CN114066854A - 一种新型环保土壤检测调控方法及系统 - Google Patents
一种新型环保土壤检测调控方法及系统 Download PDFInfo
- Publication number
- CN114066854A CN114066854A CN202111369574.2A CN202111369574A CN114066854A CN 114066854 A CN114066854 A CN 114066854A CN 202111369574 A CN202111369574 A CN 202111369574A CN 114066854 A CN114066854 A CN 114066854A
- Authority
- CN
- China
- Prior art keywords
- soil
- image
- target
- area
- parameters
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种新型环保土壤检测调控方法及系统,涉及土壤调控技术领域。该方法包括:利用聚类分析法,将目标环境图像划分为多个目标区域图像。对任一目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品。获取目标区域的土壤参数,并根据土壤参数,构造判断矩阵。基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果。将土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值。将超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据超标因素确定调控方案。从而根据不同目标区域的土质要求和土壤特征,针对性选择不同土壤调控方案,达到了较好的土壤治理效果。
Description
技术领域
本发明涉及土壤调控技术领域,具体而言,涉及一种新型环保土壤检测调控方法及系统。
背景技术
土壤是我国农业的发展根本,也是农作物赖以生长的基础。耕层土壤物理性状的变化影响土壤中水的渗透与流动、气体扩散、矿化过程、生物数量、酶活性和作物生长过程。土壤调控技术在很大程度上通过调控土壤环境影响根系代谢活动,以影响作物生长。
虽然土壤调控技术可以促进植被增长,但是如果调控方法不合理将导致土壤质量持续劣变、植被减少,继而造成土地风沙化严重,也就容易造成城市沙尘暴、大颗粒污染物增加,从而导致了严重的环境问题。
因此,加强对环境土壤的检测调控很有必要。然而,目前并没有现有技术可以根据不同区域的土质要求和土壤特征,针对性选择不同土壤调控方法,则对于不同区域的土壤而言,无法达到较好的土壤治理效果,甚至可能会由于调控不当而造成严重环境问题。
发明内容
本发明的目的在于提供一种新型环保土壤检测调控方法及系统,用以改善现有技术中不能根据不同目标区域的土质要求和土壤特征,针对性选择不同土壤调控方案的问题,则对于不同区域的土壤而言,无法达到较好的土壤治理效果,甚至可能会由于调控不当而造成严重环境问题。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种新型环保土壤检测调控方法,其包括如下步骤:通过无人机拍摄目标环境图像。利用聚类分析法,将目标环境图像划分为多个目标区域图像。对任一目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品。获取目标区域的土壤参数,并根据土壤参数,构造判断矩阵。基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果。将土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值。将超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据超标因素确定调控方案。
在本发明的一些实施例中,上述利用聚类分析法,将目标环境图像划分为多个目标区域图像的步骤包括:将目标环境图像的图像边界作为框选起点,利用预设框对目标环境图像进行框选,以得到多个框选图像。将任一框选图像作为标准图像,计算标准图像与每个框选图像的相似度。基于相似度,对所有框选图像进行分类,以构成多个目标区域图像。
在本发明的一些实施例中,上述将目标环境图像的图像边界作为框选起点,利用预设框对目标环境图像进行框选,以得到多个框选图像的步骤之前,该方法还包括:获取目标环境任一阶段的历史数据,历史数据包括多个历史土壤数据和对应的历史图像区域。比较所有历史图像区域,得到面积最小的历史图像区域。根据面积最小的历史图像区域的边框,设置预选框。
在本发明的一些实施例中,上述基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果的步骤包括:利用污染指数公式计算任一土壤参数的相对污染值,其中,Pi为土壤参数的相对污染值,Ci为土壤参数的实测浓度值,C0为土壤参数的最高允许标准值。
在本发明的一些实施例中,上述预置特征要素包括植被覆盖特点、地下水系布置特点和居民区分布特点。
在本发明的一些实施例中,上述通过无人机拍摄目标环境图像的步骤包括:获取拍摄范围,并根据拍摄范围,检测目标环境图像是否存在误检土壤区域。
在本发明的一些实施例中,上述通过无人机拍摄目标环境图像的步骤还包括:若存在误检土壤区域,则发送重拍指令至无人机。
第二方面,本申请实施例提供一种新型环保土壤检测调控系统,其包括:目标环境图像拍摄模块,用于通过无人机拍摄目标环境图像。目标区域图像划分模块,用于利用聚类分析法,将目标环境图像划分为多个目标区域图像。目标样品提取模块,用于对任一目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品。判断矩阵构造模块,用于获取目标区域的土壤参数,并根据土壤参数,构造判断矩阵。土壤质量评价模块,用于基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果。参数对比模块,用于将土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值。调控方案确定模块,用于将超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据超标因素确定调控方案。
在本发明的一些实施例中,上述目标区域图像划分模块包括:框选单元,用于将目标环境图像的图像边界作为框选起点,利用预设框对目标环境图像进行框选,以得到多个框选图像。相似度计算单元,用于将任一框选图像作为标准图像,计算标准图像与每个框选图像的相似度。目标区域图像构成单元,用于基于相似度,对所有框选图像进行分类,以构成多个目标区域图像。
在本发明的一些实施例中,上述新型环保土壤检测调控系统还包括:历史数据获取模块,用于获取目标环境任一阶段的历史数据,历史数据包括多个历史土壤数据和对应的历史图像区域。历史图像区域比较模块,用于比较所有历史图像区域,得到面积最小的历史图像区域。预选框设置模块,用于根据面积最小的历史图像区域的边框,设置预选框。
在本发明的一些实施例中,上述土壤质量评价模块包括:相对污染值计算单元,用于利用污染指数公式计算任一土壤参数的相对污染值,其中,Pi为土壤参数的相对污染值,Ci为土壤参数的实测浓度值,C0为土壤参数的最高允许标准值。
在本发明的一些实施例中,上述预置特征要素包括植被覆盖特点、地下水系布置特点和居民区分布特点。
在本发明的一些实施例中,上述目标环境图像拍摄模块包括:误检土壤区域判断单元,用于获取拍摄范围,并根据拍摄范围,检测目标环境图像是否存在误检土壤区域。
在本发明的一些实施例中,上述目标环境图像拍摄模块还包括:重拍单元,用于若存在误检土壤区域,则发送重拍指令至无人机。
第三方面,本申请实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第一方面中任一项的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
本发明提供一种新型环保土壤检测调控方法及系统,其包括如下步骤:通过无人机拍摄目标环境图像。利用聚类分析法,将目标环境图像划分为多个目标区域图像。对任一目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品。获取目标区域的土壤参数,并根据土壤参数,构造判断矩阵。基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果。将土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值。将超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据超标因素确定调控方案。
该方法及系统利用聚类分析法按照目标环境图像中相似部分的相似度将目标环境图像划分为多个目标区域图像,保证了对目标环境图像划分的准确性。并对各个目标区域图像进行预处理,以改善每个目标区域图像的图像质量。通过确定每个目标区域图像中符合预置特征要素的目标样本区域,以从目标样本区域中提取到对应目标区域图像中较为具有代表性的目标样品。该方法及系统以土壤参数为基础构造判断矩阵,通过判断矩阵判断出各土壤参数的相对重要性后,根据各土壤参数的相对重要性,利用单因子指数法计算各土壤参数的相对污染值,以分析各土壤参数,得到土壤质量评价结果,以全面分析各土壤参数。并通过对比目标区域的土壤质量评价结果和该目标区域的预设土壤质量指标,以准确得到目标区域图像中土壤的超标参数和具体的参数值。将超标参数和对应参数值输入至预置土壤分析模型,预置土壤分析模型可以对超标参数和对应参数值进行分析,以得到导致该目标区域某项参数超标的超标因素。从而根据超标因素则可以确定各目标区域的调控方案。实现了根据不同目标区域的土质要求和土壤特征,针对性选择不同土壤调控方案的目的,达到了较好的土壤治理效果,有效避免了由于调控不当而造成严重环境问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种新型环保土壤检测调控方法的流程图;
图2为本发明实施例提供的一种新型环保土壤检测调控系统的结构框图;
图3为本发明实施例提供的一种电子设备的示意性结构框图。
图标:100-新型环保土壤检测调控系统;110-目标环境图像拍摄模块;120-目标区域图像划分模块;130-目标样品提取模块;140-判断矩阵构造模块;150-土壤质量评价模块;160-参数对比模块;170-调控方案确定模块;101-存储器;102-处理器;103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,若出现术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,若出现由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参阅图1,图1所示为本申请实施例提供的一种新型环保土壤检测调控方法的流程图。一种新型环保土壤检测调控方法,其包括如下步骤:
S110:通过无人机拍摄目标环境图像;
具体的,利用无人机航飞至目标环境上空,以拍摄目标环境图像。
S120:利用聚类分析法,将目标环境图像划分为多个目标区域图像;
其中,聚类分析法是一种多变量统计技术,是研究分类的一种多元统计方法。
具体的,可以将目标环境图像的图像边界作为框选起点,利用预设框对目标环境图像进行框选,以得到多个框选图像。利用聚类分析法可以根据框选图像之间的相似度将框选图像进行集合,从而按照框选图像的相似度将目标环境图像划分为多个目标区域图像,使得任一目标区域图像中的框选图像之间相似度较大,保证了对目标环境图像划分的准确性。
S130:对任一目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品;
具体的,对各个目标区域图像进行预处理,以改善每个目标区域图像的图像质量。紧接着确定每个目标区域图像中符合预置特征要素的目标样本区域,进而从目标样本区域中提取到对应目标区域图像中较为具有代表性的目标样品。
其中,上述预处理可以是对任一目标区域图像进行滤波处理,进而在尽量保证目标区域图像细节特征的前提下对目标区域图像中的噪声进行抑制,以保证后续对目标区域图像处理和分析的有效性和可靠性。
S140:获取目标区域的土壤参数,并根据土壤参数,构造判断矩阵;
具体的,以土壤参数为基础构造判断矩阵,判断矩阵可以判断各土壤参数的相对重要性。
S150:基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果;
具体的,根据判断矩阵得到的各土壤参数的相对重要性,利用单因子指数法计算各土壤参数的相对污染值,以分析各土壤参数,得到土壤质量评价结果。该土壤质量评价结果较为全面的包含了对各土壤参数的分析结果。
S160:将土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值;
具体的,通过对比目标区域的土壤质量评价结果和该目标区域的预设土壤质量指标,进而准确得到目标区域图像中土壤的超标参数和具体的参数值。
其中,可以根据目标区域的历史土壤质量数据确定预设土壤质量指标。
S170:将超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据超标因素确定调控方案。
具体的,预置土壤分析模型可以对超标参数和对应参数值进行分析,以得到导致该目标区域某项参数超标的超标因素。从而根据超标因素则可以确定各目标区域的调控方案。也就实现了根据不同目标区域的土质要求和土壤特征,针对性选择不同土壤调控方案的目的,达到了较好的土壤治理效果,有效避免了由于调控不当而造成严重环境问题。
其中,上述超标参数可以是土壤酸化度,则超标因素为氮肥使用过多,对应的调控方案可以为选择使用碱性含钾肥料来调节图像内部的PH值,例如施用草木灰。
此外,上述超标参数可以是土壤次生盐渍化度,则超标因素为土壤含盐量过高,对应的调控方案可以为灌水洗盐、生物除盐及换土换盐。
在本实施例的一些实施方式中,将超标参数和对应参数值输入至预置土壤分析模型的步骤之前,还包括:建立土壤分析初始模型。获取样本,样本包括多个历史超标参数和对应的超标因素。利用多个样本训练土壤分析初始模型,得到预置土壤分析模型。
在本实施例的一些实施方式中,上述利用聚类分析法,将目标环境图像划分为多个目标区域图像的步骤包括:将目标环境图像的图像边界作为框选起点,利用预设框对目标环境图像进行框选,以得到多个框选图像。将任一框选图像作为标准图像,计算标准图像与每个框选图像的相似度。基于相似度,对所有框选图像进行分类,以构成多个目标区域图像。具体的,首先设置相似度阈值,再按照各框选图像和标准图像的相似度,将相似度不超过同一相似度阈值的框选图像分成同一类别,同类别的所有框选图像构成一个目标区域图像。实现了根据框选图像之间的相似度将框选图像进行集合的目的,从而按照框选图像的相似度将目标环境图像划分为多个目标区域图像,使得任一目标区域图像中的框选图像之间相似度较大,保证了对目标环境图像划分的准确性。
在本实施例的一些实施方式中,上述将目标环境图像的图像边界作为框选起点,利用预设框对目标环境图像进行框选,以得到多个框选图像的步骤之前,该方法还包括:获取目标环境任一阶段的历史数据,历史数据包括多个历史土壤数据和对应的历史图像区域。比较所有历史图像区域,得到面积最小的历史图像区域。根据面积最小的历史图像区域的边框,设置预选框。具体的,将面积最小的历史图像区域的边框作为预选框,从而达到尽量将目标环境图像进行细化框选的效果。
在本实施例的一些实施方式中,上述基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果的步骤包括:利用污染指数公式计算任一土壤参数的相对污染值,其中,Pi为土壤参数的相对污染值,Ci为土壤参数的实测浓度值,C0为土壤参数的最高允许标准值。
在本实施例的一些实施方式中,上述预置特征要素包括植被覆盖特点、地下水系布置特点和居民区分布特点。从而根据植被覆盖特点、地下水系布置特点和居民区分布特点对目标区域图像进行搜索,以找到符合预置特征要素的目标样本区域。
在本实施例的一些实施方式中,上述通过无人机拍摄目标环境图像的步骤包括:获取拍摄范围,并根据拍摄范围,检测目标环境图像是否存在误检土壤区域。具体的,根据拍摄范围判断目标环境图像中是否存在误检土壤区域,以保证目标环境图像是否与拍摄范围一致。
在本实施例的一些实施方式中,上述通过无人机拍摄目标环境图像的步骤还包括:若存在误检土壤区域,则发送重拍指令至无人机。从而保证了无人机所拍摄的目标环境图像的准确性。
请参照图2,图2所示为本发明实施例提供的一种新型环保土壤检测调控系统100的结构框图。本申请实施例提供一种新型环保土壤检测调控系统100,其包括:目标环境图像拍摄模块110,用于通过无人机拍摄目标环境图像。目标区域图像划分模块120,用于利用聚类分析法,将目标环境图像划分为多个目标区域图像。目标样品提取模块130,用于对任一目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品。判断矩阵构造模块140,用于获取目标区域的土壤参数,并根据土壤参数,构造判断矩阵。土壤质量评价模块150,用于基于判断矩阵,利用单因子指数法分析土壤参数,得到土壤质量评价结果。参数对比模块160,用于将土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值。调控方案确定模块170,用于将超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据超标因素确定调控方案。
具体的,该系统利用聚类分析法按照目标环境图像中相似部分的相似度将目标环境图像划分为多个目标区域图像,保证了对目标环境图像划分的准确性。并对各个目标区域图像进行预处理,以改善每个目标区域图像的图像质量。通过确定每个目标区域图像中符合预置特征要素的目标样本区域,以从目标样本区域中提取到对应目标区域图像中较为具有代表性的目标样品。该系统以土壤参数为基础构造判断矩阵,通过判断矩阵判断出各土壤参数的相对重要性后,根据各土壤参数的相对重要性,利用单因子指数法计算各土壤参数的相对污染值,以分析各土壤参数,得到土壤质量评价结果,以全面分析各土壤参数。并通过对比目标区域的土壤质量评价结果和该目标区域的预设土壤质量指标,以准确得到目标区域图像中土壤的超标参数和具体的参数值。将超标参数和对应参数值输入至预置土壤分析模型,预置土壤分析模型可以对超标参数和对应参数值进行分析,以得到导致该目标区域某项参数超标的超标因素。从而根据超标因素则可以确定各目标区域的调控方案。实现了根据不同目标区域的土质要求和土壤特征,针对性选择不同土壤调控方案的目的,达到了较好的土壤治理效果,有效避免了由于调控不当而造成严重环境问题。
在本实施例的一些实施方式中,上述目标区域图像划分模块120包括:框选单元,用于将目标环境图像的图像边界作为框选起点,利用预设框对目标环境图像进行框选,以得到多个框选图像。相似度计算单元,用于将任一框选图像作为标准图像,计算标准图像与每个框选图像的相似度。目标区域图像构成单元,用于基于相似度,对所有框选图像进行分类,以构成多个目标区域图像。具体的,首先设置相似度阈值,再按照各框选图像和标准图像的相似度,将相似度不超过同一相似度阈值的框选图像分成同一类别,同类别的所有框选图像构成一个目标区域图像。实现了根据框选图像之间的相似度将框选图像进行集合的目的,从而按照框选图像的相似度将目标环境图像划分为多个目标区域图像,使得任一目标区域图像中的框选图像之间相似度较大,保证了对目标环境图像划分的准确性。
在本实施例的一些实施方式中,上述新型环保土壤检测调控系统100还包括:历史数据获取模块,用于获取目标环境任一阶段的历史数据,历史数据包括多个历史土壤数据和对应的历史图像区域。历史图像区域比较模块,用于比较所有历史图像区域,得到面积最小的历史图像区域。预选框设置模块,用于根据面积最小的历史图像区域的边框,设置预选框。具体的,将面积最小的历史图像区域的边框作为预选框,从而达到尽量将目标环境图像进行细化框选的效果。
在本实施例的一些实施方式中,上述土壤质量评价模块150包括:相对污染值计算单元,用于利用污染指数公式计算任一土壤参数的相对污染值,其中,Pi为土壤参数的相对污染值,Ci为土壤参数的实测浓度值,C0为土壤参数的最高允许标准值。
在本实施例的一些实施方式中,上述预置特征要素包括植被覆盖特点、地下水系布置特点和居民区分布特点。从而根据植被覆盖特点、地下水系布置特点和居民区分布特点对目标区域图像进行搜索,以找到符合预置特征要素的目标样本区域。
在本实施例的一些实施方式中,上述目标环境图像拍摄模块110包括:误检土壤区域判断单元,用于获取拍摄范围,并根据拍摄范围,检测目标环境图像是否存在误检土壤区域。具体的,根据拍摄范围判断目标环境图像中是否存在误检土壤区域,以保证目标环境图像是否与拍摄范围一致。
在本实施例的一些实施方式中,上述目标环境图像拍摄模块110还包括:重拍单元,用于若存在误检土壤区域,则发送重拍指令至无人机。从而保证了无人机所拍摄的目标环境图像的准确性。
请参阅图3,图3为本申请实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,如本申请实施例所提供的一种新型环保土壤检测调控系统100对应的程序指令/模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器101(Random Access Memory,RAM),只读存储器101(Read Only Memory,ROM),可编程只读存储器101(ProgrammableRead-Only Memory,PROM),可擦除只读存储器101(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器102,包括中央处理器102(Central Processing Unit,CPU)、网络处理器102(Network Processor,NP)等;还可以是数字信号处理器102(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。
可以理解,图3所示的结构仅为示意,电子设备还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请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,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器101(ROM,Read-Only Memory)、随机存取存储器101(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种新型环保土壤检测调控方法,其特征在于,包括如下步骤:
通过无人机拍摄目标环境图像;
利用聚类分析法,将所述目标环境图像划分为多个目标区域图像;
对任一所述目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品;
获取目标区域的土壤参数,并根据所述土壤参数,构造判断矩阵;
基于所述判断矩阵,利用单因子指数法分析所述土壤参数,得到土壤质量评价结果;
将所述土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值;
将所述超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据所述超标因素确定调控方案。
2.根据权利要求1所述的新型环保土壤检测调控方法,其特征在于,所述利用聚类分析法,将所述目标环境图像划分为多个目标区域图像的步骤包括:
将所述目标环境图像的图像边界作为框选起点,利用预设框对所述目标环境图像进行框选,以得到多个框选图像;
将任一所述框选图像作为标准图像,计算所述标准图像与每个所述框选图像的相似度;
基于所述相似度,对所有所述框选图像进行分类,以构成多个目标区域图像。
3.根据权利要求2所述的新型环保土壤检测调控方法,其特征在于,将所述目标环境图像的图像边界作为框选起点,利用预设框对所述目标环境图像进行框选,以得到多个框选图像的步骤之前,还包括:
获取目标环境任一阶段的历史数据,所述历史数据包括多个历史土壤数据和对应的历史图像区域;
比较所有所述历史图像区域,得到面积最小的历史图像区域;
根据面积最小的所述历史图像区域的边框,设置预选框。
5.根据权利要求1所述的新型环保土壤检测调控方法,其特征在于,所述预置特征要素包括植被覆盖特点、地下水系布置特点和居民区分布特点。
6.根据权利要求1所述的新型环保土壤检测调控方法,其特征在于,所述通过无人机拍摄目标环境图像的步骤包括:
获取拍摄范围,并根据所述拍摄范围,检测所述目标环境图像是否存在误检土壤区域。
7.根据权利要求6所述的新型环保土壤检测调控方法,其特征在于,所述通过无人机拍摄目标环境图像的步骤还包括:
若存在所述误检土壤区域,则发送重拍指令至所述无人机。
8.一种新型环保土壤检测调控系统,其特征在于,包括:
目标环境图像拍摄模块,用于通过无人机拍摄目标环境图像;
目标区域图像划分模块,用于利用聚类分析法,将所述目标环境图像划分为多个目标区域图像;
目标样品提取模块,用于对任一所述目标区域图像进行预处理,利用预置特征要素确定目标样本区域,以提取目标样品;
判断矩阵构造模块,用于获取目标区域的土壤参数,并根据所述土壤参数,构造判断矩阵;
土壤质量评价模块,用于基于所述判断矩阵,利用单因子指数法分析所述土壤参数,得到土壤质量评价结果;
参数对比模块,用于将所述土壤质量评价结果与预设土壤质量指标进行对比,得到超标参数和对应参数值;
调控方案确定模块,用于将所述超标参数和对应参数值输入至预置土壤分析模型,得到超标因素,并根据所述超标因素确定调控方案。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111369574.2A CN114066854A (zh) | 2021-11-16 | 2021-11-16 | 一种新型环保土壤检测调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111369574.2A CN114066854A (zh) | 2021-11-16 | 2021-11-16 | 一种新型环保土壤检测调控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114066854A true CN114066854A (zh) | 2022-02-18 |
Family
ID=80277948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111369574.2A Pending CN114066854A (zh) | 2021-11-16 | 2021-11-16 | 一种新型环保土壤检测调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066854A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115389691A (zh) * | 2022-10-31 | 2022-11-25 | 山东正实环保科技有限公司 | 一种基于气相色谱仪器的环境监测方法 |
CN116307383A (zh) * | 2023-03-15 | 2023-06-23 | 中国烟草总公司重庆市公司烟叶分公司 | 一种基于生态平衡的土地精细化保育改良方法及系统 |
CN117172992A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 一种污染农田土壤的微生态特征调查方法及系统 |
CN117314204A (zh) * | 2023-11-29 | 2023-12-29 | 四川省能源地质调查研究所 | 一种地热高温异常区域预测方法 |
-
2021
- 2021-11-16 CN CN202111369574.2A patent/CN114066854A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115389691A (zh) * | 2022-10-31 | 2022-11-25 | 山东正实环保科技有限公司 | 一种基于气相色谱仪器的环境监测方法 |
CN116307383A (zh) * | 2023-03-15 | 2023-06-23 | 中国烟草总公司重庆市公司烟叶分公司 | 一种基于生态平衡的土地精细化保育改良方法及系统 |
CN116307383B (zh) * | 2023-03-15 | 2023-11-07 | 中国烟草总公司重庆市公司烟叶分公司 | 一种基于生态平衡的土地精细化保育改良方法及系统 |
CN117172992A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 一种污染农田土壤的微生态特征调查方法及系统 |
CN117172992B (zh) * | 2023-11-02 | 2023-12-29 | 北京建工环境修复股份有限公司 | 一种污染农田土壤的微生态特征调查方法及系统 |
CN117314204A (zh) * | 2023-11-29 | 2023-12-29 | 四川省能源地质调查研究所 | 一种地热高温异常区域预测方法 |
CN117314204B (zh) * | 2023-11-29 | 2024-01-30 | 四川省能源地质调查研究所 | 一种地热高温异常区域预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114066854A (zh) | 一种新型环保土壤检测调控方法及系统 | |
CN108846832B (zh) | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 | |
CN104298998B (zh) | 一种3d点云的数据处理方法 | |
Adhikari et al. | Topographic controls on soil nutrient variations in a silvopasture system | |
CN112101159B (zh) | 多时相林业遥感影像变化监测方法 | |
Juhos et al. | Influence of soil properties on crop yield: a multivariate statistical approach | |
Mishra et al. | A Deep Learning-Based Novel Approach for Weed Growth Estimation. | |
CN114663764B (zh) | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 | |
CN101893704A (zh) | 一种基于粗糙集的雷达辐射源信号识别方法 | |
CN111028255A (zh) | 基于先验信息与深度学习的农田区域预筛选方法及装置 | |
CN115965812B (zh) | 无人机影像对湿地植被物种和地物分类的评估方法 | |
CN116699096B (zh) | 一种基于深度学习的水质检测方法和系统 | |
CN109115992A (zh) | 一种农田土壤健康评价系统 | |
Herbei et al. | Processing and use of satellite images in order to extract useful information in precision agriculture. | |
CN107680098A (zh) | 一种甘蔗蔗节特征的识别方法 | |
CN112084716B (zh) | 一种基于富营养化综合评价的赤潮预测预警方法 | |
Miranda et al. | Variable selection for estimating individual tree height using genetic algorithm and random forest | |
CN106935038B (zh) | 一种停车检测系统及检测方法 | |
Kathuria et al. | Development of an automated individual tree detection model using point cloud LiDAR data for accurate tree counts in a Pinus radiata plantation | |
CN102938069A (zh) | 一种基于信息熵的纯净和混合像元自动划分方法 | |
Fynn et al. | Forest fragmentation analysis from multiple imaging formats | |
CN117763186A (zh) | 遥感图像检索方法、系统、计算机设备及存储介质 | |
Puno et al. | Vision system for soil nutrient detection using fuzzy logic | |
Silva et al. | Geostatistics and remote sensing methods in the classification of images of areas cultivated with citrus | |
CN109409748B (zh) | 一种耕地质量评价指标关联性的检核方法及系统 |
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 |