CN114088885B - 一种大气污染物走航检测系统 - Google Patents
一种大气污染物走航检测系统 Download PDFInfo
- Publication number
- CN114088885B CN114088885B CN202111388447.7A CN202111388447A CN114088885B CN 114088885 B CN114088885 B CN 114088885B CN 202111388447 A CN202111388447 A CN 202111388447A CN 114088885 B CN114088885 B CN 114088885B
- Authority
- CN
- China
- Prior art keywords
- data
- detection
- regional
- cruising
- assimilation
- 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.)
- Active
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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Abstract
本发明涉及污染物检测,具体涉及一种大气污染物走航检测系统,包括服务器、数据处理模块和巡航路线规划模块,服务器通过数据采集模块采集分布式环境检测基站检测的环境数据,以及区域建设数据库中的区域用地类型数据,数据处理模块通过插值算法对离散分布的环境数据进行处理,并输出同化数据,巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,巡航检测设备往复于巡检路径,并将检测数据上传至服务器,服务器通过污染源定位模块对污染源进行定位;本发明提供的技术方案能够有效克服现有技术所存在的不能合理设置走航巡检路径、无法对待测区域内污染源进行准确定位的缺陷。
Description
技术领域
本发明涉及污染物检测,具体涉及一种大气污染物走航检测系统。
背景技术
随着经济技术的不断发展,我国的城市化进程也逐渐加快,城市内部的工业区也越来越多。而随着城市化的发展,人们对于环境问题也日益关注。
随着城市内工业区的不断增加,工业区的大气污染排放一直是城市污染的核心问题之一,以SO2、氮氧化物、可吸入颗粒物、CO、臭氧为主的大气污染物给人们的生活环境带来了巨大冲击。
针对工业区域进行大气污染物分析检测时,现有研究往往忽略了各大工业排放点对于周围空气质量的影响。对于非空气质量检测站周边位置进行检测时,工业区域排放点生产的排放要素将很大程度上影响检测结果。对于工业区域大气污染的监测预警,往往采用的是固定模式的空气质量监测站,即通过在工业区域中设立若干个位置固定的空气质量监测站,实时检测周围空气的污染物,并根据检测数据进行空气质量预警。
但是,目前的预警手段单一,而且数据来源于固定的空气质量监测站,数据来源也比较单一,并且往往只能够体现监测站附近的空气质量状况,而对于远离监测站的大气污染物浓度难以进行有效监测。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点,本发明提供了一种大气污染物走航检测系统,能够有效克服现有技术所存在的不能合理设置走航巡检路径、无法对待测区域内污染源进行准确定位的缺陷。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种大气污染物走航检测系统,包括服务器、数据处理模块和巡航路线规划模块,所述服务器通过数据采集模块采集分布式环境检测基站检测的环境数据,以及区域建设数据库中的区域用地类型数据,所述数据处理模块通过插值算法对离散分布的环境数据进行处理,并输出同化数据,所述巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,所述巡航检测设备往复于巡检路径,并将检测数据上传至服务器,所述服务器通过污染源定位模块对污染源进行定位。
优选地,所述数据处理模块通过插值算法对离散分布的环境数据进行处理,并输出同化数据,包括:
S11、根据待测区域特点建立空气质量模型,并选取待测区域所覆盖的分布式环境检测基站;
S12、通过插值算法对分布式环境检测基站检测的环境数据进行插值处理,生成覆盖待测区域中所有网格点的面状数据;
S13、将面状数据与待测区域空间进行匹配,使得面状数据划分为与待测区域空间分辨率一致,经纬度匹配的网格数据;
S14、将通过空气质量模型得到的模拟数据与网格数据进行集合最优插值数据同化,生成同化数据。
优选地,S12中通过插值算法对分布式环境检测基站检测的环境数据进行插值处理之前,包括:
通过位置检查、极值检查和数据一致性检测,对明显不符合要求的环境数据进行滤除。
优选地,所述网格数据中每个网格点都包含该点的经纬度坐标,以及该点对应的大气污染物浓度数据。
优选地,S14中将通过空气质量模型得到的模拟数据与网格数据进行集合最优插值数据同化,生成同化数据,包括:
根据大气污染物的数据分布,设置集合最优插值算法中的背景误差协方差,并将通过空气质量模型得到的模拟数据与网格数据进行数据同化。
优选地,所述巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,包括:
S21、巡航路线规划模块对区域用地类型数据进行分析,基于用地类型对可能存在污染源的区域地块进行标记,并进行密度调节;
S22、从标记的区域地块中随机抽取m个,分别作为m个聚类中心;
S23、计算其余区域地块到各聚类中心的相似度,并将这些区域地块划归至相似度最高的聚类;
S24、重新计算各聚类中心,并重新进行聚类运算;
S25、重复S23和S24,直至本轮聚类结果与上轮聚类结果之间的相异性小于设定阈值;
S26、结合聚类结果与同化数据对巡航检测设备的巡检路径进行规划。
优选地,S21中基于用地类型对可能存在污染源的区域地块进行标记,并进行密度调节,包括:
巡航路线规划模块对区域用地类型数据进行分析,基于用地类型标记区域地块,并对标记的区域地块设定密度权重w;
其中,密度权重w为大于1的正整数,表示用w个聚类点以该区域地块的形心为中心均匀分布覆盖该区域地块。
优选地,所述服务器通过污染源定位模块对污染源进行定位,包括:
计算通过巡航检测设备得到的各项污染物检测数据的高浓度阈值,并在待测区域的污染物浓度等值线图中依次确定高浓度区域;
获取各高浓度区域的形心坐标,并基于该处的风速及巡航检测设备高度对各形心坐标进行修正,修正后的各形心坐标所包围的区域即为污染源在待测区域中的位置。
优选地,所述计算通过巡航检测设备得到的各项污染物检测数据的高浓度阈值,包括:
采用下式计算污染物检测数据的高浓度阈值:
CT=(1-k)*maxn+k*minn
其中,k为各区域地块的系数,n为污染物类型,maxn表示该污染物浓度最大值,minn表示该污染物浓度最小值。
(三)有益效果
与现有技术相比,本发明所提供的一种大气污染物走航检测系统,具有以下有益效果:
1)数据处理模块将通过分布式环境检测基站得到的离散分布的环境数据,转化为能够充分体现大气污染检测时空分布特征的同化数据,巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,实现了在待测区域内走航巡检路径的合理设置;
2)染源定位模块计算通过巡航检测设备得到的各项污染物检测数据的高浓度阈值,并在待测区域中依次确定高浓度区域,同时基于风速及巡航检测设备高度对各高浓度区域的形心坐标进行修正,修正后的各形心坐标所包围的区域即为污染源在待测区域中的位置,实现了在待测区域内对污染源的准确定位。
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。
图1为本发明的系统示意图;
图2为本发明中数据处理模块输出同化数据的流程示意图;
图3为本发明中巡航路线规划模块对巡航检测设备的巡检路径进行规划的流程示意图。
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,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,都属于本发明保护的范围。
一种大气污染物走航检测系统,如图1所示,包括服务器、数据处理模块和巡航路线规划模块,服务器通过数据采集模块采集分布式环境检测基站检测的环境数据,以及区域建设数据库中的区域用地类型数据,数据处理模块通过插值算法对离散分布的环境数据进行处理,并输出同化数据,巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,巡航检测设备往复于巡检路径,并将检测数据上传至服务器,服务器通过污染源定位模块对污染源进行定位。
①如图2所示,数据处理模块通过插值算法对离散分布的环境数据进行处理,并输出同化数据,包括:
S11、根据待测区域特点建立空气质量模型,并选取待测区域所覆盖的分布式环境检测基站;
S12、通过插值算法对分布式环境检测基站检测的环境数据进行插值处理,生成覆盖待测区域中所有网格点的面状数据;
S13、将面状数据与待测区域空间进行匹配,使得面状数据划分为与待测区域空间分辨率一致,经纬度匹配的网格数据(网格数据中每个网格点都包含该点的经纬度坐标,以及该点对应的大气污染物浓度数据);
S14、将通过空气质量模型得到的模拟数据与网格数据进行集合最优插值数据同化,生成同化数据。
其中,通过插值算法对分布式环境检测基站检测的环境数据进行插值处理之前,包括:
通过位置检查、极值检查和数据一致性检测,对明显不符合要求的环境数据进行滤除。
其中,将通过空气质量模型得到的模拟数据与网格数据进行集合最优插值数据同化,生成同化数据,包括:
根据大气污染物的数据分布,设置集合最优插值算法中的背景误差协方差,并将通过空气质量模型得到的模拟数据与网格数据进行数据同化。
本申请技术方案中,数据处理模块能够将通过分布式环境检测基站得到的离散分布的环境数据,转化为能够充分体现大气污染检测时空分布特征的同化数据,保证后续对巡航检测设备的巡检路径规划的准确性。
②如图3所示,巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,包括:
S21、巡航路线规划模块对区域用地类型数据进行分析,基于用地类型对可能存在污染源的区域地块进行标记,并进行密度调节;
S22、从标记的区域地块中随机抽取m个,分别作为m个聚类中心;
S23、计算其余区域地块到各聚类中心的相似度,并将这些区域地块划归至相似度最高的聚类;
S24、重新计算各聚类中心,并重新进行聚类运算;
S25、重复S23和S24,直至本轮聚类结果与上轮聚类结果之间的相异性小于设定阈值;
S26、结合聚类结果与同化数据对巡航检测设备的巡检路径进行规划。
其中,基于用地类型对可能存在污染源的区域地块进行标记,并进行密度调节,包括:
巡航路线规划模块对区域用地类型数据进行分析,基于用地类型标记区域地块,并对标记的区域地块设定密度权重w;
其中,密度权重w为大于1的正整数,表示用w个聚类点以该区域地块的形心为中心均匀分布覆盖该区域地块。
本申请技术方案中,巡航路线规划模块在规划巡航检测设备的巡检路径过程中,采用了可调节的聚类算法。可调节的聚类算法的核心思想在于,基于对区域用地类型数据的分析,充分了解区域地块的用地属性,并根据用地属性用w个聚类点对相应区域地块进行均匀分布覆盖,以保证后续聚类运算得到的各聚类中心能够充分反映可能存在污染源的分布位置。
③服务器通过污染源定位模块对污染源进行定位,包括:
计算通过巡航检测设备得到的各项污染物检测数据的高浓度阈值,并在待测区域的污染物浓度等值线图中依次确定高浓度区域;
获取各高浓度区域的形心坐标,并基于该处的风速及巡航检测设备高度对各形心坐标进行修正,修正后的各形心坐标所包围的区域即为污染源在待测区域中的位置。
其中,计算通过巡航检测设备得到的各项污染物检测数据的高浓度阈值,包括:
采用下式计算污染物检测数据的高浓度阈值:
CT=(1-k)*maxn+k*minn
其中,k为各区域地块的系数,n为污染物类型,maxn表示该污染物浓度最大值,minn表示该污染物浓度最小值。
本申请技术方案中,构建了“将离散分布的环境数据转化为体现时空分布特征的同化数据—通过可调节的聚类算法结合同化数据确定巡检路径—基于高浓度阈值确定高浓度区域,并对污染源进行定位”的大气污染物走航巡检系统,一方面能够保证待测区域内所设置巡检路径的合理性,另一方面能够保证对待测区域内部污染源定位的准确性。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种大气污染物走航检测系统,其特征在于:包括服务器、数据处理模块和巡航路线规划模块,所述服务器通过数据采集模块采集分布式环境检测基站检测的环境数据,以及区域建设数据库中的区域用地类型数据,所述数据处理模块通过插值算法对离散分布的环境数据进行处理,并输出同化数据,所述巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,所述巡航检测设备往复于巡检路径,并将检测数据上传至服务器,所述服务器通过污染源定位模块对污染源进行定位;
所述巡航路线规划模块根据区域用地类型数据通过可调节的聚类算法,并结合同化数据对巡航检测设备的巡检路径进行规划,包括:
S21、巡航路线规划模块对区域用地类型数据进行分析,基于用地类型对可能存在污染源的区域地块进行标记,并进行密度调节;
S22、从标记的区域地块中随机抽取m个,分别作为m个聚类中心;
S23、计算其余区域地块到各聚类中心的相似度,并将这些区域地块划归至相似度最高的聚类;
S24、重新计算各聚类中心,并重新进行聚类运算;
S25、重复S23和S24,直至本轮聚类结果与上轮聚类结果之间的相异性小于设定阈值;
S26、结合聚类结果与同化数据对巡航检测设备的巡检路径进行规划;
所述服务器通过污染源定位模块对污染源进行定位,包括:
计算通过巡航检测设备得到的各项污染物检测数据的高浓度阈值,并在待测区域的污染物浓度等值线图中依次确定高浓度区域;
获取各高浓度区域的形心坐标,并基于该处的风速及巡航检测设备高度对各形心坐标进行修正,修正后的各形心坐标所包围的区域即为污染源在待测区域中的位置。
2.根据权利要求1所述的大气污染物走航检测系统,其特征在于:所述数据处理模块通过插值算法对离散分布的环境数据进行处理,并输出同化数据,包括:
S11、根据待测区域特点建立空气质量模型,并选取待测区域所覆盖的分布式环境检测基站;
S12、通过插值算法对分布式环境检测基站检测的环境数据进行插值处理,生成覆盖待测区域中所有网格点的面状数据;
S13、将面状数据与待测区域空间进行匹配,使得面状数据划分为与待测区域空间分辨率一致,经纬度匹配的网格数据;
S14、将通过空气质量模型得到的模拟数据与网格数据进行集合最优插值数据同化,生成同化数据。
3.根据权利要求2所述的大气污染物走航检测系统,其特征在于:S12中通过插值算法对分布式环境检测基站检测的环境数据进行插值处理之前,包括:
通过位置检查、极值检查和数据一致性检测,对明显不符合要求的环境数据进行滤除。
4.根据权利要求2所述的大气污染物走航检测系统,其特征在于:所述网格数据中每个网格点都包含该点的经纬度坐标,以及该点对应的大气污染物浓度数据。
5.根据权利要求2所述的大气污染物走航检测系统,其特征在于:S14中将通过空气质量模型得到的模拟数据与网格数据进行集合最优插值数据同化,生成同化数据,包括:
根据大气污染物的数据分布,设置集合最优插值算法中的背景误差协方差,并将通过空气质量模型得到的模拟数据与网格数据进行数据同化。
6.根据权利要求1所述的大气污染物走航检测系统,其特征在于:S21中基于用地类型对可能存在污染源的区域地块进行标记,并进行密度调节,包括:
巡航路线规划模块对区域用地类型数据进行分析,基于用地类型标记区域地块,并对标记的区域地块设定密度权重w;
其中,密度权重w为大于1的正整数,表示用w个聚类点以该区域地块的形心为中心均匀分布覆盖该区域地块。
7.根据权利要求1所述的大气污染物走航检测系统,其特征在于:所述计算通过巡航检测设备得到的各项污染物检测数据的高浓度阈值,包括:
采用下式计算污染物检测数据的高浓度阈值:
CT=(1-k)*maxn+k*minn
其中,k为各区域地块的系数,n为污染物类型,maxn表示该污染物浓度最大值,minn表示该污染物浓度最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111388447.7A CN114088885B (zh) | 2021-11-22 | 2021-11-22 | 一种大气污染物走航检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111388447.7A CN114088885B (zh) | 2021-11-22 | 2021-11-22 | 一种大气污染物走航检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114088885A CN114088885A (zh) | 2022-02-25 |
CN114088885B true CN114088885B (zh) | 2023-05-23 |
Family
ID=80302884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111388447.7A Active CN114088885B (zh) | 2021-11-22 | 2021-11-22 | 一种大气污染物走航检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114088885B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114254714B (zh) * | 2022-02-28 | 2022-04-29 | 东莞市鹏锦机械科技有限公司 | 一种高效nmp回收方法、系统和计算机可读存储介质 |
CN114770538B (zh) * | 2022-04-24 | 2023-12-19 | 国网上海市电力公司 | 一种机器人自动巡检方法 |
CN116048129B (zh) * | 2023-03-29 | 2023-07-25 | 航天宏图信息技术股份有限公司 | 污染物排放的监测方法、装置、电子设备和存储介质 |
CN116699072B (zh) * | 2023-06-08 | 2024-01-26 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN117237647B (zh) * | 2023-11-15 | 2024-01-26 | 成都嘉德数源环保科技有限公司 | 一种大气污染监测系统及方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9579700B2 (en) * | 2014-05-30 | 2017-02-28 | Iteris, Inc. | Measurement and modeling of salinity contamination of soil and soil-water systems from oil and gas production activities |
WO2017115342A1 (en) * | 2016-01-03 | 2017-07-06 | Yosef Mintz | System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities |
CN107894492A (zh) * | 2017-11-24 | 2018-04-10 | 成都立威斯科技有限公司 | 一种城市大气污染实时监测方法 |
CN109062216A (zh) * | 2018-08-28 | 2018-12-21 | 西北工业大学 | 一种生态环境监测系统 |
CN109444062B (zh) * | 2018-11-29 | 2021-07-13 | 西安交通大学 | 一种无人机载高排典型污染物差分吸收光谱检测方法 |
US11307187B2 (en) * | 2019-10-01 | 2022-04-19 | International Business Machines Corporation | Detection of area of abnormal air quality within a geographical area |
CN110673229A (zh) * | 2019-10-23 | 2020-01-10 | 新亚优华科技有限公司 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
CN112305163B (zh) * | 2020-10-21 | 2023-04-07 | 西北工业大学 | 基于固定翼无人机的大气污染监测系统及数据处理方法 |
CN112731967B (zh) * | 2020-12-24 | 2021-11-19 | 中科院计算技术研究所大数据研究院 | 一种基于聚类和遗传算法的多无人机协同任务规划方法 |
CN112783988A (zh) * | 2020-12-29 | 2021-05-11 | 同济大学 | 一种空调通风系统内部环境参数的监测反馈及分析方法 |
CN112800603A (zh) * | 2021-01-26 | 2021-05-14 | 北京航空航天大学 | 一种基于集合最优插值算法的大气环境数据同化方法 |
CN113447623A (zh) * | 2021-09-02 | 2021-09-28 | 航天宏图信息技术股份有限公司 | 一种大气环境监测方法及系统 |
-
2021
- 2021-11-22 CN CN202111388447.7A patent/CN114088885B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114088885A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114088885B (zh) | 一种大气污染物走航检测系统 | |
CN106525025B (zh) | 一种变电站巡检机器人路线规划导航方法 | |
CN109444232A (zh) | 一种多通道智能化污染气体监测装置与扩散溯源方法 | |
CN111830528A (zh) | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 | |
CN206756770U (zh) | 空气品质监控系统 | |
CN111563331B (zh) | 一种基于移动监测的区域大气污染分布预测方法 | |
CN112150804B (zh) | 一种基于MaskRCNN算法的城市多类型交叉口识别方法 | |
CN115185292A (zh) | 基于地空一体化的空气污染智能监测方法及平台 | |
CN114088633B (zh) | 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 | |
CN105547310B (zh) | 一种基于pm2.5健康出行的路径规划装置及方法 | |
CN109283303A (zh) | 一种水上定点巡航定位污染源的系统及方法 | |
CN109270543A (zh) | 一种对目标车辆周围车辆位置信息检测的系统和方法 | |
CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
CN112734970A (zh) | 基于LoRaWAN定位技术的风电场无人机自动巡检系统及方法 | |
CN109164214A (zh) | 一种边界污染源快速映射定位及强度反演系统及方法 | |
CN110929723A (zh) | 一种基于卷积神经网络的变电站指针式仪表的识别方法 | |
CN110503348B (zh) | 一种基于位置匹配的个体空气污染暴露模拟测量方法 | |
Pan et al. | Spatial variability of daytime CO2 concentration with landscape structure across urbanization gradients, Shanghai, China | |
CN113267601B (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
CN114002381A (zh) | 一种大气污染溯源扩散分析方法及装置 | |
CN110428398A (zh) | 一种基于深度学习的高铁接触网拉线缺陷检测方法 | |
Yao et al. | Application of UAV in monitoring chemical pollutant gases | |
CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN109557571B (zh) | 一种燃烧源智能追踪方法 | |
CN109815773A (zh) | 一种基于视觉的低慢小航空器探测方法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 501b9, Zhongke dadaozhen building, No. 767, Yulan Avenue, high tech Zone, Hefei, Anhui 230088 Patentee after: Zhongke Saiwu Technology (Anhui) Co.,Ltd. Address before: 501b9, Zhongke dadaozhen building, No. 767, Yulan Avenue, high tech Zone, Hefei, Anhui 230088 Patentee before: Anhui China Science and technology competition Technology Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |