CN113192079A - 一种森林生态保护用的修复设备 - Google Patents
一种森林生态保护用的修复设备 Download PDFInfo
- Publication number
- CN113192079A CN113192079A CN202110448658.9A CN202110448658A CN113192079A CN 113192079 A CN113192079 A CN 113192079A CN 202110448658 A CN202110448658 A CN 202110448658A CN 113192079 A CN113192079 A CN 113192079A
- Authority
- CN
- China
- Prior art keywords
- soil
- image
- information
- forest
- module
- 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
Links
- 239000002689 soil Substances 0.000 claims abstract description 142
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 29
- 238000013145 classification model Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 19
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000013139 quantization Methods 0.000 claims description 9
- 238000004856 soil analysis Methods 0.000 claims description 9
- 238000005056 compaction Methods 0.000 claims description 8
- 229910052742 iron Inorganic materials 0.000 claims description 8
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 239000000779 smoke Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000004615 ingredient Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000002203 pretreatment Methods 0.000 claims 1
- 239000012634 fragment Substances 0.000 abstract 1
- 241000282414 Homo sapiens Species 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Abstract
本发明属于森林生态技术领域,公开了一种森林生态保护用的修复设备,包括空中信息采集模块和地面信息采集处理模块,所述空中信息采集模块用于利用无人机在空中进行信息采集,所述无人机设置有机翼、高清摄像头、处理器和红外探测器;地面信息采集处理模块在吸土口总含有碎土片,在土壤处理模块中含有土壤振荡器、加料器和启负压调节装置,土壤信息预处理模块中含有土壤信息接收器、土壤信息预处理、土壤信息分析,控制器包括信息收发器、处理器、无线装置。本发明是封装式的森林生态保护用的修复设备,由工作人员通过感应器或者总控制室来输入指令,控制此设备进行工作,操作简单。实用性强,适用型广泛。
Description
技术领域
本发明属于森林生态修复技术领域,尤其涉及一种森林生态保护用的修复设备。
背景技术
目前,人类的生存是离不开森林的,森林生态系统能够为人类带来高质量的生存环境,它可以调节生物圈中氧气与二氧化碳平衡,改善生态环境,涵养水源、保持水土、防风固沙、调节气候、净化空气、消除污染等。但是由于人类过度的开发已经造成森林面积的大面积减少。在破坏了森林生态环境的同时,给人类自己带来了极大的坏处。一直以来,人类缺乏对森林作用的正确认识,只是把森林单纯的作为索取的对象,使森林生态系统遭到极大破坏,旱涝灾害频繁发生。但是目前来说,开始注重对于森林生态环境的保护和修复,但是技术方面还不是很成熟,对于修复到完整还有很长的路要走,因为人们会破坏森林植被,建造搞工厂和耕地,造成环境的为污染和破坏,因此需要设计一种森林生态保护用的修复设备,来逐步的修复森林生态环境。
通过上述分析,现有技术存在的问题及缺陷为:现有技术中通过人工对森林生态环境进行修复,无法实时进行控制,降低了森林生态环境的修复能力。
发明内容
针对现有技术存在的问题,本发明提供了一种森林生态保护用的修复设备。
本发明是这样实现的,一种森林生态保护用的修复设备包括空中信息采集模块和地面信息采集处理模块;
所述空中信息采集模块用于利用无人机在空中进行信息采集,所述无人机设置有机翼、高清摄像头、处理器和红外探测器;
所述红外探测器通过盲元补偿方法进行非均匀性校正,盲元补偿值计算方式如下:
式中:(h,k)表示权值;
所述高清摄像头采用具有双边滤波器的高清摄像头,所述具有双边滤波器的高清摄像头的图像滤波可用下式表示:
其中:I(x,y)是滤除噪声后的清晰图像,n(i,j)是需要滤波处理的含噪声图像,Ω是像素的邻域,w(i,j)是滤波器在点(i,j)处的权值;
所述空中信息采集模块进行信息采集的具体步骤包括:
接收总控制室设定的命令参数,根据指定区域范围的大小,设定每隔几个小时巡视森林上空;
无人机在指定区域的上空飞行过程中,不断的拍摄高清图像在处理器后通过无线装置发送回总控制室;
将获取的图像进行分类处理,对森林进行区域划分,定期维护森林的生长状态;
在处理器处理过程中,检测到图像带有火灾、浓烟或是乱砍乱伐现象,则会向控制室发出警报,提醒工作人员实时处理,防止发生更大的损失;
在处理器检测图像带有火灾、浓烟或是乱砍乱伐现象过程中,对图像内容进行提取的具体过程为:
通过灰度共生矩阵对图像进行灰度化,确定图像每个像素的梯度;
将图像划分成矩形区域,并统计矩形区域中的梯度直方图,即形成每个矩形区域的描述;
将每几个矩形区域组成一个背景描述,将一个背景中的特征描述串联起来,得到该矩形区域中的特征描述。
所述灰度共生矩阵具体过程为:
设Px,y为灰度共生矩阵,灰度值的级数为L,能量为角二矩阵,灰度共生矩阵元素值的平方和,反映图像灰度分布均匀程度和纹理粗细度,如果共生矩阵的所有值都相等,则能量较小;否则,能量值较大;
角二阶矩的模型为:
相关是空间灰度共生矩阵元素在行或列方向上的相似程度,相关的模型如下:
其中,
图像熵为图像所具有的信息量的度量,表示了图像中纹理的非均匀程度或复杂程度,图像熵模型为:
对比度是灰度共生矩阵主对角线附近的惯性矩,图像的清晰度和纹理沟纹的深浅:
所述地面信息采集处理模块包括助推器、轮胎、土壤信息预处理模块、吸土口、土壤处理模块、控制模块、连接纽、压实铁桶、排土口、土壤信息传感器和高清摄像器;
所述地面信息采集处理模块对采集的数据进行数据融合的具体过程为:
将采集的数据,建立协方差矩阵,并求出协方差矩阵的特征值,并按从大到小排列;
根据事先设定的阈值和来选取前k个特征值,求出前k大的特征值对应的特征向量;
根据建立的特征向量,把n维的特征矢量转化为一个k维的特征矢量;
所述地面信息采集处理模块包括助推器、轮胎、土壤信息预处理模块、吸土口、土壤处理模块、控制模块、连接纽、压实铁桶、排土口、土壤信息传感器和高清摄像器;
所述吸土口中含有碎土片,在土壤处理模块中含有土壤振荡器、加料器和启负压调节装置,土壤信息预处理模块中含有土壤信息接收器、土壤信息预处理、土壤信息分析,控制器包括信息收发器、处理器、无线装置。
进一步,所述空中信息采集模块和地面信息采集处理模块均通过预先封装,对外只留一个无线接收的接口,通过总控制室输入相关的指令进行控制森林修复设备的正常工作。
进一步,所述将获取的图像进行分类处理,对森林进行区域划分,具体包括:
利用经过训练的图像分类模型对获取的图像进行分类处理;
基于图像中像素灰度的变化量,将分类后的图像划分为多个识别区域;
根据识别区域的所有像素的灰度值,计算识别区域中所有像素的整体梯度幅值;
根据识别区域中的所有像素的整体梯度幅值的出现次数,获取识别区域的所有像素的整体梯度幅值的至少一个出现次数极值区域;
根据出现次数极值区域确定图像的森林区域边界,以便对森林进行面积计算。
进一步,所述利用经过训练的图像分类模型对获取的图像进行分类处理具体包括:
获取分辨率高于预设分辨率阈值的初始图像数据,剔除初始图像数据中不符合预设条件的图像数据,得到样本图像数据;
将样本图像数据输入待训练的图像分类模型进行初步训练,得到初始图像分类模型;
将所述样本图像数据输入至初始图像分类模型进行二次训练,将二次训练后的初始图像分类模型作为目标图像分类模型。
进一步,在二次训练后的初始图像分类模型不符合预设收敛条件的情况下,剔除样本图像数据中对应样本预测分类的置信度低于置信度阈值的图像数据。
进一步,所述土壤信息预处理模块采用的土壤信息预处理方法包括:
通过内部的土壤信息接收器接收到来自土壤信息传感器和高清摄像器所捕获的设备所在周围指定范围的土壤信息;
通在内部的土壤信息处理单元进行预处理,包括图像的压缩量化、直方图均衡化的图像增强;
对于传感器的监测的数据进行分析可视化处理,将数据转化为这直方图或者饼状图,用图表的形式展示此区域土壤的密度;
通过土壤分析单元分析这些图像后转化为数据信号发送到控制模块进一步处理。
进一步,所述图像的压缩量化包括:将获取图像从RGB通道转化为YCbCr通道,将图像的Y通道、Cb通道和Cr通道进行DCT变换,然后利用标准色度量化表进行量化。
进一步,所述直方图均衡化包括:
将图像分割成至少两个子图像,对至少两个子图像中的每个子图像进行直方图均衡化处理,获得至少两个直方图均衡化子图像;
拼接至少两个直方图均衡化子图像,获得直方图均衡化的图像。
进一步,所述控制模块内的信息收发装置接收到来自土壤预处理模块的土壤分析结果和数据,在处理器中进一步的计算和对比,得到土壤的密度是否属于正常值范围,若是密度过大,则需要进行松软处理;若是密度过小,则需要通过压实铁桶进行压实处理,计算土壤的分为数据比例,得到是否缺乏某种元素成分或是受到土壤损伤,在加料器中加入相应的物质材料或是土壤修复剂进行修复。
进一步,所述土壤处理模块中的启负压调节装置包括:负重升降腔,负重升降处的一端设有连接外接负压式排土口的吸土口,于吸土口设置控制吸土口开、闭的电磁阀,连通负重升降腔内底部设有导气管,导气管另一端连接吸土口内置的吸土泵,通过碎土片碎土后,吸收到装置内部,实现进一步的处理。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明采用封装式的森林生态保护用的修复设备,由工作人员通过感应器或者总控制室来输入指令,控制此设备进行工作,空中无人机进行大范围的监控火灾或者森林的生长状态,地面土壤修复装置通过检测,实现对土壤的松软、压实或者加入修复剂等的工作,操作简单。本发明不会破坏土壤原本的内部结构和树木的根部状态,提高土壤植被的生长能力,实用性强,适用型广泛。
本发明缓解了目前森林生态环境破坏的局面,为将来重新建立森林生态环境系统奠定了基础,对于森林发生火灾或者出现可能损失较大结果的灾害实现了实时的控制,提高了土壤自我修复能力。同时本发明通过对图像分类模型进行二次迭代训练,并在训练后根据输出结果的置信度对样本图像数据中的瑕疵进行剔除,不仅减轻了在训练图像分类模型的过程中对样本进行人工标注所需的人力成本,而且提高了所得到目标图像分类模型的鲁棒性和精度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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森林生态保护用的修复设备结构示意图。
图2是本发明实施例提供的土壤预处理模块示意图。
图3是本发明实施例提供的控制器模块结构示意图。
图中:1、无人机;2、机翼;3、带有高清摄像的处理器;4、助推器;5、轮胎;6、土壤信息预处理模块;7、吸土口;8、土壤处理模块;9、土壤振荡器;10、启负压调节装置;11、控制模块;12、连接纽;13、压实铁桶;14、排土口;15、加料器;16、碎土片;17、土壤信息传感器和高清摄像器;18、土壤信息接收器;19、土壤信息预处理;20、土壤信息分析;21、信息收发器;22、处理器;23、无线装置。
图4是本发明实施例提供的空中信息采集模块进行信息采集的方法流程图。
图5是本发明实施例提供的将获取的图像进行分类处理,对森林进行区域划分的方法流程图。
图6是本发明实施例提供的土壤信息预处理模块采用的土壤信息预处理方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种森林生态保护用的修复设备,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的森林生态保护用的修复设备包括空中信息采集模块和地面信息采集处理模块;空中信息采集模块是使用的无人机1,其中包括机翼2和带有高清摄像的处理器3、红外探测器。地面信息采集处理模块包括助推器4、轮胎5、土壤信息预处理模块6、吸土口7、土壤处理模块8、控制模块11、连接纽12、压实铁桶13、排土口14、土壤信息传感器和高清摄像器17。在吸土口总含有碎土片16,土壤处理模块中含有土壤振荡器9、加料器15和启负压调节装置10,土壤信息预处理模块6中含有土壤信息接收器18、土壤信息预处理19、土壤信息分析20,控制模块11包括信息收发器21、处理器22、无线装置23。本发明整体森林生态保护用的修复设备是预先封装好各个部分,对外只留一个无线接收的接口,由工作人员通过总控制室输入相关的指令进行控制森林修复设备的正常工作。
本发明实施例提供的地面信息采集处理模块包括助推器、轮胎、土壤信息预处理模块、吸土口、土壤处理模块、控制模块、连接纽、压实铁桶、排土口、土壤信息传感器和高清摄像器;其中,地面信息采集处理模块对采集的数据进行数据融合的具体过程为:将采集的数据,建立协方差矩阵,并求出协方差矩阵的特征值,并按从大到小排列;根据事先设定的阈值和来选取前k个特征值,求出前k大的特征值对应的特征向量;根据建立的特征向量,把n维的特征矢量转化为一个k维的特征矢量。
如图2所示,本发明实施例提供的土壤信息预处理模块6是通过内部的土壤信息接收器18接收到来自土壤信息传感器和高清摄像器所捕获的设备所在周围指定范围的土壤信息,然后通在内部的土壤信息处理单元19进行预处理,包括图像的压缩量化、直方图均衡化等图像增强,对于传感器的监测的数据进行分析可视化处理,将数据转化为这直方图或者饼状图,用图表的形式展示此区域土壤的密度,然后通过土壤分析单元20分析这些图像后转化为数据信号发送到控制模块进一步处理。
如图3所示,本发明实施例提供的控制模块11内的信息收发装置21接收到来自土壤预处理模块的土壤分析结果和数据,在处理器22中进一步的计算和对比,得到土壤的密度是否属于正常值范围,若是密度过大,则需要进行松软处理;若是密度过小,则需要通过压实铁桶进行压实处理。计算土壤的分为数据比例,得到是否缺乏某种元素成分或是受到土壤损伤,在加料器中加入相应的物质材料或是土壤修复剂进行修复,通过无线装置23发送监测数据信息或者接收总控制室发送的命令。
本发明实施例提供的土壤处理模块中的启负压调节装置,启负压调节装置包括:负重升降腔,负重升降处的一端设有连接外接负压式排土口的吸土口,于吸土口设置控制吸土口开、闭的电磁阀,连通负重升降腔内底部设有导气管,导气管另一端连接吸土口内置的吸土泵,吸土口是在本发明装置的下侧,通过碎土片碎土后,吸收到装置内,实现进一步的处理。
本发明实施例中的红外探测器通过盲元补偿方法进行非均匀性校正,盲元补偿值计算方式如下:
式中:(h,k)表示权值;
本发明实施例中的高清摄像头采用具有双边滤波器的高清摄像头,所述具有双边滤波器的高清摄像头的图像滤波可用下式表示:
其中:I(x,y)是滤除噪声后的清晰图像,n(i,j)是需要滤波处理的含噪声图像,Ω是像素的邻域,w(i,j)是滤波器在点(i,j)处的权值;
如图4所示,本发明实施例中的空中信息采集模块进行信息采集的具体步骤包括:
S101,接收总控制室设定的命令参数,根据指定区域范围的大小,设定每隔几个小时巡视森林上空;
S102,无人机在指定区域的上空飞行过程中,不断的拍摄高清图像在处理器后通过无线装置发送回总控制室;
S103,将获取的图像进行分类处理,对森林进行区域划分,定期维护森林的生长状态;
S104,在处理器处理过程中,检测到图像带有火灾、浓烟或是乱砍乱伐现象,则会向控制室发出警报,提醒工作人员实时处理,防止发生更大的损失。
本发明实施例提供的S104中,在处理器检测图像带有火灾、浓烟或是乱砍乱伐现象过程中,对图像内容进行提取的具体过程为:
通过灰度共生矩阵对图像进行灰度化,确定图像每个像素的梯度;
将图像划分成矩形区域,并统计矩形区域中的梯度直方图,即形成每个矩形区域的描述;
将每几个矩形区域组成一个背景描述,将一个背景中的特征描述串联起来,得到该矩形区域中的特征描述。
本发明实施例提供的灰度共生矩阵具体过程为:
设Px,y为灰度共生矩阵,灰度值的级数为L,能量为角二矩阵,灰度共生矩阵元素值的平方和,反映图像灰度分布均匀程度和纹理粗细度,如果共生矩阵的所有值都相等,则能量较小;否则,能量值较大;
角二阶矩的模型为:
相关是空间灰度共生矩阵元素在行或列方向上的相似程度,相关的模型如下:
其中,
图像熵为图像所具有的信息量的度量,表示了图像中纹理的非均匀程度或复杂程度,图像熵模型为:
对比度是灰度共生矩阵主对角线附近的惯性矩,图像的清晰度和纹理沟纹的深浅:
如图5所示,本发明实施例中将获取的图像进行分类处理,对森林进行区域划分,具体包括:
S201,利用经过训练的图像分类模型对获取的图像进行分类处理;
S202,基于图像中像素灰度的变化量,将分类后的图像划分为多个识别区域;
S203,根据识别区域的所有像素的灰度值,计算识别区域中所有像素的整体梯度幅值;
S204,根据识别区域中的所有像素的整体梯度幅值的出现次数,获取识别区域的所有像素的整体梯度幅值的至少一个出现次数极值区域;
S205,根据出现次数极值区域确定图像的森林区域边界,以便对森林进行面积计算。
本发明实施例提供的S201中,利用经过训练的图像分类模型对获取的图像进行分类处理具体包括:
获取分辨率高于预设分辨率阈值的初始图像数据,剔除初始图像数据中不符合预设条件的图像数据,得到样本图像数据;
将样本图像数据输入待训练的图像分类模型进行初步训练,得到初始图像分类模型;
将所述样本图像数据输入至初始图像分类模型进行二次训练,将二次训练后的初始图像分类模型作为目标图像分类模型。
在二次训练后的初始图像分类模型不符合预设收敛条件的情况下,剔除样本图像数据中对应样本预测分类的置信度低于置信度阈值的图像数据。
如图6所示,本发明实施例中的土壤信息预处理模块采用的土壤信息预处理方法包括:
S301,通过内部的土壤信息接收器接收到来自土壤信息传感器和高清摄像器所捕获的设备所在周围指定范围的土壤信息;
S302,通在内部的土壤信息处理单元进行预处理,包括图像的压缩量化、直方图均衡化的图像增强;
S303,对于传感器的监测的数据进行分析可视化处理,将数据转化为这直方图或者饼状图,用图表的形式展示此区域土壤的密度;
S304,通过土壤分析单元分析这些图像后转化为数据信号发送到控制模块进一步处理。
本发明实施例提供的S302中,图像的压缩量化包括:将获取图像从RGB通道转化为YCbCr通道,将图像的Y通道、Cb通道和Cr通道进行DCT变换,然后利用标准色度量化表进行量化。
本发明实施例提供的S302中,直方图均衡化包括:
将图像分割成至少两个子图像,对至少两个子图像中的每个子图像进行直方图均衡化处理,获得至少两个直方图均衡化子图像;拼接至少两个直方图均衡化子图像,获得直方图均衡化的图像。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种森林生态保护用的修复设备,其特征在于,所述森林生态保护用的修复设备包括:空中信息采集模块和地面信息采集处理模块;
所述空中信息采集模块用于利用无人机在空中进行信息采集,所述无人机设置有机翼、高清摄像头、处理器和红外探测器;
所述红外探测器通过盲元补偿方法进行非均匀性校正,盲元补偿值计算方式如下:
式中:(h,k)表示权值;
所述高清摄像头采用具有双边滤波器的高清摄像头,所述具有双边滤波器的高清摄像头的图像滤波可用下式表示:
其中:I(x,y)是滤除噪声后的清晰图像,n(i,j)是需要滤波处理的含噪声图像,Ω是像素的邻域,w(i,j)是滤波器在点(i,j)处的权值;
所述空中信息采集模块进行信息采集的具体步骤包括:
接收总控制室设定的命令参数,根据指定区域范围的大小,设定每隔几个小时巡视森林上空;
无人机在指定区域的上空飞行过程中,不断的拍摄高清图像在处理器后通过无线装置发送回总控制室;
将获取的图像进行分类处理,对森林进行区域划分,定期维护森林的生长状态;
在处理器处理过程中,检测到图像带有火灾、浓烟或是乱砍乱伐现象,则会向控制室发出警报,提醒工作人员实时处理;
在处理器检测图像带有火灾、浓烟或是乱砍乱伐现象过程中,对图像内容进行提取的具体过程为:
通过灰度共生矩阵对图像进行灰度化,确定图像每个像素的梯度;
将图像划分成矩形区域,并统计矩形区域中的梯度直方图,即形成每个矩形区域的描述;
将每几个矩形区域组成一个背景描述,将一个背景中的特征描述串联起来,得到该矩形区域中的特征描述;
所述灰度共生矩阵具体过程为:
设Px,y为灰度共生矩阵,灰度值的级数为L,能量为角二矩阵,灰度共生矩阵元素值的平方和,反映图像灰度分布均匀程度和纹理粗细度,如果共生矩阵的所有值都相等,则能量较小;否则,能量值较大;
角二阶矩的模型为:
相关是空间灰度共生矩阵元素在行或列方向上的相似程度,相关的模型如下:
其中,
图像熵为图像所具有的信息量的度量,表示了图像中纹理的非均匀程度或复杂程度,图像熵模型为:
对比度是灰度共生矩阵主对角线附近的惯性矩,图像的清晰度和纹理沟纹的深浅:
所述地面信息采集处理模块包括助推器、轮胎、土壤信息预处理模块、吸土口、土壤处理模块、控制模块、连接纽、压实铁桶、排土口、土壤信息传感器和高清摄像器;
所述地面信息采集处理模块对采集的数据进行数据融合的具体过程为:
将采集的数据,建立协方差矩阵,并求出协方差矩阵的特征值,并按从大到小排列;
根据事先设定的阈值和来选取前k个特征值,求出前k大的特征值对应的特征向量;
根据建立的特征向量,把n维的特征矢量转化为一个k维的特征矢量;
所述吸土口中含有碎土片,在土壤处理模块中含有土壤振荡器、加料器和启负压调节装置,土壤信息预处理模块中含有土壤信息接收器、土壤信息预处理、土壤信息分析,控制器包括信息收发器、处理器、无线装置。
2.如权利要求1所述的森林生态保护用的修复设备,其特征在于,所述空中信息采集模块和地面信息采集处理模块均通过预先封装,对外只留一个无线接收的接口,通过总控制室输入相关的指令进行控制森林修复设备的正常工作。
3.如权利要求1所述的森林生态保护用的修复设备,其特征在于,所述将获取的图像进行分类处理,对森林进行区域划分,具体包括:
利用经过训练的图像分类模型对获取的图像进行分类处理;
基于图像中像素灰度的变化量,将分类后的图像划分为多个识别区域;
根据识别区域的所有像素的灰度值,计算识别区域中所有像素的整体梯度幅值;
根据识别区域中的所有像素的整体梯度幅值的出现次数,获取识别区域的所有像素的整体梯度幅值的至少一个出现次数极值区域;
根据出现次数极值区域确定图像的森林区域边界,以便对森林进行面积计算。
4.如权利要求3所述的森林生态保护用的修复设备,其特征在于,所述利用经过训练的图像分类模型对获取的图像进行分类处理具体包括:
获取分辨率高于预设分辨率阈值的初始图像数据,剔除初始图像数据中不符合预设条件的图像数据,得到样本图像数据;
将样本图像数据输入待训练的图像分类模型进行初步训练,得到初始图像分类模型;
将所述样本图像数据输入至初始图像分类模型进行二次训练,将二次训练后的初始图像分类模型作为目标图像分类模型。
5.如权利要求4所述的森林生态保护用的修复设备,其特征在于,在二次训练后的初始图像分类模型不符合预设收敛条件的情况下,剔除样本图像数据中对应样本预测分类的置信度低于置信度阈值的图像数据。
6.如权利要求1所述的森林生态保护用的修复设备,其特征在于,所述土壤信息预处理模块采用的土壤信息预处理方法包括:
通过内部的土壤信息接收器接收到来自土壤信息传感器和高清摄像器所捕获的设备所在周围指定范围的土壤信息;
通在内部的土壤信息处理单元进行预处理,包括图像的压缩量化、直方图均衡化的图像增强;
对于传感器的监测的数据进行分析可视化处理,将数据转化为这直方图或者饼状图,用图表的形式展示此区域土壤的密度;
通过土壤分析单元分析这些图像后转化为数据信号发送到控制模块进一步处理。
7.如权利要求6所述的森林生态保护用的修复设备,其特征在于,所述图像的压缩量化包括:将获取图像从RGB通道转化为YCbCr通道,将图像的Y通道、Cb通道和Cr通道进行DCT变换,然后利用标准色度量化表进行量化。
8.如权利要求6所述的森林生态保护用的修复设备,其特征在于,所述直方图均衡化包括:
将图像分割成至少两个子图像,对至少两个子图像中的每个子图像进行直方图均衡化处理,获得至少两个直方图均衡化子图像;
拼接至少两个直方图均衡化子图像,获得直方图均衡化的图像。
9.如权利要求1所述的森林生态保护用的修复设备,其特征在于,所述控制模块内的信息收发装置接收到来自土壤预处理模块的土壤分析结果和数据,在处理器中进一步的计算和对比,得到土壤的密度是否属于正常值范围,若是密度过大,则需要进行松软处理;若是密度过小,则需要通过压实铁桶进行压实处理,计算土壤的分为数据比例,得到是否缺乏某种元素成分或是受到土壤损伤,在加料器中加入相应的物质材料或是土壤修复剂进行修复。
10.如权利要求1所述的森林生态保护用的修复设备,其特征在于,所述土壤处理模块中的启负压调节装置包括:负重升降腔,负重升降处的一端设有连接外接负压式排土口的吸土口,于吸土口设置控制吸土口开、闭的电磁阀,连通负重升降腔内底部设有导气管,导气管另一端连接吸土口内置的吸土泵,通过碎土片碎土后,吸收到装置内部,实现进一步的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110448658.9A CN113192079B (zh) | 2021-04-25 | 2021-04-25 | 一种森林生态保护用的修复设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110448658.9A CN113192079B (zh) | 2021-04-25 | 2021-04-25 | 一种森林生态保护用的修复设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192079A true CN113192079A (zh) | 2021-07-30 |
CN113192079B CN113192079B (zh) | 2023-04-18 |
Family
ID=76978760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110448658.9A Active CN113192079B (zh) | 2021-04-25 | 2021-04-25 | 一种森林生态保护用的修复设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192079B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114421613A (zh) * | 2021-12-24 | 2022-04-29 | 国网湖北省电力有限公司宜昌供电公司 | 变电站二次保护设备运行状态判断与处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107214189A (zh) * | 2017-07-19 | 2017-09-29 | 河北煜环环保科技有限公司 | 一种有机物污染土壤修复工艺 |
US20190033441A1 (en) * | 2016-01-21 | 2019-01-31 | Universidad De Oviedo | Airborne systems and detection methods localisation and production of images of buried objects and characterisation of the composition of the subsurface |
CN110264570A (zh) * | 2019-06-13 | 2019-09-20 | 咏峰(大连)科技有限公司 | 一种基于无人机的林地自主巡检系统 |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
US20200324895A1 (en) * | 2016-05-31 | 2020-10-15 | Inspire S.R.L. | Methods and apparatus for the employment of drones in firefighting activities |
-
2021
- 2021-04-25 CN CN202110448658.9A patent/CN113192079B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190033441A1 (en) * | 2016-01-21 | 2019-01-31 | Universidad De Oviedo | Airborne systems and detection methods localisation and production of images of buried objects and characterisation of the composition of the subsurface |
US20200324895A1 (en) * | 2016-05-31 | 2020-10-15 | Inspire S.R.L. | Methods and apparatus for the employment of drones in firefighting activities |
CN107214189A (zh) * | 2017-07-19 | 2017-09-29 | 河北煜环环保科技有限公司 | 一种有机物污染土壤修复工艺 |
CN110264570A (zh) * | 2019-06-13 | 2019-09-20 | 咏峰(大连)科技有限公司 | 一种基于无人机的林地自主巡检系统 |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
Non-Patent Citations (2)
Title |
---|
薛传平;高志海;孙斌;李长龙;王燕;张媛媛;: "浑善达克沙地榆树疏林的高分辨率遥感识别方法" * |
赵俊喜: "无人机遥感监测在水土保持监测中的应用", 《中国新技术新产品》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114421613A (zh) * | 2021-12-24 | 2022-04-29 | 国网湖北省电力有限公司宜昌供电公司 | 变电站二次保护设备运行状态判断与处理方法 |
CN114421613B (zh) * | 2021-12-24 | 2023-11-14 | 国网湖北省电力有限公司宜昌供电公司 | 变电站二次保护设备运行状态判断与处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113192079B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635758B (zh) | 智慧工地基于视频的高空作业人员安全带穿戴检测方法 | |
CN107437068B (zh) | 基于Gabor方向直方图和猪体毛发模式的猪个体识别方法 | |
CN104301669A (zh) | 基于双摄像头协同的可疑目标检测跟踪与识别方法 | |
CN113192079B (zh) | 一种森林生态保护用的修复设备 | |
CN102903124A (zh) | 一种运动目标检测方法 | |
CN109675827B (zh) | 一种建筑垃圾识别分拣设备、识别方法及其抓取方法 | |
CN108960185A (zh) | 基于YOLOv2的车辆目标检测方法及系统 | |
CN109297978B (zh) | 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统 | |
CN114120205A (zh) | 一种配网作业人员系安全带的目标检测和图像识别方法 | |
CN113887412A (zh) | 污染排放的检测方法、检测终端、监控系统及存储介质 | |
CN104243916A (zh) | 一种基于压缩传感的运动目标检测和跟踪方法 | |
CN106846304A (zh) | 基于红外检测的电气设备检测方法及装置 | |
CN102663385A (zh) | 一种星上点目标检测方法 | |
CN107368786A (zh) | 一种基于机器视觉的乘客越过扶手带检测算法 | |
CN108665468B (zh) | 一种提取直线塔绝缘子串的装置及方法 | |
CN113610171A (zh) | 一种工控系统安全性评估方法 | |
CN108664886A (zh) | 一种适应变电站进出监控需求的人脸快速识别方法 | |
CN109446896B (zh) | 基于图像处理的无人机信号识别检测算法 | |
CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN105427279B (zh) | 一种基于计算机视觉及物联网的草原旱情监测系统和方法 | |
CN114049589A (zh) | 一种基于人工智能的变电站监测系统 | |
CN113052234A (zh) | 一种基于图像特征和深度学习技术的玉石分类方法 | |
CN114283462B (zh) | 口罩佩戴检测方法及系统 | |
CN114758260B (zh) | 工地安全防护网检测方法及系统 | |
CN116095347A (zh) | 基于视频分析的建筑工程安全施工方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |