CN113327071A - 基于5g的环境管理方法、装置、计算机设备及存储介质 - Google Patents
基于5g的环境管理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113327071A CN113327071A CN202110888556.9A CN202110888556A CN113327071A CN 113327071 A CN113327071 A CN 113327071A CN 202110888556 A CN202110888556 A CN 202110888556A CN 113327071 A CN113327071 A CN 113327071A
- Authority
- CN
- China
- Prior art keywords
- root
- data
- water
- water environment
- abnormal
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 212
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 209
- 238000004458 analytical method Methods 0.000 claims abstract description 102
- 230000007613 environmental effect Effects 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000005516 engineering process Methods 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 154
- 239000002689 soil Substances 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 11
- 238000007418 data mining Methods 0.000 claims description 10
- 238000005065 mining Methods 0.000 claims description 9
- 238000013136 deep learning model Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 91
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 10
- 230000000877 morphologic effect Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000010339 dilation Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000255789 Bombyx mori Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000916 dilatatory effect Effects 0.000 description 1
- 239000003657 drainage water Substances 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了基于5G的环境管理方法、装置、计算机设备及存储介质。所述方法包括:基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;获取监测终端上传的水环境文书信息;对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;根据所述分析结果确定解决方案;反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。通过实施本发明实施例的方法可实现综合监测相关位置的水环境,提高数据传输速率,提高水环境管理准确率以及提高水务管理调度及时性。
Description
技术领域
本发明涉及水环境监管方法,更具体地说是指基于5G的环境管理方法、装置、计算机设备及存储介质。
背景技术
随着我国经济社会快速发展、人口持续增长和城镇化率逐步提高,水源地面临的环境压力显著增大,水质总体呈下降趋势,甚至部分水源因水质下降,不得不更换取水口位置,或是关闭水源地。目前,流域水环境的健康发展受到前所有为的挑战,尤其是流域饮用水源地的健康发展成为重中之重。
目前对于水环境的监测和管理,采用在现场布置感知设备,用于采集需求的数据,再通过后台对数据进行分析,再由人工对分析结果进行汇报,全部依靠感知设备进行水环境监测,但是有时会因为感知设备的自身异常导致监测失误,且并不能做到准确率高的水环境管理,且数据传输速率较低,影响水务管理调度及时性。
因此,有必要设计一种新的方法,实现综合监测相关位置的水环境,提高数据传输速率,提高水环境管理准确率以及提高水务管理调度及时性。
发明内容
本发明的目的在于克服现有技术的缺陷,提供基于5G的环境管理方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:基于5G的环境管理方法,包括:
基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;
获取监测终端上传的水环境文书信息;
对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;
根据所述分析结果确定解决方案;
反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;
对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;
反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
其进一步技术方案为:所述环境数据包括水土保持数据以及环境图像;所述水环境文书信息包括监管人员实地勘察环境管理位置的环境问题信息以及市民反馈的环境管理位置的环境问题信息。
其进一步技术方案为:所述对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果,包括:
对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源;
对所述环境数据进行人工智能大数据挖掘分析,确定异常数据;
根据所述异常数据确定问题的根源,以得到第二根源,具体地,对于异常数据对应的问题采用网络拓扑图的方式进行关联,以确定相关的根源,其中,网络拓扑图是通过对历史异常数据以及对应的根源进行分析,挖掘导致异常数据的问题之间的关联关系所建立的图,当确定异常数据所涉及的问题后,将实时异常数据所对应的问题映射到所建立的异常拓扑图中,基于当前异常数据对应的问题在异常拓扑图中的相对位置推断异常的根源;
根据所述第一根源以及第二根源确定当前的环境管理情况,以得到分析结果;其中,当第一根源与第二根源一致时,则将第一根源或者第二根源作为分析结果;当第一根源与第二根源不一致时,则对第一根源和第二根源的关联关系进行确定,进一步确定两个根源的最终根源,分析结果包括最终根源;若第一根源和第二根源没有一个最终根源,则表明问题的发生是由多个根源决定的,分析结果包括第一根源以及第二根源。
其进一步技术方案为:所述对所述环境数据进行人工智能大数据挖掘分析,确定异常数据,包括:
对环境图像进行预处理后,采用机器学习的方式确认异常的位置以及对应位置的状况描述数据;其中,采集不同问题导致的环境图像进行状况描述数据以及异常位置的标签标注,作为样本集,对深度学习模型进行训练,在构建样本集时,确定不同问题所导致的环境图像的特征;状况描述数据是不同问题的类别;
根据预设的水土保持数据正常值范围筛选水土保持数据中异常的数据;
整合异常的位置、对应位置的状况描述数据以及水土保持数据中异常的数据,以得到异常数据。
其进一步技术方案为:所述根据所述分析结果确定解决方案,包括:
根据所述分析结果确定根源相关的内容,并对内容采用多目标决策方法确定解决方案。
其进一步技术方案为:所述对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源,包括:
对所述水环境文书信息进行问题描述字段的识别,以得到问题描述字段;
根据所述问题描述字段从问题与根源的集合中进行智能匹配,以得到第一根源;
其中,当不能从问题与根源的集合中匹配到与所述问题描述字段吻合的问题与根源时,从云服务器拉取未记录在集合内的问题与根源,以对问题与根源的集合进行更新,再根据所述问题描述字段从更新后的问题与根源的集合中进行智能匹配,寻找吻合的问题以及根源,以得到第一根源;
云服务器内存储了来自不同地区的水环境管理过程的问题和根源的集合;
当问题描述字段不能从服务器内的问题与根源的集合中搜索到对应的根源时,若当前服务器内的问题与根源集合并不是最新版本的集合,服务器从云服务器拉取最新版本的集合,将未记录在服务器内对应集合中的问题与根源进行更新,再进行问题描述字段的语义搜索,若能搜索到集合内的问题,则可定位至该问题对应的根源,确定为第一根源;如果还不能搜索到问题描述字段对应的根源,则对问题描述字段进行纠正或者人工确定根源,对问题描述字段进行纠正可采用通过对TF-IDF算法结合余弦相似度计算生成对多候选字列表进行权重生成并排序的筛选算法,结合错误规则推理模型和特征交叉算法针对OCR转换文本进行错误判断及纠正,对问题描述字段进行纠正,纠正过程先对问题描述字段进行错误判断,采用N-Gram模型实现,并利用知识推理模型和TF-IDF算法进行正确候选字段的生成及判断,从而进行问题描述字段的纠正,从文本描述准确性进行问题纠正后进行第三次搜索;若还是不能搜索到根源,则采用人工确定问题的根源。
其进一步技术方案为:所述对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果,包括:
根据所有水环境管理位置对应的分析结果对对应位置的评价表进行分值调整,以得到水环境管理位置的评价表;
从同一位置的各个施工阶段的环境管理的纵向对比维度、不同位置的同一施工阶段的环境管理的横向对比维度以及不同位置各个环境措施与管理成效的斜向对比维度结合水环境管理位置的评价表,确定比对结果。
本发明还提供了基于5G的环境管理装置,包括:
数据获取单元,用于基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;
信息获取单元,用于获取监测终端上传的水环境文书信息;
分析单元,用于对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;
方案确定单元,用于根据所述分析结果确定解决方案;
第一反馈单元,用于反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;
比对单元,用于对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;
第二反馈单元,用于反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过采用5G数据传输技术和物联网技术获取环境数据,提高数据传输的速率,结合监测终端上传的水环境文书信息,确认目前出现问题的位置的根源,并根据根源确定解决方案,可综合监测相关位置的水环境,出现问题时可以准确定位到根源,且确定准确率高的解决方案,提高水环境管理准确率,所有的数据传输均采用5G数据传输技术,提高水务管理调度及时性,且将所有水环境管理位置的环境管理情况采用可视化的形式进行比对,且发送至管理员,以便于管理员查看进度和确定项目的缺陷。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于5G的环境管理方法的应用场景示意图;
图2为本发明实施例提供的基于5G的环境管理方法的流程示意图;
图3为本发明实施例提供的基于5G的环境管理方法的子流程示意图;
图4为本发明实施例提供的基于5G的环境管理方法的子流程示意图;
图5为本发明实施例提供的基于5G的环境管理方法的子流程示意图;
图6为本发明实施例提供的基于5G的环境管理方法的子流程示意图;
图7为本发明实施例提供的基于5G的环境管理装置的示意性框图;
图8为本发明实施例提供的基于5G的环境管理装置的分析单元的示意性框图;
图9为本发明实施例提供的基于5G的环境管理装置的第一根源确定子单元的示意性框图;
图10为本发明实施例提供的基于5G的环境管理装置的异常数据确定子单元的示意性框图;
图11为本发明实施例提供的基于5G的环境管理装置的比对单元的示意性框图;
图12为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的基于5G的环境管理方法的应用场景示意图。图2为本发明实施例提供的基于5G的环境管理方法的示意性流程图。该基于5G的环境管理方法应用于服务器中。该服务器与检测设备、监测终端、水环境管理终端以及云服务器进行数据交互,通过对检测设备上传的环境数据、监测终端上传的问题反馈的水环境文书信息,进行分析和综合判断当前环境的问题发生的根源,并确定解决方案,环境数据采用5G传输技术以及物联网传输技术,提高数据传输速率,且通过多方面的数据综合监测相关位置的水环境,提高水环境管理准确率以及提高水务管理调度及时性。
图2是本发明实施例提供的基于5G的环境管理方法的流程示意图。如图2所示,该方法包括以下步骤S110至S170。
S110、基于5G数据传输技术和物联网技术获取来自检测设备的环境数据。
在本实施例中,所述环境数据包括水土保持数据以及环境图像。
在本实施例中,环境图像是通过摄像头拍摄的影像,通过对影像的分析,获得水环境的污染等要素的信息,从这些信息的异常可确定问题所在,可根据该环境图像采用深度学习技术进行问题的确认。
5G数据传输技术所采用的频段要比4G技术采用的频段高出很多。在高于6GHz的频段每秒传送数Gb数据的技术时利用了64个天线单元的自适应阵列传输技术。相当于人耳的64个天线单元可以随时确认客户端的位置并交换信号。
物联网是指通过信息传感设备,按约定的协议,将任何物体与网络相连接,物体通过信息传播媒介进行信息交换和通信,以实现智能化识别、定位、跟踪、监管等功能。在本实施例中,对于检测设备采用物联网技术进行数据传输,可以快速定位该检测设备的位置,从而确定当前反馈环境数据的是哪一个水环境管理位置,确保管理的准确率。
采用物联网监测水环境实时变化,借助5G网络实现实时数据高效传输和多设备接入。
在本实施例中,检测设备包括TSP在线监测等仪器以及摄像头等。
设置摄像头或者卫星遥感摄像头获取对应位置的图像,并对图像进行分析和比对,可确认问题所在位置。
S120、获取监测终端上传的水环境文书信息。
在本实施例中,所述水环境文书信息包括监管人员实地勘察环境管理位置的环境问题信息以及市民反馈的环境管理位置的环境问题信息。获取该文书信息的时间必须与环境数据的获取时间吻合,避免两者是不同阶段的数据,导致环境管理准确率低。
监管人员会定期实地勘察水环境管理位置的情况,并对环境问题信息进行登记,当监管人员将环境问题信息登记于监测终端内时,会自动获取监管人员所在的位置,以确认环境管理的位置;在监管人员没有进行实地勘察时,增加市民反馈的问题信息,以全面反馈所有环境管理位置的环境问题信息,从数据的源头提高后续水环境问题对应的根源确定的准确率,进而提高水环境管理准确率。
S130、对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果。
在本实施例中,分析结果是指发生环境问题的根源,确认问题的根源,有助于确定解决方案,并可提高水务管理调度及时性和准确率。
在一实施例中,请参阅图3,上述的步骤S130可包括步骤S131~S134。
S131、对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源。
在本实施例中,第一根源是指根据水环境文书信息所描述的问题确定的根源。
在一实施例中,请参阅图4,上述的步骤S131可包括步骤S1311~S1312。
S1311、对所述水环境文书信息进行问题描述字段的识别,以得到问题描述字段。
在本实施例中,问题描述字段是指水环境文书信息内描述问题的相关字段。
具体地,可以采用中文分词、语义分析和语法分析的文本挖掘和处理技术手段,对水环境文书信息进行问题描述字段的识别,而中文分词、语义分析和语法分析的文本挖掘和处理技术进行特殊字段的识别属于现有技术,此处不再赘述。
S1312、根据所述问题描述字段从问题与根源的集合中进行智能匹配,以得到第一根源。
在本实施例中,问题与根源的集合是指环境管理的所有阶段可能出现的问题以及出现该问题的根源进行映射后形成的列表。
当确定问题描述字段后,可采用语义搜索的技术手段将该问题描述字段作为搜索条件,在问题与根源的集合内进行搜索,寻找吻合程度最高的根源,由此确定为第一根源;另外,语义搜索技术手段指搜索引擎的工作不再拘泥于用户所输入请求语句的字面本身,而是透过现象看本质,准确地捕捉到用户所输入语句后面的真正意图,并以此来进行搜索,从而更准确地向用户返回最符合其需求的搜索结果。采用语义搜索手段进行根源的确定,可以准确获取到对应的根源,且中和了每个人描述问题的表达方式的差异性。
其中,当不能从问题与根源的集合中匹配到与所述问题描述字段吻合的问题与根源时,从云服务器拉取未记录在集合内的问题与根源,以对问题与根源的集合进行更新,再根据所述问题描述字段从更新后的问题与根源的集合中进行智能匹配,寻找吻合的问题以及根源,以得到第一根源;
云服务器内存储了来自不同地区的水环境管理过程的问题和根源的集合。
在本实施例中,服务器会定时从云服务器出拉取问题与根源的集合,及时更新存储在服务器上对应的集合,当问题描述字段不能从服务器内的问题与根源的集合中搜索到对应的根源时,则存在两种可能:一种是当前服务器内的问题与根源集合并不是最新版本的集合,此时服务器从云服务器拉取最新版本的集合,将未记录在服务器内对应集合中的问题与根源进行更新,再进行问题描述字段的语义搜索,若能搜索到集合内的问题,则可定位至该问题对应的根源,确定为第一根源;如果此时还不能搜索到问题描述字段对应的根源,则属于第二种可能,可对问题描述字段进行纠正或者人工确定根源,对问题描述字段进行纠正可采用通过对TF-IDF算法结合余弦相似度计算生成对多候选字列表进行权重生成并排序的筛选算法,结合错误规则推理模型和特征交叉算法针对OCR转换文本进行错误判断及纠正,对问题描述字段进行纠正,纠正过程需要先对问题描述字段进行错误判断,此处可采用N-Gram模型实现,并利用知识推理模型和TF-IDF算法进行正确候选字段的生成及判断,从而进行问题描述字段的纠正,从文本描述准确性进行问题纠正后进行第三次搜索;若还是不能搜索到根源,此时则采用人工确定问题的根源,以确保能够确定第一根源。
S132、对所述环境数据进行人工智能大数据挖掘分析,确定异常数据。
在本实施例中,异常数据是指水土保持数据异常的数据以及环境图像中出现异常的位置和状况描述数据。
在一实施例中,请参阅图5,上述的步骤S132可包括步骤S1321~S1323。
S1321、对环境图像进行预处理后,采用机器学习的方式确认异常的位置以及对应位置的状况描述数据。
在本实施例中,对环境图像采用进行形态学膨胀处理以及形态学腐蚀处理以得到中间图像;提取中间图像的像素值,以确定环境图像的向量值,将向量值输入至已训练的卷积神经网络中进行识别,对每个点的向量值进行识别,将非正常的向量值分类出来,该非正常的向量值是指符合异常情况的数据,中间图像是由多个像素组成的,像素的颜色由红(Red)、绿(Green)、蓝(Blue)三原色的色光以不同的比例相加得到。则每个像素可表示为(a,b,c),其中a为红的比例,b为绿的比例,c为蓝的比例。则分别提取每个像素的a、b、c值可得到三个特征矩阵。此三个特征矩阵组成的三维张量即为环境图像的图像向量。图像向量为卷积神经网络模型能够识别的数据,卷积神经网络通过像素值判断所在位置出现异常情况,比如某个坐标点的排水量应当是20ml,对应的像素值应该是(1,4,7);当时卷积神经网络识别到该坐标点的像素值为(3,4,7),此时则该坐标点出现异常,需要将该坐标点的位置输出,且在训练该卷积神经网络时,需要采用出现不同异常状况的图像进行状况描述数据标签的标定,当出现异常状况时,可以准确得输出状况描述数据。
图像形态学处理都是对图像的白色部分(高亮部分)而言。图像形态学膨胀处理是指图像中的高亮部分进行膨胀,类似于领域扩张,膨胀处理后的效果图拥有比原图更大的高亮区域。图像形态学腐蚀处理是对原图的高亮部分被腐蚀,类似于领域被蚕食,腐蚀处理后的效果图拥有比原图更小的高亮区域。通过对环境图像先进行图像形态学膨胀处理后再进行图像形态学腐蚀处理,能够减少环境图像中的噪点,提高对环境图像后续处理的准确率。
S1322、根据预设的水土保持数据正常值范围筛选水土保持数据中异常的数据;
S1323、整合异常的位置、对应位置的状况描述数据以及水土保持数据中异常的数据,以得到异常数据。
在本实施例中,对于水土保持数据中异常的数据的确定,可采用环境数据与预设的水土保持数据正常值范围进行对比,筛选出超出正常值范围的数据则标记为异常数据;对于环境图像而言,则采用机器学习的方式确定异常的位置和该位置的状况描述数据,状况描述数据是指从图像上分析导致异常位置出现对应状况的问题。
具体地,采集不同问题导致的环境图像进行状况描述数据以及异常位置的标签标注,以此作为样本集,对深度学习模型进行训练,在构建样本集时,要确定不同问题所导致的环境图像的特征,以便于准确的判别出现不同异常情况的环境图像;状况描述数据可以认为是不同问题的类别,深度学习模型主要是需要进行分类以及位置的确定;由此确定出现异常的环境图像的异常位置以及类别,此处的类别也就是上述的状况描述数据。
S133、根据所述异常数据确定问题的根源,以得到第二根源。
在本实施例中,第二根源是指从环境数据确定的问题对应的根源。具体地,对于异常数据对应的问题采用网络拓扑图的方式进行关联,以确定相关的根源,其中,网络拓扑图是通过对历史异常数据以及对应的根源进行分析,挖掘导致异常数据的问题之间的关联关系所建立的图,当确定异常数据所涉及的问题后,将实时异常数据所对应的问题映射到所建立的异常拓扑图中,基于当前异常数据对应的问题在异常拓扑图中的相对位置推断异常的根源。
在本实施例中,导致异常数据的问题会有很多,问题之间彼此存在一定的关联性,因此需要采用网络拓扑图的方式将问题进行关联,确定相关的根源;通过对历史异常数据以及对应的根源进行分析,挖掘导致异常数据的问题之间的关联关系,建立问题之间的异常拓扑图;在此基础上,将实时异常数据所对应的问题映射到所建立的异常拓扑图中,基于当前异常数据对应的问题在异常拓扑图中的相对位置推断异常的根源;而问题除了包括水土保持数据异常的数据所对应的问题,还包括环境图像输入深度学习模型后所得到的状况描述数据,该状态描述数据的内容属于问题。
具体地,对历史异常数据进行清洗,采用异常过滤算法对清洗后的历史异常数据进行过滤,通过子网划分算法将出现该历史异常数据对应的问题划分到若干子网中,通过网络拓扑算法将所述子网建立生成有向的异常拓扑图;采用静态权重算法计算所述异常拓扑图中每个异常元(即问题)的静态权值,采用动态权重算法计算所述异常元之间的相对位置关系矩阵。
当检测实时的异常数据时,先确定导致异常数据的所有问题,从异常拓扑图中确定对应的问题的静态权值,并计算对应的问题的动态权值,以判断所述对应的问题在所述异常网络拓扑图中的位置;根据对应的问题在所述异常网络拓扑图中的位置定位,由此确定最根本的问题,进而确定第二根源。
在构建有向的异常拓扑图时,是依次计算每一异常元引发其他任一异常元发生异常的条件概率;将所有异常元引发其他异常元发生异常的条件概率组织形成条件概率矩阵;将所述条件概率矩阵根据预设的置信度阈值生成邻接矩阵;根据所述邻接矩阵生成所述异常元之间有向的异常拓扑图;检测所述邻接矩阵中构成环路的异常元数量大于预设环路规模阈值的环路,将构成环路的边按照条件概率值从小到大顺序依次置零直至环路消除;由此确定最终的问题,依旧是追溯到根源。
第二根源除了考虑环境图像的表面信息,还考虑了水土保持数据等参数,可以更加全面地考虑问题导致的所有状况,进一步提高环境管理过程中出现异常状况的根源确定准确率。
S134、根据所述第一根源以及第二根源确定当前的环境管理情况,以得到分析结果。
在本实施例中,当第一根源与第二根源一致时,则将第一根源或者第二根源作为分析结果;
当第一根源与第二根源不一致时,可以对第一根源和第二根源的关联关系进行确定,进一步确定两个根源的最终根源,分析结果包括最终根源,此过程可依据上述提及的有向的异常拓扑图来确定最终根源;若两个根源没有一个最终根源,则表明问题的发生是由多个根源决定的,分析结果包括第一根源以及第二根源,此时则需要针对不同的根源确定对应的解决方案,以确保所有发生的问题均可以很准确的解决。
S140、根据所述分析结果确定解决方案。
在本实施例中,解决方案是指用于解决分析结果的最佳管理方案。
具体地,根据所述分析结果确定根源相关的内容,并对内容采用多目标决策方法确定解决方案。
先确定分析结果的多个改善方案,每个问题都可以对应有多个改善方案,再将多个改善方案采用多目标决策方法确定最佳管理方案,当分析结果包括第一根源和第二根源时,则此时的解决方案应该包括两个,且这两个解决方案在确定过程中,若两个根源的影响因素存在交叉,则采用多目标决策方法进行方案确定时,先确定第二根源的最优改善方案,再根据第二根源的最优改善方案确定第一根源的最优改善方案,第二根源的最优改善方案中对于与第一根源交叉的影响因素的方案已经确定,只需要确定第一根源的其他影响因素的解决方案即可,综合监测相关位置的水环境,从多方面的数据确定水环境管理过程出现问题的解决方案,提高水环境管理准确率。
如果只有一个根源,不管是第一根源、第二根源还是两者求得的最终根源,都是先确定根源的多个改善方案,再采用多目标决策进行最佳管理方案的确定,可最大程度的均衡各个方面,确保解决方案是最佳的管理手段。
S150、反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理。
在本实施例中,采用5G数据传输技术将解决方案反馈至水务管理终端,以提高水务管理调度及时性。
S160、对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果。
在本实施例中,比对结果是指所有水环境管理位置的水环境管理从多维度进行对比后形成的结果。
在一实施例中,请参阅图6,上述的步骤S160可包括步骤S161~ S162。
S161、根据所有水环境管理位置对应的分析结果对对应位置的评价表进行分值调整,以得到水环境管理位置的评价表。
在本实施例中,评价表是用于表示水环境管理位置的水环境管理情况;当出现某一问题时,确定根源后,根据根源的权重,对评价表内对应的分值进行减分处理,从而更新评价表的总分数,从评价表的总分数便可得知当前的水环境管理位置的管理状况。
S162、从同一位置的各个施工阶段的环境管理的纵向对比维度、不同位置的同一施工阶段的环境管理的横向对比维度以及不同位置各个环境措施与管理成效的斜向对比维度结合水环境管理位置的评价表,确定比对结果。
在本实施例中,按照不同对比维度,根据评价表内的对应的分组形成柱状对比图或者曲线对比图,采用可视化的形式将比对结果展示。
具体地,对于同一位置的各个施工阶段的环境管理的纵向对比维度的比对,则需要综合同一水环境管理位置的评价表,按照阶段作为横轴,评分作为纵轴,形成曲线图,且每一移动至指定的点均可以弹出分数丢失的问题;不同位置的同一施工阶段的环境管理的横向对比维度的比对,则需要综合多个水环境管理位置的评价表,按照水环境管理位置作为横轴,评分作为纵轴,形成曲线图,且每一移动至指定的点均可以弹出分数丢失的问题;不同位置各个环境措施与管理成效的斜向对比维度的对比,则结合多个水环境管理位置的评价表,对不同的水环境管理位置的丢分问题所采取的管理措施作为横轴(则表明该环境措施与管理成效),管理措施实施前和后的评分作为纵轴,形成对比图,且每一移动至指定的点均可以弹出分数丢失的问题。
S170、反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
将比对结果采用5G数据传输技术发送至水环境管理终端,可以起到一定的警示作用,而且相关管理员可以实时看到自己管理的项目在所有的项目中的进度以及需要改进的地方。
本实施例的方法可作为水土保持监测、排水水质检查可直接用于连接河道河口水质监测、在建工地水土保持动态监测、TSP在线监测等仪器、摄像信息数据采集,达到在建工地环境综合监管,此外,通过数据采集统计,筛选出手续缺失,如未按要求开展水土流失监测、未按要求办理排水许可的在建工地,了解在建工地需求,结合公司业务方向,挖掘潜在项目,开展相关业务。
上述的基于5G的环境管理方法,通过采用5G数据传输技术和物联网技术获取环境数据,提高数据传输的速率,结合监测终端上传的水环境文书信息,确认目前出现问题的位置的根源,并根据根源确定解决方案,可综合监测相关位置的水环境,出现问题时可以准确定位到根源,且确定准确率高的解决方案,提高水环境管理准确率,所有的数据传输均采用5G数据传输技术,提高水务管理调度及时性,且将所有水环境管理位置的环境管理情况采用可视化的形式进行比对,且发送至管理员,以便于管理员查看进度和确定项目的缺陷。
图7是本发明实施例提供的一种基于5G的环境管理装置300的示意性框图。如图7所示,对应于以上基于5G的环境管理方法,本发明还提供一种基于5G的环境管理装置300。该基于5G的环境管理装置300包括用于执行上述基于5G的环境管理方法的单元,该装置可以被配置于服务器中。具体地,请参阅图7,该基于5G的环境管理装置300包括数据获取单元301、信息获取单元302、分析单元303、方案确定单元304、第一反馈单元305、比对单元306以及第二反馈单元307。
数据获取单元301,用于基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;信息获取单元302,用于获取监测终端上传的水环境文书信息;分析单元303,用于对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;方案确定单元304,用于根据所述分析结果确定解决方案;第一反馈单元305,用于反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;比对单元306,用于对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;第二反馈单元307,用于反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
在一实施例中,如图8所示,所述分析单元303包括第一根源确定子单元3031、异常数据确定子单元3032、第二根源确定子单元3033以及分析结果确定子单元3034。
第一根源确定子单元3031,用于对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源;异常数据确定子单元3032,用于对所述环境数据进行人工智能大数据挖掘分析,确定异常数据;第二根源确定子单元3033,用于根据所述异常数据确定问题的根源,以得到第二根源,具体地,对于异常数据对应的问题采用网络拓扑图的方式进行关联,以确定相关的根源,其中,网络拓扑图是通过对历史异常数据以及对应的根源进行分析,挖掘导致异常数据的问题之间的关联关系所建立的图,当确定异常数据所涉及的问题后,将实时异常数据所对应的问题映射到所建立的异常拓扑图中,基于当前异常数据对应的问题在异常拓扑图中的相对位置推断异常的根源;分析结果确定子单元3034,用于根据所述第一根源以及第二根源确定当前的环境管理情况,以得到分析结果。其中,当第一根源与第二根源一致时,则将第一根源或者第二根源作为分析结果;当第一根源与第二根源不一致时,则对第一根源和第二根源的关联关系进行确定,进一步确定两个根源的最终根源,分析结果包括最终根源;若第一根源和第二根源没有一个最终根源,则表明问题的发生是由多个根源决定的,分析结果包括第一根源以及第二根源。
在一实施例中,所述方案确定单元304,用于根据所述分析结果确定根源相关的内容,并对内容采用多目标决策方法确定解决方案。
在一实施例中,请参阅图9,所述第一根源确定子单元3031包括字段识别模块30311以及智能匹配模块30312。
字段识别模块30311,用于对所述水环境文书信息进行问题描述字段的识别,以得到问题描述字段;智能匹配模块30312,用于根据所述问题描述字段从问题与根源的集合中进行智能匹配,以得到第一根源;其中,当不能从问题与根源的集合中匹配到与所述问题描述字段吻合的问题与根源时,从云服务器拉取未记录在集合内的问题与根源,以对问题与根源的集合进行更新,再根据所述问题描述字段从更新后的问题与根源的集合中进行智能匹配,寻找吻合的问题以及根源,以得到第一根源;云服务器内存储了来自不同地区的水环境管理过程的问题和根源的集合。当问题描述字段不能从服务器内的问题与根源的集合中搜索到对应的根源时,若当前服务器内的问题与根源集合并不是最新版本的集合,服务器从云服务器拉取最新版本的集合,将未记录在服务器内对应集合中的问题与根源进行更新,再进行问题描述字段的语义搜索,若能搜索到集合内的问题,则可定位至该问题对应的根源,确定为第一根源;如果还不能搜索到问题描述字段对应的根源,则对问题描述字段进行纠正或者人工确定根源,对问题描述字段进行纠正可采用通过对TF-IDF算法结合余弦相似度计算生成对多候选字列表进行权重生成并排序的筛选算法,结合错误规则推理模型和特征交叉算法针对OCR转换文本进行错误判断及纠正,对问题描述字段进行纠正,纠正过程先对问题描述字段进行错误判断,采用N-Gram模型实现,并利用知识推理模型和TF-IDF算法进行正确候选字段的生成及判断,从而进行问题描述字段的纠正,从文本描述准确性进行问题纠正后进行第三次搜索;若还是不能搜索到根源,则采用人工确定问题的根源。
在一实施例中,请参阅图10,所述异常数据确定子单元3032包括预处理模块30321、筛选模块30322以及整合模块30323。
预处理模块30321,用于对环境图像进行预处理后,采用机器学习的方式确认异常的位置以及对应位置的状况描述数据,其中,采集不同问题导致的环境图像进行状况描述数据以及异常位置的标签标注,作为样本集,对深度学习模型进行训练,在构建样本集时,确定不同问题所导致的环境图像的特征;状况描述数据是不同问题的类别;筛选模块30322,用于根据预设的水土保持数据正常值范围筛选水土保持数据中异常的数据;整合模块30323,用于整合异常的位置、对应位置的状况描述数据以及水土保持数据中异常的数据,以得到异常数据。
在一实施例中,请参阅图11,所述比对单元306包括分值调整子单元3061以及多维度比对子单元3062。
分值调整子单元3061,用于根据所有水环境管理位置对应的分析结果对对应位置的评价表进行分值调整,以得到水环境管理位置的评价表;多维度比对子单元3062,用于从同一位置的各个施工阶段的环境管理的纵向对比维度、不同位置的同一施工阶段的环境管理的横向对比维度以及不同位置各个环境措施与管理成效的斜向对比维度结合水环境管理位置的评价表,确定比对结果。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述基于5G的环境管理装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述基于5G的环境管理装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图12所示的计算机设备上运行。
请参阅图12,图12是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图12,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种基于5G的环境管理方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种基于5G的环境管理方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;获取监测终端上传的水环境文书信息;对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;根据所述分析结果确定解决方案;反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
其中,所述环境数据包括水土保持数据以及环境图像。
所述水环境文书信息包括监管人员实地勘察环境管理位置的环境问题信息以及市民反馈的环境管理位置的环境问题信息。
在一实施例中,处理器502在实现所述对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果步骤时,具体实现如下步骤:
对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源;对所述环境数据进行人工智能大数据挖掘分析,确定异常数据;根据所述异常数据确定问题的根源,以得到第二根源,具体地,对于异常数据对应的问题采用网络拓扑图的方式进行关联,以确定相关的根源,其中,网络拓扑图是通过对历史异常数据以及对应的根源进行分析,挖掘导致异常数据的问题之间的关联关系所建立的图,当确定异常数据所涉及的问题后,将实时异常数据所对应的问题映射到所建立的异常拓扑图中,基于当前异常数据对应的问题在异常拓扑图中的相对位置推断异常的根源;根据所述第一根源以及第二根源确定当前的环境管理情况,以得到分析结果。其中,当第一根源与第二根源一致时,则将第一根源或者第二根源作为分析结果;当第一根源与第二根源不一致时,则对第一根源和第二根源的关联关系进行确定,进一步确定两个根源的最终根源,分析结果包括最终根源;若第一根源和第二根源没有一个最终根源,则表明问题的发生是由多个根源决定的,分析结果包括第一根源以及第二根源。
在一实施例中,处理器502在实现所述对所述环境数据进行人工智能大数据挖掘分析,确定异常数据步骤时,具体实现如下步骤:
对环境图像进行预处理后,采用机器学习的方式确认异常的位置以及对应位置的状况描述数据,其中,采集不同问题导致的环境图像进行状况描述数据以及异常位置的标签标注,作为样本集,对深度学习模型进行训练,在构建样本集时,确定不同问题所导致的环境图像的特征;状况描述数据是不同问题的类别;根据预设的水土保持数据正常值范围筛选水土保持数据中异常的数据;整合异常的位置、对应位置的状况描述数据以及水土保持数据中异常的数据,以得到异常数据。
在一实施例中,处理器502在实现所述根据所述分析结果确定解决方案步骤时,具体实现如下步骤:
根据所述分析结果确定根源相关的内容,并对内容采用多目标决策方法确定解决方案。
在一实施例中,处理器502在实现所述对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源步骤时,具体实现如下步骤:
对所述水环境文书信息进行问题描述字段的识别,以得到问题描述字段;根据所述问题描述字段从问题与根源的集合中进行智能匹配,以得到第一根源;
其中,当不能从问题与根源的集合中匹配到与所述问题描述字段吻合的问题与根源时,从云服务器拉取未记录在集合内的问题与根源,以对问题与根源的集合进行更新,再根据所述问题描述字段从更新后的问题与根源的集合中进行智能匹配,寻找吻合的问题以及根源,以得到第一根源;云服务器内存储了来自不同地区的水环境管理过程的问题和根源的集合,当问题描述字段不能从服务器内的问题与根源的集合中搜索到对应的根源时,若当前服务器内的问题与根源集合并不是最新版本的集合,服务器从云服务器拉取最新版本的集合,将未记录在服务器内对应集合中的问题与根源进行更新,再进行问题描述字段的语义搜索,若能搜索到集合内的问题,则可定位至该问题对应的根源,确定为第一根源;如果还不能搜索到问题描述字段对应的根源,对问题描述字段进行纠正或者人工确定根源,对问题描述字段进行纠正可采用通过对TF-IDF算法结合余弦相似度计算生成对多候选字列表进行权重生成并排序的筛选算法,结合错误规则推理模型和特征交叉算法针对OCR转换文本进行错误判断及纠正,对问题描述字段进行纠正,纠正过程先对问题描述字段进行错误判断,采用N-Gram模型实现,并利用知识推理模型和TF-IDF算法进行正确候选字段的生成及判断,从而进行问题描述字段的纠正,从文本描述准确性进行问题纠正后进行第三次搜索;若还是不能搜索到根源,则采用人工确定问题的根源。
在一实施例中,处理器502在实现所述对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果步骤时,具体实现如下步骤:
根据所有水环境管理位置对应的分析结果对对应位置的评价表进行分值调整,以得到水环境管理位置的评价表;从同一位置的各个施工阶段的环境管理的纵向对比维度、不同位置的同一施工阶段的环境管理的横向对比维度以及不同位置各个环境措施与管理成效的斜向对比维度结合水环境管理位置的评价表,确定比对结果。
应当理解,在本申请实施例中,处理器502可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;获取监测终端上传的水环境文书信息;对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;根据所述分析结果确定解决方案;反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
其中,所述环境数据包括水土保持数据以及环境图像。
所述水环境文书信息包括监管人员实地勘察环境管理位置的环境问题信息以及市民反馈的环境管理位置的环境问题信息。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果步骤时,具体实现如下步骤:
对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源;对所述环境数据进行人工智能大数据挖掘分析,确定异常数据;根据所述异常数据确定问题的根源,以得到第二根源,具体地,对于异常数据对应的问题采用网络拓扑图的方式进行关联,以确定相关的根源,其中,网络拓扑图是通过对历史异常数据以及对应的根源进行分析,挖掘导致异常数据的问题之间的关联关系所建立的图,当确定异常数据所涉及的问题后,将实时异常数据所对应的问题映射到所建立的异常拓扑图中,基于当前异常数据对应的问题在异常拓扑图中的相对位置推断异常的根源;根据所述第一根源以及第二根源确定当前的环境管理情况,以得到分析结果。其中,当第一根源与第二根源一致时,则将第一根源或者第二根源作为分析结果;当第一根源与第二根源不一致时,则对第一根源和第二根源的关联关系进行确定,进一步确定两个根源的最终根源,分析结果包括最终根源;若第一根源和第二根源没有一个最终根源,则表明问题的发生是由多个根源决定的,分析结果包括第一根源以及第二根源。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述环境数据进行人工智能大数据挖掘分析,确定异常数据步骤时,具体实现如下步骤:
对环境图像进行预处理后,采用机器学习的方式确认异常的位置以及对应位置的状况描述数据,其中,采集不同问题导致的环境图像进行状况描述数据以及异常位置的标签标注,作为样本集,对深度学习模型进行训练,在构建样本集时,确定不同问题所导致的环境图像的特征;状况描述数据是不同问题的类别;根据预设的水土保持数据正常值范围筛选水土保持数据中异常的数据;整合异常的位置、对应位置的状况描述数据以及水土保持数据中异常的数据,以得到异常数据。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述分析结果确定解决方案步骤时,具体实现如下步骤:
根据所述分析结果确定根源相关的内容,并对内容采用多目标决策方法确定解决方案。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源步骤时,具体实现如下步骤:
对所述水环境文书信息进行问题描述字段的识别,以得到问题描述字段;根据所述问题描述字段从问题与根源的集合中进行智能匹配,以得到第一根源;其中,当不能从问题与根源的集合中匹配到与所述问题描述字段吻合的问题与根源时,从云服务器拉取未记录在集合内的问题与根源,以对问题与根源的集合进行更新,再根据所述问题描述字段从更新后的问题与根源的集合中进行智能匹配,寻找吻合的问题以及根源,以得到第一根源;云服务器内存储了来自不同地区的水环境管理过程的问题和根源的集合,当问题描述字段不能从服务器内的问题与根源的集合中搜索到对应的根源时,若当前服务器内的问题与根源集合不是最新版本的集合,服务器从云服务器拉取最新版本的集合,将未记录在服务器内对应集合中的问题与根源进行更新,再进行问题描述字段的语义搜索,若能搜索到集合内的问题,则可定位至该问题对应的根源,确定为第一根源;如果还不能搜索到问题描述字段对应的根源,则属于第二种可能,可对问题描述字段进行纠正或者人工确定根源,对问题描述字段进行纠正可采用通过对TF-IDF算法结合余弦相似度计算生成对多候选字列表进行权重生成并排序的筛选算法,结合错误规则推理模型和特征交叉算法针对OCR转换文本进行错误判断及纠正,对问题描述字段进行纠正,纠正过程先对问题描述字段进行错误判断,采用N-Gram模型实现,并利用知识推理模型和TF-IDF算法进行正确候选字段的生成及判断,从而进行问题描述字段的纠正,从文本描述准确性进行问题纠正后进行第三次搜索;若还是不能搜索到根源,则采用人工确定问题的根源。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果步骤时,具体实现如下步骤:
根据所有水环境管理位置对应的分析结果对对应位置的评价表进行分值调整,以得到水环境管理位置的评价表;从同一位置的各个施工阶段的环境管理的纵向对比维度、不同位置的同一施工阶段的环境管理的横向对比维度以及不同位置各个环境措施与管理成效的斜向对比维度结合水环境管理位置的评价表,确定比对结果。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于5G的环境管理方法,其特征在于,包括:
基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;
获取监测终端上传的水环境文书信息;
对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;
根据所述分析结果确定解决方案;
反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;
对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;
反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
2.根据权利要求1所述的基于5G的环境管理方法,其特征在于,所述环境数据包括水土保持数据以及环境图像;所述水环境文书信息包括监管人员实地勘察环境管理位置的环境问题信息以及市民反馈的环境管理位置的环境问题信息。
3.根据权利要求2所述的基于5G的环境管理方法,其特征在于,所述对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果,包括:
对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源;
对所述环境数据进行人工智能大数据挖掘分析,确定异常数据;
根据所述异常数据确定问题的根源,以得到第二根源,具体地,对于异常数据对应的问题采用网络拓扑图的方式进行关联,以确定相关的根源,其中,网络拓扑图是通过对历史异常数据以及对应的根源进行分析,挖掘导致异常数据的问题之间的关联关系所建立的图,当确定异常数据所涉及的问题后,将实时异常数据所对应的问题映射到所建立的异常拓扑图中,基于当前异常数据对应的问题在异常拓扑图中的相对位置推断异常的根源;
根据所述第一根源以及第二根源确定当前的环境管理情况,以得到分析结果;其中,当第一根源与第二根源一致时,则将第一根源或者第二根源作为分析结果;当第一根源与第二根源不一致时,则对第一根源和第二根源的关联关系进行确定,进一步确定两个根源的最终根源,分析结果包括最终根源;若第一根源和第二根源没有一个最终根源,则表明问题的发生是由多个根源决定的,分析结果包括第一根源以及第二根源。
4.根据权利要求3所述的基于5G的环境管理方法,其特征在于,所述对所述环境数据进行人工智能大数据挖掘分析,确定异常数据,包括:
对环境图像进行预处理后,采用机器学习的方式确认异常的位置以及对应位置的状况描述数据,其中,采集不同问题导致的环境图像进行状况描述数据以及异常位置的标签标注,作为样本集,对深度学习模型进行训练,在构建样本集时,确定不同问题所导致的环境图像的特征;状况描述数据是不同问题的类别;
根据预设的水土保持数据正常值范围筛选水土保持数据中异常的数据;
整合异常的位置、对应位置的状况描述数据以及水土保持数据中异常的数据,以得到异常数据。
5.根据权利要求1所述的基于5G的环境管理方法,其特征在于,所述根据所述分析结果确定解决方案,包括:
根据所述分析结果确定根源相关的内容,并对内容采用多目标决策方法确定解决方案。
6.根据权利要求4所述的基于5G的环境管理方法,其特征在于,所述对所述水环境文书信息进行识别和根源定位,以确定问题的根源,以得到第一根源,包括:
对所述水环境文书信息进行问题描述字段的识别,以得到问题描述字段;
根据所述问题描述字段从问题与根源的集合中进行智能匹配,以得到第一根源;
其中,当不能从问题与根源的集合中匹配到与所述问题描述字段吻合的问题与根源时,从云服务器拉取未记录在集合内的问题与根源,以对问题与根源的集合进行更新,再根据所述问题描述字段从更新后的问题与根源的集合中进行智能匹配,寻找吻合的问题以及根源,以得到第一根源;
云服务器内存储了来自不同地区的水环境管理过程的问题和根源的集合;
当问题描述字段不能从服务器内的问题与根源的集合中搜索到对应的根源时,若当前服务器内的问题与根源集合不是最新版本的集合,服务器从云服务器拉取最新版本的集合,将未记录在服务器内对应集合中的问题与根源进行更新,再进行问题描述字段的语义搜索,若能搜索到集合内的问题,则可定位至该问题对应的根源,确定为第一根源;如果还不能搜索到问题描述字段对应的根源,则对问题描述字段进行纠正或者人工确定根源,对问题描述字段进行纠正可采用通过对TF-IDF算法结合余弦相似度计算生成对多候选字列表进行权重生成并排序的筛选算法,结合错误规则推理模型和特征交叉算法针对OCR转换文本进行错误判断及纠正,对问题描述字段进行纠正,纠正过程先对问题描述字段进行错误判断,采用N-Gram模型实现,并利用知识推理模型和TF-IDF算法进行正确候选字段的生成及判断,从而进行问题描述字段的纠正,从文本描述准确性进行问题纠正后进行第三次搜索;若还是不能搜索到根源,则采用人工确定问题的根源。
7.根据权利要求1所述的基于5G的环境管理方法,其特征在于,所述对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果,包括:
根据所有水环境管理位置对应的分析结果对对应位置的评价表进行分值调整,以得到水环境管理位置的评价表;
从同一位置的各个施工阶段的环境管理的纵向对比维度、不同位置的同一施工阶段的环境管理的横向对比维度以及不同位置各个环境措施与管理成效的斜向对比维度结合水环境管理位置的评价表,确定比对结果。
8.基于5G的环境管理装置,其特征在于,包括:
数据获取单元,用于基于5G数据传输技术和物联网技术获取来自检测设备的环境数据;
信息获取单元,用于获取监测终端上传的水环境文书信息;
分析单元,用于对所述环境数据以及所述水环境文书信息进行大数据分析,以得到分析结果;
方案确定单元,用于根据所述分析结果确定解决方案;
第一反馈单元,用于反馈所述解决方案至水务管理终端,以供水务管理终端持有者进行相关的环境治理;
比对单元,用于对所有水环境管理位置对应的分析结果进行多维度比对,以得到比对结果;
第二反馈单元,用于反馈所述比对结果至水环境管理终端,以供水环境管理终端查看。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888556.9A CN113327071B (zh) | 2021-08-04 | 2021-08-04 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888556.9A CN113327071B (zh) | 2021-08-04 | 2021-08-04 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113327071A true CN113327071A (zh) | 2021-08-31 |
CN113327071B CN113327071B (zh) | 2021-11-30 |
Family
ID=77427071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110888556.9A Active CN113327071B (zh) | 2021-08-04 | 2021-08-04 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113327071B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113959477A (zh) * | 2021-09-01 | 2022-01-21 | 海南君麟环境科技有限公司 | 基于物联网的环境防治监测提醒方法及系统 |
CN114066211A (zh) * | 2021-11-11 | 2022-02-18 | 北京师范大学 | 一种流域水环境管理大数据平台 |
CN116310831A (zh) * | 2023-03-23 | 2023-06-23 | 河南省水利第一工程局集团有限公司 | 基于大数据的水源环境监测方法及系统 |
CN117341781A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市鼎善信息科技有限公司 | 轨道交通故障处理方法、装置、计算机设备及存储介质 |
CN117391374A (zh) * | 2023-10-30 | 2024-01-12 | 江苏国贸酝领智能科技股份有限公司 | 一种基于物联网技术的智慧水务监管方法及系统 |
CN117421643A (zh) * | 2023-12-18 | 2024-01-19 | 贵州省环境工程评估中心 | 基于人工智能的生态环境遥感数据分析方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228840A (zh) * | 2018-01-05 | 2018-06-29 | 北京盛世博创信息技术有限公司 | 环保监测控制方法、装置、终端及计算机可读存储介质 |
CN109816179A (zh) * | 2019-03-05 | 2019-05-28 | 重庆工商大学融智学院 | 基于大数据的生态环境监测预警方法及系统 |
CN110580616A (zh) * | 2019-10-30 | 2019-12-17 | 中国科学院地理科学与资源研究所 | 一种基于5g及物联网的人工智能云计算水环境管理平台 |
CN110807085A (zh) * | 2019-09-12 | 2020-02-18 | 口碑(上海)信息技术有限公司 | 故障信息的查询方法及装置、存储介质、电子装置 |
CN110992349A (zh) * | 2019-12-11 | 2020-04-10 | 南京航空航天大学 | 一种基于深度学习的地下管道异常自动化定位与识别方法 |
CN111967063A (zh) * | 2020-09-02 | 2020-11-20 | 开普云信息科技股份有限公司 | 一种基于多维度分析的数据篡改监测和识别方法、装置、电子设备及其存储介质 |
CN112087316A (zh) * | 2020-07-30 | 2020-12-15 | 北京思特奇信息技术股份有限公司 | 基于异常数据分析的网络异常根源定位方法 |
CN112488020A (zh) * | 2020-12-10 | 2021-03-12 | 西安交通大学 | 基于无人机航拍数据的水环境污染情况检测评估装置 |
CN112486959A (zh) * | 2020-11-03 | 2021-03-12 | 国网河南省电力公司郑州供电公司 | 基于图数据库技术的电网动态拓扑结构智能识别方法 |
CN112882796A (zh) * | 2021-02-25 | 2021-06-01 | 深信服科技股份有限公司 | 异常根因分析方法和装置,及存储介质 |
CN113011406A (zh) * | 2021-03-24 | 2021-06-22 | 浪潮云信息技术股份公司 | 一种单模板工作流优化方法 |
CN113010506A (zh) * | 2021-03-11 | 2021-06-22 | 江苏省生态环境监控中心(江苏省环境信息中心) | 一种多源异构水环境大数据管理系统 |
-
2021
- 2021-08-04 CN CN202110888556.9A patent/CN113327071B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228840A (zh) * | 2018-01-05 | 2018-06-29 | 北京盛世博创信息技术有限公司 | 环保监测控制方法、装置、终端及计算机可读存储介质 |
CN109816179A (zh) * | 2019-03-05 | 2019-05-28 | 重庆工商大学融智学院 | 基于大数据的生态环境监测预警方法及系统 |
CN110807085A (zh) * | 2019-09-12 | 2020-02-18 | 口碑(上海)信息技术有限公司 | 故障信息的查询方法及装置、存储介质、电子装置 |
CN110580616A (zh) * | 2019-10-30 | 2019-12-17 | 中国科学院地理科学与资源研究所 | 一种基于5g及物联网的人工智能云计算水环境管理平台 |
CN110992349A (zh) * | 2019-12-11 | 2020-04-10 | 南京航空航天大学 | 一种基于深度学习的地下管道异常自动化定位与识别方法 |
CN112087316A (zh) * | 2020-07-30 | 2020-12-15 | 北京思特奇信息技术股份有限公司 | 基于异常数据分析的网络异常根源定位方法 |
CN111967063A (zh) * | 2020-09-02 | 2020-11-20 | 开普云信息科技股份有限公司 | 一种基于多维度分析的数据篡改监测和识别方法、装置、电子设备及其存储介质 |
CN112486959A (zh) * | 2020-11-03 | 2021-03-12 | 国网河南省电力公司郑州供电公司 | 基于图数据库技术的电网动态拓扑结构智能识别方法 |
CN112488020A (zh) * | 2020-12-10 | 2021-03-12 | 西安交通大学 | 基于无人机航拍数据的水环境污染情况检测评估装置 |
CN112882796A (zh) * | 2021-02-25 | 2021-06-01 | 深信服科技股份有限公司 | 异常根因分析方法和装置,及存储介质 |
CN113010506A (zh) * | 2021-03-11 | 2021-06-22 | 江苏省生态环境监控中心(江苏省环境信息中心) | 一种多源异构水环境大数据管理系统 |
CN113011406A (zh) * | 2021-03-24 | 2021-06-22 | 浪潮云信息技术股份公司 | 一种单模板工作流优化方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113959477A (zh) * | 2021-09-01 | 2022-01-21 | 海南君麟环境科技有限公司 | 基于物联网的环境防治监测提醒方法及系统 |
CN114066211A (zh) * | 2021-11-11 | 2022-02-18 | 北京师范大学 | 一种流域水环境管理大数据平台 |
CN116310831A (zh) * | 2023-03-23 | 2023-06-23 | 河南省水利第一工程局集团有限公司 | 基于大数据的水源环境监测方法及系统 |
CN116310831B (zh) * | 2023-03-23 | 2023-11-03 | 河南省水利第一工程局集团有限公司 | 基于大数据的水源环境监测方法及系统 |
CN117391374A (zh) * | 2023-10-30 | 2024-01-12 | 江苏国贸酝领智能科技股份有限公司 | 一种基于物联网技术的智慧水务监管方法及系统 |
CN117391374B (zh) * | 2023-10-30 | 2024-03-08 | 江苏国贸酝领智能科技股份有限公司 | 一种基于物联网技术的智慧水务监管方法及系统 |
CN117341781A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市鼎善信息科技有限公司 | 轨道交通故障处理方法、装置、计算机设备及存储介质 |
CN117341781B (zh) * | 2023-12-04 | 2024-03-22 | 深圳市鼎善信息科技有限公司 | 轨道交通故障处理方法、装置、计算机设备及存储介质 |
CN117421643A (zh) * | 2023-12-18 | 2024-01-19 | 贵州省环境工程评估中心 | 基于人工智能的生态环境遥感数据分析方法及系统 |
CN117421643B (zh) * | 2023-12-18 | 2024-02-23 | 贵州省环境工程评估中心 | 基于人工智能的生态环境遥感数据分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113327071B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113327071B (zh) | 基于5g的环境管理方法、装置、计算机设备及存储介质 | |
US11334983B2 (en) | Anomaly detection | |
CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
US8615133B2 (en) | Process for enhancing images based on user input | |
AU2020218573A1 (en) | Shadow and cloud masking for remote sensing images in agriculture applications using multilayer perceptron | |
CN109154978A (zh) | 用于检测植物疾病的系统和方法 | |
Alharbi et al. | Automatic counting of wheat spikes from wheat growth images | |
Liao et al. | Automatic segmentation of crop/background based on luminance partition correction and adaptive threshold | |
Mamatov et al. | Methods for improving contrast of agricultural images | |
Trivedi et al. | Automatic segmentation of plant leaves disease using min-max hue histogram and k-mean clustering | |
CN108460344A (zh) | 屏幕中的动态区域智能识别系统及智能识别方法 | |
CN117422936B (zh) | 一种遥感图像分类方法及系统 | |
CN107423771B (zh) | 一种两时相遥感图像变化检测方法 | |
CN116912265A (zh) | 一种遥感图像分割方法和系统 | |
US20160283821A1 (en) | Image processing method and system for extracting distorted circular image elements | |
CN116596921B (zh) | 一种焚烧炉渣分选方法及系统 | |
US11448634B2 (en) | Analysis apparatus, stratum age estimation apparatus, analysis method, stratum age estimation method, and program | |
CN114638596B (zh) | 一种自然资源业务流程审查方法、系统、设备和介质 | |
CN114743048A (zh) | 检测异常秸秆图片的方法和检测装置 | |
Dhivya et al. | An Analysis Study of Various Image Preprocessing Filtering Techniques based on PSNR for Leaf Images | |
Zhou et al. | An Object-Based Extremely Weak Supervised Learning Paradigm: Focusing on the Introduction of Algorithm | |
CN111401275A (zh) | 一种用于识别草地边缘的信息处理方法和装置 | |
CN113128251A (zh) | 一种鱼脸特征检测算法 | |
CN111476129A (zh) | 一种基于深度学习的土壤杂质检测方法 | |
Mamatov et al. | Methods for increasing the contrast of drone agricultural images |
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 |