CN113239863A - 河道监测方法及装置 - Google Patents

河道监测方法及装置 Download PDF

Info

Publication number
CN113239863A
CN113239863A CN202110598468.5A CN202110598468A CN113239863A CN 113239863 A CN113239863 A CN 113239863A CN 202110598468 A CN202110598468 A CN 202110598468A CN 113239863 A CN113239863 A CN 113239863A
Authority
CN
China
Prior art keywords
river
monitored
target area
information
river channel
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
CN202110598468.5A
Other languages
English (en)
Other versions
CN113239863B (zh
Inventor
朱宴恒
梁思懿
张锐锋
张希元
陈精
刘�东
张守武
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.)
Ceristar Electric Co ltd
Capital Engineering & Research Inc Ltd
Original Assignee
Ceristar Electric Co ltd
Capital Engineering & Research Inc 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 Ceristar Electric Co ltd, Capital Engineering & Research Inc Ltd filed Critical Ceristar Electric Co ltd
Priority to CN202110598468.5A priority Critical patent/CN113239863B/zh
Publication of CN113239863A publication Critical patent/CN113239863A/zh
Application granted granted Critical
Publication of CN113239863B publication Critical patent/CN113239863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Power Engineering (AREA)
  • Electromagnetism (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种河道监测方法及装置，该方法包括：采集待监测河道目标区域的视频图像；对采集的视频图像进行图像识别处理，确定待监测河道目标区域在历史监测周期的断面淤泥厚度和/或漂浮物位置等状态信息；将待监测河道目标区域在历史监测周期的断面淤泥厚度信息、气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，和/或将待监测河道目标区域在历史监测周期的漂浮物位置信息、水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，得到待监测河道目标区域在未来监测周期的断面淤泥厚度信息和漂浮物动态轨迹信息。本发明能够准确预测河道状态信息，以便快速调度河道巡检人员进行河道清理工作。

Description

河道监测方法及装置
技术领域
本发明涉及人工智能技术领域，尤其涉及一种河道监测方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
对河道数字化、智能化管理是水利信息化建设、规范化管理、科学化发展的必然要求。水利行业是一个信息密集型的行业，对信息的依赖程度越来越高。河道作为水利事业的一部分，亦不可能独立于信息化浪潮之外。目前，对于河道的管控已基本实现信息化，但信息化的主体仍主要以人为主体，辅以信息化办公和管理技术，来实现无纸化办公，提升人员绩效管理水平等。对于实现水利智能化，不仅要摆脱以人为主体的信息化管理模式，而且要融合5G通讯技术、应用信息技术、计算机技术、人工智能技术等现代化手段。创造以数字信息技术为载体、以人工智能技术为决策大脑的管理模式，从多维度建立水资源的实时智能监控管理系统，实现水资源管理的智能化，能够从根本上解决水资源的配置问题。
随着人工智能技术在图像识别、语音识别、文本处理、游戏博弈、软件设计等诸多方面的应用，人工智能开始逐步占据医疗、金融、保险、律师、新闻、个人助理等现代服务业的核心地位，并不断渗入到人们的日常生活中。然后，人工智能技术在河道治理中尚未得到有效应用。针对河道舆情控制、视频监控、移动巡河、社会公众服务和决策支持等场景，如何将舆情分析、图像识别分析及预警、智能语音交付、知识图谱等人工智能技术与GIS、BIM等成熟管理软件系统相结合运用，是实现河道智能化运维管控急需解决的技术问题。
发明内容
本发明实施例中提供了一种河道监测方法，用以解决现有的河道监控平台主要依靠巡检人员巡检上传信息，导致河道监控智能化程度和巡检效率均比较低下的技术问题，该方法包括：采集待监测河道目标区域的视频图像；对采集的视频图像进行图像识别处理，确定待监测河道目标区域在第一监测周期的状态信息，状态信息至少包括：断面淤泥厚度信息和/或漂浮物位置信息；将待监测河道目标区域在第一监测周期的断面淤泥厚度信息，以及预先获取的待监测河道目标区域在第一监测周期的气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，输出待监测河道目标区域在第二监测周期的断面淤泥厚度信息；和/或将待监测河道目标区域在第一监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，输出待监测河道目标区域在第二监测周期的漂浮物动态轨迹信息；其中，第二监测周期为第一监测周期之后的一个监测周期。
本发明实施例中还提供了一种河道监测装置，用以解决现有的河道监控平台主要依靠巡检人员巡检上传信息，导致河道监控智能化程度和巡检效率均比较低下的技术问题，该装置包括：视频图像采集模块，用于采集待监测河道目标区域的视频图像；图像识别处理模块，用于对采集的视频图像进行图像识别处理，确定待监测河道目标区域在第一监测周期的状态信息，状态信息至少包括：断面淤泥厚度信息和/或漂浮物位置信息；河道状态信息预测模块，用于将待监测河道目标区域在第一监测周期的断面淤泥厚度信息，以及预先获取的待监测河道目标区域在第一监测周期的气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，输出待监测河道目标区域在第二监测周期的断面淤泥厚度信息；和/或将待监测河道目标区域在第一监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，输出待监测河道目标区域在第二监测周期的漂浮物动态轨迹信息；其中，第二监测周期为第一监测周期之后的一个监测周期。
本发明实施例中还提供了一种计算机设备，用以解决现有的河道监控平台主要依靠巡检人员巡检上传信息，导致河道监控智能化程度和巡检效率均比较低下的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述河道监测方法。
本发明实施例还提供一种计算机可读存储介质，用以解决现有的河道监控平台主要依靠巡检人员巡检上传信息，导致河道监控智能化程度和巡检效率均比较低下的技术问题，该计算机可读存储介质存储有执行上述河道监测方法的计算机程序。
本发明实施例中提供的河道监测方法、装置、计算机设备及计算机可读存储介质，借助人工智能技术，预先通过机器学习训练得到对待监测河道断面淤泥厚度进行预测的断面淤泥厚度预测模型和对待监测河道内漂浮物动态轨迹进行预测的漂浮物动态轨迹预测模型，在采集到待监测河道目标区域的视频图像后，对采集的视频图像进行图像识别处理，以确定待监测河道目标区域在历史监测周期的断面淤泥厚度和/或漂浮物位置等状态信息，进而将待监测河道目标区域在历史监测周期的断面淤泥厚度信息、气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，得到待监测河道目标区域在未来某个监测周期的断面淤泥厚度信息；和/或将待监测河道目标区域在历史监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，得到待监测河道目标区域在未来某个监测周期的漂浮物动态轨迹信息，以便根据预测得到的断面淤泥厚度信息和漂浮物动态轨迹信息，确定待监测河道目标区域的巡检方案。
通过本发明实施例，能够准确预测河道断面淤泥厚度信息和漂浮物动态轨迹信息，以便快速执行河道淤泥清理和漂浮物打捞工作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中提供的一种河道监测方法流程图；
图2为本发明实施例中提供的一种可选的河道监测方法流程图；
图3为本发明实施例中提供的一种基于人工智能的河道管控平台架构示意图；
图4为本发明实施例中提供的一种主题分类和关键词示意图；
图5为本发明实施例中提供的一种河道舆情信息分析功能架构示意图；
图6为本发明实施例中提供的一种图像识别分析功能架构示意图；
图7为本发明实施例中提供的一种河道断面淤泥测量原理示意图；
图8为本发明实施例中提供的一种河道断面淤泥增长情况预测原理示意图；
图9为本发明实施例中提供的一种河道内漂浮物动态轨迹预测原理示意图；
图10为本发明实施例中提供的一种语音交互功能架构示意图；
图11为本发明实施例中提供的一种河道监测装置示意图；
图12为本发明实施例中提供的一种计算设备示意图。
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明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
本发明实施例中提供了一种河道监测方法，图1为本发明实施例中提供的一种河道监测方法流程图，如图1所示，该方法包括如下步骤：
S101，采集待监测河道目标区域的视频图像。
需要说明的是，本发明实施例中的待监测河道目标区域可以是某条待监测河道上的任一个待监测的区域。在具体实施时，可以在待监测河道周围安装多个摄像头，以采集待监测河道上各个区域的视频图像。
在一个实施例中，在根据采集的视频图像确定待监测河道目标区域在第一监测周期的断面淤泥厚度信息时，上述S101具体可通过如下步骤来实现：通过与视频采集装置平行安装的激光发射装置，向待监测河道目标区域发射激光信号，其中，视频采集装置用于采集待监测河道目标区域的视频图像；通过视频采集装置采集待监测河道目标区域的视频图像，其中，视频图像中包含激光发射装置发生激光信号形成的光斑。
在具体实施时，本发明是实施例中采用的激光发生装置可以是红外激光笔；本发明实施例中采用的视频采集装置可以是安装在待监测河道目标区域的摄像头。
本发明实施例中，结合激光和视频检测技术，对河道断面淤泥深度进行监测，能够极大提升对河道断面淤泥厚度的测量精度，以实现对河道清淤的精准化管理。
在一个实施例中，在根据采集的视频图像确定待监测河道目标区域在第一监测周期的漂浮物位置信息时，上述S101可采集待监测河道目标区域的视频图像。
S102，对采集的视频图像进行图像识别处理，确定待监测河道目标区域在第一监测周期的状态信息，状态信息至少包括：断面淤泥厚度信息和/或漂浮物位置信息。
在一个实施例中，本发明实施例中提供的河道监测方法，可通过如下步骤来对采集的视频图像进行图像识别处理，确定待监测河道目标区域在第一监测周期的断面淤泥厚度信息：获取第一时刻的第一视频图像和第二时刻的第二视频图像，其中，第一时刻为第一监测周期的起始时刻，第二时刻为第一监测周期的结束时刻；对第一视频图像和第二视频图像进行图像识别处理，得到待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度；根据待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度，确定待监测河道目标区域在第一监测周期的断面淤泥厚度变化量。
其中，在对第一视频图像和第二视频图像进行图像识别处理，得到待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度的时候，可具体通过如下步骤来实现：对第一视频图像和第二视频图像进行图像识别处理，确定第一视频图像和第二视频图像中光斑的位置信息；根据第一视频图像中光斑的位置信息，确定待监测河道目标区域在第一时刻的第一断面淤泥厚度；根据第一视频图像中光斑的位置信息，确定待监测河道目标区域在第二时刻的第二断面淤泥厚度。
在一个实施例中，本发明实施例中提供的河道监测方法，可通过如下步骤来对采集的视频图像进行图像识别处理，以确定待监测河道目标区域在第一监测周期的漂浮物位置信息：对采集的视频图像进行图像识别处理，确定待监测河道目标区域内是否存在漂浮物；当待监测河道目标区域内存在漂浮物的情况下，根据采集的视频图像，确定漂浮物在待监测河道目标区域内的位置信息。
进一步地，本发明实施例中提供的河道监测方法，还可包括如下步骤：根据采集的视频图像，确定漂浮物是否为流动漂浮物；当漂浮物为流动漂浮物的情况下，根据采集的视频图像，确定流动漂浮物的流动速度；根据流动漂浮物的流动速度，确定流动漂浮物的位置信息。
S103，将待监测河道目标区域在第一监测周期的断面淤泥厚度信息，以及预先获取的待监测河道目标区域在第一监测周期的气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，输出待监测河道目标区域在第二监测周期的断面淤泥厚度信息。
需要说明的是，本发明实施例中的第二监测周期为第一监测周期之后的一个监测周期。第二监测周期可以是发生在第一监测周期之后且与第一监测周期相邻的一个监测周期，也可以是发生在在第一监测周期之后且与第一监测周期不相邻的一个监测周期。例如，第一监测周期为今天的情况下，第二监测周期是可以明天，也可以是后天；第一监测周期为昨天的情况下，第二监测周期可以是今天、明天或后天中的任意一天。
S104，将待监测河道目标区域在第一监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，输出待监测河道目标区域在第二监测周期的漂浮物动态轨迹信息。
需要说明的是，本发明实施例中提供的河道监测方法，可以预先通过机器学习对神经网络等模型进行学习，以训练得到对河道断面淤泥厚度进行预测的断面淤泥厚度预测模型，以及对河道内漂浮物动态轨迹进行预测的漂浮物动态轨迹预测模型。
为了实现河道智能管控，在一个实施例中，如图2所示，本发明实施例中提供的河道监测方法还可包括如下步骤：
S105，根据待监测河道目标区域在第二监测周期的断面淤泥厚度信息和漂浮物动态轨迹信息，向河道巡检人员的终端下发待监测河道目标区域的巡检方案信息。
通过上述实施例，能够实现河道的智能化管控。在预测得到漂浮物在河道内的漂浮位置或漂浮后的停留位置，利用手机移动端进行移动定位，提升巡检维护人员的维护效率。在预测出河道淤泥增长情况后，能够为决策者提供淤泥清理的决策建议，从而达到辅助河道清淤，提升河道行洪能力的目的。
为了进一步提高河道运维效率，在一个实施例中，如图2所示，本发明实施例中提供的河道监测方法还可包括如下步骤：
S106，接收河道巡检人员在对待监测河道目标区域巡检时通过终端发送的语音消息；
S107，对接收到的语音消息进行语音识别，根据语音识别结果，更新待监测河道目标区域的巡检方案信息。
可选地，上述语音消息可以是通过5G消息发送的，从而实现河道巡检消息的实时传输。目前，语音识别算法已经十分成熟，本发明对此不再详述。
本发明实施例中，通过智能语音交互将极大提升河道巡检人员的巡检效率，提升巡检人员的工作能力，更好的以智能化方式辅助河道运维。同时提升河道管控平台与社会公众的沟通能力，数据展示和信息交互更加便捷、准确。
在一个实施例中，本发明实施例中提供的河道监测方法还可包括如下步骤：获取预先配置的对待监测河道进行监测的主题分类和关键词；根据对待监测河道进行监测的主题分类和关键词，采集待监测河道的舆情信息；根据待监测河道的舆情信息，生成待监测河道的预警信息。
本发明实施例中提供的河道监测方法，通过对河道舆情信息的分析，能够对河道日常的运维管理提供信息补给，丰富了河道相关信息的采集手段，加大了对河道管理的管控力度，更好的辅助河道运维决策。通过舆情监控分析的技术手段，打破了以往的完全依靠河道管理部门治理河道的局限性。
根据本发明实施例中提供的河道监测方法，可开发一个图3所示的河道管控平台，如图3所示，该平台建立在工业互联网平台、BIM系统、GIS系统基础上，不只囊括了数据中心系统(防洪预报、水质分析、运维统计)、设备管理系统、库存管理系统、流程管理系统、报警管理系统、运维管理系统等河道管控平台基础功能，更融合了大量的人工智能技术，对河道的日常管理提供了大量的保障性决策。强化对外信息窗口的信息分析，将更好的服务于平台各项管理功能，为更加便捷的推行“河长制”提供基础。同时为现有河道管理工作基础之上提供了更加稳定的保障、更为智能化的管理模式、更加快捷的工作方法。
本发明实施例中提供的基于人工之智能的河道管控平台，能够实现但不限于如下功能：
一、舆情监控分析：鉴于目前自媒体的快速发展及互联网信息的开放性，本发明实施例，在河道管理的工作中，引入新闻媒体的力量及自媒体的广泛性到河道管理中。通过关键字的方式从外部网站中抓取有效的新闻内容，然后对内容加以分析，转变成对河道治理有帮助的信息。舆情监控分析将对河道日常的运维管理提供信息补给，丰富了河道相关信息的采集手段，加大了对河道管理的管控力度，更好的辅助河道运维决策。通过舆情监控分析的技术手段，打破了以往的完全依靠河道管理部门治理河道的局限性。
二、图像识别分析及预警：通过从河道周边的视频监控获取视频信息，然后通过抽针及图片分类的手段对图片进行有效的预处理，最后利用图像识别模型完成对河道断面淤泥厚度、排口污染、河道边界入侵、河道漂浮物识别等进行监测。同时根据上述监测数据完成河道断面淤泥增长预测、河道漂浮物动态轨迹预测等预警措施。引入上述智能化技术后，将提高河道管理过程中的信息及时性，一系列监测和预警措施将与日常运维流程相联动，由平台自动识别并触发相关流程，降低了人工判断的主观性，同时减少了大量的人员投入，充分利用人工智能技术辅助河道的运维管理。
三、智能语音交互：利用智能语音技术可以提供在河道管理过程中的便利性。巡检人员可以利用手持移动端直接通过语音录入的方式将巡检情况上传至平台中。同时平台将上传后的语音进行解析、分析，结合平台中的知识库及语料库，再通过语音及文字的方式进行自动回复，以增强人工智能技术对于河道管理流程管控的准确性和及时性，有效降低巡检人员能力，提升巡检工作效率。同时提供与社会公众的智能语音交互服务，解答社会公众问询的河道治理信息，受理社会公众投诉和举报意见。
四、辅助决策：作为平台的上层应用，可以对河道管理过程中所使用到的全部数进行数据建模，可以辅助河道管理过程中的智能决策应用。
下面分别对上述各个功能进行详细说明：
本发明实施例中的网络舆情的分析预警是一个融合计算机网络、人工智能、数据挖掘、自然语言处理等多学科知识的前沿领域，涉及网络舆情信息采集、分析、处理、分类、监测和预警的全过程。舆情监控分析系统将对各种网络载体可定时监控，也可7×24全天候监控。监控的对象包括各大搜索引擎、新闻门户、BBS、博客、自媒体平台等各种语言，各种编码的数千个监控网站。
对于舆情监控分析，重点内容之一就是设置河道治理关注的舆情监控搜索的主题和关键词。一个实施例中，如图4所示，本发明实施例中确定的主题分类和关键词可融合河道治理特色，采用一级和二级分类相结合的方式，一级分类为基础，二级分类在一级分类的基础上扩充。
通过设置河道治理关注的舆情监控主题和关键词，即可定时采集门户网站、新闻网站、时事论坛、博客和微博、自媒体平台等发布的信息，可以对舆情信息进行管理，搜索，导出，标注，分类，自动获得舆情信息的热度，通过文本挖掘、关联分析、情感分析、趋势分析等技术生成舆情报告，并依据分析结果进行舆情预警。
图5为本发明实施例中提供的一种河道舆情信息分析功能架构示意图，如图5所示，舆情监控分析的结果将回馈至平台基础功能部分。其中报警管理系统将对相关舆情分析结果进行报警分类、预警，同时运维管理系统将根据相关的舆情分析结果，自动触发日常运维管理、河道保洁管理、河道景观维护等相关运维流程，以实现对河道及周边的智能化运维。或根据河道安全、自然灾害信息对河道相关区域进行广播播报和人员施救等措施。舆情监控分析的人工智能技术，极大提升了平台对于外部信息的获取，开放性的运用各种网络载体，增加了民众的参与度，丰富了河道运维管理、防洪预报、人员安全的管理手段，打破了只靠平台本身的“眼睛”来辅助河道运维的模式。
需要说明的是，图像识别是模式识别技术在图像领域中的具体应用，是对输入的图像信息建立图像识别模型，根据图像的特征进行分类识别的一种技术。图6为本发明实施例中提供的一种图像识别分析功能架构示意图，如图6所示，本发明实施例中，利用河道监控设备采集的图像信息，基于深度学习方法，提出河道断面淤泥厚度、河道排口污染、垃圾杂物漂浮、钓鱼、游泳、划船等图像识别算法，自动识别河道保护中的异常情况并通知平台系统及值班管理人员。除了上述图像识别功能外，本发明实施例中提供的河道管控平台，可根据图像识别结果，对河道断面淤泥增长情况、河道漂浮物动态轨迹情况进行预测，以更好的辅助河道进行淤泥清理和漂浮物打捞工作。
图6为本发明实施例中提供的一种图像识别分析功能架构示意图，如图6所示，本发明实施例中对河道视频图像的识别分析可包括：网络服务、图像识别分析、图形化界面三大部分，从河道周边安装的摄像头中采集待监测河道目标区域的视频图像，对采集的视频图像进行识别分析，最终形成可视化的图像运算结果在平台进行展示。平台也会结合图像识别结果设置相应的预警等级，并准确发布预警信息。下面将对其中重点功能做进一步说明：
①利用红外激光笔和视频检测技术的河道断面淤泥深度监测：目前河道治理行业中，对河道断面淤泥深度的监测需求更加迫切，因为河道断面淤泥深度的监测范围准确性，将有助于核算河道淤泥清理的工程量。针对一些河道断面宽度在3～5米范围内的河道，提出采用激光笔和视频识别技术相结合的技术手段，完成河道断面淤泥深度的检测。图7为本发明实施例中提供的一种河道断面淤泥测量原理示意图，如图7所示，基本原理为：首先沿着摄像头方向平行安装一个红外激光笔。先启动激光笔，然后截取摄像头画面，在截图的画面中应该有一个明显的红色光斑。如果河道比较平坦，此光斑应该位于画面中间位置附近。此时，可人工测试摄像头安装高度，与水平面的垂直角度，光斑与摄像头水平距离等，同时，在得到的画面中，也可以计算出光斑在画面中的相对位置(横纵坐标，一般都在中心附近)。当淤泥出现后，光斑打在淤泥上面，光斑的实际位置要高于打在河床的位置，在摄像头拍摄的画面中，光斑的位置将向画面的边缘移动(移动几个像素都能算出)，此时，再结合光斑位置与距离D的关系图，即可计算出距离D的长度。从而推导出光源(激光笔)与淤泥的垂直距离。将之前得到的高度值减去此次获得的高度值，即使淤泥的增加厚度。
测淤泥厚度前的深度检测原理(即河床深度)：
D1＝B1/A1×C1；
K1＝D1×sin(90-a)；
测淤泥厚度后的深度检测原理(即河床上覆盖淤泥的深度)：
D2＝B1/A2×C1；
K2＝D2×sin(90-a)；
最终的河道断面淤泥监测点淤泥厚度为K1-K2。
其中，A1表示测淤泥厚度前感光光斑与摄像头感光元件中心位置之间的距离；A2表示测淤泥厚度后感光光斑与摄像头感光元件中心位置之间的距离；B1表示摄像头感光元件中心位置与镜头中心位置之间的距离；C1表示摄像头镜头中心位置与激光笔发射端之间的距离；D1表示测淤泥厚度前激光笔发射端与淤泥检测位置时间的距离；D2表示测淤泥厚度后激光笔发射端与淤泥检测位置时间的距离；K1表示测淤泥厚度前激光笔发射端到河床或淤泥层的垂直距离；K2表示测淤泥厚度后激光笔发射端到河床或淤泥层的垂直距离；a角为激光笔与垂直线之间的夹角。
通过上述方法可得到河道断面一个检测点的淤泥厚度。如果在断面较窄的河道，可在河道一条断面上平均分布多点检测点，以获得较为连续的断面淤泥厚度，以绘制相对准确的整条河道断面的淤泥厚度模型。
②基于大数据分析的河道断面淤泥增长情况预测：图8为本发明实施例中提供的一种河道断面淤泥增长情况预测原理示意图，如图8所示，河道断面的淤泥增长情况预测，首先要依托河道断面淤泥深度监测方法，确定每个检测点每个检测周期所检测的淤泥深度，即要有准确的数据源作为数据积累。同时对于数据源的分析，要求数据源要有从分析之日起往前一年每日的数据检测量作为数据分析的数据基础。而分析的过程中，综合的分析因素包括：淤泥检测位置、降雨量、水流速、水位、淤泥增长量等，以上述因素为基础，从时间和空间的维度，利用大数据分析做综合性的相同和相似型分析，寻找出淤泥增长变化规则，并予以适当修正。最终结合当天淤泥增长及未来每天降雨量变化，准确预测出未来三天至一周情况下，相似的气象和水文条件下，该监测点淤泥的增长情况。通过预测河道断面淤泥增长情况，有助于辅助河道清淤工作，提升河道行洪能力。
③河道内漂浮物图像识别后的动态轨迹预测：图9为本发明实施例中提供的一种河道内漂浮物动态轨迹预测原理示意图，如图9所示，河道内漂浮物图像识别后的动态轨迹预测，首先建立河道区域的建筑信息模型(Building Information Modeling，BIM)，然后根据淤泥的沉积情况，建立动态的河道+淤泥的BIM模型。然后依托视频识别技术，识别出河道上的异物。识别出异物后，要根据算法判定异物是为随河道水流流动的漂浮物，还是非流动的固定异物。如果是漂浮物，将根据河道内各水流监测点的流速及水位、漂浮物流速、河道动态BIM模型，预测出漂浮物在河道内的漂浮位置或漂浮后的停留位置。当预测出漂浮物的位置后，平台系统将自动触发河道运维系统中河道保洁流程，保洁人员将通过手持移动端中的地图索引到达异物或漂浮物停留位置进行河道异物或漂浮物打捞工作。具体原理如下：
图10为本发明实施例中提供的一种语音交互功能架构示意图，如图10所示，本发明实施例中的智能语音交互服务是语音识别、语义理解、知识搜索、答案整合、语音合成等多种技术的综合应用。在巡河过程中应用智能语音交互服务，方便巡河人员或保洁员通过移动端以语音方式记录巡河过程；面向社会公众提供基于APP或微信公众号的智能语音交互服务，解答社会公众问询的河道治理信息，受理社会公众投诉和举报意见。智能语音交互系统包括声音采集模块、预处理模块、智能交互中心三个部分。
①智能辅助河道运维：通过智能语音交互系统，巡检人员利用手持移动端直接通过语音录入的方式将巡检情况上传至平台中，平台将上传后的语音进行解析、分析。一方面结合平台中的知识库及语料库，再通过语音及文字的方式进行自动回复，给巡检人员下步的巡检过程予以提示。另一方面，平台可根据上传的语音解析结果，自动触发和下发预制的河道巡检、河道保洁、河道景观维护等运维流程，以更好的辅助河道运维。
②与公众的智能语音交互：通过智能语音交互系统，面向社会公众提供基于APP或微信公众号的智能语音交互服务。通过APP或微信公众号，只要通过语音录入，系统便可自动对外发布相关信息，对外发布的信息包括：河道水质评价、河道淤泥清理情况、主要气象数据等。受理的社会公众投诉和举报意见，将作为舆情监控分析的一部分，由系统分类做智能化判定，并触发相应的治理措施。
本发明实施例中提供的基于人工智能的河道管控平台，还可提供如下辅助决策：
①河道淤泥管理：通过对河道断面淤泥增长情况进行预测，了解未来河道断面淤泥增长情况。同时根据不同的河道河床情况，对于不同的淤泥厚度报警阈值，设置对应的淤泥清淤措施。根据未来淤泥增长情况，为决策者提供淤泥清理的决策建议，从而达到辅助河道清淤，提升河道行洪能力的目的。
②河道防污管理：结合图像识别技术，实时检测排口污水的水体颜色变化情况，防治污水超标排放至河道中，同时结合舆情监控技术，实时监控河道的污染情况。当系统发现河道出现污染的情况时，可自动触发河道污染的应急响应措施，给决策者提供河道防污和治污的决策建议。
③自然灾害联动：通过对现有河道各断面水体情况、淤泥堆积情况及气象信息，利用模型算法构建河道自然灾害预警模型。当模型运算出来的结果达到自然灾害阈值时，平台可以根据相应的预警级别来触发相应的联动预案，包括河道语音警报，移动端短消息通知等。
④河道人员落水施救：利用河道周边布置的摄像设备，对河道区域实施7×24小时监控，对在非法区域钓鱼、划船等非安全行为，进行河道语音警报，并自动触发应急预案，由相应的工作人员去现场疏导。对人员落水等严重涉及人员安全的情况触发相应的联动预案，自动通知相关安全部门实施救助。
基于同一发明构思，本发明实施例中还提供了一种河道监测装置，如下面的实施例所述。由于该装置解决问题的原理与河道监测方法相似，因此该装置的实施可以参见河道监测方法的实施，重复之处不再赘述。
图11为本发明实施例中提供的一种河道监测装置示意图，如图11所示，该装置包括：视频图像采集模块111、图像识别处理模块112和河道状态信息预测模块113。
其中，视频图像采集模块111，用于采集待监测河道目标区域的视频图像；图像识别处理模块112，用于对采集的视频图像进行图像识别处理，确定待监测河道目标区域在第一监测周期的状态信息，状态信息至少包括：断面淤泥厚度信息和/或漂浮物位置信息；河道状态信息预测模块113，用于将待监测河道目标区域在第一监测周期的断面淤泥厚度信息，以及预先获取的待监测河道目标区域在第一监测周期的气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，输出待监测河道目标区域在第二监测周期的断面淤泥厚度信息；和/或将待监测河道目标区域在第一监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，输出待监测河道目标区域在第二监测周期的漂浮物动态轨迹信息；其中，第二监测周期为第一监测周期之后的一个监测周期。
在一个实施例中，如图11所示，本发明实施例中提供的河道监测装置还可以包括：河道舆情信息分析模块114，用于获取预先配置的对待监测河道进行监测的主题分类和关键词；根据对待监测河道进行监测的主题分类和关键词，采集待监测河道的舆情信息；根据待监测河道的舆情信息，生成待监测河道的预警信息。
在一个实施例中，如图11所示，本发明实施例中提供的河道监测装置还可以包括：河道巡检方案下达模块115，用于根据待监测河道目标区域在第二监测周期的断面淤泥厚度信息和漂浮物动态轨迹信息，向河道巡检人员的终端下发待监测河道目标区域的巡检方案信息。
在一个实施例中，如图11所示，本发明实施例中提供的河道监测装置还可以包括：语音互动模块116，用于接收河道巡检人员在对待监测河道目标区域巡检时通过终端发送的语音消息；该实施例中，河道巡检方案下达模块115还用于对接收到的语音消息进行语音识别，根据语音识别结果，更新待监测河道目标区域的巡检方案信息。
在一个实施例中，本发明实施例中提供的河道监测装置还可以包括：激光发射模块117，用于通过与视频采集装置平行安装的激光发射装置，向待监测河道目标区域发射激光信号，其中，视频采集装置用于采集待监测河道目标区域的视频图像；该实施例中，视频图像采集模块111还用于通过视频采集装置采集待监测河道目标区域的视频图像，其中，视频图像中包含激光发射装置发生激光信号形成的光斑。
在一个实施例中，本发明实施例中提供的河道监测装置中，图像识别处理模块112还用于：获取第一时刻的第一视频图像和第二时刻的第二视频图像，其中，第一时刻为第一监测周期的起始时刻，第二时刻为第一监测周期的结束时刻；对第一视频图像和第二视频图像进行图像识别处理，得到待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度；根据待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度，确定待监测河道目标区域在第一监测周期的断面淤泥厚度变化量。
在一个实施例中，本发明实施例中提供的河道监测装置中，图像识别处理模块112还用于：对第一视频图像和第二视频图像进行图像识别处理，确定第一视频图像和第二视频图像中光斑的位置信息；根据第一视频图像中光斑的位置信息，确定待监测河道目标区域在第一时刻的第一断面淤泥厚度；根据第一视频图像中光斑的位置信息，确定待监测河道目标区域在第二时刻的第二断面淤泥厚度。
在一个实施例中，本发明实施例中提供的河道监测装置中，图像识别处理模块112还用于：对采集的视频图像进行图像识别处理，确定待监测河道目标区域内是否存在漂浮物；当待监测河道目标区域内存在漂浮物的情况下，根据采集的视频图像，确定漂浮物在待监测河道目标区域内的位置信息。
在一个实施例中，本发明实施例中提供的河道监测装置中，图像识别处理模块112还用于：根据采集的视频图像，确定漂浮物是否为流动漂浮物；当漂浮物为流动漂浮物的情况下，根据采集的视频图像，确定流动漂浮物的流动速度；根据流动漂浮物的流动速度，确定流动漂浮物的位置信息。
基于同一发明构思，本发明实施例中还提供了一种计算机设备，用以解决现有的河道监控平台主要依靠巡检人员巡检上传信息，导致河道监控智能化程度和巡检效率均比较低下的技术问题，图12为本发明实施例中提供的一种计算设备示意图，如图12所示，该计算机设备120包括存储器121、处理器122及存储在存储器121上并可在处理器122上运行的计算机程序，处理器122执行计算机程序时实现上述河道监测方法。
基于同一发明构思，本发明实施例还提供一种计算机可读存储介质，用以解决现有的河道监控平台主要依靠巡检人员巡检上传信息，导致河道监控智能化程度和巡检效率均比较低下的技术问题，该计算机可读存储介质存储有执行上述河道监测方法的计算机程序。
综上所述，本发明实施例中提供的河道监测方法、装置、计算机设备及计算机可读存储介质，借助人工智能技术，预先通过机器学习训练得到对待监测河道断面淤泥厚度进行预测的断面淤泥厚度预测模型和对待监测河道内漂浮物动态轨迹进行预测的漂浮物动态轨迹预测模型，在采集到待监测河道目标区域的视频图像后，对采集的视频图像进行图像识别处理，以确定待监测河道目标区域在历史监测周期的断面淤泥厚度和/或漂浮物位置等状态信息，进而将待监测河道目标区域在历史监测周期的断面淤泥厚度信息、气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，得到待监测河道目标区域在未来某个监测周期的断面淤泥厚度信息；和/或将待监测河道目标区域在历史监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，得到待监测河道目标区域在未来某个监测周期的漂浮物动态轨迹信息，以便根据预测得到的断面淤泥厚度信息和漂浮物动态轨迹信息，确定待监测河道目标区域的巡检方案。
通过本发明实施例，能够准确预测河道断面淤泥厚度信息和漂浮物动态轨迹信息，以便快速执行河道淤泥清理和漂浮物打捞工作。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种河道监测方法，其特征在于，包括：
采集待监测河道目标区域的视频图像；
对采集的视频图像进行图像识别处理，确定所述待监测河道目标区域在第一监测周期的状态信息，所述状态信息至少包括：断面淤泥厚度信息和/或漂浮物位置信息；
将所述待监测河道目标区域在第一监测周期的断面淤泥厚度信息，以及预先获取的待监测河道目标区域在第一监测周期的气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，输出所述待监测河道目标区域在第二监测周期的断面淤泥厚度信息；和/或将所述待监测河道目标区域在第一监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，输出所述待监测河道目标区域在第二监测周期的漂浮物动态轨迹信息；
其中，所述第二监测周期为所述第一监测周期之后的一个监测周期。
2.如权利要求1所述的方法，其特征在于，采集待监测河道目标区域的视频图像，包括：
通过与视频采集装置平行安装的激光发射装置，向待监测河道目标区域发射激光信号，其中，所述视频采集装置用于采集待监测河道目标区域的视频图像；
通过所述视频采集装置采集待监测河道目标区域的视频图像，其中，所述视频图像中包含所述激光发射装置发生激光信号形成的光斑。
3.如权利要求2所述的方法，其特征在于，对采集的视频图像进行图像识别处理，确定所述待监测河道目标区域在第一监测周期的断面淤泥厚度信息，包括：
获取第一时刻的第一视频图像和第二时刻的第二视频图像，其中，所述第一时刻为第一监测周期的起始时刻，所述第二时刻为第一监测周期的结束时刻；
对第一视频图像和第二视频图像进行图像识别处理，得到所述待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度；
根据所述待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度，确定所述待监测河道目标区域在第一监测周期的断面淤泥厚度变化量。
4.如权利要求3所述的方法，其特征在于，对第一视频图像和第二视频图像进行图像识别处理，得到所述待监测河道目标区域在第一时刻的第一断面淤泥厚度和第二时刻的第二断面淤泥厚度，包括：
对第一视频图像和第二视频图像进行图像识别处理，确定第一视频图像和第二视频图像中光斑的位置信息；
根据第一视频图像中光斑的位置信息，确定所述待监测河道目标区域在第一时刻的第一断面淤泥厚度；根据第一视频图像中光斑的位置信息，确定所述待监测河道目标区域在第二时刻的第二断面淤泥厚度。
5.如权利要求1所述的方法，其特征在于，对采集的视频图像进行图像识别处理，确定所述待监测河道目标区域在第一监测周期的漂浮物位置信息，包括：
对采集的视频图像进行图像识别处理，确定所述待监测河道目标区域内是否存在漂浮物；
当所述待监测河道目标区域内存在漂浮物的情况下，根据采集的视频图像，确定所述漂浮物在所述待监测河道目标区域内的位置信息。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
根据采集的视频图像，确定所述漂浮物是否为流动漂浮物；
当所述漂浮物为流动漂浮物的情况下，根据采集的视频图像，确定流动漂浮物的流动速度；
根据流动漂浮物的流动速度，确定流动漂浮物的位置信息。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取预先配置的对待监测河道进行监测的主题分类和关键词；
根据对待监测河道进行监测的主题分类和关键词，采集待监测河道的舆情信息；
根据待监测河道的舆情信息，生成待监测河道的预警信息。
8.如权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：
根据所述待监测河道目标区域在第二监测周期的断面淤泥厚度信息和漂浮物动态轨迹信息，向河道巡检人员的终端下发所述待监测河道目标区域的巡检方案信息。
9.如权利要求8所述的方法，其特征在于，所述方法还包括：
接收河道巡检人员在对待监测河道目标区域巡检时通过终端发送的语音消息；
对接收到的语音消息进行语音识别，根据语音识别结果，更新所述待监测河道目标区域的巡检方案信息。
10.一种河道监测装置，其特征在于，包括：
视频图像采集模块，用于采集待监测河道目标区域的视频图像；
图像识别处理模块，用于对采集的视频图像进行图像识别处理，确定所述待监测河道目标区域在第一监测周期的状态信息，所述状态信息至少包括：断面淤泥厚度信息和/或漂浮物位置信息；
河道状态信息预测模块，用于将所述待监测河道目标区域在第一监测周期的断面淤泥厚度信息，以及预先获取的待监测河道目标区域在第一监测周期的气象信息和水流信息，输入到预先训练好的断面淤泥厚度预测模型中，输出所述待监测河道目标区域在第二监测周期的断面淤泥厚度信息；和/或将所述待监测河道目标区域在第一监测周期的漂浮物位置信息，以及预先获取的待监测河道目标区域在第一监测周期的水流信息和河道动态BIM模型数据，输入到预先训练好的漂浮物动态轨迹预测模型中，输出所述待监测河道目标区域在第二监测周期的漂浮物动态轨迹信息；
其中，所述第二监测周期为所述第一监测周期之后的一个监测周期。
11.如权利要求10所述的装置，其特征在于，所述装置还包括：
河道舆情信息分析模块，用于获取预先配置的对待监测河道进行监测的主题分类和关键词；根据对待监测河道进行监测的主题分类和关键词，采集待监测河道的舆情信息；根据待监测河道的舆情信息，生成待监测河道的预警信息。
12.如权利要求10所述的装置，其特征在于，所述装置还包括：
河道巡检方案下达模块，用于根据所述待监测河道目标区域在第二监测周期的断面淤泥厚度信息和漂浮物动态轨迹信息，向河道巡检人员的终端下发所述待监测河道目标区域的巡检方案信息。
13.如权利要求12所述的装置，其特征在于，所述装置还包括：
语音互动模块，用于接收河道巡检人员在对待监测河道目标区域巡检时通过终端发送的语音消息；
其中，所述河道巡检方案下达模块还用于对接收到的语音消息进行语音识别，根据语音识别结果，更新所述待监测河道目标区域的巡检方案信息。
14.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任一项所述河道监测方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至9任一项所述河道监测方法的计算机程序。
CN202110598468.5A 2021-05-31 2021-05-31 河道监测方法及装置 Active CN113239863B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110598468.5A CN113239863B (zh) 2021-05-31 2021-05-31 河道监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110598468.5A CN113239863B (zh) 2021-05-31 2021-05-31 河道监测方法及装置

Publications (2)

Publication Number Publication Date
CN113239863A true CN113239863A (zh) 2021-08-10
CN113239863B CN113239863B (zh) 2024-05-14

Family

ID=77135851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110598468.5A Active CN113239863B (zh) 2021-05-31 2021-05-31 河道监测方法及装置

Country Status (1)

Country Link
CN (1) CN113239863B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113658394A (zh) * 2021-08-12 2021-11-16 中冶京诚工程技术有限公司 河道监控方法及装置
CN113658250A (zh) * 2021-08-25 2021-11-16 中冶京诚工程技术有限公司 漂浮物位置预测方法及装置
CN114032986A (zh) * 2021-10-26 2022-02-11 中国水利水电科学研究院 一种库区河道系统的治理方法及其治理系统
CN114358411A (zh) * 2021-12-30 2022-04-15 上海上实龙创智能科技股份有限公司 漂浮物的定位方法及系统
CN115030251A (zh) * 2022-06-24 2022-09-09 徐州市环境监测中心 一种治理河道生态环境的方法
CN115249339A (zh) * 2022-06-10 2022-10-28 广州中科云图智能科技有限公司 河道漂浮物识别系统、方法、设备及存储介质
CN115330261A (zh) * 2022-09-17 2022-11-11 武汉广旺科技有限公司 基于物联网技术的黑臭河道生态综合化治理方法
CN115574785A (zh) * 2022-12-12 2023-01-06 河海大学 基于数据处理的水利工程安全监测方法及平台
CN115797580A (zh) * 2022-11-28 2023-03-14 南京优玛软件科技有限公司 河道监测和三维模型的建立及应用
CN116384158A (zh) * 2023-05-26 2023-07-04 广东合诚环境工程有限公司 基于大数据的污水处理设备运行监测方法及系统
CN116697945A (zh) * 2023-06-20 2023-09-05 曲阜恒威水工机械有限公司 一种基于数字孪生技术的水下淤泥冲洗系统
JP7344415B1 (ja) * 2023-04-28 2023-09-13 荏原実業株式会社 水門監視制御装置、水門監視システム、水門監視方法及び水門監視方法をコンピュータに実行させるコンピュータプログラム
CN116844065A (zh) * 2023-06-29 2023-10-03 中交天航南方交通建设有限公司 一种基于gis的航道清淤智能识别管理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108388916A (zh) * 2018-02-26 2018-08-10 武汉大学 一种基于人工智能的水体漂浮物自动识别方法和系统
US20200371237A1 (en) * 2017-08-28 2020-11-26 Trinamix Gmbh Detector for determining a position of at least one object
CN112289004A (zh) * 2020-09-14 2021-01-29 深圳市国艺园林建设有限公司 一种河流监测预警方法及系统
CN112613343A (zh) * 2020-12-01 2021-04-06 浙江大学 一种基于改进YOLOv4的河道废弃物监测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200371237A1 (en) * 2017-08-28 2020-11-26 Trinamix Gmbh Detector for determining a position of at least one object
CN108388916A (zh) * 2018-02-26 2018-08-10 武汉大学 一种基于人工智能的水体漂浮物自动识别方法和系统
CN112289004A (zh) * 2020-09-14 2021-01-29 深圳市国艺园林建设有限公司 一种河流监测预警方法及系统
CN112613343A (zh) * 2020-12-01 2021-04-06 浙江大学 一种基于改进YOLOv4的河道废弃物监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈鹏 等: "人工智能技术在河长制管理中的应用", 水利信息化, pages 58 - 60 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113658394A (zh) * 2021-08-12 2021-11-16 中冶京诚工程技术有限公司 河道监控方法及装置
CN113658394B (zh) * 2021-08-12 2023-10-31 中冶京诚工程技术有限公司 河道监控方法及装置
CN113658250A (zh) * 2021-08-25 2021-11-16 中冶京诚工程技术有限公司 漂浮物位置预测方法及装置
CN113658250B (zh) * 2021-08-25 2024-03-08 中冶京诚工程技术有限公司 漂浮物位置预测方法及装置
US11753793B2 (en) 2021-10-26 2023-09-12 China Institute Of Water Resources And Hydropower Research Treatment method for a river system in a reservoir area and treatment system
CN114032986A (zh) * 2021-10-26 2022-02-11 中国水利水电科学研究院 一种库区河道系统的治理方法及其治理系统
CN114032986B (zh) * 2021-10-26 2022-06-28 中国水利水电科学研究院 一种库区河道系统的治理方法及其治理系统
CN114358411A (zh) * 2021-12-30 2022-04-15 上海上实龙创智能科技股份有限公司 漂浮物的定位方法及系统
CN115249339A (zh) * 2022-06-10 2022-10-28 广州中科云图智能科技有限公司 河道漂浮物识别系统、方法、设备及存储介质
CN115249339B (zh) * 2022-06-10 2024-05-28 广州中科云图智能科技有限公司 河道漂浮物识别系统、方法、设备及存储介质
CN115030251B (zh) * 2022-06-24 2024-08-06 徐州市环境监测中心 一种治理河道生态环境的方法
CN115030251A (zh) * 2022-06-24 2022-09-09 徐州市环境监测中心 一种治理河道生态环境的方法
CN115330261A (zh) * 2022-09-17 2022-11-11 武汉广旺科技有限公司 基于物联网技术的黑臭河道生态综合化治理方法
CN115797580A (zh) * 2022-11-28 2023-03-14 南京优玛软件科技有限公司 河道监测和三维模型的建立及应用
CN115797580B (zh) * 2022-11-28 2023-11-03 南京优玛软件科技有限公司 河道监测和三维模型的建立及应用方法
CN115574785A (zh) * 2022-12-12 2023-01-06 河海大学 基于数据处理的水利工程安全监测方法及平台
CN115574785B (zh) * 2022-12-12 2023-02-28 河海大学 基于数据处理的水利工程安全监测方法及平台
JP7344415B1 (ja) * 2023-04-28 2023-09-13 荏原実業株式会社 水門監視制御装置、水門監視システム、水門監視方法及び水門監視方法をコンピュータに実行させるコンピュータプログラム
JP7344411B1 (ja) * 2023-04-28 2023-09-13 荏原実業株式会社 水門監視制御装置、水門監視システム、水門監視方法及び水門監視方法をコンピュータに実行させるコンピュータプログラム
CN116384158B (zh) * 2023-05-26 2023-08-18 广东合诚环境工程有限公司 基于大数据的污水处理设备运行监测方法及系统
CN116384158A (zh) * 2023-05-26 2023-07-04 广东合诚环境工程有限公司 基于大数据的污水处理设备运行监测方法及系统
CN116697945B (zh) * 2023-06-20 2023-12-12 曲阜恒威水工机械有限公司 一种基于数字孪生技术的水下淤泥冲洗系统
CN116697945A (zh) * 2023-06-20 2023-09-05 曲阜恒威水工机械有限公司 一种基于数字孪生技术的水下淤泥冲洗系统
CN116844065A (zh) * 2023-06-29 2023-10-03 中交天航南方交通建设有限公司 一种基于gis的航道清淤智能识别管理方法

Also Published As

Publication number Publication date
CN113239863B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN113239863A (zh) 河道监测方法及装置
CN111860230B (zh) 一种基于视频监控人员未佩戴口罩行为的自动检测系统及方法
CN110689054A (zh) 一种工人违规行为监测方法
CN116739245B (zh) 一种智慧消防城市接警调度系统
CN114267082B (zh) 基于深度理解的桥侧坠落行为识别方法
CN109670673A (zh) 露天矿生产管控系统
CN112668375B (zh) 景区内游客分布分析系统及方法
CN112462774A (zh) 一种基于无人机航行跟随的城市道路监管方法、系统及可读存储介质
CN115372571A (zh) 一种水环境智能监测系统
WO2021076573A1 (en) Systems and methods for assessing infrastructure
CN115272656A (zh) 环境检测报警方法、装置、计算机设备及存储介质
CN116311071A (zh) 一种融合帧差和ca的变电站周界异物识别方法及系统
CN109766743A (zh) 一种智能仿生警察系统
CN115527289A (zh) 一种基于驾驶行为的智能靶向培训方法及存储介质
CN116597394A (zh) 一种基于深度学习的铁路异物侵限检测系统及方法
CN109934161B (zh) 基于卷积神经网络的车辆识别与检测方法及系统
CN118334604A (zh) 基于多模态大模型的事故检测、数据集构建方法及设备
CN115035328A (zh) 转炉图像增量自动机器学习系统及其建立训练方法
CN110989042A (zh) 一种高速公路团雾风险的智能化预测方法
CN106022311A (zh) 基于城市监控视频识别的应急事件发现方法及系统
CN111582191A (zh) 基于人工智能视频分析的混凝土浇筑中浇筑量估计方法
CN116665385A (zh) 基于机器视觉微波振动入侵探测方法、装置、设备及介质
CN111242010A (zh) 一种基于边缘ai的判断并识别乱扔垃圾人员身份的方法
CN112330938B (zh) 一种交通隧道移动巡检机器人
KR102704545B1 (ko) 트리 기반 기계학습 알고리즘과 기상 예측 자료를 이용한 시정 예측 방법

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