人船的水体污染智能调查方法的示意图；
图4是根据本发明实施例的一种可选的第一巡航轨迹的示意图；
图4a是根据本发明实施例的又一种可选的第一巡航轨迹的示意图；
图5a是根据本发明实施例的一种可选的异常巡航坐标点的示意图；
图5b是根据本发明实施例的一种可选的异常巡航坐标点的示意图；
图6是根据本发明实施例的一种可选的基于无人船的水体污染智能调查方法装置的示意图；
图7是根据本发明实施例的一种可选的无人船的示意图。
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的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的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。
需要说明的是，在本文中，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。
实施例1
在介绍本申请的技术方案之前，首先对本实施例技术方案的应用场景进行介绍，本实施例中的基于无人船的水体污染智能调查方法主要应用于如图1所示的无人船系统中，该无人船包括传感器模块110、动力模块120、无线通信模块130、处理器模块140、GPS定位模块150以及操作控制模块160。其中，传感器模块110包括水质传感器以及其他传感器，水质传感器用于采集水质数据；其他传感器包括但不限于水体流速传感器、障碍物感知传感器。动力模块120用于提供无人船的巡航动力；无线通信模块130用于无人船与预设服务器进行通信，传输数据；处理器模块140用于数据的处理，例如根据水质数据确定水中污染物的浓度值，以及对无人船巡航过程中的其他数据处理；GPS定位模块150用于对无人船的实时位置定位；操作控制模块160用于控制无人船的巡航。
在本实施例中，如图2所示，水域监测系统中包括多组传感器系统210、无人船220以及监测卫星230。在无人船的航行过程中，无人船中无线通信模块2200接收监测水域中的多组传感器系统检测数据、监测水域的卫星图像和遥感数据，处理器模块2202进行计算整合实现边缘计算，利用BP神经网络对整合后的数据进行建模形成传感器数据网络，预测监测水域的第一污染物浓度值。然后操作控制模块2204根据无线通信模块2200接收预设巡航轨迹控制无人船对监测水域进行巡航，处理器模块2202控制传感器模块2206进行水质采集，处理器模块2202根据得到传感器模块2206采集的水质数据得到实际测量的监测水域的第二污染物浓度值。在存在巡航坐标点的预测得到的第一污染物浓度值与实际测量的第二污染物浓度值的差值大于预设阈值的情况下，处理器模块2202根据巡航坐标点生成目标巡航轨迹，然后操作控制模块2204根据目标巡航轨迹控制无人船进行巡航，以确定监测水域的污染源。
通过在水域监测系统基于无人船进行水体污染调查，防止了人为造假，且能够实现无人船自动导航对污染源进行溯源，解决了由于相关技术中的移动监测方法需要人为操控移动无人船采集和分析水质而浪费人力的技术问题。
根据本发明实施例，提供了一种基于无人船的水体污染智能调查方法，如图3所示，该方法包括：
S302，根据监测水域的水质数据确定监测水域的第一污染物浓度值；
在具体的应用场景中，根据水质数据对监测水域的水质进行预测，一种方案是在预设服务器预先设置BP(反向传播算法，back propagation)神经网络模型，用于基于水质数据对监测水域的水质进行分析；另一方案，则是通过预设通信服务器将水质数据发送至无人船，在无人船的数据处理系统中预先设置BP神经网络模型，无人船的处理器利用BP神经网络模型对水质数据进行分析，以预测监测水域的第一污染物浓度值。
在本实施例中的一种可选方案中，根据监测水域的水质数据确定监测水域的第一污染物浓度包括但不限于：获取监测水域的水质数据，其中，水质数据包括监测水域的卫星数据以及多个传感器数据；将卫星数据以及多个传感器数据输入至水域污染分析模型，以得到第一污染物浓度值，其中，水域污染分析模型是根据水质数据预先训练完成的。
具体的，将同一流域内多组传感器系统检测数据、卫星照片和遥感数据发送给无人船终端设备，直接进行计算整合实现边缘计算，整合后的数据上传给处理器模块利用BP(back propagation)神经网络对数据进行建模形成传感器数据网络，预测该流域的水质数据。
S304，按照预设巡航轨迹控制无人船对监测水域进行巡航，并进行水质采集，得到监测水域的第二污染物浓度值；
在具体的应用场景中，通过预设巡航轨迹控制无人船对监测水域进行巡航，在无人船巡航的过程中，可以控制无人船每航行预设距离后就执行一次水质采集并检测，并记录对应的航行坐标点。
S306，在存在异常巡航坐标点时，根据异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，异常巡航坐标点的第一污染物浓度值与第二污染物浓度值的差值大于预设阈值；
需要说明的是，目标巡航轨迹并不是一条明确的巡航轨迹，而是一个大致方向，目标巡航轨迹中包含巡航起点以及巡航前进行方向，无人船在巡航起点上开始巡航，在巡航前进方向上自动规划污染物浓度相对增高的行进路线，使得无人船沿该路线行进。
可选地，在本实施例中，在存在异常巡航坐标点时，根据异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹包括但不限于：获取异常巡航坐标点；根据以异常巡航坐标点为中心预设半径的圆形确定第一巡航轨迹；控制无人船按照第一巡航轨迹巡航，以及采集至少两个第一巡航坐标点的至少两个污染物浓度值；根据至少两个污染物浓度值确定目标巡航轨迹。
在具体的应用场景中，如图4所示，确定异常巡航坐标点的位置，以预设巡航轨迹A中的异常巡航坐标点P为圆心以及预设半径R确定一个巡航区域400，在巡航区域400内规划第一巡航轨迹S，第一巡航轨迹S为一个环形，然后控制无人船按照第一巡航轨迹进行巡航，并在巡航过程中采集至少两个第一巡航坐标点的至少两个污染物浓度值，然后根据巡航区域400中至少两个污染物浓度值确定目标巡航轨迹。
需要说明的是，根据异常巡航坐标点为中心划定一个巡航区域，在巡航区域中设定第一巡航轨迹，第一巡航轨迹可以根据实际经验以及所在水域的环境进行设定，本实施例中对此不做任何限定。通过在巡航区域内规划第一巡航轨迹，来确定污染物的分布以及流动方向，来对污染物进行溯源。
在一个例子中，如图4a所示的巡航区域400的污染物浓度值分布，在区域Q1中的污染物浓度值明显高于区域Q2中的污染物浓度值，则根据区域Q1规划第一巡航轨迹。
在另一个例子中，如图4所示的巡航区域400中，异常巡航坐标点P周边的污染物浓度值均小于异常巡航坐标点P的污染物浓度值，则可能存在两种情况，一种是异常巡航坐标点P为污染源，一种是在异常巡航坐标点P处为测量误差。此时，则控制无人船进行水质采样以及对异常巡航坐标点的周边环境进行图像采集。
可选地，在本实施例中，获取异常巡航坐标点包括但不限于：获取预设巡航轨迹中多个第一巡航坐标点的污染物浓度值；对多个第一巡航坐标点的污染物浓度值进行排序，确定污染物浓度值最大的第一巡航坐标点为异常巡航坐标点。
具体的，在无人船沿预设巡航轨迹A的巡航过程中，若预设巡航轨迹是较为简单的路线，例如图5a所示的线型巡航轨迹，则获取无人船在预设巡航过程中多个第一巡航坐标点T1、T2、T3以及T4的污染物浓度值，对多个第一巡航坐标点的污染物浓度值进行排序，得到序列T2>T3＝T1>T4，可以得出第一巡航坐标点T2为异常巡航坐标点。
可选地，在本实施例中，获取异常巡航坐标点包括但不限于：获取预设巡航轨迹中多个第一巡航坐标点对应的污染物浓度值；获取多个第一巡航坐标点的污染物浓度值中大于预设污染物浓度阈值的至少两个参考坐标点；确定至少两个参考坐标点的中心点为异常巡航坐标点。
具体的，在无人船沿预设巡航轨迹的巡航过程中，若预设巡航轨迹是较为简单的路线，例如图5b所示的监测水域O中的环形型巡航轨迹S，则获取无人船在预设巡航过程中多个第一巡航坐标点T1、T2、T3以及T4的污染物浓度值，其中，第一巡航坐标点T1、T2、T3的污染物浓度值大于预设污染物浓度阈值，根据第一巡航坐标点的中心点U确定异常巡航坐标点。
S308，控制无人船按照目标巡航轨迹进行巡航，以确定监测水域的污染源。
可选地，在本实施例中，控制无人船按照目标巡航轨迹进行巡航，以确定监测水域的污染源包括但不限于：获取目标巡航轨迹中多个第二巡航坐标点的污染物浓度值；确定污染物浓度值最大的第二巡航坐标点为污染源的污染源坐标点；控制无人船在污染源坐标点进行水质采集以及图像采集。
具体的，控制无人船在巡航起点上开始巡航，在巡航前进方向上自动规划污染物浓度相对增高的行进路线，使得无人船沿该路线行进，并沿行进轨迹由船载传感器每隔预设时间采集水质数据以及水流速度，上传水质数据给无人船的处理器，分析和计算水中污染物浓度，获取污染物浓度变化，实现大范围监测水域覆盖监测。
通过本实施例，根据监测水域的水质数据确定监测水域的第一污染物浓度值；按照预设巡航轨迹控制无人船对监测水域进行巡航，并进行水质采集，得到监测水域的第二污染物浓度值；在第一污染物浓度值与第二污染物浓度值的差值大于预设阈值的情况下，根据巡航坐标点的第二污染物浓度值确定目标巡航轨迹；控制无人船按照目标巡航轨迹进行巡航，以确定监测水域的污染源。达到了无人船根据实际测量污染物浓度值自动规划巡航轨迹，追溯水域污染源的目的，进而解决了由于相关技术中的移动监测方法需要人为操控移动无人船采集和分析水质而浪费人力的技术问题。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述基于无人船的水体污染调查方法的基于无人船的水体污染智能调查方法装置，如图6所示，该装置包括：
1)第一确定单元60，用于根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；
2)第一控制单元62，用于按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；
3)第二确定单元64，用于在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；
4)第二控制单元66，用于控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
可选地，在本实施例中，第一确定单元60包括：
1)获取模块，用于获取所述监测水域的水质数据，其中，所述水质数据包括所述监测水域的卫星数据以及多个传感器数据；
2)处理模块，用于将所述卫星数据以及所述多个传感器数据输入至水域污染分析模型，以得到所述第一污染物浓度值，其中，所述水域污染分析模型是根据水质数据预先训练完成的。
可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。
实施例3
根据本发明实施例，还提供了一种用于实施上述基于无人船的水体污染智能调查方法的无人船，如图7所示，该无人船包括：
1)处理单元70，用于根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；
2)控制单元72，用于按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；
所述处理单元，还在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；
所述控制单元，还用于控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。
实施例4
本发明的实施例还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行如上所述的基于无人船的水体污染智能调查方法。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
S1，根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；
S2，按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；
S3，在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；
S4，控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
可选地，存储介质还被设置为存储用于执行上述实施例1中的方法中所包括的步骤的程序代码，本实施例中对此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于无人船的水体污染智能调查方法，其特征在于，包括：
根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；
按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；
在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；
控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
2.根据权利要求1所述的方法，其特征在于，根据所述监测水域的水质数据确定所述监测水域的第一污染物浓度包括：
获取所述监测水域的水质数据，其中，所述水质数据包括所述监测水域的卫星数据以及多个传感器数据；
将所述卫星数据以及所述多个传感器数据输入至水域污染分析模型，以得到所述第一污染物浓度值，其中，所述水域污染分析模型是根据水质数据预先训练完成的。
3.根据权利要求1所述的方法，其特征在于，在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹包括：
获取所述异常巡航坐标点；
根据以所述异常巡航坐标点为中心预设半径的圆形确定第一巡航轨迹；
控制所述无人船按照所述第一巡航轨迹巡航，以及采集至少两个第一巡航坐标点的至少两个污染物浓度值；
根据所述至少两个污染物浓度值确定目标巡航轨迹。
4.根据权利要求3所述的方法，其特征在于，获取异常巡航坐标点包括：
获取所述预设巡航轨迹中多个第一巡航坐标点的污染物浓度值；
对所述多个第一巡航坐标点的污染物浓度值进行排序，确定污染物浓度值最大的第一巡航坐标点为所述异常巡航坐标点。
5.根据权利要求3所述的方法，其特征在于，获取异常巡航坐标点包括：
获取所述预设巡航轨迹中多个第一巡航坐标点对应的污染物浓度值；
获取所述多个第一巡航坐标点的污染物浓度值中大于预设污染物浓度阈值的至少两个参考坐标点；
确定所述至少两个参考坐标点的中心点为所述异常巡航坐标点。
6.根据权利要求1所述的方法，其特征在于，控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源包括：
获取所述目标巡航轨迹中多个第二巡航坐标点的污染物浓度值；
确定污染物浓度值最大的第二巡航坐标点为所述污染源的污染源坐标点；
控制所述无人船在所述污染源坐标点进行水质采集以及图像采集。
7.一种基于无人船的水体污染智能调查装置，其特征在于，包括：
第一确定单元，用于根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；
第一控制单元，用于按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；
第二确定单元，用于在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；
第二控制单元，用于控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
8.根据权利要求7所述的装置，其特征在于，第一确定单元包括：
获取模块，用于获取所述监测水域的水质数据，其中，所述水质数据包括所述监测水域的卫星数据以及多个传感器数据；
处理模块，用于将所述卫星数据以及所述多个传感器数据输入至水域污染分析模型，以得到所述第一污染物浓度值，其中，所述水域污染分析模型是根据水质数据预先训练完成的。
9.一种无人船，其特征在于，包括：
处理单元，用于根据监测水域的水质数据确定所述监测水域的第一污染物浓度值；
控制单元，用于按照预设巡航轨迹控制无人船对所述监测水域进行巡航，并进行水质采集，得到所述监测水域的第二污染物浓度值；
所述处理单元，还在存在异常巡航坐标点时，根据所述异常巡航坐标点的第二污染物浓度值确定目标巡航轨迹，其中，所述异常巡航坐标点的所述第一污染物浓度值与所述第二污染物浓度值的差值大于预设阈值；
所述控制单元，还用于控制所述无人船按照所述目标巡航轨迹进行巡航，以确定所述监测水域的污染源。
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至6任一项中所述的基于无人船的水体污染智能调查方法。
CN202010537764.XA 2020-06-12 2020-06-12 基于无人船的水体污染智能调查方法及装置 Active CN111897318B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010537764.XA CN111897318B (zh) 2020-06-12 2020-06-12 基于无人船的水体污染智能调查方法及装置
US17/240,016 US20210389766A1 (en) 2020-06-12 2021-04-26 Methods and Apparatuses for Water Body Pollution Intelligent Investigation Utilizing Unmanned Ships

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010537764.XA CN111897318B (zh) 2020-06-12 2020-06-12 基于无人船的水体污染智能调查方法及装置

Publications (2)

Publication Number Publication Date
CN111897318A true CN111897318A (zh) 2020-11-06
CN111897318B CN111897318B (zh) 2021-11-23

Family

ID=73206726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010537764.XA Active CN111897318B (zh) 2020-06-12 2020-06-12 基于无人船的水体污染智能调查方法及装置

Country Status (2)

Country Link
US (1) US20210389766A1 (zh)
CN (1) CN111897318B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112666046A (zh) * 2020-11-30 2021-04-16 何瑞瑞 基于粘度检测的水质检测装置
CN113129645A (zh) * 2021-03-26 2021-07-16 亿海蓝（北京）数据技术股份公司 一种ais设备规范使用的监管系统
CN113536630A (zh) * 2021-07-12 2021-10-22 西南科技大学 污染物无组织排放因子获取方法
CN114035587A (zh) * 2021-11-24 2022-02-11 陕西欧卡电子智能科技有限公司 一种无人船集群多船协同的路径规划方法、装置及无人船
CN114279503A (zh) * 2022-01-06 2022-04-05 上海第二工业大学 一种边云协同的自主巡航型水污染排放智能监测小船
CN114624405A (zh) * 2022-02-21 2022-06-14 浙江工业大学 一种城市河道无人巡航及污染跟踪定位方法
CN116308952A (zh) * 2023-03-08 2023-06-23 浪潮智慧科技有限公司 一种基于无人船的水质监测方法及设备

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114354872B (zh) * 2021-12-28 2023-10-17 安徽新宇环保科技股份有限公司 一种无人化河长智能巡河系统
CN114379719B (zh) * 2021-12-30 2022-11-18 江苏若比林环保设备有限公司 一种基于分割原理的流动水域水质检测监控无人船
CN114324802A (zh) * 2021-12-30 2022-04-12 杭州谱育科技发展有限公司 水质快速监测系统和方法
CN114441727A (zh) * 2022-01-28 2022-05-06 武汉工程大学 一种水质监测方法及存储介质
CN114544500A (zh) * 2022-02-24 2022-05-27 安徽欣思创科技有限公司 一种走航式地表水总磷测量方法及系统
CN114705249B (zh) * 2022-04-11 2024-04-30 平安国际智慧城市科技股份有限公司 基于人工智能的污染物排放量监测方法及相关设备
CN114660309A (zh) * 2022-05-24 2022-06-24 江西省天轴通讯有限公司 一种面向实时监测监管区域的自主取证检测方法和系统
CN115424422B (zh) * 2022-07-29 2023-07-21 上海金铎禹辰水环境工程有限公司 水域预警方法、装置、设备及存储介质
CN115081963B (zh) * 2022-08-19 2022-11-22 江西省生态环境科学研究与规划院 一种地下水质风险分析方法及系统
CN115790611B (zh) * 2023-02-09 2023-04-18 广东广宇科技发展有限公司 一种用于智慧城市水利信息的无人机采集导航方法及系统
CN116699072B (zh) * 2023-06-08 2024-01-26 东莞市华复实业有限公司 基于侦测巡航的环境预警方法
CN117689114A (zh) * 2023-12-19 2024-03-12 青海省环境地质勘查局 一种面向地下水的污染监测系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120009816A (ko) * 2010-07-21 2012-02-02 주식회사 정림 Ｕｓｎ 기반 실시간 수질 모니터링 시스템 및 방법
CN106125159A (zh) * 2016-07-29 2016-11-16 华中科技大学 一种水域污染源自动探测方法
CN106405040A (zh) * 2016-11-17 2017-02-15 苏州航天系统工程有限公司 一种基于无人设备的水质巡检、污染物溯源系统及其方法
CN106442420A (zh) * 2016-09-21 2017-02-22 河海大学 一种定性与定量结合的水质监测方法
CN106568914A (zh) * 2016-11-10 2017-04-19 王以尧 一种水域水质异常点探测和预警方法
CN106873578A (zh) * 2017-04-27 2017-06-20 南通大学 无人作业智能船装置及控制系统
CN108181908A (zh) * 2018-01-11 2018-06-19 福州大学 一种用于内河环境监测的无人船系统
CN109297763A (zh) * 2018-11-29 2019-02-01 无锡漫途科技有限公司 水体污染物采样监测系统及控制方法
CN110261562A (zh) * 2019-07-15 2019-09-20 浙江创韵环境科技有限公司 城市水网污染物监测系统
CN111024618A (zh) * 2019-11-25 2020-04-17 广州丰泽源水利科技有限公司 基于遥感影像的水质健康监测方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100066547A1 (en) * 2005-11-14 2010-03-18 Sudhir Chowdhury Method for monitoring water quality

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120009816A (ko) * 2010-07-21 2012-02-02 주식회사 정림 Ｕｓｎ 기반 실시간 수질 모니터링 시스템 및 방법
CN106125159A (zh) * 2016-07-29 2016-11-16 华中科技大学 一种水域污染源自动探测方法
CN106442420A (zh) * 2016-09-21 2017-02-22 河海大学 一种定性与定量结合的水质监测方法
CN106568914A (zh) * 2016-11-10 2017-04-19 王以尧 一种水域水质异常点探测和预警方法
CN106405040A (zh) * 2016-11-17 2017-02-15 苏州航天系统工程有限公司 一种基于无人设备的水质巡检、污染物溯源系统及其方法
CN106873578A (zh) * 2017-04-27 2017-06-20 南通大学 无人作业智能船装置及控制系统
CN108181908A (zh) * 2018-01-11 2018-06-19 福州大学 一种用于内河环境监测的无人船系统
CN109297763A (zh) * 2018-11-29 2019-02-01 无锡漫途科技有限公司 水体污染物采样监测系统及控制方法
CN110261562A (zh) * 2019-07-15 2019-09-20 浙江创韵环境科技有限公司 城市水网污染物监测系统
CN111024618A (zh) * 2019-11-25 2020-04-17 广州丰泽源水利科技有限公司 基于遥感影像的水质健康监测方法、装置及存储介质

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112666046A (zh) * 2020-11-30 2021-04-16 何瑞瑞 基于粘度检测的水质检测装置
CN113129645A (zh) * 2021-03-26 2021-07-16 亿海蓝（北京）数据技术股份公司 一种ais设备规范使用的监管系统
CN113129645B (zh) * 2021-03-26 2022-05-27 亿海蓝（北京）数据技术股份公司 一种ais设备规范使用的监管系统
CN113536630A (zh) * 2021-07-12 2021-10-22 西南科技大学 污染物无组织排放因子获取方法
CN113536630B (zh) * 2021-07-12 2023-09-29 西南科技大学 污染物无组织排放因子获取方法
CN114035587A (zh) * 2021-11-24 2022-02-11 陕西欧卡电子智能科技有限公司 一种无人船集群多船协同的路径规划方法、装置及无人船
CN114035587B (zh) * 2021-11-24 2024-03-29 陕西欧卡电子智能科技有限公司 一种无人船集群多船协同的路径规划方法、装置及无人船
CN114279503A (zh) * 2022-01-06 2022-04-05 上海第二工业大学 一种边云协同的自主巡航型水污染排放智能监测小船
CN114624405A (zh) * 2022-02-21 2022-06-14 浙江工业大学 一种城市河道无人巡航及污染跟踪定位方法
CN116308952A (zh) * 2023-03-08 2023-06-23 浪潮智慧科技有限公司 一种基于无人船的水质监测方法及设备
CN116308952B (zh) * 2023-03-08 2023-09-22 浪潮智慧科技有限公司 一种基于无人船的水质监测方法及设备

Also Published As

Publication number Publication date
CN111897318B (zh) 2021-11-23
US20210389766A1 (en) 2021-12-16

Similar Documents

Publication Publication Date Title
CN111897318B (zh) 基于无人船的水体污染智能调查方法及装置
JP2016197404A (ja) 産業プラントを監視するシステムおよび方法
CN111855945A (zh) 一种智慧型流域水质污染溯源的船载监测技术及方法
AU2020102181A4 (en) An intelligent recognition system and method of tunnel structure health based on robot vision recognition
CN104280789A (zh) 化学品泄漏源定位方法、定位装置、处理装置及系统
CN115941529B (zh) 一种基于机器人的电缆隧道检测方法和系统
CN116048129B (zh) 污染物排放的监测方法、装置、电子设备和存储介质
AU2021360916B2 (en) Intelligent mobile oilfield analytics platform
CN117311395B (zh) 用于河道内污染巡检的无人机路径规划方法及系统
CN115185292A (zh) 基于地空一体化的空气污染智能监测方法及平台
CN113655175A (zh) 一种网格化空气监测方法、系统、计算机设备及存储介质
CN103969415A (zh) 一种移动式水污染数据采集系统及方法
CN104408578A (zh) 基于轨迹点的机械化作业的量化考核系统及其方法
CN116647651B (zh) 一种基于北斗卫星的无人机施工监控方法及系统
CN117576920A (zh) 基于无人机的交通控制系统
CN114660309A (zh) 一种面向实时监测监管区域的自主取证检测方法和系统
CN114814135A (zh) 一种基于多元监测的河流水质污染溯源方法及系统
CN109739234A (zh) 一种基于gps轨迹数据的车辆实时图像追踪方法
CN116754022B (zh) 电缆隧道的在线检测应急预警方法及系统
KR102592931B1 (ko) 사물인터넷 수질 측정 장치를 이용한 위치 기반의 지능형 수질 모니터링 시스템 및 그 방법
CN114739876A (zh) 一种空气质量监测方法、系统及其装置
CN118623946A (zh) 一种用于油液污染区域环境监测采样系统
CN116256475B (zh) 一种高精度定位测量方法、装置和可读存储介质
US20230324921A1 (en) Autonomous Robotic Platform
CN113689589B (zh) 一种基于无人机的电缆线路巡视方法及装置

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
GR01 Patent grant
GR01 Patent grant