CN113155880B - 一种采用无人机和xrf技术对土壤重金属污染的检测方法 - Google Patents

一种采用无人机和xrf技术对土壤重金属污染的检测方法 Download PDF

Info

Publication number
CN113155880B
CN113155880B CN202110498045.6A CN202110498045A CN113155880B CN 113155880 B CN113155880 B CN 113155880B CN 202110498045 A CN202110498045 A CN 202110498045A CN 113155880 B CN113155880 B CN 113155880B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
data
soil
height
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
CN202110498045.6A
Other languages
English (en)
Other versions
CN113155880A (zh
Inventor
黄方
彭书颖
杨浩
陈胜亿
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110498045.6A priority Critical patent/CN113155880B/zh
Publication of CN113155880A publication Critical patent/CN113155880A/zh
Priority to US17/719,859 priority patent/US20220365007A1/en
Application granted granted Critical
Publication of CN113155880B publication Critical patent/CN113155880B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
    • 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
    • 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
    • G01N33/245—Earth materials for agricultural purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/07—Investigating materials by wave or particle radiation secondary emission
    • G01N2223/076—X-ray fluorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/30—Accessories, mechanical or electrical features
    • G01N2223/301—Accessories, mechanical or electrical features portable apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/50—Detectors
    • G01N2223/507—Detectors secondary-emission detector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/616—Specific applications or type of materials earth materials

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Automation & Control Theory (AREA)
  • Food Science & Technology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供一种采用无人机和XRF技术对土壤重金属污染的检测方法，属于土壤重金属污染检测技术领域。本发明，基于无人机、XRF分析仪、嵌入式设备及其它传感器等硬件设备，研制系统定高模块和触地监测模块，辅助无人机实现安全精确的定点悬停；研制数据采集的驱动装置从而替代手动控制，实现XRF数据自动采集；使用嵌入式设备实现数据反演方法，在近地面使用便携式XRF分析仪采集数据后，进行土壤内重金属元素含量反演处理的算法研究实现，使得便携式XRF分析仪能够在一定距离下自动准确检测土壤内重金属含量；进一步完成无人机协同控制与自动飞行的关键算法设计与实现，实现飞行任务规划与任务队列构建、飞行高度及速度自动控制等功能。发明一种采用无人机和XRF技术对土壤重金属污染的快速检测软硬件系统，实现区域化、快速化、便捷化的土壤重金属污染检测。

Description

一种采用无人机和XRF技术对土壤重金属污染的检测方法
技术领域
本发明属于土壤重金属污染检测领域，具体涉及一种基于无人机技术与XRF(X-Ray Fluorescence，X射线荧光)技术相结合用于较大区域范围内土壤重金属污染快速检测的方法。
背景技术
土壤作为人类生存发展最重要的物质基础，是人类所有活动的基本保证。近年来严重的土壤重金属污染使得动植物的生长质量受到严重威胁，土壤重金属污染的防治问题一直以来都是一个研究热点，党和国家高度重视生态文明建设和食品粮食安全。土壤重金属污染防治的前提条件是对污染情况进行检测评估，开展土壤污染防治工作的一个必要前提是必须查清土壤中重金属元素种类和含量，只有对土壤重金属污染现状有清晰的认识才能针对性的开展污染治理工作，但是土壤重金属污染具有长期隐蔽、难治理、周期长等特点，难以做到早发现、早预防、早治理。在实际应用中通常需要对较大范围区域内土壤整体进行快速全面的重金属污染状况检测与风险评估。
土壤重金属污染检测长期以来都是一个重要的研究领域，土壤中的重金属检测方法常见的有化学分析技术方法、高光谱技术方法、XRF技术方法等。采用化学方法测定精度较高，能准确反映土壤中绝大多数重金属元素的种类与含量，但是化学方法需要从实地获取土壤样本后在实验室中开展对应的化学分析，整个过程耗时较长，不能快速得出结果。运用高光谱检测的重金属光谱范围广，能够迅速获取较大范围区域的光谱数据，但该技术方法反演精度通常较低，同时需要一系列精密的设备，分析一个区域内土壤重金属含量实际的工序比较复杂，检测成本也较高。XRF技术能够快速有效的检测土壤中重金属含量，可以被应用在土壤重金属污染监测及污染修复评估等，并且因为其显著的优势，XRF技术有在一定条件下替代传统实验室分析方法的潜力。
X射线是一种波长介于紫外光与γ射线之间的电磁辐射，具有极强的穿透能力。经过近十几年的不断发展，XRF(X-Ray Fluorescence，X射线荧光)光谱分析元素种类及含量成为了一种被广泛应用的分析技术，例如在地矿、建材、冶金、环保、食品卫生及有色金属等多个领域，XRF技术都正在发挥重要作用。XRF技术具有很多的独特优点，它能够在不破坏样品属性的情况下实现对多种金属元素同时进行分析，分析过程快速便捷、检测结果稳定可靠。当前XRF分析仪通常需要手持进行检测，它能够实现对野外某一点进行土壤重金属污染快速准确检测，但是难以快速完成对较大范围区域内土壤重金属污染情况的整体检测。
无人机(Unmanned Aerial Vehicle，UAV)技术近年来得到了高速的发展，因其成本较低、飞行灵活而且受地形约束小等特点，无人机的应用领域正在被不断扩展，例如在抢险救灾、社会安保、环境监测、农业植保等各学科领域它都正在扮演越来越重要的角色。通过无人机搭载嵌入式设备作为无人机的自主控制及数据处理中心，能够进一步提高无人机的应用能力。运用无人机的土壤监测已在农业研究中显现出数据质量高、采集便捷快速等优势，因此值得考虑将无人机运用在土壤重金属污染检测领域的作用。
基于现有无人机和XRF分析仪进行土壤重金属污染检测系统研究需要解决几个关键问题：(1)在无人机方面，目前通用无人机及其配套软件通常只能完成区域内定高定速等任务规划与飞行，不能实现无人机在任务点下降并完成近地精确悬停以采集数据的功能；(2)在XRF分析仪方面，一是当前便携式XRF分析仪通常需要贴地使用而不能满足无人机平台下近地检测的需要；另外目前商用的便携式XRF分析仪存在需要手持操作而不能自动完成数据采集的问题。
发明内容
本发明的目的在于为了解决背景技术所存在的问题而提供一种无人机机载XRF土壤重金属污染快速检测方法。该方法针对我国土壤重金属污染严峻态势以及对区域化、快速化、便捷化的土壤重金属污染检测方法的实际需求，本发明将无人机技术与XRF技术进行结合，充分利用二者的优点。通过嵌入式设备实现无人机飞行控制及数据的采集处理，实现对较大范围区域的土壤重金属污染快速自动检测，软硬件协同形成一种无人机机载XRF土壤重金属污染快速检测方法。
一种采用无人机和XRF技术对土壤重金属污染的检测方法，该方法包括：
步骤1.采用XRF分析仪在待检测区域内均匀选择足够的采样点，每个样点分别近地检测和贴地检测获取一组待测金属元素含量数据；
步骤2.数据检查与数据预处理，数据采集完成后，通过由已知数据画出散点图进行数据检查，将明显错误的数据剔除，根据初略图像初步确定多项式的拟合次数n；
步骤3.依次计算最高次数为n-1和n的多项式拟合函数与误差平方和；
步骤4.如果最后一次拟合函数的误差平方和较前一次减小量大于设定阈值，则继续依次计算最高次大于n的拟合函数，直到最后求出的误差平方较前一次误差平方和减小量小于设定阈值；
步骤5.记录并保存最小误差平方和对应的拟合函数，该函数为最后的反演模型；
步骤6.无人机携带XRF分析仪近地采集土壤数据，依据反演模型对采集到的土壤数据进行反演处理，得到精确的土壤重金属元素含量数据，记录并保存反演后数据。
进一步的，所述步骤6中无人机携带的XRF分析仪采样数据时的无人机控制方法为：
步骤1.1.系统各个模块初始化以及自检，保证系统各模块工作正常；
步骤1.2.规划土壤重金属污染监测的无人机飞行任务航线，并构建任务队列；
步骤1.3.无人机起飞，当任务队列有效时，无人机起飞到指定高度H，H为设定的无人机平面飞行高度；
步骤1.4.无人机平面飞行自动控制，控制无人机飞行到下一个任务点上空；无人机在作业平面飞行路径中是一个由A点到B点的直线，高度保持为飞行高度H不变；
步骤1.5.无人机下降过程自动控制，为了采集到有效的数据，控制无人机下降到预定高度悬停，并完成数据采；
步骤1.6.无人机悬停以及数据采集，无人机保持h2高度精确悬停直到数据采集完成；重复步骤1.4直到任务队列中所有任务点均完成数据采集工作；
步骤1.7.无人机返航降落，自动控制无人机返航到起飞点坐标上空并降落。
进一步的，所述步骤3的具体方法为：
假设有n+1个线性无关连续函数：
Figure BDA0003055236900000031
其中
Figure BDA0003055236900000032
记
Figure BDA0003055236900000033
即：p(x)＝a0+a1x+…+anxk，则函数p(x)是关于系数ak的线性函数，针对一组已知离散数据点(x0,y0),(x1,y1),…,(xm,ym)，求一组ak满足公式:
Figure BDA0003055236900000034
那么这组离散数据的最小二乘法拟合函数就是函数p(x)；求I的最小值，由多元函数求极值的条件，得到：
Figure BDA0003055236900000035
假定记
Figure BDA0003055236900000036
则变换为：
Figure BDA0003055236900000041
化为范德蒙得矩阵得到:
Figure BDA0003055236900000042
简写为：
X·A＝Y
解算系数矩阵A，也就得到了多项式最小二乘法拟合曲线。
进一步的，所述步骤1.2的具体方法为：
步骤1.2.1.将作业区域拟合为最接近的多边形，获取作业区域多边形的各顶点坐标；
步骤1.2.2.根据顶点坐标信息计算作业区域最长的一条边；
步骤1.2.3.构建航线坐标系，基于最长边构建大地坐标系和航线坐标系；
步骤1.2.4.坐标系转换，将顶点坐标由大地坐标系中转换到航线坐标系；
步骤1.2.5.航线规划与任务点坐标获取，坐标系建立完成后，根据实际需要规划航线；设置航线间间距与任务点间距离，在航线坐标系中平行于最长边规划无人机飞行航线并获取所有数据采集任务点航线的坐标；
步骤1.2.6.任务队列构建，从原点开始，沿航线往返遍历所有任务点，将所有任务点的航线坐标转换为地理坐标并依次加入任务队列。
进一步的，所述步骤1.4的具体方法为：
步骤1.4.1.从任务队列中读取下一个目标点的大地坐标，从飞控中获取无人机初始位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤1.4.2.坐标系转换完成后，由初始点坐标和目标点坐标分别计算出X轴和Y轴预期移动距离Dx和Dy；
步骤1.4.3.设定容许误差d和步进量s，容许误差d表示系统允许的最大误差，当无人机位置与目标点在在X轴和Y轴两个方向的距离误差都小于d时则认为无人机抵达目标点；步进量s表示系统每次调整无人机移动的最大位移；
步骤1.4.4.通过飞控获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤1.4.5.通过无人机当前位置和无人机初始位置，计算无人机在X轴和Y轴两个方向已经移动的距离dx和dy，根据需要移动的距离和已经移动的距离，计算出无人机还需要移动的距离dx0和dy0；
步骤1.4.6.判断在系统允许误差内无人机当前位置是否已经到达目标点，若是则控制方法结束，无人机在目标点上空悬停等待一下指令；若不是则继续执行下一步；
步骤1.4.7.在X轴和Y轴两个方向上分别判断还需移动的距离是否小于步进量s，若是则下一步控制无人机在该方向移动剩余距离，若不是则控制无人机在该方向移动s距离；移动完成后回到步骤1.4.4继续执行。
进一步的，所述步骤1.5的具体方法为：
步骤1.5.1.下降第一阶段，第一阶段根据无人机自身GPS数据和气压计高度数据，控制无人机快速下降到h1高度；
步骤1.5.2.下降第二阶段，第二阶段主要依据系统定高模块实时测得的当前测距传感器与地面的高度信息控制无人机缓慢下降到h2高度，h2为系统的数据采集作业高度。
进一步的，所述步骤1.2.5的具体方法为：
航线规划与任务点坐标获取，坐标系建立完成后，就可以根据实际需要规划航线；设置航线间间距与任务点间距离，在航线坐标系中平行于最长边规划无人机飞行航线并获取所有数据采集任务点航线的坐标；
计算步骤1.2.1中拟合的多边形m个顶点中最大的y轴坐标ymax＝max(yV1,yV2,…,yVn)，设定两条相邻航线的距离D，在y＝0到y＝ymax之间作距离为D且平行于yV1yV2的一组直线；在XOY中，通过计算步骤1.2.1中拟合的多边形与该组直线的交点，保留多边形内部的航线得到了最后的无人机作业航线；规划好航线后，确定一条航线中两个相邻任务点之间的距离d，遍历每一条航线，由公式(3)确定每条航线的任务点数，将这些任务点均匀分布在航线上；
Figure BDA0003055236900000061
式中，ni表示第i条航线上的任务点数目，rund表示四舍五入取整，xi2和xi1分别是航线右侧端点和左侧端点的X轴坐标。
进一步的，所述步骤1.5.1的具体方法为：
S1:读取h1、h2、高度容许误差h以及翻滚角容许误差r信息；
S2:获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
S3:通过无人机当前高度和h2计算预期位移：Z1＝H-h2；
S4:系统再次获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
S5:系统根据无人机当前翻滚角对翻滚角进行反向调整；
S6:通过无人机当前高度计算确定剩余的位移量：Z2＝hnow-h2，其中hnow为当前无人机的高度；
S7:判断剩余的位移量是否都小于容许误差h或者为负数，如是，则进入S10，否则进入步骤步骤S8继续执行；
S8:判断剩余的位移量是否小于设定步进量，若是则下降z高度，否则下降最大步进量；
S9:从新计算剩余的位移量，根据上一步下降的高度不同，z为0或Z2-s，并再次执行步骤步骤S8；
S10:判断当前翻滚角的绝对值是否在系统容许误差范围内，若是则完成第一阶段控制进入第二阶段，否则执行步骤步骤S4。
进一步的，所述步骤1.5.2的具体方法为：
D1:获取实时高度数据，判断高度数据与作业高度之间差的绝对值是否满足系统容许误差，如是则等待后续数据采集，否则继续执行；
D2:求0.05m和高度数据与作业高度之间差的绝对值的0.7倍两个数据中小的值，然后控制无人机向下移动这个较小值的距离，完成后执行步骤D1。
本发明利用嵌入式设备等，针对具体应用场景研究实现无人机的专用控制监测系统，进一步扩大了无人机的实际应用能力；本发明将无人机技术与XRF技术进行结合，同时综合嵌入式设备、便携式设备及多种传感器等硬件，以及电子技术、计算机技术等，多学科交叉融合，为其它如环境监测等专业领域所遇到困境的解决具有重要参考价值；本发明针对我国土壤重金属污染严峻态势及实际应用需求，研制一种土壤重金属污染快速检测软硬件系统设备，弥补了现有技术的不足，为土壤重金属污染检测实际应用中面临的困境提供新的完整解决方案。
附图说明
图1为本发明总体技术路线图。
图2为本发明整体硬件结构图。
图3为本发明无人机协同控制与自动飞行系统总体流程示意图。
图4为本发明航线规划与任务队列构建流程图。
图5为本发明航线及任务点示意图。
图6为本发明无人机平面飞行控制算法流程图。
图7为本发明无人机下降过程控制算法流程图。
图8为本发明数据采集驱动装置示意图；(a)为释放状态，(b)为驱动状态。
图9为本发明一次数据采集过程示意图。
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，下面结合实施方式和附图，对本发明作进一步地详细描述。
本发明最终实现一套软硬件协同的无人机机载XRF土壤重金属污染快速检测系统，该系统能够实现无人机飞行任务规划、飞行高度及速度等自动控制和飞行状态实时监测等功能；能够实现便携式XRF分析仪在一定距离下自动准确检测土壤内重金属含量的功能；最终实现区域化、快速化和便捷化的土壤重金属污染检测的功能，为当前土壤重金属污染检测实际应用中遇到的困境提供新的解决方案。本发明的总体技术路线如图1所示。
该技术路线按照硬件可主要分为地面控制端、飞行平台、系统中心、连接驱动模块及数据采集器等五大子系统。
(1)地面控制端：用户与系统的交互窗口，用户通过电脑等设备规划提交任务并实时监测无人机的飞行状态，可以随时通过指令或无人机遥控器控制无人机的飞行，另一方面也接收嵌入式设备处理后的最终检测结果并向用户展示。
(2)飞行平台：无人机及其附属连接装置等设备构成系统的负载和飞行平台，无人机飞控主要负责与嵌入式设备及便携式设备进行通信，按规划好的任务、无人机遥控和嵌入式设备的控制指令控制无人机的飞行。
(3)系统中心：嵌入式设备是整个系统的控制与数据处理中心，主要有两个功能：其一为控制中心，根据接收到的各方面信息综合判断系统当前状态，并向XRF连接驱动模块和无人机进行及时恰当的控制指令发送。其二为数据中心，接收XRF采集到的数据，并对数据进行必要的反演得到金属含量信息，将检测结果保存在本地的同时发送给便携式设备进行展示。
(4)连接驱动模块：主要是将无人机平台与便携式XRF分析仪连接起来，并代替人手实现XRF分析仪的数据采集的自动驱动；
(5)数据采集器：便携式XRF分析仪是系统的数据采集器，它受数据采集驱动装置的控制进行数据采集，并将采集到的荧光数据发送到嵌入式设备进一步处理。
一个完整的任务实施流程如下：用户输入任务区域坐标，系统首先规划任务航线构建任务队列，，无人机按照任务飞行到第一个任务点上空，控制中心通过任务点数据和GPS数据等信息判断无人机到达任务点，随及发送指令控制无人机下降，并通过无人机速度、高度、GPS数据及定高模块数据等实时信息确定无人机降至指定高度时控制无人机悬停，同时发送指令控制XRF分析仪进行数据采集，当数据采集完毕后，控制中心控制无人机上升高度并飞入下一个任务点，同时数据中心对数据进行反演处理。重复上述过程直到整个任务完成并返航。
从图2中可以看出本发明硬件根据不同功能可以从总体上分为三个部分，分别是以嵌入式开发板为主的系统中心、以无人机为主的系统飞行平台和以便携式XRF分析仪为主的数据采集器。系统中无人机和便携式XRF分析仪通过连接装置连接；嵌入式开发板通过USB-UART与无人机进行数据通信，通过UART通信协议获取当前无人机的精确高度信息并向无人机飞控发送飞行指令，通过TTL(Transistor-Transistor Logic，晶体管-晶体管逻辑电平)信号控制数据采集驱动装置进行数据获取，同样通过TTL信号获取精确定高模块和触地监测模块的数据；便携式XRF分析仪通过Micro-USB数据线将采集到的数据发送给嵌入式开发板；地面端操作人员利用笔记本电脑通过无线网络与嵌入式开发板连接通信，从而控制整个系统。
从图1中可以看出本发明软件包括无人机协同控制与自动飞行系统、XRF数据自动采集系统和重金属含量反演处理系统。
无人机自动飞行控制模块：根据检测区域规划作业航线和任务点，在此基础上实现控制搭载其它硬件设备的无人机按照预定航线和轨迹进行飞行作业，配合其它软硬件模块完成数据采集任务；
传感器硬件数据获取分析模块，包括实现定高模块数据获取和触地监测模块数据获取分析功能，辅助无人机自动飞行控制模块实现无人机精准稳定安全的作业飞行；
数据采集处理模块：负责控制数据采集驱动装置实现数据采集过程的自动控制，以及构建土壤中重金属元素的反演模型，根据系统近地采集到的原始数据得到土壤中重金属元素准确含量。
系统软件平台中的三个模块并不是孤立存在的，它们相对独立但又相互联系，共同在硬件平台的基础上实现无人机机载XRF土壤重金属污染快速检测。
所述无人机协同控制与自动飞行系统，总体流程如图3所示，包括以下步骤：
步骤1.系统各个模块初始化以及自检，保证系统各模块工作正常；
系统首先会对开发板与无人机通信模块、定高模块、触地检测模块和驱动控制装置等部分进行自检，只有当这些模块的软硬件都能工作正常时才会进入下一步；接着会启动无人机自检程序，保证无人机当前状态下能够正常飞行
步骤2.规划土壤重金属污染监测的无人机飞行任务航线，并构建任务队列，为了尽量减少作业过程中无人机更改航线航向的次数，系统采用航线平行最长边的方法规划航线，流程如图3所示，具体处理过程如下：
步骤2.1.获取作业区域多边形的顶点坐标；
步骤2.2.寻找多边形最长边，根据坐标信息计算作业区域最长的一条边；
步骤2.3.构建航线坐标系，基于最长边构建大地坐标系和航线坐标系；
在一个拥有m个顶点的凸多边形中，最长的边假设为V1V2(其中的顶点V1在顶点V2的西边)，以顶点V1为原点，正东和正北方向为Xn轴和Yn轴建立大地坐标系XnOYn，将大地坐标系绕原点旋转θ角使得OXn与V1V2重合，得到新的航线坐标系XOY。
步骤2.4.坐标系转换，将顶点坐标由大地坐标系中转换到航线坐标系；
在一个检测区域内，区域各个顶点都在东半球且它们之间的经纬度差异很小，地球曲率的影响可以忽略不计，将顶点坐标由大地坐标系中转换到航线坐标系中的公式为。
Figure BDA0003055236900000091
式中，x、y为顶点在航线坐标系中的坐标，单位为米；xn、yn为顶点的地理坐标中的经度和维度，单位为度；Rc、Rj分别为地球赤道半径和极半径，取Rc＝6378137m，Rj＝6356725m；圆周率π取3.14159265；θ是坐标系旋转的角度，可以通过公式(2)计算。
Figure BDA0003055236900000101
步骤2.5.航线规划与任务点坐标获取，坐标系建立完成后，就可以根据实际需要规划航线。设置航线间间距与任务点间距离，在航线坐标系中平行于最长边规划无人机飞行航线并获取所有数据采集任务点航线的坐标，如图4所示；
计算m个顶点中最大的y轴坐标ymax＝max(yV1,yV2,…,yVn)，输入参数D表示两条相邻航线的距离，在y＝0到y＝ymax之间作距离为D且平行于yV1yV2的一组直线。在XOY中，多边形任意一条边AiAi+1,i∈(1,2,…,m-1)都可以计算，通过计算这些平行线与多边形边的交点，保留多边形内部的航线就得到了最后的无人机作业航线。规划好航线后，输入参数d表示一条航线中两个相邻任务点之间的距离，遍历每一条航线，由公式(3)确定每条航线的任务点数，将这些任务点均匀分布在航线上。
Figure BDA0003055236900000102
式中，ni表示第i条航线上的任务点数目，rund表示四舍五入取整，xi2和xi1分别是航线右侧端点和左侧端点的X轴坐标。
步骤2.6.任务队列构建，从原点开始，沿航线往返遍历所有任务点，将所有任务点的航线坐标转换为地理坐标并依次加入任务队列，得到在参数D和l控制下的作业任务队列。公式(4)是任务点坐标转换为地理坐标的方法。
Figure BDA0003055236900000103
步骤3.无人机起飞，当任务队列有效时，无人机起飞到指定高度H，H为设定的无人机平面飞行高度；
步骤4.无人机平面飞行自动控制，控制无人机飞行到下一个任务点上空。无人机在作业平面飞行路径中是一个由A点到B点的直线，高度保持为飞行高度H不变，无人机平面飞行过程中不考虑高度的控制，主要针对机体坐标系中控制无人机在X轴和Y轴的移动，无人机平面飞行控制算法如图5所示，具体过程为：
步骤4.1.从任务队列中读取下一个目标点的大地坐标，从飞控中获取无人机初始位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤4.2.坐标系转换完成后，由初始点坐标和目标点坐标可以分别计算出X轴和Y轴预期移动距离Dx和Dy；
步骤4.3.系统读取预先设定好的容许误差d和步进量s，容许误差d表示系统允许的最大误差，当无人机位置与目标点在在X轴和Y轴两个方向的距离误差都小于d时则认为无人机抵达目标点；步进量s表示系统每次调整无人机移动的最大位移；
步骤4.4.系统通过飞控获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤4.5.通过无人机当前位置和无人机初始位置，计算无人机在X轴和Y轴两个方向已经移动的距离dx和dy，通过公式(5)可以计算出无人机还需要移动的距离dx0和dy0；
Figure BDA0003055236900000111
步骤4.6.判断在系统允许误差内无人机当前位置是否已经到达目标点，若是则控制算法结束，无人机在目标点上空悬停等待一下指令；若不是则继续执行下一步；
步骤4.7.在X轴和Y轴两个方向上分别判断还需移动的距离是否小于步进量s，若是则下一步控制无人机在该方向移动剩余距离，若不是则控制无人机在该方向移动s距离；移动完成后回到步骤4.4继续执行。
步骤5.无人机下降过程自动控制，为了采集到有效的数据，需要控制无人机下降到预定高度悬停，并完成数据采集。无人机下降分为两个阶段，无人机下降过程控制算法如图6所示，具体过程如下：
步骤5.1.下降第一阶段，第一阶段根据无人机自身GPS数据和气压计高度数据，控制无人机快速下降到h1高度；
第一个阶段无人机由飞行高度H下降到高度h1，h1根据实际情况选择1到2m，这个阶段无人机下降不容易受到地面地物及人员的影响，系统整体比较安全，因此这个阶段主要在无人机自身GPS数据辅助下实现无人机下降控制，同时为保证数据采集时便携式XRF分析仪的探头垂直地面，这个阶段还对飞机的翻滚角roll进行控制，具体过程如下：
步骤5.1.1系统读取h1、h2、高度容许误差h以及翻滚角容许误差r等信息；
步骤5.1.2.系统通过飞控获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤5.1.3.通过无人机当前高度和h2计算预期位移：Z1＝H-h2；
步骤5.1.4.系统再次通过飞控获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤5.1.5.系统将以当前无人机翻滚角0.6倍的值对翻滚角进行反向调整；
步骤5.1.6.通过无人机当前高度计算确定剩余的位移量：Z2＝hnow-h2，其中hnow为当前无人机的高度；
步骤5.1.7.判断剩余的位移量是都小于容许误差h或者为负数，如是则进入步骤(10)继续执行，否则进入步骤步骤5.1.8继续执行；
步骤5.1.8.判断剩余的位移量是否小于0.1m，若是则下降z高度，否则下降最大步进量0.1m；
步骤5.1.9.从新计算剩余的位移量，根据上一步下降的高度不同，z为0或Z2-0.1，并再次执行步骤步骤5.1.8；
步骤5.1.10.判断当前翻滚角的绝对值是否在系统容许误差范围内，若是则完成第一阶段控制进入第二阶段，否则执行步骤步骤5.1.4。
步骤5.2.下降第二阶段，第二阶段主要依据系统定高模块实时测得的当前测距传感器与地面的高度信息控制无人机缓慢下降到h2高度，h2也就是系统的数据采集作业高度；无人机下降过程第二阶段是实现数据采集的重要一步，这一阶段的无人机控制保持安全谨慎的态度，具体过程如下：
步骤5.2.1获取定高模块数据，判断定高模块数据与作业高度之间差的绝对值是否满足系统容许误差，如是则等待后续数据采集，否则继续执行；
步骤5.2.2.求0.05m和高模块数据与作业高度之间差的绝对值的0.7倍两个数据中小的值，然后控制无人机向下移动这个较小值的距离，完成后执行步骤5.2.1。
步骤6.无人机悬停以及数据采集，无人机保持h2高度精确悬停直到数据采集完成。重复步骤4直到任务队列中所有任务点均完成数据采集工作；
步骤7.无人机返航降落，自动控制无人机返航到起飞点坐标上空并降落。
所述XRF数据自动采集系统：
便携式XRF分析仪采集数据时，需要扣动机身的扳机才能启动数据采集功能，因此为了实现自动采集数据的功能，本发明设计实现了代替人手扣动扳机的数据采集驱动装置，驱动装置在开发板的控制信号控制下，其驱动结构能够模拟人手对便携式XRF分析仪的扳机进行控制，图8为扳机释放与驱动示意图。包括以下步骤：
步骤1.初始化嵌入式设备GPIO(General Purpose I/O Ports，通用输入/输出端口)环境；
由于需要用到GPIO引脚进行IO通信，需要初始化Raspberry Pi的GPIO引脚；
步骤2.定义引脚模式；
根据电路连接图，定义相应的引脚编号并全部设置为输出模式；
步骤3.嵌入式设备输出控制信号，开始数据采集；
对于直流电磁铁，信号IN为高电平时电磁铁通电，扳机被扣动，否则扳机处于释放状态；对于电动推杆，当EN、IN1和IN2信号均为高电平时推杆伸出，扳机被释放，当只有IN1为低电平时推杆缩回，扳机被扣动，当三个信号全为低电平时推杆静止不动。
步骤4.数据采集，便携式XRF分析仪开始采集数据并记录存储该点土壤内重金属元素种类及含量等数据；
所述重金属含量反演处理系统：
无人机机载XRF土壤重金属污染快速检测系统受限于地面复杂环境，为保证系统安全，在进行数据采集时便携式XRF分析仪不能够进行贴地检测而是采取了近地检测的方法，检测距离增加导致采集到的X荧光量减少，因此便携式XRF分析仪自身数据处理系统针对贴地检测所构建的校正曲线失效，系统需要重建合适的模型曲线，将近地检测得到的重金属元素含量数据反演为贴地检测时测得重金属元素含量数据。本发明基于线性最小二乘法拟合，得到近地检测数据到贴地检测数据的线性拟合函数，通过拟合函数实现数据反演。包括以下步骤：
步骤1.数据采集，在待检测区域内均匀选择足够的采样点，每个样点分别近地检测和贴地检测获取一组待测金属元素含量数据；
步骤2.数据检查与数据预处理，数据采集完成后，通过由已知数据画出散点图等方式进行数据检查，将明显错误的数据剔除，根据初略图像初步确定多项式的拟合次数m；
步骤3.依次计算最高次数为m-1和m的多项式拟合函数与误差平方和err；
进一步，假设有n+1个线性无关连续函数：
Figure BDA0003055236900000141
其中
Figure BDA0003055236900000142
记
Figure BDA0003055236900000143
即：p(x)＝a0+a1x+…+akxk,k＝1,2,…,n，则函数p(x)是关于系数ak(k＝0,1,…,n)的线性函数，针对一组已知离散数据点(x0,y0),(x1,y1),…,(xm,ym)，求一组ak(k＝0,1,…,n)满足公式(6)，那么这组离散数据的最小二乘法拟合函数就是函数p(x)。
Figure BDA0003055236900000144
对多元函数(6)求最小值，由多元函数求极值的条件，可得到：
Figure BDA0003055236900000145
公式(7)是关于ak(k＝0,1,…,n的线性方程组，假定记
Figure BDA0003055236900000146
Figure BDA0003055236900000147
则式(7)可变换为：
Figure BDA0003055236900000148
公式(8)可以化为范德蒙得矩阵得到:
Figure BDA0003055236900000151
将公式(9)简写为：
X·A＝Y (10)
解算系数矩阵A，也就得到了多项式最小二乘法拟合曲线。
步骤4.如果最后一次拟合函数的误差平方和较前一次减小量大于10％，则继续依次计算最高次大于m的拟合函数，直到最后求出的误差平方较前一次误差平方和减小量小于10％；
步骤5.记录并保存最小误差平方和对应的拟合函数，该函数就是最后的反演模型；
步骤6.数据反演处理，依据反演模型对系统近地采集到的数据进行反演处理，得到较为精确的土壤重金属元素含量数据，记录并保存反演后数据。
系统软件平台中的三个模块并不是孤立存在的，它们相对独立但又相互联系，共同在硬件平台的基础上实现无人机机载XRF土壤重金属污染快速检测。本发明采用多线程编程模型，分别使用一个线程执行一个软件模块的主要任务，执行在不同线程的系统软件平台中三个模块共同配合完成一次具体的数据采集任务，一次数据采集过程如图9所示。
在一次数据采集任务过程中，线程1将以10Hz的频率循环读取触地监测模块数据和定高模块测距数据，并判断触地行为是否发生，当触地行为发生时将立即控制无人机飞行到H高度，结束本次数据采集任务。线程1将在无人机返航降落后终止。
正常采集过程时，首先主线程控制无人机飞行到任务点上空，然后无人机开始下降高度；无人机下降分为两个阶段：第一阶段根据无人机自身GPS数据和气压计高度数据，控制无人机快速下降到h1高度；第二阶段主要依据定高模块实时测得的当前测距传感器与地面的高度信息控制无人机缓慢下降到h2高度，h2也就是系统的数据采集作业高度；无人机达到采集高度后悬停同时通知线程2启动驱动装置，等待采集数据需要的时间T后再次通知线程2进行数据读取与处理，并且控制无人机上升到飞行高度H并结束本次数据采集任务。主线程将等待其它两个线程正常结束后最后终止。
线程2在主线程的信号控制下启动驱动装置开始采集数据，等待数据采集完成后读取本次采集到的数据并做数据反演处理，得到当前任务点土壤中重金属元素的较准确含量，并保存原始数据和处理后数据到结果文件。线程2将所有数据处理完成后终止。
本发明通过实验对整个系统的实用性和有效性进行了测试，结果表明本文实现的系统能够很好的完成对较大范围区域的土壤重金属污染快速检测，能够极大的减少了人力和时间成本。的各个软件都运行在Raspberry Pi 4B开发板上，开发板的硬件参数及系统所需要的主要软件环境配置如表1所示。
表1硬件参数及系统软件环境配置表
Figure BDA0003055236900000161
在实验区域内及周边区域均匀随机的选择数据采样点，共采集样点数据83组，初步分析发现检测区域内主要存在多种金属元素，本次实验选择总体含量较高的Ti元素和总体含量较低的Zn元素作为反演对象构建反演模型。根据X值从小到达大将83组数据排序并依次编号，然后通过等间距的方式分别选取两种元素含量数据中第选取第3、9、…、81组等14组数据作为模型精度的检验数据，其它69组数据作为拟合数据。设定最高拟合次数为5次，系统中的拟合程序对69组数据分别做了最高次数为2到5的拟合实验。
统计Zn元素的四个拟合函数的误差平方和及标准差统计如表2所示。从表2可以看出，随着最高次数的增加拟合的结果误差平方和及标准差依次降低，但是5次多项式的拟合误差已经很低，较4次拟合结果减少不足5％，为减少计算可以直接选择5次多项式拟合函数作为反演模型。将Zn元素的检验数据X值代入模型中可以得到预测值，模型检验数据的真值和反演结果如表3所示。
表2 Zn元素拟合误差平方和及标准差
Figure BDA0003055236900000171
表3 Zn元素含量反演结果对比表
Figure BDA0003055236900000172
从反演结果来看，整体上反演精度较高，能达到94％以上，能够很好的将Zn元素含量从近地检测结果反演到贴地检测的准确含量值。
统计Ti元素的拟合函数的误差平方和及标准差统计如表4所示。从表4可以看出，前四个拟合结果随着最高次数的增加拟合的结果误差平方和及标准差依次降低，因此需要继续做更高次数的多项式拟合以寻找更优拟合函数，最终选择8次多项式拟合函数作为反演模型。将Ti元素的检验数据X值代入模型中可以得到预测值，模型检验数据的真值和反演结果如表5所示。
表4 Ti元素拟合误差平方和及标准差
Figure BDA0003055236900000181
表5 Ti元素含量反演结果对比表
Figure BDA0003055236900000182
Figure BDA0003055236900000191
表5表明本发明实现的方法能够实现对Ti元素含量反演，除Ti元素含量在15000ppm左右时出现反演精度大幅度下降外，整体反演精度能够达到93％。
对实验区域内Zn和Ti这两种总体含量相差较大的元素进行反演模型构建和模型分析评价，结果表明本发明实现的反演方法能够实现对土壤内不同含量金属元素的准确反演。
反演模型构建完成后，利用本发明实现的无人机机载XRF土壤重金属污染快速检测系统对实验区域进行土壤重金属含量的检测。首先向系统输入实验区域顶点坐标及航线参数等信息，系统将完成航线规划及任务队列构建，然后无人机执行数据采集飞行任务，配合其它软硬件模块完成数据采集。系统在13个任务点依次进行数据采集，然后对根据构建好的模型对数据进行反演处理，Zn和Ti元素的检测值和反演结果如表6所示。
表6实验区域重金属元素检测与反演结果
Figure BDA0003055236900000192
土壤重金属污染快速检测实验对本发明所实现系统的实用性和有效性进行了测试，结果表明系统能够很好的完成对较大范围区域的土壤重金属污染快速检测，极大的减少了人力和时间成本。整个检测流程中最耗时耗力的是反演模型的构建过程，但是构建好的模型并不只是针对某一个小区域土壤，通过合理的采样点选取，除非检测区域土壤机质发生很大的变化，否则可以实现反演模型一次构建快速检测重复使用。

Claims (8)

1.一种采用无人机和XRF技术对土壤重金属污染的检测方法，该方法包括：
步骤1.采用XRF分析仪在待检测区域内均匀选择采样点，每个样点分别近地检测和贴地检测获取一组待测金属元素含量数据；
步骤2.数据检查与数据预处理，数据采集完成后，通过由已知数据画出散点图进行数据检查，将明显错误的数据剔除，根据初略图像初步确定多项式的拟合次数n；
步骤3.依次计算最高次数为n-1和n的多项式拟合函数与误差平方和；
步骤4.如果最后一次拟合函数的误差平方和较前一次减小量大于设定阈值，则继续依次计算最高次大于n的拟合函数，直到最后求出的误差平方较前一次误差平方和减小量小于设定阈值；
步骤5.记录并保存最小误差平方和对应的拟合函数，该函数为最后的反演模型；
步骤6.无人机携带XRF分析仪近地采集土壤数据，依据反演模型对采集到的土壤数据进行反演处理，得到精确的土壤重金属元素含量数据，记录并保存反演后数据；
所述步骤6中无人机携带的XRF分析仪采样数据时的无人机控制方法为：
步骤1.1.系统各个模块初始化以及自检，保证系统各模块工作正常；
步骤1.2.规划土壤重金属污染监测的无人机飞行任务航线，并构建任务队列；
步骤1.3.无人机起飞，当任务队列有效时，无人机起飞到指定高度H，H为设定的无人机平面飞行高度；
步骤1.4.无人机平面飞行自动控制，控制无人机飞行到下一个任务点上空；无人机在作业平面飞行路径中是一个由A点到B点的直线，高度保持为飞行高度H不变；
步骤1.5.无人机下降过程自动控制，为了采集到有效的数据，控制无人机下降到预定高度悬停，并完成数据采；
步骤1.6.无人机悬停以及数据采集，无人机保持h2高度精确悬停直到数据采集完成；重复步骤1.4直到任务队列中所有任务点均完成数据采集工作；
步骤1.7.无人机返航降落，自动控制无人机返航到起飞点坐标上空并降落。
2.如权利要求1所述的一种采用无人机和XRF技术对土壤重金属污染的检测方法，其特征在于，所述步骤3的具体方法为：
假设有n+1个线性无关连续函数：
Figure FDA0004233094760000011
其中
Figure FDA0004233094760000012
记
Figure FDA0004233094760000013
即：p(x)＝a0+a1x+…+anxk，则函数p(x)是关于系数ak的线性函数，针对一组已知离散数据点(x0,y0),(x1,y1),…,(xm,ym)，求一组ak满足公式:
Figure FDA0004233094760000021
那么这组离散数据的最小二乘法拟合函数就是函数p(x)；求I的最小值，由多元函数求极值的条件，得到：
Figure FDA0004233094760000022
假定记
Figure FDA0004233094760000023
则变换为：
Figure FDA0004233094760000024
化为范德蒙得矩阵得到:
Figure FDA0004233094760000025
简写为：
XA＝Y
解算系数矩阵A，也就得到了多项式最小二乘法拟合曲线。
3.如权利要求2所述的一种采用无人机和XRF技术对土壤重金属污染的检测方法，其特征在于，所述步骤1.2的具体方法为：
步骤1.2.1.将作业区域拟合为最接近的多边形，获取作业区域多边形的各顶点坐标；
步骤1.2.2.根据顶点坐标信息计算作业区域最长的一条边；
步骤1.2.3.构建航线坐标系，基于最长边构建大地坐标系和航线坐标系；
步骤1.2.4.坐标系转换，将顶点坐标由大地坐标系中转换到航线坐标系；
步骤1.2.5.航线规划与任务点坐标获取，坐标系建立完成后，根据实际需要规划航线；设置航线间间距与任务点间距离，在航线坐标系中平行于最长边规划无人机飞行航线并获取所有数据采集任务点航线的坐标；
步骤1.2.6.任务队列构建，从原点开始，沿航线往返遍历所有任务点，将所有任务点的航线坐标转换为地理坐标并依次加入任务队列。
4.如权利要求1所述的一种采用无人机和XRF技术对土壤重金属污染的检测方法，其特征在于，所述步骤1.4的具体方法为：
步骤1.4.1.从任务队列中读取下一个目标点的大地坐标，从飞控中获取无人机初始位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤1.4.2.坐标系转换完成后，由初始点坐标和目标点坐标分别计算出X轴和Y轴预期移动距离Dx和Dy；
步骤1.4.3.设定容许误差d和步进量s，容许误差d表示系统允许的最大误差，当无人机位置与目标点在在X轴和Y轴两个方向的距离误差都小于d时则认为无人机抵达目标点；步进量s表示系统每次调整无人机移动的最大位移；
步骤1.4.4.通过飞控获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
步骤1.4.5.通过无人机当前位置和无人机初始位置，计算无人机在X轴和Y轴两个方向已经移动的距离dx和dy，根据需要移动的距离和已经移动的距离，计算出无人机还需要移动的距离dx0和dy0；
步骤1.4.6.判断在系统允许误差内无人机当前位置是否已经到达目标点，若是则控制方法结束，无人机在目标点上空悬停等待一下指令；若不是则继续执行下一步；
步骤1.4.7.在X轴和Y轴两个方向上分别判断还需移动的距离是否小于步进量s，若是则下一步控制无人机在该方向移动剩余距离，若不是则控制无人机在该方向移动s距离；移动完成后回到步骤1.4.4继续执行。
5.如权利要求1所述的一种采用无人机和XRF技术对土壤重金属污染的检测方法，其特征在于，所述步骤1.5的具体方法为：
步骤1.5.1.下降第一阶段，第一阶段根据无人机自身GPS数据和气压计高度数据，控制无人机快速下降到h1高度；
步骤1.5.2.下降第二阶段，第二阶段主要依据系统定高模块实时测得的当前测距传感器与地面的高度信息控制无人机缓慢下降到h2高度，h2为系统的数据采集作业高度。
6.如权利要求3所述的一种采用无人机和XRF技术对土壤重金属污染的检测方法，其特征在于，所述步骤1.2.5的具体方法为：
航线规划与任务点坐标获取，坐标系建立完成后，就可以根据实际需要规划航线；设置航线间间距与任务点间距离，在航线坐标系中平行于最长边规划无人机飞行航线并获取所有数据采集任务点航线的坐标；
计算步骤1.2.1中拟合的多边形m个顶点中最大的y轴坐标ymax＝max(yV1,yV2,…,yVn)，设定两条相邻航线的距离D，在y＝0到y＝ymax之间作距离为D且平行于yV1yV2的一组直线；在XOY中，通过计算步骤1.2.1中拟合的多边形与该组直线的交点，保留多边形内部的航线得到了最后的无人机作业航线；规划好航线后，确定一条航线中两个相邻任务点之间的距离d，遍历每一条航线，由公式(3)确定每条航线的任务点数，将这些任务点均匀分布在航线上；
Figure FDA0004233094760000041
式中，ni表示第i条航线上的任务点数目，rund表示四舍五入取整，xi2和xi1分别是航线右侧端点和左侧端点的X轴坐标。
7.如权利要求5所述的一种采用无人机和XRF技术对土壤重金属污染的检测方法，其特征在于，所述步骤1.5.1的具体方法为：
S1:读取h1、h2、高度容许误差h以及翻滚角容许误差r信息；
S2:获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
S3:通过无人机当前高度和h2计算预期位移：Z1＝H-h2；
S4:系统再次获取无人机当前位置的大地坐标和欧拉角数据，并将大地坐标转换到机体坐标系中；
S5:系统根据无人机当前翻滚角对翻滚角进行反向调整；
S6:通过无人机当前高度计算确定剩余的位移量：Z2＝hnow-h2，其中hnow为当前无人机的高度；
S7:判断剩余的位移量是否都小于容许误差h或者为负数，如是，则进入S10，否则进入步骤S8继续执行；
S8:判断剩余的位移量是否小于设定步进量，若是则下降z高度，否则下降最大步进量；
S9:从新计算剩余的位移量，根据上一步下降的高度不同，z为0或Z2-s，并再次执行步骤S8；
S10:判断当前翻滚角的绝对值是否在系统容许误差范围内，若是则完成第一阶段控制进入第二阶段，否则执行步骤S4。
8.如权利要求5所述的一种采用无人机和XRF技术对土壤重金属污染的检测方法，其特征在于，所述步骤1.5.2的具体方法为：
D1:获取实时高度数据，判断高度数据与作业高度之间差的绝对值是否满足系统容许误差，如是则等待后续数据采集，否则继续执行；
D2:求0.05m和高度数据与作业高度之间差的绝对值的0.7倍两个数据中小的值，然后控制无人机向下移动这个较小值的距离，完成后执行步骤D1。
CN202110498045.6A 2021-05-08 2021-05-08 一种采用无人机和xrf技术对土壤重金属污染的检测方法 Active CN113155880B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110498045.6A CN113155880B (zh) 2021-05-08 2021-05-08 一种采用无人机和xrf技术对土壤重金属污染的检测方法
US17/719,859 US20220365007A1 (en) 2021-05-08 2022-04-13 Method for detection of soil heavy metal pollution using unmanned aerial vehicle (uav) and x-ray fluorescence (xrf) technology

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110498045.6A CN113155880B (zh) 2021-05-08 2021-05-08 一种采用无人机和xrf技术对土壤重金属污染的检测方法

Publications (2)

Publication Number Publication Date
CN113155880A CN113155880A (zh) 2021-07-23
CN113155880B true CN113155880B (zh) 2023-06-27

Family

ID=76873666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110498045.6A Active CN113155880B (zh) 2021-05-08 2021-05-08 一种采用无人机和xrf技术对土壤重金属污染的检测方法

Country Status (2)

Country Link
US (1) US20220365007A1 (zh)
CN (1) CN113155880B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114088757B (zh) * 2021-11-17 2024-10-01 北京市农林科学院 一种基于弹性网络回归的重金属元素含量检测方法
CN114166546A (zh) * 2021-12-13 2022-03-11 中国环境科学研究院 一种无人机定深土壤重金属监测系统
CN115761535B (zh) * 2022-11-10 2024-01-23 贵州师范学院 应用于土壤质量数据分析方法和系统
CN115879061B (zh) * 2023-02-22 2023-07-25 武汉正元环境科技股份有限公司 一种重金属检测方法与装置
CN116310893B (zh) * 2023-02-22 2023-09-19 中关村科学城城市大脑股份有限公司 一种基于无人机的水域污染采集识别方法及系统
CN116297304B (zh) * 2023-03-10 2024-01-26 广东建研环境监测股份有限公司 基于化工环境的土壤重金属检测方法及装置
CN115980787B (zh) * 2023-03-16 2023-05-23 安徽科创中光科技股份有限公司 一种基于颗粒物雷达的污染监测定位方法
CN116048129B (zh) * 2023-03-29 2023-07-25 航天宏图信息技术股份有限公司 污染物排放的监测方法、装置、电子设备和存储介质
CN116609278B (zh) * 2023-07-21 2023-10-17 华东交通大学 一种农田重金属光谱数据的采集方法及系统
CN117630337B (zh) * 2024-01-04 2024-08-16 中国科学院华南植物园 一种基于无人机的珊瑚沙盐碱监测方法
CN117932444B (zh) * 2024-03-19 2024-07-05 北京市农林科学院信息技术研究中心 土壤重金属实验室检测样点筛选方法及装置
CN118275647B (zh) * 2024-03-27 2024-09-17 重庆大学 一种深层土壤金属污染检测系统及方法
CN118243711B (zh) * 2024-05-28 2024-07-26 江苏环保产业技术研究院股份公司 一种xrf土壤重金属元素分析系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107328720A (zh) * 2017-08-14 2017-11-07 武汉大学 土壤重金属污染程度的空地一体化协同监测系统及方法

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4156929A (en) * 1976-11-09 1979-05-29 Westinghouse Electric Corp. Digital monitoring system
NL8005311A (nl) * 1980-09-24 1982-04-16 Philips Nv Inrichting voor het afvragen van een meetgegeven met voorbewerking van de gedetekteerde signaalwaarden.
CA1242260A (en) * 1986-04-24 1988-09-20 Leonard Kelly Multisorting method and apparatus
US6994971B1 (en) * 1999-10-08 2006-02-07 University Of Utah Research Foundation Particle analysis assay for biomolecular quantification
US7858385B2 (en) * 2001-05-16 2010-12-28 Los Alamos National Security, Llc Method for detecting binding events using micro-X-ray fluorescence spectrometry
US7519145B2 (en) * 2002-07-25 2009-04-14 Los Alamos National Security, Llc Flow method and apparatus for screening chemicals using micro x-ray fluorescence
WO2008058004A2 (en) * 2006-11-02 2008-05-15 Winnik Mitchell A Particles containing detectable elemental code
WO2010036827A1 (en) * 2008-09-24 2010-04-01 Straus Holdings Inc. Method for detecting analytes
US9791386B2 (en) * 2009-01-20 2017-10-17 Spectro Scientific, Inc. Integrated, portable sample analysis system and method
US20100278312A1 (en) * 2009-04-30 2010-11-04 Kent State University Core measurements stand for use with a portable xrf analyzer
US9063066B2 (en) * 2010-10-14 2015-06-23 Xrpro Sciences, Inc. Method for analysis using X-ray fluorescence
JP5907375B2 (ja) * 2011-12-28 2016-04-26 株式会社テクノエックス 蛍光ｘ線分析装置及び蛍光ｘ線分析方法
CN104169714B (zh) * 2012-01-13 2017-07-11 领英股份有限公司 用多能量x射线成像确定储层性质和品质的方法
WO2014078277A1 (en) * 2012-11-14 2014-05-22 Johnson Industries, Inc. Material sampling device with integrated material analyzer assembly
EP2762862B1 (en) * 2013-01-30 2017-03-08 Bruker AXS GmbH XRF measurement apparatus for detecting contaminations on the bevel of a wafer
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
US10107770B2 (en) * 2014-06-18 2018-10-23 Texas Tech University System Portable apparatus for soil chemical characterization
US20160187313A1 (en) * 2014-12-31 2016-06-30 Ge Energy Oilfield Technology, Inc. Core Sample Analysis System with Conditioned Environment
US10031148B2 (en) * 2014-12-31 2018-07-24 Ge Energy Oilfield Technology, Inc. System for handling a core sample
DE102015221323B3 (de) * 2015-10-30 2016-08-04 Airbus Defence and Space GmbH Verfahren zum Nachweis von Oberflächenverunreinigungen mittels Röntgenfluoreszenzanalyse
WO2017184564A1 (en) * 2016-04-18 2017-10-26 Icagen, Inc. Sensors and sensor arrays for detection of analytes
CA3099565C (en) * 2016-09-09 2024-01-02 Bly Ip Inc. Systems and methods for analyzing core using x-ray fluorescence
CN107504972B (zh) * 2017-07-27 2018-08-07 北京航空航天大学 一种基于鸽群算法的飞行器航迹规划方法及装置
WO2019055754A1 (en) * 2017-09-14 2019-03-21 Icagen, Inc. DETECTION METHODS USING X FLUORESCENCE
CN107421894A (zh) * 2017-09-28 2017-12-01 威海五洲卫星导航科技有限公司 基于无人机高光谱反演土壤中重金属污染监测方法
BR112020023596A2 (pt) * 2018-05-18 2021-04-20 Enersoft Inc. sistemas, dispositivos e métodos para análise de amostras geológicas
KR20210076942A (ko) * 2018-10-18 2021-06-24 시큐리티 매터스 엘티디. 물질 내의 이물의 검출 및 식별을 위한 시스템 및 방법
KR101970206B1 (ko) * 2018-11-12 2019-04-19 한국지질자원연구원 X-선 형광 분석기를 갖는 드론 장치
CN110031493B (zh) * 2019-04-04 2020-07-31 山东大学 基于图像与光谱技术的岩性智能识别系统与方法
CN110186851A (zh) * 2019-05-27 2019-08-30 生态环境部南京环境科学研究所 一种基于半监督自编码分析的高光谱影像土壤重金属浓度评估方法
CN111967337A (zh) * 2020-07-24 2020-11-20 电子科技大学 一种基于深度学习和无人机影像的管道线变化检测方法
CN114289340B (zh) * 2021-12-29 2022-07-29 北京市生态环境保护科学研究院 重金属污染土壤便携式xrf筛查数据的方法
CN116124813A (zh) * 2022-07-26 2023-05-16 电子科技大学长三角研究院(湖州) 一种基于lle-svr的xrf重金属元素定量分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107328720A (zh) * 2017-08-14 2017-11-07 武汉大学 土壤重金属污染程度的空地一体化协同监测系统及方法

Also Published As

Publication number Publication date
US20220365007A1 (en) 2022-11-17
CN113155880A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN113155880B (zh) 一种采用无人机和xrf技术对土壤重金属污染的检测方法
CN113597591B (zh) 用于无人飞行器导航的地理基准
CN107272028A (zh) 基于无人机的导航设备在线监测及飞行校验系统和方法
CN112651437B (zh) 一种基于深度学习的空间非合作目标位姿估计方法
US11796493B2 (en) System and method for identifying lithology based on images and XRF mineral inversion
Ameli et al. Impact of UAV hardware options on bridge inspection mission capabilities
Pytka et al. Budzy nski
CN113848226A (zh) 一种智能化空间移动污染物自主溯源系统及溯源方法
CN111538106A (zh) 一种适用于超浅水域的无人化考古勘探方法
CN115272458A (zh) 用于固定翼无人机着陆阶段的视觉定位方法
CN113744230B (zh) 一种基于无人机视觉的飞机蒙皮损伤智能检测方法
Silberberg et al. Aircraft inspection by multirotor uav using coverage path planning
Li et al. Unmanned aircraft system applications in damage detection and service life prediction for bridges: A review
CN110779512A (zh) 一种测控设备精度鉴定飞行试验航线规划方法
CN107808040B (zh) 基于变尺度空间邻域评估的无人机模型验证方法
Cosar Artificial Intelligence Technologies and Applications Used in Unmanned Aerial Vehicle Systems
CN112686969B (zh) 断面图生成方法、系统、装置和存储介质
Rodríguez et al. Inspection of aircrafts and airports using UAS: a review
Banaszek et al. A 3D model for building condition assessment
Battulwar Automatic Extraction of Joint Characteristics from Rock Mass Surface Point Cloud Using Deep Learning
Khattak et al. TabNet-SHAP: A Framework to Estimate Wind Shear-Induced Aviation Turbulence in the Airport Runway Vicinity
Yu et al. View Planning and Navigation Algorithms for Autonomous Bridge Inspection with UAVs
Ameli et al. Impact of UAV Hardware Options on Bridge Inspection Mission Capabilities. Drones 2022, 6, 64
RU2777985C2 (ru) Способ измерения максимальной плотности потока энергии электромагнитного поля в точках окрестности оси главного излучения антенны сотовой связи при помощи беспилотного летательного аппарата вертолётного типа
EP4414932A1 (en) Systems and methods for performing an autonomous aircraft visual inspection task

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