CN112949420A - 一种水土保持监测方法、装置、系统和可读存储介质 - Google Patents

一种水土保持监测方法、装置、系统和可读存储介质 Download PDF

Info

Publication number
CN112949420A
CN112949420A CN202110167465.6A CN202110167465A CN112949420A CN 112949420 A CN112949420 A CN 112949420A CN 202110167465 A CN202110167465 A CN 202110167465A CN 112949420 A CN112949420 A CN 112949420A
Authority
CN
China
Prior art keywords
monitoring
sensing data
remote sensing
current
area
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
CN202110167465.6A
Other languages
English (en)
Other versions
CN112949420B (zh
Inventor
汤晓雷
赵洪南
李浙华
徐迪
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.)
Hubei Gimbol Environmental Technology Co ltd
Original Assignee
Hubei Gimbol Environmental 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 Hubei Gimbol Environmental Technology Co ltd filed Critical Hubei Gimbol Environmental Technology Co ltd
Priority to CN202110167465.6A priority Critical patent/CN112949420B/zh
Publication of CN112949420A publication Critical patent/CN112949420A/zh
Application granted granted Critical
Publication of CN112949420B publication Critical patent/CN112949420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种水土保持监测方法、装置、系统和可读存储介质,属于水土保持技术领域。涉及水土保持技术领域。包括:根据历史监控图像和历史遥感数据,建立监测模型;获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;监控图像和遥感数据用于描述监控区域内的当前水土污染情况;在监测模型的基础上,根据监控图像和遥感数据,对监测区域内的水土保持进行监测,并生成当前监测结果通过无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据,实现监测区域内污染物的实时监测,进而进一步实现水土保持监测,相较于通过人工实地拍摄以及统计等方式实现监测,及时性和准确性较好,且人力成本较小。

Description

一种水土保持监测方法、装置、系统和可读存储介质
技术领域
本发明涉及水土保持技术领域,特别涉及一种水土保持监测方法、装置、系统和可读存储介质。
背景技术
建设项目会对扰动土地情况、取土(石、料)、弃土(石、渣)、水土流失情况及水土保持情况进行监测,以降低建设项目对水土的破坏。
现有技术主要是通过人力物力进行现场踏勘监测,来实现水土保持情况进行监测。
但是在实际使用中,存在有人力无法到达的区域,及时性差,且有人工将监测数据采集后,并在后期进行大量零碎数据的分析、汇总,以实现水土保持监测,人力成本大,且效率较低。
发明内容
为了解决现有技术的问题,本发明提供了一种水土保持监测方法、装置、系统和可读存储介质。所述技术方案如下:
第一方面,提供了一种水土保持监测方法,所述方法包括:
根据历史监控图像和历史遥感数据,建立监测模型;
获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;所述监控图像和所述遥感数据用于描述监控区域内的当前水土污染情况;
在所述监测模型的基础上,根据所述监控图像和所述遥感数据,对所述监测区域内的水土保持进行监测,并生成当前监测结果。
可选的,所述获取无人机实时拍摄的监控图像和实时获取的遥感数据之前,所述方法包括:
获取无人机拍摄的初始监控图像和初始遥感数据;
根据所述初始监控图像和所述初始遥感数据,识别出污染物;
确认所述污染物所在的区域为所述监控区域。
可选的,所述根据历史监控图像和历史遥感数据,建立监测模型包括:
根据地图数据,建立用于描述目标区域的地理模型,所述目标区域包括至少一个监控区域;
通过无人机获取多个监控图像样本和多个遥感数据样本;
预设目标识别模型,所述目标识别模型用于识别污染物以及污染物所在的区域;
根据所述多个监控图像样本,以及所述多个遥感数据样本,对所述目标识别模型进行训练,并输出训练结果,所述训练结果包括污染物所在的监控区域,以及污染物;
在所述地理模型上显示所述训练结果;
在完成训练后,根据所述目标识别模型和所述地理模型,建立所述监测模型。
可选的,所述根据本地的历史监控图像和历史遥感数据,建立监测模型还包括:
获取与所述监控区域相关的其他区域;
设置所述监控区域对所述其他区域的影响权重;
根据所述影响权重,以及所述其他区域,建立所述监测模型。
可选的,所述根据所述影响权重,以及所述其他区域,建立所述监测模型之后,所述方法还包括:
根据所述影响权重,重设置所述监测区域的面积,生成新的监测区域;
并将所述新的监测区域,发送至所述无人机,以使得所述无人机针对所述新的件测区域,实时拍摄的监控图像和实时获取的遥感数据。
可选的,所述方法还包括:
获取用户输入的即时图像,所述即时图像包括其他污染物;
根据所述即时图像,对所述目标识别模型进行训练,并输出训练结果,所述训练结果包括所述其他污染物所在的监控区域,以及其他污染物。
可选的,所述方法还包括:
根据所述当前监测结果,生成并输出水土保持策略。
第二方面,提供了一种水土保持监测装置,所述装置包括:
处理模块,用于根据历史监控图像和历史遥感数据,建立监测模型;
获取模块,用于获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;所述监控图像和所述遥感数据用于描述监控区域内的当前水土污染情况;
监测模块,用于在所述监测模型的基础上,根据所述当前监控图像和所述当前遥感数据,对所述监测区域内的水土保持进行监测,并生成当前监测结果。
第三方面,提供了一种水土保持监测系统,所述系统包括无人机与水土保持监测设备,所述无人机配置有摄像头,以及遥感器,其中:
所述无人机通过所述摄像头,实时拍摄的当前监控图像,并通过所述遥感器,实时获取当前遥感数据;所述监控图像和所述遥感数据用于描述监控区域内的当前水土污染情况;
所述无人机用于将所述当前监控图像和所述当前遥感数据,传输至所述水土保持监测设备;
所述水土保持监测设备具体用于:
根据本地的历史监控图像和历史遥感数据,建立监测模型;
在所述监测模型的基础上,根据所述当前监控图像和所述当前遥感数据,对所述监测区域内的水土保持进行监测,并生成当前监测结果。
第四方面,提供了一种可读存储介质,其特征在于,所述可读存储介质存储有能够被处理器加载并执行第一方面任一所述方法的计算机程序。
本发明实施例提供了一种水土保持监测方法、系统、装置和可读存储介质,包括根据历史监控图像和历史遥感数据,建立监测模型;获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;监控图像和遥感数据用于描述监控区域内的当前水土污染情况;在监测模型的基础上,根据监控图像和遥感数据,对监测区域内的水土保持进行监测,并生成当前监测结果。
本发明实施例提供的技术方案带来的有益效果是:
通过无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据,实现监测区域内污染物的实时监测,进而进一步实现水土保持监测,相较于通过人工实地拍摄以及统计等方式实现监测,及时性和准确性较好,且人力成本较小。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种水土保持监测方法流程图;
图2是本发明实施例提供的一种水土保持监测装置结构示意图;
图3是本发明实施例提供的一种水土保持监测系统示意图。
具体实施方式
为使本发明的目的、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。
实施例一
本发明实施例提供了一种水土保持监测方法,参照图1所示,该方法包括:
101、根据历史监控图像和历史遥感数据,建立监测模型。
102、获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;监控图像和遥感数据用于描述监控区域内的当前水土污染情况。
103、在监测模型的基础上,根据监控图像和遥感数据,对监测区域内的水土保持进行监测,并生成当前监测结果。
可选的,在步骤102之前,该方法还包括:
201、获取无人机拍摄的初始监控图像和初始遥感数据。
具体的,无人机在拍摄的初始监控图像和初始遥感数据的过程中,其拍摄路径可以是随机的,也可以是人为设置,该无人机在拍摄过程中,将初始监控图像和初始遥感数据实时传输至水土保持监测设备;
可选的,为了进一步方便用户操作,在步骤201之后,还可以执行:
向用户的手持设备发送该初始监控图像和初始遥感数据;
手持设备通过显示界面,显示该初始监控图像和初始遥感数据;
获取用户在该显示界面上输入的第一手势,该第一手势用于指示用户所选定的污染物;在实际应用中,该第一手势的轨迹所形成的闭合区域内至少包括该污染物的图像。
需要说明的是,本发明实施例所述的污染物可以是多个污染物品的堆积,如建筑垃圾、生活垃圾等,也可以是污染液体/气体的集中分布,如污水或者有害气体等。
202、根据初始监控图像和初始遥感数据,识别出污染物。
具体的,该识别过程可以是通过深度识别算法实现的,该识别算法可以是预先配置的,本发明实施例对具体的深度识别算法不加以限定。
可选的,为了方便用户使用,对用户所指示的污染物进行监测,在步骤202之后,还可以执行:
在用户的手持终端上显示步骤202所识别污染物的图像;
若用户在显示界面输入的第二手势,该第二手势用于指示用户是否确认监测该污染物,该第二手势可以为点击或者滑动手势,在实际应用中,若用户通过点击选中该图像并向其他方向滑动时,指示用户确认不监测该污染物;若第二手势为点击,则指示用户确认监测该污染物。
203、确认污染物所在的区域为监控区域。
具体的,确定污染物所在位置的预设范围为监控区域;该预设范围可以是至少包含污染物的矩形区域。
可选的,在步骤203之后,还可以执行:
根据污染物,确定污染源;该过程可以具体为:
在用户的手持终端上显示至少标识出监控区域的地图界面;该标识方式可以为通过线条标出;
在该地图界面上显示污染源输入请求界面;
用户在该地图界面通过第三手势输入污染源,该污染源可以为位置或者区域;该第三手势的轨迹所形成的闭合区域内至少包括污染源的图像。
若该污染源不在当前的地图界面,用户还可以通过输入滑动手势,实现地图界面的切换,直至污染源存在于正在显示的地图界面。
确认污染源所在的区域为监控区域;该确认方式与步骤203所述的方式相同,此处不再加以赘述。
可选的,步骤101所述的过程还可以为:
301、根据地图数据,建立用于描述目标区域的地理模型,目标区域包括至少一个监控区域。
具体的,识别该目标区域内所有目标,该目标可以为水域、植被区域、建筑以及山体等,该识别过程可以是通过深度识别算法实现的,该深度识别算法可以是通过识别颜色和轮库,来实现目标,本发明实施例对具体的识别算法不加以限定;
识别该目标区域内污染物的轮廓,以及监控区域的轮廓;
根据该所有目标的轮廓,建立用于描述目标区域的地理模型;该地理模型至少包括所有目标的轮廓,监控区域的轮廓,以及污染物的轮廓。
可选的,除了上述步骤,还可以执行:
识别该污染源的轮廓,以及污染源所在监控区域的轮廓;
根据该所有目标的轮廓,建立用于描述目标区域的地理模型;该地理模型至少包括所有目标的轮廓,监控区域的轮廓,污染物的轮廓,污染源的轮廓,以及污染源所在监控区域的轮廓。
302、通过无人机获取多个监控图像样本和多个遥感数据样本。
具体的,按照不同的路径和不同的时间,多次拍摄监控图像,并多次获取遥感数据,对于既定时间以及既定路径下,拍摄监控图像,并获取遥感数据的过程与步骤201所述方式相同,此处不再加以赘述。
可选的,为了进一步提高识别的准确性,避免漏识别或者错误识别,在步骤302之后,还可以执行以下步骤:
对该多个监控图像样本和多个遥感数据样本中的任意一个监控图像和遥感数据,执行以下操作:
更改监控图像中的部分参数,如灰度值,以获得多个监控图像;
更改遥感数据中的部分参数,以获得多个遥感数据。
对其他遥感数据样本和监控数据样本继续执行上述操作,直至对所有多个监控图像样本和多个遥感数据样本都完成上述操作。
303、预设目标识别模型,目标识别模型用于识别污染物以及污染物所在的区域。
具体的,该目标识别模型包括输入接口、输出接口以及识别部分,该输入接口用于输入遥感数据样本和监控数据样本,该输出部分用于输出污染物以及污染物所在的区域,或者输出污染物以及污染物所在的区域,以及输出污染源以及污染源所在的区域;
该识别部分包括基于图像识别的第一深度识别算法,以及基于遥感数据识别的第二深度识别算法;
该第一深度识别算法输出第一识别结果;
该第二深度识别算法输出第二识别结果。
304、根据多个监控图像样本,以及多个遥感数据样本,对目标识别模型进行训练,并输出训练结果,训练结果包括污染物所在的监控区域,以及污染物。
具体的,将该多个监控图像样本,以及多个遥感数据样本,输入至输入接口;
第一深度识别算法对该多个监控图像样本进行识别,输出第一识别结果;
第二深度识别算法对该多个遥感数据样本进行识别,输出第二识别结果;
若第一识别结果和第二识别结果一致,则将第一识别结果作为训练结果输出;
若不一致,则输出用于指示识别错误的训练结果。
需要说明的是,该训练结果包括污染物所在的监控区域,以及污染物,在实际应用中,可以为监控区域的轮廓和污染物的轮廓。
可选的,训练结果除了包括监控区域的轮廓和污染物的轮廓之外,还可以包括污染源的轮廓,以及污染源所在监控区域的轮廓。
305、在地理模型上显示训练结果。
具体的,地理模型中监控区域的轮廓,以及污染物的轮廓,替换为训练结果中监控区域的轮廓和污染物的轮廓;
可选的,除了上述步骤之外,还可以执行:
地理模型中污染源的轮廓,以及污染源所在监控区域的轮廓,替换为训练结果中污染源的轮廓,以及污染源所在监控区域的轮廓。
306、在完成训练后,根据目标识别模型和地理模型,建立监测模型。
具体的,目标识别模型根据根据监控图像和遥感数据,识别监控区域的轮廓,以及污染物的轮廓,并输出监控区域的轮廓,以及污染物的轮廓;
地理模型将自身监控区域的轮廓,以及污染物的轮廓,替换为目标识别模型所识别的监控区域的轮廓,以及污染物的轮廓;
比较模型用于判定污染物的轮廓面积增加或减小。
可选的,在执行完上述306之后,还可以执行:
目标识别模型根据根据监控图像和遥感数据,识别污染源的轮廓,以及污染源所在监控区域的轮廓,并输出污染源的轮廓,以及污染源所在监控区域的轮廓;
地理模型将自身污染源的轮廓,以及污染源所在监控区域的轮廓,替换为目标识别模型所识别的污染源的轮廓,以及污染源所在监控区域的轮廓;
比较模型用于判定污染源的轮廓面积增加或减小。
可选的,步骤101所述的过程还可以为:
401、获取与监控区域相关的其他区域。
具体的,该相关可以为与监控区域相邻的多个区域,本发明实施例对具体的获取方式不加以限定。
402、设置监控区域对其他区域的影响权重。
具体的,该影响权重可以是通过其他区域与污染物之间的距离设定的,该设定过程可以具体为:
获取所有其他区域与污染物之间的总距离;
对于任意一个其他区域,该其他区域的影响权重为该其他区域与污染物之间的距离,和总距离之间的比值。
403、根据影响权重,以及其他区域,建立监测模型。
具体的,识别其他区域内是否存在污染物,该识别方式与前述方式相同,此处不再加以赘述。
若有,则获取该污染物的轮廓,以及该其他区域的轮廓;
比较模型用于判定其他区域的污染物的轮廓面积增加或减小。
除了上述过程之外,该步骤与步骤306相同,此处不再加以赘述。
可选的,该方法还包括:
501、根据影响权重,重设置监测区域的面积,生成新的监测区域。
502、将新的监测区域,发送至无人机,以使得无人机针对新的件测区域,实时拍摄的监控图像和实时获取的遥感数据。
具体的,该步骤与步骤101所述的过程相同,此处不再加以赘述。
可选的,该方法还包括:
601、获取用户输入的即时图像,即时图像包括其他污染物。
602、根据即时图像,对目标识别模型进行训练,并输出训练结果,训练结果包括其他污染物所在的监控区域,以及其他污染物。
可选的,该方法还包括:
根据当前监测结果,生成并输出水土保持策略。
实施例二
本发明实施例提供了一种水土保持监测装置2,参照图2所示,该装置2包括:
处理模块21,用于根据历史监控图像和历史遥感数据,建立监测模型;
获取模块22,用于获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;监控图像和遥感数据用于描述监控区域内的当前水土污染情况;
监测模块23,用于在监测模型的基础上,根据当前监控图像和当前遥感数据,对监测区域内的水土保持进行监测,并生成当前监测结果。
可选的,处理模块21还用于:
获取无人机拍摄的初始监控图像和初始遥感数据;
根据初始监控图像和初始遥感数据,识别出污染物;
确认污染物所在的区域为监控区域。
可选的,处理模块21具体用于:
根据地图数据,建立用于描述目标区域的地理模型,目标区域包括至少一个监控区域;
通过无人机获取多个监控图像样本和多个遥感数据样本;
预设目标识别模型,目标识别模型用于识别污染物以及污染物所在的区域;
根据多个监控图像样本,以及多个遥感数据样本,对目标识别模型进行训练,并输出训练结果,训练结果包括污染物所在的监控区域,以及污染物;
在地理模型上显示训练结果;
在完成训练后,根据目标识别模型和地理模型,建立监测模型。
可选的,处理模块21还具体用于:
获取与监控区域相关的其他区域;
设置监控区域对其他区域的影响权重;
根据影响权重,以及其他区域,建立监测模型。
可选的,处理模块21还用于:
根据影响权重,重设置监测区域的面积,生成新的监测区域;
并将新的监测区域,发送至无人机,以使得无人机针对新的件测区域,实时拍摄的监控图像和实时获取的遥感数据。
可选的,监测模块23还用于:
获取用户输入的即时图像,即时图像包括其他污染物;
根据即时图像,对目标识别模型进行训练,并输出训练结果,训练结果包括其他污染物所在的监控区域,以及其他污染物。
可选的,监测模块23还用于:
根据当前监测结果,生成并输出水土保持策略。
实施例三
本发明实施例提供了一种水土保持监测系统,参照图3所示,该系统包括无人机31与水土保持监测设备32,无人机31配置有摄像头311以及遥感器312,其中:
无人机31通过摄像头311,实时拍摄的当前监控图像,并通过遥感器312,实时获取当前遥感数据;监控图像和遥感数据用于描述监控区域内的当前水土污染情况;
无人机31用于将当前监控图像和当前遥感数据,传输至水土保持监测设备32;
水土保持监测设备32具体用于:
根据本地的历史监控图像和历史遥感数据,建立监测模型;
在监测模型的基础上,根据当前监控图像和当前遥感数据,对监测区域内的水土保持进行监测,并生成当前监测结果。
可选的,水土保持监测设备32还用于:
获取无人机31拍摄的初始监控图像和初始遥感数据;
根据初始监控图像和初始遥感数据,识别出污染物;
确认污染物所在的区域为监控区域。
可选的,水土保持监测设备32还用于:
根据地图数据,建立用于描述目标区域的地理模型,目标区域包括至少一个监控区域;
通过无人机31获取多个监控图像样本和多个遥感数据样本;
预设目标识别模型,目标识别模型用于识别污染物以及污染物所在的区域;
根据多个监控图像样本,以及多个遥感数据样本,对目标识别模型进行训练,并输出训练结果,训练结果包括污染物所在的监控区域,以及污染物;
在地理模型上显示训练结果;
在完成训练后,根据目标识别模型和地理模型,建立监测模型。
可选的,水土保持监测设备32还用于:
获取与监控区域相关的其他区域;
设置监控区域对其他区域的影响权重;
根据影响权重,以及其他区域,建立监测模型。
可选的,水土保持监测设备32还用于:
根据影响权重,重设置监测区域的面积,生成新的监测区域;
并将新的监测区域,发送至无人机,以使得无人机针对新的件测区域,实时拍摄的监控图像和实时获取的遥感数据。
可选的,水土保持监测设备32还用于:
获取用户输入的即时图像,即时图像包括其他污染物;
根据即时图像,对目标识别模型进行训练,并输出训练结果,训练结果包括其他污染物所在的监控区域,以及其他污染物。
可选的,水土保持监测设备32还用于:
根据当前监测结果,生成并输出水土保持策略。
实施例四
本发明实施例提供了一种可读存储介质,该可读存储介质存储有能够被处理器加载并执行上述实施例一所述方法的计算机程序。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的水土保持监测装置、系统和可读存储介质在执行水土保持监测方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置和系统的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的水土保持监测方法、装置、系统和可读存储介质实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种水土保持监测方法,其特征在于,所述方法包括:
根据历史监控图像和历史遥感数据,建立监测模型;
获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;所述监控图像和所述遥感数据用于描述监控区域内的当前水土污染情况;
在所述监测模型的基础上,根据所述监控图像和所述遥感数据,对所述监测区域内的水土保持进行监测,并生成当前监测结果。
2.根据权利要求1所述的方法,其特征在于,所述获取无人机实时拍摄的监控图像和实时获取的遥感数据之前,所述方法包括:
获取无人机拍摄的初始监控图像和初始遥感数据;
根据所述初始监控图像和所述初始遥感数据,识别出污染物;
确认所述污染物所在的区域为所述监控区域。
3.根据权利要求2所述的方法,其特征在于,所述根据历史监控图像和历史遥感数据,建立监测模型包括:
根据地图数据,建立用于描述目标区域的地理模型,所述目标区域包括至少一个监控区域;
通过无人机获取多个监控图像样本和多个遥感数据样本;
预设目标识别模型,所述目标识别模型用于识别污染物以及污染物所在的区域;
根据所述多个监控图像样本,以及所述多个遥感数据样本,对所述目标识别模型进行训练,并输出训练结果,所述训练结果包括污染物所在的监控区域,以及污染物;
在所述地理模型上显示所述训练结果;
在完成训练后,根据所述目标识别模型和所述地理模型,建立所述监测模型。
4.根据权利要求3所述的方法,其特征在于,所述根据本地的历史监控图像和历史遥感数据,建立监测模型还包括:
获取与所述监控区域相关的其他区域;
设置所述监控区域对所述其他区域的影响权重;
根据所述影响权重,以及所述其他区域,建立所述监测模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述影响权重,以及所述其他区域,建立所述监测模型之后,所述方法还包括:
根据所述影响权重,重设置所述监测区域的面积,生成新的监测区域;
并将所述新的监测区域,发送至所述无人机,以使得所述无人机针对所述新的件测区域,实时拍摄的监控图像和实时获取的遥感数据。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取用户输入的即时图像,所述即时图像包括其他污染物;
根据所述即时图像,对所述目标识别模型进行训练,并输出训练结果,所述训练结果包括所述其他污染物所在的监控区域,以及其他污染物。
7.根据权利要求1至6任一所述的方法,其特征在于,所述方法还包括:
根据所述当前监测结果,生成并输出水土保持策略。
8.一种水土保持监测装置,其特征在于,所述装置包括:
处理模块,用于根据历史监控图像和历史遥感数据,建立监测模型;
获取模块,用于获取无人机实时拍摄的当前监控图像,以及实时获取的当前遥感数据;所述监控图像和所述遥感数据用于描述监控区域内的当前水土污染情况;
监测模块,用于在所述监测模型的基础上,根据所述当前监控图像和所述当前遥感数据,对所述监测区域内的水土保持进行监测,并生成当前监测结果。
9.一种水土保持监测系统,其特征在于,所述系统包括无人机与水土保持监测设备,所述无人机配置有摄像头以及遥感器,其中:
所述无人机通过所述摄像头,实时拍摄的当前监控图像,并通过所述遥感器,实时获取当前遥感数据;所述监控图像和所述遥感数据用于描述监控区域内的当前水土污染情况;
所述无人机用于将所述当前监控图像和所述当前遥感数据,传输至所述水土保持监测设备;
所述水土保持监测设备具体用于:
根据本地的历史监控图像和历史遥感数据,建立监测模型;
在所述监测模型的基础上,根据所述当前监控图像和所述当前遥感数据,对所述监测区域内的水土保持进行监测,并生成当前监测结果。
10.一种可读存储介质,其特征在于,所述可读存储介质存储有能够被处理器加载并执行上述1至7任一所述方法的计算机程序。
CN202110167465.6A 2021-02-07 2021-02-07 一种水土保持监测方法、装置、系统和可读存储介质 Active CN112949420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110167465.6A CN112949420B (zh) 2021-02-07 2021-02-07 一种水土保持监测方法、装置、系统和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110167465.6A CN112949420B (zh) 2021-02-07 2021-02-07 一种水土保持监测方法、装置、系统和可读存储介质

Publications (2)

Publication Number Publication Date
CN112949420A true CN112949420A (zh) 2021-06-11
CN112949420B CN112949420B (zh) 2022-06-14

Family

ID=76243084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110167465.6A Active CN112949420B (zh) 2021-02-07 2021-02-07 一种水土保持监测方法、装置、系统和可读存储介质

Country Status (1)

Country Link
CN (1) CN112949420B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657359A (zh) * 2021-10-20 2021-11-16 四川省水利科学研究院 基于图像解译技术的水土保持监测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170083747A1 (en) * 2015-09-21 2017-03-23 The Climate Corporation Ponding water detection on satellite imagery
KR20190025079A (ko) * 2017-08-28 2019-03-11 서울대학교산학협력단 토양 이미지를 이용한 토양 분류 방법 및 함수비 추정 방법
CN109670789A (zh) * 2018-12-21 2019-04-23 北京航天泰坦科技股份有限公司 一种用于生产建设项目水土保持的遥感监测系统
CN111553244A (zh) * 2020-04-24 2020-08-18 中国电建集团成都勘测设计研究院有限公司 基于自动定位定向技术的水土保持监测方法
CN111738561A (zh) * 2020-05-29 2020-10-02 中国电建集团华东勘测设计研究院有限公司 一种基于深度学习的区域水土流失动态监测方法
CN111860626A (zh) * 2020-07-04 2020-10-30 广东粤源工程咨询有限公司 基于无人机遥感和面向对象分类的水土保持监测方法及系统
CN211855319U (zh) * 2020-04-08 2020-11-03 山东水文水环境科技有限公司 水土保持遥感监测设备
CN112113541A (zh) * 2020-09-04 2020-12-22 湖北君邦环境技术有限责任公司 河流湖泊的环境问题识别方法及系统
CN212460575U (zh) * 2020-11-23 2021-02-02 江西省水土保持科学研究院 生产建设项目水土保持卫星遥感监测与信息化监管系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170083747A1 (en) * 2015-09-21 2017-03-23 The Climate Corporation Ponding water detection on satellite imagery
KR20190025079A (ko) * 2017-08-28 2019-03-11 서울대학교산학협력단 토양 이미지를 이용한 토양 분류 방법 및 함수비 추정 방법
CN109670789A (zh) * 2018-12-21 2019-04-23 北京航天泰坦科技股份有限公司 一种用于生产建设项目水土保持的遥感监测系统
CN211855319U (zh) * 2020-04-08 2020-11-03 山东水文水环境科技有限公司 水土保持遥感监测设备
CN111553244A (zh) * 2020-04-24 2020-08-18 中国电建集团成都勘测设计研究院有限公司 基于自动定位定向技术的水土保持监测方法
CN111738561A (zh) * 2020-05-29 2020-10-02 中国电建集团华东勘测设计研究院有限公司 一种基于深度学习的区域水土流失动态监测方法
CN111860626A (zh) * 2020-07-04 2020-10-30 广东粤源工程咨询有限公司 基于无人机遥感和面向对象分类的水土保持监测方法及系统
CN112113541A (zh) * 2020-09-04 2020-12-22 湖北君邦环境技术有限责任公司 河流湖泊的环境问题识别方法及系统
CN212460575U (zh) * 2020-11-23 2021-02-02 江西省水土保持科学研究院 生产建设项目水土保持卫星遥感监测与信息化监管系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KAI GUO等: "The Benefit Analysis of Soil and Water Conservation Measures Through UAV Methodology", 《2019 12TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING, BIOMEDICAL ENGINEERING AND INFORMATICS (CISP-BMEI)》 *
李丹 等: "水土保持监测信息平台总体设计研究", 《电子元器件与信息技术》 *
杨晓娟 等: "无人机遥感技术在线型工程水土保持监测中的应用", 《安徽农业科学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657359A (zh) * 2021-10-20 2021-11-16 四川省水利科学研究院 基于图像解译技术的水土保持监测方法

Also Published As

Publication number Publication date
CN112949420B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN104067145B (zh) 剪枝机器人系统
CN105700525B (zh) 基于Kinect传感器深度图机器人工作环境不确定性地图构建法
CN109470233B (zh) 一种定位方法及设备
EP3620774B1 (en) Method and apparatus for monitoring plant health state
CN110134117B (zh) 一种移动机器人重定位方法、移动机器人及电子设备
CN112949420B (zh) 一种水土保持监测方法、装置、系统和可读存储介质
CN112766202A (zh) 基于卫星遥感的蓝藻信息实时指示方法、存储介质及设备
CN115880466B (zh) 基于无人机遥感的城市工程测绘方法及系统
CN114964275A (zh) 地空协同地图构建方法、装置、设备及存储介质
CN115375868A (zh) 地图显示和遥感地图显示方法、计算设备以及存储介质
CN114241332A (zh) 一种基于深度学习的固废场识别方法、装置以及存储介质
CN115063762A (zh) 车道线的检测方法、装置、设备及存储介质
CN117557931B (zh) 一种基于三维场景的表计最优巡检点的规划方法
CN101174299A (zh) 一种基于航空影像的水体与居民地变化检测方法
CN117010217B (zh) 基于模型分析的地下水污染可视化方法及系统
CN114004950A (zh) 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法
CN117172995A (zh) 基于微生物的污染评估分析方法、系统及存储介质
CN112212864A (zh) 基于深度学习的火灾场景导航方法及系统、存储介质
Barrile et al. Experimentations and integrated applications laser scanner/GPS for automated surveys
US20160349409A1 (en) Photovoltaic shade impact prediction
CN114419496A (zh) 图像巡检更新方法、装置、电子设备及存储介质
CN114445326A (zh) 光伏面板异常检测方法、检测装置及计算机可读存储装置
CN117419955B (zh) 一种基于电子围栏的土壤现场调查采样装置及方法
Xiaoxue et al. Application of 3D laser scanner in digitization of movable cultural relics
KR20160003359A (ko) 3차원 지도 구축을 위한 스테레오 카메라 설계 방법 및 그 장치

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