CN113311119A - 气体源头追踪方法、装置及系统 - Google Patents
气体源头追踪方法、装置及系统 Download PDFInfo
- Publication number
- CN113311119A CN113311119A CN202110854047.4A CN202110854047A CN113311119A CN 113311119 A CN113311119 A CN 113311119A CN 202110854047 A CN202110854047 A CN 202110854047A CN 113311119 A CN113311119 A CN 113311119A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- gas concentration
- gas
- image
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用气体污染源定位技术领域,提供了一种气体源头追踪方法、装置及系统,该方法包括:按照预设时间周期获取无人机于不同水平方位采集的气体浓度;在检测到某一水平方位的气体浓度超标时,则根据气体浓度控制无人机进行水平或竖直方向的移动;在获取到最大气体浓度时,控制无人机进行图像采集;对图像进行人工智能算法识别,在判断图像中存在污染物时,确定污染物所在位置为气体源头。本方法、装置及系统采用气体浓度检测和图像识别相结合的方式,在气体浓度超标后控制进行气体源头的追踪,并通过无人机对最大气体浓度所在方位进行图像采集并识别,进一步确定是否存在污染物,保证了对气体源头追踪和定位的准确性。
Description
技术领域
本发明属于气体污染源定位技术领域,尤其涉及一种气体源头追踪方法、装置及系统。
背景技术
目前,环境问题依旧是目前大家所关注的问题,各个垃圾转运站作为垃圾清运系统的一个重要环节,起着尤为重要的作用,但是各个垃圾转运站的周围的环境问题就显得格外突出,大多数中转站都有着刺鼻的气味,影响着周边市民的生活。
为了有效控制污染,首先须进行污染源的定位分析。然而,现有方法中,主要是在固定位置设置气体检测模块进行气体检测,难以有效实现气体源头追踪的准确性。
发明内容
本发明的目的在于提供一种气体源头追踪方法、装置及系统,旨在解决现有技术中对进行气体污染源定位时的准确性较低的技术问题。
第一方面,本发明提供了一种气体源头追踪方法,包括:
按照预设时间周期获取无人机于不同水平方位采集的气体浓度;
在检测到某一水平方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动;
在获取到最大气体浓度时,控制所述无人机进行图像采集;
对所述图像进行人工智能算法识别,判断所述图像中是否存在污染物,若为是,则确定所述污染物所在位置为气体源头。
可选的,所述在检测到某一方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动的步骤包括:
将某一时间周期内不同水平方位的气体浓度进行比对,选取该时间周期内最大的气体浓度;
在所述时间周期中最大的气体浓度达到预设浓度阈值时,根据不同时间周期采集的气体浓度,控制所述无人机朝气体浓度最大对应的方向水平运动,直至所述无人机到达第一水平面中气体浓度最大的位置;
控制所述无人机竖直向下移动,按照如上步骤确定第二平面中气体浓度最大位置,并继续控制所述无人机竖直向下移动,直至所述无人机到达最低安全高度。
可选的,所述无人机每次竖直向下移动的距离均为预设的额定高度。
可选的,所述在检测到某一方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动的步骤包括:
在检测到某一方位的气体浓度超标时,控制所述无人机于当前水平面预设中转点进行气体浓度采集;
根据在所述当前平面上采集的气体浓度,基于高斯烟雨模型控制所述无人机向高浓度方向移动,直至所述无人机到达最低安全高度。
可选的,在判断所述图像中存在污染物时,所述方法还包括:
将所述图像进行上报并进行警告提醒。
第二方面,本发明提供了一种气体源头追踪系统,包括:
气体浓度获取模块,用于按照预设时间周期获取无人机于不同水平方位采集的气体浓度;
无人机移动控制模块,用于在检测到某一水平方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动;
图像采集模块,用于在获取到最大气体浓度时,控制所述无人机进行图像采集;
图像识别模块,用于对所述图像进行人工智能算法识别,判断所述图像中是否存在污染物;
气体源头定位模块,用于在图像中存在污染物时,确定所述污染物所在位置为气体源头。
第三方面,本发明还提供了一种气体源头追踪系统,包括:
气体检测模块,用于采集不同位置的气体浓度,并传送给无人机或通过无人机传送给业务数据服务器;
无人机,用于在业务数据服务器的控制下进行水平或竖直方向的移动,以及进行图像采集后传输给算法服务器;
业务数据服务器,用于根据所述气体浓度控制无人机的移动,并确定最大气体浓度所在位置,并控制无人机朝向所述最大气体浓度所在位置进行图像采集;
算法服务器,用于对摄像头采集的图像进行人工智能算法识别,并将识别结果传送给所述业务数据服务器。
第四方面,本发明还提供了另一种气体源头追踪系统,包括:
处理器;以及
与所述处理器通讯连接的存储器;其中,
所述存储器存储有可读性指令,所述可读性指令被所述处理器执行时实现如第一方面所述的方法。
第五方面,本发明提供了一种计算机可读性存储介质,其上存储有计算机程序,所述计算机程序在被执行时实现如第一方面的方法。
本发明提供的气体源头追踪方法、装置及系统中,通过气体浓度检测和图像识别相结合的方式,在根据气体检测模块采集的气体浓度超标后,控制进行气体源头的追踪,并通过无人机对最大气体浓度所在方位进行图像采集并识别,进一步确定是否存在污染物,避免单纯依赖气体浓度而错误识别,保证了对气体源头追踪和定位的准确性。
附图说明
图1是实施例一示出的气体源头追踪方法的实现流程图。
图2是实施例二示出的气体源头追踪装置的结构框图。
图3是实施例三示出的气体源头追踪系统的结构框图。
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,以下结合附图及实施例,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。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1是实施例一示出的气体源头追踪方法的实现流程图。实施例一示出的气体源头追踪方法适用于气体源头追踪系统中,该系统中设置有处理器,以准确实现噪声源的定位。为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
步骤S110,按照预设时间周期获取无人机于不同水平方位采集的气体浓度。
步骤S120,在检测到某一水平方位的气体浓度超标时,则根据气体浓度控制无人机进行水平或竖直方向的移动。
步骤S130,在获取到最大气体浓度时,控制无人机进行图像采集。
步骤S140,对图像进行人工智能算法识别,判断图像中是否存在污染物。
步骤S150,在图像中存在污染物时,确定污染物所在位置为气体源头。
无人机中预先安装有多个气体检测模块,而各气体检测模块分别对应不同的角度方向,因此,通过这些不同角度方向的气体检测模块,无人机可对不同水平方位进行气体浓度数据的采集。
例如,在无人机的8个水平方向各安装一个气体检测模块,由于各气体检测模块已预先与无人机的识别方位相对应,因此,在获取到各气体检测模块采集的气体浓度数据后,即可识别环境中在该水平面上不同方位的气体浓度。
可选的,也可以根据现场场景的实际需要,按照不同的方式在无人机中安装多个气体检测模块。
气体检测模块主要包括硫化氢传感器、氨气传感器、硫化氢/一氧化氮二合一传感器、及其他硫化物如硫醚、硫醇等气体传感器,主要采集区域内各气体成分的含量。
气体检测模块按照预设时间周期进行气体浓度数据的采集,例如,可每隔2秒进行一次气体浓度采集,也可每隔2秒进行多次气体浓度采集。
优选的,为提高气体浓度检测的准确性,无人机在获取到气体检测模块在一个时间周期采集的多个气体浓度后,对该时间周期内的多个气体浓度进行平均化处理,避免因某次气体浓度数据错误而影响准确度。
在获取到某一时间周期的气体浓度后,将该时间周期内不同水平方位的气体浓度进行比对,选取该时间周期内最大的气体浓度,并将该时间周期内最大的气体浓度与预设浓度阈值相比较,若该气体浓度达到预设浓度阈值,说明该场景中存在气体浓度超标,因此,需继续采集不同位置的气体浓度,识别出场景中最大气体浓度的位置,进而进行气体源头的追踪。
在一示例性实施例中,在识别到某一水平面存在气体浓度超标时,控制无人机朝该水平面中气体浓度最大对应的方向水平运动,进而再继续进行气体浓度的采集、比较,并继续控制无人机朝该水平面中气体浓度最大对应的方向水平运动,直至无人机到达该水平面中气体浓度最大的位置。确定某一水平中气体浓度最大的位置后,控制无人机竖直向下移动到第二平面,按照如上方法确定第二平面中气体浓度最大位置,并继续控制无人机竖直向下移动,直至无人机到达最低安全高度(例如,离地面3米)。
需要说明的是,在控制无人机水平运动或竖直向下移动时,每次移动的距离可以是相同,也可以是不同。
优选的,为简化控制过程,无人机每次竖直向下移动的距离均为预设的额定高度(例如5厘米)。
在另一示例性实施例中,在识别到某一水平面存在气体浓度超标时,控制无人机于当前水平面的预设中转点进行气体浓度采集,从而得到此水平面的浓度分布,进而通过高斯烟羽方程计算各平面的浓度,并控制无人机逐步向浓度高的位置靠近,直至无人机到达最低安全高度,例如离气体源上方三米位置。
通过高斯烟羽方程:
C—空间点(x,y,z)的污染物的浓度,mg/m3;
σy、σz—分别为水平、垂直方向的标准差,即y、x方向的扩散参数;
u —为平均风速;x —为风向轴上空间点到源的距离;y —为风向轴垂直方向上空间点到源的距离;z —为空间点的高度。
当z=0时,得到地面气体浓度计算公式:
当z为一个固定的值时,通过无人机会在各中转站固定上空盘旋取点,可以得到此平面的气体浓度分布,与此平面可允许的最大浓度阈值为相对比,当采集值,无人机在附近盘旋,并根据高斯烟羽方程逐步下降向浓度高的方向移动,当距离下降到距地面3米处时,停止下降。记录下方照片及上报此时位置;当时,则判定区域气体污染达标,无人机进入下一检测区域进行取点检测。
在确定最大气体浓度后,控制无人机对该最大气体浓度对应的方向进行图像采集,并通过人工智能算法识别,判断图像中是否存在污染物,例如垃圾堆积、垃圾焚烧、有害液体沉积等等。
在对图像进行人工智能算法识别判断图像中是否存在污染物时,可采用神经网络算法等人工智能算法对图像进行污染物识别,进而识别出图像中的污染物。
因此,通过气体浓度检测和图像识别相结合的方式,在根据气体检测模块采集的气体浓度超标后,控制进行气体源头的追踪,并通过无人机对最大气体浓度所在方位进行图像采集并识别,进一步确定是否存在污染物,避免单纯依赖气体浓度而错误识别,保证了对气体源头追踪和定位的准确性。
进一步的,在判定现场场景中存在污染物等气体源头时,可通过喇叭发出警告声音进行警告提醒,以提醒现场人员及时处理;并且还可以将图像上报系统,告知系统管理人员安排处理,有效提高了气体源头处理的时效性,方便进行管理。
由此可见,通过软件自动控制和人工管理相结合的方式,为气体源头的定位和追踪提供了多方面的解决方案,有效保证了气体源头追踪的准确性和污染物处理的灵活性。
实施例二:
如图2所示,本发明实施例二提供了一种基于声音和图像的噪声源定位装置,该装置可执行上述任一所示的气体源头追踪方法的全部或者部分步骤。该装置包括:
气体浓度获取模块1,用于按照预设时间周期获取无人机于不同水平方位采集的气体浓度;
无人机移动控制模块2,用于在检测到某一水平方位的气体浓度超标时,则根据气体浓度控制无人机进行水平或竖直方向的移动;
图像采集模块3,用于在获取到最大气体浓度时,控制无人机进行图像采集;
图像识别模块4,用于对图像进行人工智能算法识别,判断图像中是否存在污染物;
气体源头定位模块5,用于在图像中存在污染物时,确定污染物所在位置为气体源头。
实施例三:
如图3所示,本发明实施例三提供了一种气体源头追踪系统,该气体源头追踪系统可执行上述任一所示的气体源头追踪方法的全部或者部分步骤。该系统备包括:
气体检测模块,用于采集不同位置的气体浓度,并传送给无人机或通过无人机传送给业务数据服务器;
无人机,用于在业务数据服务器的控制下进行水平或竖直方向的移动,以及进行图像采集后传输给算法服务器;
业务数据服务器,用于根据气体浓度控制无人机的移动,并确定最大气体浓度所在位置,并控制无人机朝向最大气体浓度所在位置进行图像采集;
算法服务器,用于对摄像头采集的图像进行人工智能算法识别,并将识别结果传送给业务数据服务器。
各水平方位的气体检测模块采集气体浓度数据后,直接或通过无人机传送给业务数据服务器,业务数据服务器根据在检测到某一水平方位的气体浓度超标时,则根据气体浓度控制无人机进行水平或竖直方向的移动,进而继续进行气体浓度数据的采集;在获取到最大气体浓度时,控制无人机进行图像采集。
无人机采集图像后,将该图像传送给算法服务器进行人工智能算法识别,识别出图像中的污染物,并将识别结果传送给业务数据服务器。业务数据服务器根据该污染物确定气体源头的位置,通过应用程序接口下发控制指令给到控制模块控制喇叭发出警告。
实施例四:
本发明实施例四提供了一种气体源头追踪系统,该气体源头追踪系统可执行上述任一所示的气体源头追踪方法的全部或者部分步骤。该系统包括:
处理器;以及
与处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一示例性实施例所述的方法,此处将不做详细阐述说明。
在本实施例中,还提供了一种存储介质,该存储介质为计算机可读存储介质,例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质例如包括指令的存储器,上述指令可由服务器系统的处理器执行以完成上述气体源头追踪方法。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种气体源头追踪方法,其特征在于,所述方法包括:
按照预设时间周期获取无人机于不同水平方位采集的气体浓度;
在检测到某一水平方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动;
在获取到最大气体浓度时,控制所述无人机进行图像采集;
对所述图像进行人工智能算法识别,判断所述图像中是否存在污染物,若为是,则
确定所述污染物所在位置为气体源头。
2.如权利要求1所述的方法,其特征在于,所述在检测到某一方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动的步骤包括:
将某一时间周期内不同水平方位的气体浓度进行比对,选取该时间周期内最大的气体浓度;
在所述时间周期中最大的气体浓度达到预设浓度阈值时,根据不同时间周期采集的气体浓度,控制所述无人机朝气体浓度最大对应的方向水平运动,直至所述无人机到达第一水平面中气体浓度最大的位置;
控制所述无人机竖直向下移动,按照如上步骤确定第二平面中气体浓度最大位置,并继续控制所述无人机竖直向下移动,直至所述无人机到达最低安全高度。
3.如权利要求2所述的方法,其特征在于,所述无人机每次竖直向下移动的距离均为预设的额定高度。
4.如权利要求1所述的方法,其特征在于,所述在检测到某一方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动的步骤包括:
在检测到某一方位的气体浓度超标时,控制所述无人机于当前水平面预设中转点进行气体浓度采集;
根据在当前平面上采集的气体浓度,基于高斯烟雨模型控制所述无人机向高浓度方向移动,直至所述无人机到达最低安全高度。
5.如权利要求1所述的方法,其特征在于,在判断所述图像中存在污染物时,所述方法还包括:
将所述图像进行上报并进行警告提醒。
6.一种气体源头追踪装置,其特征在于,所述装置包括:
气体浓度获取模块,用于按照预设时间周期获取无人机于不同水平方位采集的气体浓度;
无人机移动控制模块,用于在检测到某一水平方位的气体浓度超标时,则根据所述气体浓度控制所述无人机进行水平或竖直方向的移动;
图像采集模块,用于在获取到最大气体浓度时,控制所述无人机进行图像采集;
图像识别模块,用于对所述图像进行人工智能算法识别,判断所述图像中是否存在污染物;
气体源头定位模块,用于在图像中存在污染物时,确定所述污染物所在位置为气体源头。
7.一种气体源头追踪系统,其特征在于,所述系统包括:
气体检测模块,用于采集不同位置的气体浓度,并传送给无人机或通过无人机传送给业务数据服务器;
无人机,用于在业务数据服务器的控制下进行水平或竖直方向的移动,以及进行图像采集后传输给算法服务器;
业务数据服务器,用于根据所述气体浓度控制无人机的移动,并确定最大气体浓度所在位置,并控制无人机朝向所述最大气体浓度所在位置进行图像采集;
算法服务器,用于对摄像头采集的图像进行人工智能算法识别,并将识别结果传送给所述业务数据服务器。
8.一种气体源头追踪系统,其特征在于,所述系统包括:
处理器;以及
与所述处理器通讯连接的存储器;其中,
所述存储器存储有可读性指令,所述可读性指令被所述处理器执行时实现如权利要求1-5任一项所述的方法。
9.一种计算机可读性存储介质,其上存储有计算机程序,所述计算机程序在被执行时实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854047.4A CN113311119A (zh) | 2021-07-28 | 2021-07-28 | 气体源头追踪方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854047.4A CN113311119A (zh) | 2021-07-28 | 2021-07-28 | 气体源头追踪方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113311119A true CN113311119A (zh) | 2021-08-27 |
Family
ID=77381664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110854047.4A Pending CN113311119A (zh) | 2021-07-28 | 2021-07-28 | 气体源头追踪方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113311119A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114893249A (zh) * | 2022-06-02 | 2022-08-12 | 中铁十五局集团有限公司 | 一种隧道施工环境智能监测方法及监测机器人 |
CN115562358A (zh) * | 2022-12-05 | 2023-01-03 | 杭州湘亭科技有限公司 | 一种无人机放射性烟羽追踪监测方法及系统 |
CN116359218A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种工业聚集区大气污染移动监测系统 |
CN116773745A (zh) * | 2023-06-19 | 2023-09-19 | 河北华烨冀科信息技术有限责任公司 | 工业园区的污染气体排放源定位方法、装置、电子设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105630882A (zh) * | 2015-12-18 | 2016-06-01 | 哈尔滨工业大学深圳研究生院 | 基于遥感数据深度学习的近海污染物识别与跟踪方法 |
CN106202679A (zh) * | 2016-07-04 | 2016-12-07 | 重庆大学 | 一种基于无人机系统的气体泄漏扩散过程的预测方法 |
CN106770930A (zh) * | 2016-11-24 | 2017-05-31 | 北京蓝色星语科技有限公司 | 一种使用无人机进行危险品检测的方法及系统 |
US20170234757A1 (en) * | 2014-10-31 | 2017-08-17 | SZ DJI Technology Co., Ltd. | Gas leakage treatment method and aerial vehicle |
CN107132313A (zh) * | 2017-05-08 | 2017-09-05 | 南京信息工程大学 | 一种无人机排查污染源的方法及污染源排查系统 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
CN108645769A (zh) * | 2018-06-05 | 2018-10-12 | 广州市荣盛环保科技有限公司 | 一种基于无人机的环境空气质量监测方法 |
CN109024417A (zh) * | 2018-07-24 | 2018-12-18 | 长安大学 | 一种智能道路清扫车及其道路污染物识别方法和控制方法 |
CN109117549A (zh) * | 2018-08-08 | 2019-01-01 | 浙江航天恒嘉数据科技有限公司 | 一种污染物扩散预测方法及系统 |
CN110208468A (zh) * | 2019-06-28 | 2019-09-06 | 南京威赛环保科技有限公司 | 一种基于无人飞行器的空气检测系统及其污染源检测方法 |
CN110244002A (zh) * | 2019-06-11 | 2019-09-17 | 徐州工业职业技术学院 | 一种基于无人机系统的大气污染源追踪方法 |
CN110458147A (zh) * | 2019-08-26 | 2019-11-15 | 东莞德福得精密五金制品有限公司 | 人工智能云计算非应用感应器的液体气体污染排放监控方法 |
US20200110019A1 (en) * | 2017-06-09 | 2020-04-09 | Sense Square S.R.L.S. | Atmospheric pollution source mapping and tracking of pollutants by using air quality monitoring networks having high space-time resolution |
CN111104914A (zh) * | 2019-12-23 | 2020-05-05 | 威海海洋职业学院 | 一种基于卷积神经网络的城市视觉污染物识别方法及系统 |
US20200309756A1 (en) * | 2019-04-01 | 2020-10-01 | Agency For Defense Development | Apparatus and method for determining location of pollutant source using drone |
-
2021
- 2021-07-28 CN CN202110854047.4A patent/CN113311119A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170234757A1 (en) * | 2014-10-31 | 2017-08-17 | SZ DJI Technology Co., Ltd. | Gas leakage treatment method and aerial vehicle |
CN105630882A (zh) * | 2015-12-18 | 2016-06-01 | 哈尔滨工业大学深圳研究生院 | 基于遥感数据深度学习的近海污染物识别与跟踪方法 |
CN106202679A (zh) * | 2016-07-04 | 2016-12-07 | 重庆大学 | 一种基于无人机系统的气体泄漏扩散过程的预测方法 |
CN106770930A (zh) * | 2016-11-24 | 2017-05-31 | 北京蓝色星语科技有限公司 | 一种使用无人机进行危险品检测的方法及系统 |
CN107132313A (zh) * | 2017-05-08 | 2017-09-05 | 南京信息工程大学 | 一种无人机排查污染源的方法及污染源排查系统 |
US20200110019A1 (en) * | 2017-06-09 | 2020-04-09 | Sense Square S.R.L.S. | Atmospheric pollution source mapping and tracking of pollutants by using air quality monitoring networks having high space-time resolution |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
CN108645769A (zh) * | 2018-06-05 | 2018-10-12 | 广州市荣盛环保科技有限公司 | 一种基于无人机的环境空气质量监测方法 |
CN109024417A (zh) * | 2018-07-24 | 2018-12-18 | 长安大学 | 一种智能道路清扫车及其道路污染物识别方法和控制方法 |
CN109117549A (zh) * | 2018-08-08 | 2019-01-01 | 浙江航天恒嘉数据科技有限公司 | 一种污染物扩散预测方法及系统 |
US20200309756A1 (en) * | 2019-04-01 | 2020-10-01 | Agency For Defense Development | Apparatus and method for determining location of pollutant source using drone |
CN110244002A (zh) * | 2019-06-11 | 2019-09-17 | 徐州工业职业技术学院 | 一种基于无人机系统的大气污染源追踪方法 |
CN110208468A (zh) * | 2019-06-28 | 2019-09-06 | 南京威赛环保科技有限公司 | 一种基于无人飞行器的空气检测系统及其污染源检测方法 |
CN110458147A (zh) * | 2019-08-26 | 2019-11-15 | 东莞德福得精密五金制品有限公司 | 人工智能云计算非应用感应器的液体气体污染排放监控方法 |
CN111104914A (zh) * | 2019-12-23 | 2020-05-05 | 威海海洋职业学院 | 一种基于卷积神经网络的城市视觉污染物识别方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114893249A (zh) * | 2022-06-02 | 2022-08-12 | 中铁十五局集团有限公司 | 一种隧道施工环境智能监测方法及监测机器人 |
CN115562358A (zh) * | 2022-12-05 | 2023-01-03 | 杭州湘亭科技有限公司 | 一种无人机放射性烟羽追踪监测方法及系统 |
CN116359218A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种工业聚集区大气污染移动监测系统 |
CN116359218B (zh) * | 2023-06-02 | 2023-08-04 | 北京建工环境修复股份有限公司 | 一种工业聚集区大气污染移动监测系统 |
CN116773745A (zh) * | 2023-06-19 | 2023-09-19 | 河北华烨冀科信息技术有限责任公司 | 工业园区的污染气体排放源定位方法、装置、电子设备 |
CN116773745B (zh) * | 2023-06-19 | 2024-01-19 | 河北华烨冀科信息技术有限责任公司 | 工业园区的污染气体排放源定位方法、装置、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113311119A (zh) | 气体源头追踪方法、装置及系统 | |
CN102842211B (zh) | 一种基于图像识别的输电线路防外力监控预警系统及方法 | |
CN111754483A (zh) | 一种基于热像仪进行异常设备识别的方法及系统 | |
CN112738468B (zh) | 一种智慧园区安全预警方法 | |
US11062599B2 (en) | Traffic management system, control method, and vehicle | |
KR102240396B1 (ko) | 실시간 악취 추적 통합 모니터링 시스템 | |
CN112904328A (zh) | 一种海上风电场的雷达光电跟踪预警系统及预警方法 | |
CN116311084B (zh) | 一种人群聚集的检测方法及视频监控设备 | |
CN106546703A (zh) | 大气质量监测系统、方法及装置 | |
CN116679011A (zh) | 一种监测碳排放源的无人机设备及监测方法 | |
CN111754647A (zh) | 基于环境感知的智能安防机器人巡检方法 | |
CN115083209B (zh) | 一种基于视觉定位的车路协同方法及系统 | |
CN110568851A (zh) | 基于远程控制的汽车底盘运动控制系统及方法 | |
CN105262984A (zh) | 一种带有固定装置的探测器 | |
CN115471764A (zh) | 一种输电通道隐患检测方法、系统、设备及存储介质 | |
CN111432334B (zh) | 一种轨道式巡检机器人的跟随监控方法及系统 | |
CN110516551B (zh) | 一种基于视觉的巡线位置偏移识别系统、方法及无人机 | |
CN110989686A (zh) | 无人机与变电站执行机构交互方法及系统 | |
CN112034456A (zh) | 烟雾巡检系统、方法、控制装置及存储介质 | |
CN111248572A (zh) | 一种基于智能安全帽的检测方法及一种智能安全帽 | |
CN116683349B (zh) | 电力设备空天巡检线路修正方法及系统、巡检无人机 | |
CN116773745B (zh) | 工业园区的污染气体排放源定位方法、装置、电子设备 | |
CN117273664B (zh) | 一种基于人工智能的智慧校车系统及装置 | |
CN114049733B (zh) | 入侵检测方法、监控平台、入侵检测系统和可读存储介质 | |
CN115493457B (zh) | 一种低空无人机监管方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210827 |
|
RJ01 | Rejection of invention patent application after publication |