CN112697993A - 一种基于水下无人机探测的水域水质监测方法 - Google Patents

一种基于水下无人机探测的水域水质监测方法 Download PDF

Info

Publication number
CN112697993A
CN112697993A CN202110005161.XA CN202110005161A CN112697993A CN 112697993 A CN112697993 A CN 112697993A CN 202110005161 A CN202110005161 A CN 202110005161A CN 112697993 A CN112697993 A CN 112697993A
Authority
CN
China
Prior art keywords
pollution
detection
water quality
point
amount
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
CN202110005161.XA
Other languages
English (en)
Other versions
CN112697993B (zh
Inventor
刘少光
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.)
SHENZHEN BTL TECHNOLOGY CO LTD
Original Assignee
SHENZHEN BTL TECHNOLOGY 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 SHENZHEN BTL TECHNOLOGY CO LTD filed Critical SHENZHEN BTL TECHNOLOGY CO LTD
Priority to CN202110005161.XA priority Critical patent/CN112697993B/zh
Publication of CN112697993A publication Critical patent/CN112697993A/zh
Application granted granted Critical
Publication of CN112697993B publication Critical patent/CN112697993B/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
    • 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

Abstract

本发明提供一种基于水下无人机探测的水域水质监测方法，包括以下步骤：S101：水下无人机在污染水域投放并下潜，每下潜一定深度进行一次水质数据检测，与前一点数值进行比较，直达符合预定条件；S102：在S101定位的高度平面上，记为起点，检测水质污染量，随机选择一定角度并行走一定步长，第二次检测水质污染量，之后随机选择角度并行走一定步长，第三次检测水质污染量；并将起点、第二次和第三次检测的数值进行比较；S103：取点检测：数据比较后，选择其中污染值最大的点为圆心，以与到污染值第二大的点的距离为半径，并以该点为起点，进行圆周路径巡检；S104：圆周路径每经过90°角，依次进行一次水质检测，每个圆周形成4个检测点，如果有检测点污染量高于圆心，选取污染量最高的两个点回到S103步骤，从新进行新的圆周路径巡检；如果所有检测点污染量均小于圆心污染量，则判断已接近污染源。

Description

一种基于水下无人机探测的水域水质监测方法
发明领域
本发明属于水质监测的领域，尤其涉及一种基于水下无人机探测的水域水质监测方法。
背景技术
随着工业化的发展，许多河流、湖泊、水库、海洋地方都受到不同程度的污染，从而影响了生态，对居民生活造成影响、对居民健康构成危害、水下生物的生存都造成了威胁。特别是有些偷排或者污染泄露的情况，传统的水质监测方法很难准确找到污染源。而现在许多地方还是停留在人工收集污染信息的阶段。由于水下环境较为复杂，有些地方人力无法企及，有些地方人员到达有存在着人身安全问题。并且人工进行污染源寻找和检测，工作效率很低。
发明内容
本发明提供一种基于水下无人机探测的水域水质监测方法，可以通过水下无人机监测发现水质污染源。
本发明通过以下方式实现：
包括以下步骤：
S101：水下无人机在污染水域投放并下潜，每下潜一定深度进行一次水质数据检测，与前一点数值进行比较，直达符合预定条件；
S102：在S101定位的高度平面上，记为起点，检测水质污染量，随机选择一定角度并行走一定步长，第二次检测水质污染量，之后随机选择角度并行走一定步长，第三次检测水质污染量；并将起点、第二次和第三次检测的数值进行比较；
S103：取点检测：数据比较后，选择其中污染值最大的点为圆心，以与到污染值第二大的点的距离为半径，以与到污染值第二大的点的距离为半径，选取与圆心呈90°、180°、270°夹角的3个点做检测，形成以圆周分布的4个检测点；
S104：如果有检测点污染量高于圆心，选取污染量最高的两个点回到S103步骤，从新进行新的取点检测；
如果所有检测点污染量均小于圆心污染量，则判断已接近污染源。
进一步的，所述S104在判断接近污染源后，缩小步长从新执行S102到S104的步骤。
进一步的，将污染源作为圆心，向进行检测过的检测点作圆，形成污染圈，将污染量变化小于10%的设定为重污染圈；将污染量变化在10%-50%的定为中污染圈；将污染量变化大于50%的设定为轻污染圈，并通过可视化系统进行呈现并向控制中心进行预警。
进一步的，所述污染量通过水质传感器测得，可以是pH值传感器、浊度传感器、水中油传感器、水质硬度传感器、氨氮传感器、电导率传感器、溶解氧传感器、余氯传感器中的至少一种。
通过本发明的方法，可以在水域中快速排查污染源，并进行污染圈评价同时进行可视化呈现，为污染防范决策提供依据。
附图说明
图1为实施例1水下无人机做取点检测的示意图；
图2为水平面污染曲线示意图；
图3为水域污染可视化示意图；
图4位实施例2示意图。
具体实施方式
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，所描述的实施例仅仅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，本领域普通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。
实施例1
本发明通过以下方式实现：
S101：水下无人机在污染水域投放并下潜，每下潜一定深度进行一次水质数据检测，与前一点数值进行比较，直达符合预定条件；
S102：在S101定位的高度平面上，记为起点，检测水质污染量，随机选择一定角度并行走一定步长，第二次检测水质污染量，之后随机选择角度并行走一定步长，第三次检测水质污染量；并将起点、第二次和第三次检测的数值进行比较；
S103取点检测：数据比较后，选择其中污染值最大的点为圆心，以与到污染值第二大的点的距离为半径，数据比较后，选择其中污染值最大的点为圆心，以与到污染值第二大的点的距离为半径，选取与圆心呈90°、180°、270°夹角的3个点做检测，形成以圆周分布的4个检测点；
S104：如果有检测点污染量高于圆心，选取污染量最高的两个点回到S103步骤，从新进行新的取点检测；
如果所有检测点污染量均小于圆心污染量，则判断已接近污染源。
如图1所示，具体地，水下无人机在A点开始下潜，每下潜距离n，记录下污染量p（n），当p（n+1）>p(n),则继续下潜，如果p（n+1）<p(n),则停止下潜，以最高污染量的深度作为探测面。
之后，在探测面记起点a，探测污染量p（a1），随机选择一定角度并行走一定步长，检测水质污染量p（a2），之后随机选择角度并行走一定步长，第三次检测水质污染量p（a3）；a3与a1必须不为同一点。之后将p（a1）、p（a2）、p（a3）作出比较，选取p值最大的两个点，作连线，假设p（a3）> p（a2）>（a1），则以p（a3）为圆心，以到p（a2）的距离为半径，做一次取点检测，并另外选取b、c、d点进行检测，其中a2、b、c、d点间隔90°角。同时将p（b）、p（c）、p（d）与p（a3）做比较，然后进入判断，
（1）如果有至少一点的值高于p（a3），则继续重复选择污染量最高的两个进行点进行定点并作圆周；
（2）如果所有检测点污染量均小于圆心污染量，则判断已接近污染源。
接近污染源后，可以缩短步长，继续在小范围内做取点检测。
也可以在小范围内利用水下无人机进行水下观察，确定最终污染源。
在判断接近污染源后，缩小步长从新执行S102到S104的步骤。
如图2-图3所示，进一步的，将污染源作为圆心，向进行检测过的检测点作圆，形成污染圈，绘制出半径和污染量的对应坐标图，同时做线性化处理，将污染量变化小于10%的圆圈设定为重污染圈；将污染量变化在10%-50%的定为中污染圈；将污染量变化大于50%的设定为轻污染圈，并通过可视化系统进行呈现并向控制中心进行预警。
Figure DEST_PATH_IMAGE002AA
进一步的，所述污染量通过水质传感器测得，可以是pH值传感器、浊度传感器、水中油传感器、水质硬度传感器、氨氮传感器、电导率传感器、溶解氧传感器、余氯传感器中的至少一种。
在中污染圈和重污染圈内，可以采用无人机到相应的区域进行驱散，使生物尽快撤离盖区域，避免受到污染。
优选的，所述S102中，两次测量的步长为等长。
优选的，在确定污染源后，在对应区域的上层水域和下层水域执行水质检测，以确定该位置是否处于污染量最高的垂直区域。
如果在上层水域或者下层水域有更高浓度污染，则需重新按上述S102-S104步骤重新巡检污染源。以进一步精细确认污染源。
实施例2
在S104步骤中，将圆周的第一和第三个检测点作一个直线，将第二和第四个检测点作一个直线，将水域划分为4个扇形区，之后进行判断；
（1）如果存在3个检测点污染量大于圆点，则初步判定疑似存在多个污染源且标记圆点位置，并先选取污染量最高的两个点先继续做取点检测；
（2）如果存在2个检测点污染量大于圆点；
（21）如果第二检测点和第四检测点均大于圆点，则判断有可能有多个污染点，先取其中某个点与圆点做取点检测；
（22）如果S102中所有检测点落在一个扇形区内，且该扇形区有一个检测点和相邻检测点均大于圆点，则判断可能存在多个污染点，先取其中一点与圆点做取点检测；
（23）如果S102中有一个检测点不落在一个扇形区内，则选取污染量最高的两个点做取点检测。
具体的，如实施例1中，将a3和c、b和d做一个连线；形成4个扇形区。
如图1所示，如果p（b）>p（c）>p（d）>p（a3），则判定为疑似有多个污染源，先选择b和c做取点检测，直到找到污染源，之后回到a3，以d和a3再做取点检测，寻找污染源。
如果p（b）、p（d）均大于p（a3），则判定疑似有多个污染源，先选择a3和b做取点检测，寻找污染源；之后回到a3点，以a3和d做取点检测，寻找污染源。
如图4所示，如果p（b）和p（c）均大于p（a3），且a1、a2、a3均在同个扇区里，则判定疑似有多个污染源，先在a3和b作取点检测，寻找污染源；之后回到a3，在a3和c之间，寻找污染源。
如果a1在扇区之外，则以b和c做取点检测，寻找污染源。
无人机在进行污染源溯源之前，可以先对浅海水域采用多波束侧扫声呐探测建模，建立水域环境地图。从而实现使无人机可以在相关水域更为精准定位。
本发明是通过具体实施例进行说明的，本领域技术人员应当明白，在不脱离本发明范围的情况下，还可以对本发明进行各种变换和等同替代。另外，针对特定情形或具体情况，可以对本发明做各种修改，而不脱离本发明的范围。因此，本发明不局限于所公开的具体实施例，而应当包括落入本发明权利要求范围内的全部实施方式。

Claims (4)

1.一种基于水下无人机探测的水域水质监测方法，其特征在于，包括以下步骤：
S101：水下无人机在污染水域投放并下潜，每下潜一定深度进行一次水质数据检测，与前一点数值进行比较，直达符合预定条件；
S102：在S101定位的高度平面上，记为起点，检测水质污染量，随机选择一定角度并行走一定步长，第二次检测水质污染量，之后随机选择角度并行走一定步长，第三次检测水质污染量；并将起点、第二次和第三次检测的数值进行比较；
S103：取点检测：数据比较后，选择其中污染值最大的点为圆心，以与到污染值第二大的点的距离为半径，以与到污染值第二大的点的距离为半径，选取与圆心呈90°、180°、270°夹角的3个点做检测，形成以圆周分布的4个检测点；
S104：如果有检测点污染量高于圆心，选取污染量最高的两个点回到S103步骤，从新进行新的圆周路径巡检；
如果所有检测点污染量均小于圆心污染量，则判断已接近污染源。
2.根据权利要求1所述方法，其特征在于，所述S104在判断接近污染源后，缩小步长从新执行S102到S104的步骤。
3.根据权利要求1所述方法，其特征在于，将污染源作为圆心，向进行检测过的检测点作圆，形成污染圈，将污染量变化小于10%的设定为重污染圈；将污染量变化在10%-50%的定为中污染圈；将污染量变化大于50%的设定为轻污染圈，并通过可视化系统进行呈现并向控制中心进行预警。
4.根据权利要求1所述方法，其特征在于，所述污染量通过水质传感器测得，可以是pH值传感器、浊度传感器、水中油传感器、水质硬度传感器、氨氮传感器、电导率传感器、溶解氧传感器、余氯传感器中的至少一种。
CN202110005161.XA 2021-01-05 2021-01-05 一种基于水下无人机探测的水域水质监测方法 Active CN112697993B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110005161.XA CN112697993B (zh) 2021-01-05 2021-01-05 一种基于水下无人机探测的水域水质监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110005161.XA CN112697993B (zh) 2021-01-05 2021-01-05 一种基于水下无人机探测的水域水质监测方法

Publications (2)

Publication Number Publication Date
CN112697993A true CN112697993A (zh) 2021-04-23
CN112697993B CN112697993B (zh) 2022-04-26

Family

ID=75514596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110005161.XA Active CN112697993B (zh) 2021-01-05 2021-01-05 一种基于水下无人机探测的水域水质监测方法

Country Status (1)

Country Link
CN (1) CN112697993B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115159787A (zh) * 2022-07-26 2022-10-11 苏州金螳螂园林绿化景观有限公司 一种水禽湖湖水监测处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106093333A (zh) * 2016-07-29 2016-11-09 华中科技大学 一种水域污染源自动探测装置
CN107861516A (zh) * 2017-11-01 2018-03-30 新疆大学 基于sumt寻烟羽源机器人最优行为决策
CN109283303A (zh) * 2018-09-10 2019-01-29 福建经纬测绘信息有限公司 一种水上定点巡航定位污染源的系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106093333A (zh) * 2016-07-29 2016-11-09 华中科技大学 一种水域污染源自动探测装置
CN107861516A (zh) * 2017-11-01 2018-03-30 新疆大学 基于sumt寻烟羽源机器人最优行为决策
CN109283303A (zh) * 2018-09-10 2019-01-29 福建经纬测绘信息有限公司 一种水上定点巡航定位污染源的系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115159787A (zh) * 2022-07-26 2022-10-11 苏州金螳螂园林绿化景观有限公司 一种水禽湖湖水监测处理方法
CN115159787B (zh) * 2022-07-26 2024-04-16 苏州金螳螂园林绿化景观有限公司 一种水禽湖湖水监测处理方法

Also Published As

Publication number Publication date
CN112697993B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN110765941B (zh) 一种基于高分遥感影像的海水污染区域识别方法和设备
Bondur Complex satellite monitoring of coastal water areas
CN104992172B (zh) 基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法
Pasqualini et al. Contribution of side scan sonar to the management of Mediterranean littoral ecosystems
CN112697993B (zh) 一种基于水下无人机探测的水域水质监测方法
Braga et al. Water quality assessment with simultaneous Landsat-5 TM data at Guanabara Bay, Rio de Janeiro, Brazil
CN110675410B (zh) 基于选择性搜索算法的侧扫声呐沉船目标非监督探测方法
CN106651880B (zh) 基于多特征融合的热红外遥感影像的海上动目标检测方法
CN111637874B (zh) 一种赤潮海域多auv分层探测系统及探测方法
CN111062316A (zh) 一种基于深度学习技术的污染源废水排放实时视频分析系统
CN104180873A (zh) 一种单波束测深仪水深粗差检测修正方法及系统
CN106813588A (zh) 一种外浮顶储罐群变形监测方法
CN110751645B (zh) 一种输油码头溢油监测系统及方法
CN114333423A (zh) 一种狭水道航行碰撞风险评估方法
Badejo et al. Tidal Charateristics and Sounding Datum Variation in Lagos State
CN106404893B (zh) 一种轴向漏磁缺陷信号自动检测方法
CN110533650B (zh) 一种基于视觉的auv水下管道检测跟踪方法
CN105139034A (zh) 一种结合光谱滤除的船舶检测方法
CN113918670B (zh) 一种基于滩涂地形测绘方法、系统、存储介质及智能终端
CN113516657B (zh) 一种基于自适应权重的全极化sar影像海面溢油检测方法
KR102005311B1 (ko) 부유물 표류경로 분석 방법
CN107967452B (zh) 一种基于视频的深海矿物分布识别方法及系统
CN117333772A (zh) 一种基于大数据的水环境污染分析管理方法及系统
CN111862117B (zh) 基于像素优化的海冰冰块分水岭分割方法
CN108547272B (zh) 一种无人驾驶的溢油自动回收系统的工作方法

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