CN114674758B - 利用废弃盐穴、矿坑地质储存co2的状态监测系统 - Google Patents

利用废弃盐穴、矿坑地质储存co2的状态监测系统 Download PDF

Info

Publication number
CN114674758B
CN114674758B CN202210583984.5A CN202210583984A CN114674758B CN 114674758 B CN114674758 B CN 114674758B CN 202210583984 A CN202210583984 A CN 202210583984A CN 114674758 B CN114674758 B CN 114674758B
Authority
CN
China
Prior art keywords
module
image
geological
pit
formula
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
Application number
CN202210583984.5A
Other languages
English (en)
Other versions
CN114674758A (zh
Inventor
张云峰
赵志强
杨元
卢茜茜
高奎锋
赵燕
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.)
No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources
Original Assignee
No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources
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 No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources filed Critical No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources
Priority to CN202210583984.5A priority Critical patent/CN114674758B/zh
Publication of CN114674758A publication Critical patent/CN114674758A/zh
Application granted granted Critical
Publication of CN114674758B publication Critical patent/CN114674758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种利用废弃盐穴、矿坑地质储存CO₂的状态监测系统，其中所述系统包括：机器人本体、控制系统、图像采集模块、无线遥感模块和地面分析系统，其中所述控制系统、图像采集模块、GPS定位模块和无线遥感模块设置所述机器人本体上，所述地面对比分析装置通过无线遥感模块实现与所述控制系统的交互，所述控制系统分别与图像采集模块、GPS定位模块和无线遥感模块连接。本发明通过机器人红外遥感技术进行高空图像拍摄，并进行图像分析，实时、在线对废弃盐穴、矿坑地质储存CO₂的状态监测，通过智能分析和计算方法实现状态监控，不仅提高了监测能力，安全性能高，监测效果高。

Description

利用废弃盐穴、矿坑地质储存CO2的状态监测系统
技术领域
本发明涉及监视技术领域，且更确切地涉及一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统。
背景技术
随着经济实力、科学技术等全方面的发展进步，公路建设的规模也随之增大。在全球气候变化的大背景下，CO2减排是当今社会已经达成共识并为之一直努力的行动目标。随着现代化建设的推进，在经济快速增长的同时CO2排放量势必将持续增加。面临巨大的CO2减排压力，开展CCS相关技术研发是应对气候变化的必然选择。
CO2封存技术可以分为3类：地质封存（封存在地质构造中，例如废弃的石油田和天然气田，不可开采的煤田以及高盐含水层构造），海洋封存（直接释放到海洋水体中或海底）以及将CO2固化成无机碳酸盐。其中海洋封存方式可以经固定管道或移动船只将CO2注入到水体/海底中（1000m以下最为理想）。但海洋封存的有效性及其对海底生态环境的影响尚处于研究阶段。将CO2固化成无机碳酸盐可以与金属氧化物反应并产生稳定的碳酸盐也是一种处理方式，但是金属氧化物富含于硅酸盐矿石中，还可以从废弃物流中少量获取。这项技术目前也还处于研究阶段。目前地质封存，比如利用废弃盐穴、矿坑地质储存CO2是成为们考虑的方向，但是利用废弃盐穴、矿坑地质储存CO2时，状态监控成为最为重要的一环，CO2浓度大小不仅影响当地生态环境，对动物存活能力也是很大的挑战，因此，如何监测CO2存储状态事关重大。
常规技术中通过传感器技术检测CO2，但是这种技术需要现场安装电子技术，而且需要人工将电子设备安装到现场，这种方法用于荒山野岭容易造成电子设备失灵，在人工不能涉足的地方也无法实现实地传感设备安装。
发明内容
针对上述技术的不足，本发明公开一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，通过机器人红外遥感技术进行高空图像拍摄，并进行图像分析，实时、在线对废弃盐穴、矿坑地质储存CO2的状态监测，通过智能分析和计算方法实现状态监控，不仅提高了监测能力，安全性能高，监测效果高。
为了实现上述技术效果，本发明采用以下技术方案：
一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其中所述系统包括：
机器人本体，利用无线电遥控设备和自备的程序控制装置操纵的不载人智能移动载体，用于行进至废弃盐穴或者矿坑地质储存CO2地带；
控制系统，用于控制机器人本体的行进状态；
图像采集模块，用于机器人本体采集废弃盐穴、矿坑地质储存CO2的状态图像信息；所述图像采集模块为提高图像采样精度并且融入采样保持电路的图像采集模块；
GPS定位模块，用于机器人本体定位废弃盐穴、矿坑地质储存CO2的位置；
无线遥感模块，用于机器人本体将采集到的废弃盐穴、矿坑地质储存CO2的状态图像信息传递到其他设备，以实现废弃盐穴、矿坑地质储存CO2数据信息分析；
地面分析系统，用于分析机器人本体所采集到的废弃盐穴、矿坑地质储存CO2数据信息；所述地面分析系统包括CO2图像对比模块；
其中所述控制系统、图像采集模块、GPS定位模块和无线遥感模块设置所述机器人本体上，所述地面对比分析装置通过无线遥感模块实现与所述控制系统的交互，所述控制系统分别与图像采集模块、GPS定位模块和无线遥感模块连接。
作为本发明进一步的技术方案，所述控制系统包括ARM控制模块和DSP计算模块，其中所述ARM控制模块和DSP计算模块互相连接通信，所述ARM控制模块外部连接有复位电路、晶振电路、OV7670模块和AL422B模块，所述ARM控制模块外部还连接有帧缓存器、无线通讯模块和显示模块，所述显示模块设置有无线遥感接口，所述控制系统ARM控制模块还连接有CMOS摄像头和GPS定位模块，所述DSP计算模块设置有扩展口、陀机、状态指示灯和信息发射机，所述信息接收机通过地面分析系统设置的信息接收机实现数据信息交互。
作为本发明进一步的技术方案，所述图像采集模块包括CMOS摄像头接口、分割模块、旋转模块、位置调整模块和适配模块，其中所述CMOS摄像头接口的输出端与分割模块的输入端连接，所述分割模块的输出端与旋转模块的输入端连接，所述旋转模块的输出端与位置调整模块的输入端连接，所述位置调整模块的输出端与适配模块的输入端连接。
作为本发明进一步的技术方案，所述采样保持电路SMPO4放大电路和OP490运放电路，其中所述SMPO4放大电路设置在OP490运放电路回路中。
作为本发明进一步的技术方案，所述图像采集模块实现图像采集的方法包括以下步骤:
步骤一、通过CMOS摄像头接口实现数据信息的输入；
步骤二、通过分割模块实现数据信息的输入的分割，分割储存CO2的废弃盐穴或者矿坑地质状态信息；
分割得到的CO2的废弃盐穴或者矿坑地质状态信息内部差异函数为：
Figure 386905DEST_PATH_IMAGE001
（1）
式（1）中，A为废弃盐穴或者矿坑地质CO2的存储在状态，C表示为存储CO2的废弃盐穴或者矿坑地质区域，a表示像素集合，物体图像及其周围相邻的8个像素边a的集合。
存储CO2的废弃盐穴或者矿坑地质两部分区域子集
Figure 477221DEST_PATH_IMAGE002
和
Figure 488164DEST_PATH_IMAGE003
的浓度差异函数记作为：
Figure 740154DEST_PATH_IMAGE004
（2）
式（2）中，
Figure 233452DEST_PATH_IMAGE005
和
Figure 2825DEST_PATH_IMAGE006
分别表示不同区域得废弃盐穴或者矿坑地质CO2的存储状态；
若区域子集
Figure 366811DEST_PATH_IMAGE002
和
Figure 822325DEST_PATH_IMAGE003
的浓度差异满足：
Figure 678285DEST_PATH_IMAGE007
（3）
式（3）中，
Figure 110404DEST_PATH_IMAGE008
和
Figure 594475DEST_PATH_IMAGE009
分别表示存储CO2的废弃盐穴或者矿坑地质区域，
Figure 860371DEST_PATH_IMAGE010
和
Figure 797103DEST_PATH_IMAGE011
合并为同一个浓度差异
Figure 53817DEST_PATH_IMAGE012
；
所采集图像中的最小浓度差异函数为：
Figure 267760DEST_PATH_IMAGE013
（4）
式（4）中，表示通过图像分割计算输出的图像最小浓度差异函数；
分割模块输出函数为：
Figure 563613DEST_PATH_IMAGE014
（5）
式（5）中，
Figure 987641DEST_PATH_IMAGE015
表示图像信息进行分割时外界天气影响系数；
步骤三、旋转模块实现获取图像信息的旋转；图像旋转到(x, y)时的梯度值可表示为：
Figure 761562DEST_PATH_IMAGE016
（6）
式（6）中，x, y表示机器人拍摄图像时，提取图像数据信息的像素点；
图像旋转到(x, y)时的旋转方向为：
Figure 95591DEST_PATH_IMAGE017
（7）
式（7）中，
Figure 63809DEST_PATH_IMAGE018
表示为旋转角度；
通过旋转模块输出的图像计算函数为：
Figure 709554DEST_PATH_IMAGE019
（8）
式（8）中，
Figure 287166DEST_PATH_IMAGE020
表示旋转模块开始工作时的图像数据处理信息，
Figure 741281DEST_PATH_IMAGE021
表示废弃盐穴或者矿坑地质CO2在不同区域存储状态获取的图像信息计算情况；
步骤四、通过位置调整模块使采集到的废弃盐穴或者矿坑地质CO2在不同区域上的梯度矩阵
Figure 378936DEST_PATH_IMAGE022
（9）
式（9）中，
Figure 544600DEST_PATH_IMAGE023
表示为所采集到图像信息在水平方向梯度，
Figure 801269DEST_PATH_IMAGE024
表示为所采集到图像信息在竖直方向梯度；
步骤五、通过适配模块实现梯度矩阵高斯滤波处理，以消除光照变化带来的误差，适配函数为：
Figure 968945DEST_PATH_IMAGE025
（10）
式（10）中，
Figure 43081DEST_PATH_IMAGE026
为机器人采集图像分割子块宽度的1/4，通过欧氏距离对图像特征点进行适配，适配公式为：
Figure 538784DEST_PATH_IMAGE027
（11）
式（11）中，
Figure 723778DEST_PATH_IMAGE028
和
Figure 247425DEST_PATH_IMAGE029
分别为机器人采集到的图像特征点a,b的特征描述算子。
作为本发明进一步的技术方案，所述地面分析系统包括图像数据信息库、第一评估模块和第二评估模块，其中所述图像数据信息库包括第一数据存储模块和第二数据存储模块，其中所述第一数据存储模块和第二数据存储模块的输出端与图像数据信息库的输入端连接，所述图像数据信息库的输出端与第一评估模块的输入端连接，所述第一评估模块的输出端与第二评估模块的输入端连接。
作为本发明进一步的技术方案，所述第一数据存储模块为图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的模块，所述第二数据存储模块为试验时环境下测量CO2存储浓度的图像样本；所述第一评估模块的方法为模板对比评估方法；所述第二评估模块的方法为基于BP 神经网络算法模型的评估方法。
作为本发明进一步的技术方案，对比评估方法为：通过试验时环境下测量CO2存储浓度的图像样本获取不同CO2浓度下的图像信息，将不同浓度下的信息作为对比模板，然后将图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的图像信息对比被测数据，将二者数据信息进行比较，进而获取废弃盐穴或者矿坑地质CO2存储状态与对比模板相近似的图像信息，再通过试验室下输出的CO2浓度，计算出废弃盐穴或者矿坑地质CO2存储浓度。
作为本发明进一步的技术方案，所述BP 神经网络算法模型包括输入层、提取层、分析层和输出层，其中所述输入层的输出端与提取层的输入端连接，所述提取层的输出端与分析层的输入端连接，所述分析层的输出端与输出层的输入端连接。
作为本发明进一步的技术方案，基于BP 神经网络算法模型的评估方法为：
通过输入层输入图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的数据信息，初始化BP 神经网络算法模型的数据信息状态，调整输出层权系统的公式为：
Figure 226883DEST_PATH_IMAGE030
（12）
式（12）中，
Figure 475461DEST_PATH_IMAGE031
表示BP 神经网络算法模型隐藏节点权重，
Figure 198567DEST_PATH_IMAGE032
表示学习效率，
Figure 75256DEST_PATH_IMAGE033
表示理论上CO2存储浓度的误差输出，
Figure 632139DEST_PATH_IMAGE034
表示实际采集到废弃盐穴或者矿坑地质CO2存储状态的数据信息，
Figure 994113DEST_PATH_IMAGE035
表示BP 神经网络算法模型隐层个数，
Figure 255330DEST_PATH_IMAGE036
表示BP 神经网络算法模型隐藏节点具有个数；
调整隐含层权系数的公式为：
Figure 127471DEST_PATH_IMAGE037
（13）
式（13）中，其中
Figure 714310DEST_PATH_IMAGE038
、
Figure 530956DEST_PATH_IMAGE039
和
Figure 2389DEST_PATH_IMAGE040
分别表示分别在
Figure 355135DEST_PATH_IMAGE035
、
Figure 112875DEST_PATH_IMAGE036
和
Figure 557763DEST_PATH_IMAGE041
个隐层个数下隐含层权具有的理论值；
图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的误差函数计算值为：
Figure 160783DEST_PATH_IMAGE042
（14）
式（14）中，
Figure 866571DEST_PATH_IMAGE043
为图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的实际值，
Figure 562256DEST_PATH_IMAGE044
为选择的模板数据信息存在的理论值，其中L表示为不同区域下的废弃盐穴或者矿坑地质CO2存储状态，p 表示实际采集到的废弃盐穴或者矿坑地质区域个数；假设采集的总废弃盐穴或者矿坑地质区域个数为N，则：
Figure 228861DEST_PATH_IMAGE045
（15）
式（15）为图像采集模块采集到的废弃盐穴或者矿坑地质状况。
本发明有益的积极效果在于，能够通过机器人红外遥感技术进行高空图像拍摄，并进行图像分析，实时、在线对废弃盐穴、矿坑地质储存CO2的状态监测，通过智能分析和计算方法实现状态监控，不仅提高了监测能力，安全性能高，监测效果高。还可以通过试验室环境下实现废弃盐穴、矿坑地质储存CO2的状态监测对比，进而输出不同浓度下废弃盐穴、矿坑地质储存CO2的图像信息装态，进而实现废弃盐穴、矿坑地质储存CO2的状态的远程在线监测。
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性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为本发明监控系统架构示意图；
图2为本发明中机器人控制系统架构示意图；
图3为本发明中样保持电路原理示意图；
图4为本发明中图像采集方法结构示意图；
图5为本发明中试验室状态下制作CO2浓度样本试验原理示意图；
图6为本发明中BP神经网络模型诊断CO2浓度的架构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1-6所示，一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，所述系统包括：
机器人本体，利用无线电遥控设备和自备的程序控制装置操纵的不载人智能移动载体，用于行进至废弃盐穴或者矿坑地质储存CO2地带；
控制系统，用于控制机器人本体的行进状态；
图像采集模块，用于机器人本体采集废弃盐穴、矿坑地质储存CO2的状态图像信息；所述图像采集模块为提高图像采样精度并且融入采样保持电路的图像采集模块；
GPS定位模块，用于机器人本体定位废弃盐穴、矿坑地质储存CO2的位置；
无线遥感模块，用于机器人本体将采集到的废弃盐穴、矿坑地质储存CO2的状态图像信息传递到其他设备，以实现废弃盐穴、矿坑地质储存CO2数据信息分析；
地面分析系统，用于分析机器人本体所采集到的废弃盐穴、矿坑地质储存CO2数据信息；所述地面分析系统包括CO2图像对比模块；
其中所述控制系统、图像采集模块、GPS定位模块和无线遥感模块设置所述机器人本体上，所述地面对比分析装置通过无线遥感模块实现与所述控制系统的交互，所述控制系统分别与图像采集模块、GPS定位模块和无线遥感模块连接。
在上述实施例中，所述控制系统包括ARM控制模块和DSP计算模块，其中所述ARM控制模块和DSP计算模块互相连接通信，所述ARM控制模块外部连接有复位电路、晶振电路、OV7670模块和AL422B模块，所述ARM控制模块外部还连接有帧缓存器、无线通讯模块和显示模块，所述显示模块设置有无线遥感接口，所述控制系统ARM控制模块还连接有CMOS摄像头和GPS定位模块，所述DSP计算模块设置有扩展口、陀机、状态指示灯和信息发射机，所述信息接收机通过地面分析系统设置的信息接收机实现数据信息交互。
在数据采集时，如图2所示，本申请采用ARM+DSP双核处理器实现存储CO2的废弃盐穴或者矿坑地质位置的定位，因ARM处理器功耗比较低，设置ARM为核心处理器。在设计机器人控制系统时，选用四翼行进器为基础，并添加嵌入式采集系统，加设螺旋装置、速度传感器、红外传感器、GPS定位模块等。在机载过部分，还设置有ARM9嵌入式控制系统、惯性测量模块、电机控制模块等，通过这些模块实现机器人本体的控制。在具体实施例中，ARM嵌入式处理器为ARM Cortex应用处理器，该芯片外接复位电路、晶振电路、OV7670模块、AL422B模块、帧缓存储器、无线通讯模块、显示模块、计算机管理系统、CMOS摄像头、定位模块等。通过上述模块设置，能够实现高空拍摄，对工程异常进行高空图像获取。ARM Cortex应用处理器是16/32位RISC微处理，接口设置有SDIO接口、SD卡接口、串口、网口、USB接口等，控制模块内存为128MB以上的DDB内存，具有256MB NAND flash, 控制板S3C6410处理器能够支持NAND flash、NOR flash、SD卡等多种存储以及启动方式。DSP模块作为适配器能够实现采集数据信息的高精度计算，DSP模块能够提高行进器的信号处理能力。
在上述实施例中，所述图像采集模块包括CMOS摄像头接口、分割模块、旋转模块、位置调整模块和适配模块，其中所述CMOS摄像头接口的输出端与分割模块的输入端连接，所述分割模块的输出端与旋转模块的输入端连接，所述旋转模块的输出端与位置调整模块的输入端连接，所述位置调整模块的输出端与适配模块的输入端连接。
上述实施例中，所述采样保持电路SMPO4放大电路和OP490运放电路，其中所述SMPO4放大电路设置在OP490运放电路回路中。
如图4所示，电路中将SMP04置于运放OP490的反馈回路中，当
Figure 166730DEST_PATH_IMAGE046
/H=0时，SMP04内部开关闭合，运放OP490的反馈回路接通，电路增益由运放本身及反馈电阻决定，输出端输出放大后的采样电压。当
Figure 992604DEST_PATH_IMAGE046
/H=1时，SMP04内部开关断开，运放OP490反馈回路也无法形成，输出端输出保持在内部保持电容上最近一次的采样电压，且不受输入端信号影响。运放输出端的两个二极管1N914起钳位作用，防止当SMP04保持状态时造成运放饱和。通过该模块的工作，保证机器人在进行提取存储CO2的废弃盐穴或者矿坑地质信息时，不会因为摄像头的时延因素而漏掉一部分图像信息，保证了提取存储CO2的废弃盐穴或者矿坑地质信息的精准度。
在上述实施例中，图像采集的方法包括以下步骤:
步骤一、通过CMOS摄像头接口实现数据信息的输入；
步骤二、通过分割模块实现数据信息的输入的分割，分割储存CO2的废弃盐穴或者矿坑地质状态信息；
首先将机器人拍摄图像视为无向图，将特定场景的像素点看做无向图的顶点v，集合为V。由于图像是用二维矩阵存储的，因此在机器人拍摄场景中，所有物体图像的一个像素附近都有8个相邻像素，对像素间相邻边a设置权值w(a)，则分割得到的CO2的废弃盐穴或者矿坑地质状态信息内部差异函数为：
Figure 701934DEST_PATH_IMAGE001
（1）
式（1）中，A为废弃盐穴或者矿坑地质CO2的存储在状态，C表示为存储CO2的废弃盐穴或者矿坑地质区域，a表示像素集合，物体图像及其周围相邻的8个像素边a的集合。
存储CO2的废弃盐穴或者矿坑地质两部分区域子集
Figure 246048DEST_PATH_IMAGE002
和
Figure 223493DEST_PATH_IMAGE003
的浓度差异函数记作为：
Figure 779239DEST_PATH_IMAGE004
（2）
式（2）中，
Figure 49684DEST_PATH_IMAGE005
和
Figure 815514DEST_PATH_IMAGE006
分别表示不同区域得废弃盐穴或者矿坑地质CO2的存储状态；
若区域子集
Figure 970552DEST_PATH_IMAGE002
和
Figure 505439DEST_PATH_IMAGE003
的浓度差异满足：
Figure 87730DEST_PATH_IMAGE007
（3）
式（3）中，
Figure 854040DEST_PATH_IMAGE008
和
Figure 406244DEST_PATH_IMAGE009
分别表示存储CO2的废弃盐穴或者矿坑地质区域，
Figure 202162DEST_PATH_IMAGE010
和
Figure 814409DEST_PATH_IMAGE011
合并为同一个浓度差异
Figure 289253DEST_PATH_IMAGE012
；
所采集图像中的最小浓度差异函数为：
Figure 786093DEST_PATH_IMAGE013
（4）
式（4）中，表示通过图像分割计算输出的图像最小浓度差异函数；
分割模块输出函数为：
Figure 797037DEST_PATH_IMAGE014
（5）
式（5）中，
Figure 845764DEST_PATH_IMAGE015
表示图像信息进行分割时外界天气影响系数；
步骤三、旋转模块实现获取图像信息的旋转；图像旋转到(x, y)时的梯度值可表示为：
Figure 948849DEST_PATH_IMAGE016
（6）
式（6）中，x, y表示机器人拍摄图像时，提取图像数据信息的像素点；
图像旋转到(x, y)时的旋转方向为：
Figure 842856DEST_PATH_IMAGE017
（7）
式（7）中，
Figure 206841DEST_PATH_IMAGE018
表示为旋转角度；
通过旋转模块输出的图像计算函数为：
Figure 301836DEST_PATH_IMAGE019
（8）
式（8）中，
Figure 252737DEST_PATH_IMAGE020
表示旋转模块开始工作时的图像数据处理信息，
Figure 950434DEST_PATH_IMAGE021
表示废弃盐穴或者矿坑地质CO2在不同区域存储状态获取的图像信息计算情况；
步骤四、通过位置调整模块使采集到的废弃盐穴或者矿坑地质CO2在不同区域上的梯度矩阵输出为：
Figure 575451DEST_PATH_IMAGE022
（9）
式（9）中，
Figure 293877DEST_PATH_IMAGE023
表示为所采集到图像信息在水平方向梯度，
Figure 105975DEST_PATH_IMAGE024
表示为所采集到图像信息在竖直方向梯度；
步骤五、通过适配模块实现梯度矩阵高斯滤波处理，以消除光照变化带来的误差，适配函数为：
Figure 108829DEST_PATH_IMAGE047
（10）
式（10）中，
Figure 447406DEST_PATH_IMAGE026
为机器人采集图像分割子块宽度的1/4，通过欧氏距离对图像特征点进行适配，适配公式为：
Figure 884204DEST_PATH_IMAGE027
（11）
式（11）中，
Figure 308232DEST_PATH_IMAGE028
和
Figure 488677DEST_PATH_IMAGE029
分别为机器人采集到的图像特征点a,b的特征描述算子。
通过上述方法实现了图像数据信息采集与处理。
在上述实施例中，所述地面分析系统包括图像数据信息库、第一评估模块和第二评估模块，其中所述图像数据信息库包括第一数据存储模块和第二数据存储模块，其中所述第一数据存储模块和第二数据存储模块的输出端与图像数据信息库的输入端连接，所述图像数据信息库的输出端与第一评估模块的输入端连接，所述第一评估模块的输出端与第二评估模块的输入端连接。
在上述实施例中，所述第一数据存储模块为图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的模块，所述第二数据存储模块为试验时环境下测量CO2存储浓度的图像样本；所述第一评估模块的方法为模板对比评估方法；所述第二评估模块的方法为基于BP神经网络算法模型的评估方法。
在上述实施例中，对比评估方法为：通过试验时环境下测量CO2存储浓度的图像样本获取不同CO2浓度下的图像信息，将不同浓度下的信息作为对比模板，然后将图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的图像信息对比被测数据，将二者数据信息进行比较，进而获取废弃盐穴或者矿坑地质CO2存储状态与对比模板相近似的图像信息，再通过试验室下输出的CO2浓度，计算出废弃盐穴或者矿坑地质CO2存储浓度。
在具体实施例中，试验室环境下，该CO2浓度检测以MSP430F449单片机为主控制器件，根据实际浓度的电压值变化来计算出容器内CO2的浓度。用微控制单元(Microcontroller Unit；MCU) 来控制传递电平转换及无线收发模块。运用电平转换的方法，实现了微控制器和PC机的数据转换。该款控制系统采用MSP430F449作为主要驱动，该控制系统具有功耗低，机动性好，兼容性强等的优点，MSP430F449运用灵活，而且支持3个比较器结构的定时器。内部的FLASH的存储电路的为60KB,RAM为2K。电力容器里不同浓度的CO2，识别出来的电压是不同的，这是因为识别仪器里的电阻变化的不同导致电压变化的不同。
检测过程中通过ADC0809转换电路实现模数转换，开始时，在不同的输入地址中，使ALE=1的地址存储在地址锁存器中，然后将该地址通过INT0和INT1比较之后，将进行下一步的操作。CLK为时钟引脚，当下降沿开始A/D转换时，EOC的输出信号开始下降。当EOC变为高电平，A/D转换结束。将检测出的数据信息与书检测数据模板进行标准记录。比如该CO2在某浓度下，图像信息是什么特征或者状态，根据分析需要，可以测试不同状态下CO2浓度。
在上述实施例中，所述BP 神经网络算法模型包括输入层、提取层、分析层和输出层，其中所述输入层的输出端与提取层的输入端连接，所述提取层的输出端与分析层的输入端连接，所述分析层的输出端与输出层的输入端连接。
在上述实施例中，基于BP 神经网络算法模型的评估方法为：
通过输入层输入图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的数据信息，初始化BP 神经网络算法模型的数据信息状态，调整输出层权系统的公式为：
Figure 947340DEST_PATH_IMAGE030
（12）
式（12）中，
Figure 181138DEST_PATH_IMAGE031
表示BP 神经网络算法模型隐藏节点权重，
Figure 702249DEST_PATH_IMAGE032
表示学习效率，
Figure 545440DEST_PATH_IMAGE033
表示理论上CO2存储浓度的误差输出，
Figure 858610DEST_PATH_IMAGE034
表示实际采集到废弃盐穴或者矿坑地质CO2存储状态的数据信息，
Figure 496265DEST_PATH_IMAGE035
表示BP 神经网络算法模型隐层个数，
Figure 504672DEST_PATH_IMAGE036
表示BP 神经网络算法模型隐藏节点具有个数；
调整隐含层权系数的公式为：
Figure 387439DEST_PATH_IMAGE037
（13）
式（13）中，其中
Figure 820695DEST_PATH_IMAGE038
、
Figure 832513DEST_PATH_IMAGE039
和
Figure 984009DEST_PATH_IMAGE040
分别表示分别在
Figure 778790DEST_PATH_IMAGE035
、
Figure 302437DEST_PATH_IMAGE036
和
Figure 547474DEST_PATH_IMAGE041
个隐层个数下隐含层权具有的理论值；
图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的误差函数计算值为：
Figure 796052DEST_PATH_IMAGE042
（14）
式（14）中，
Figure 519158DEST_PATH_IMAGE043
为图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的实际值，
Figure 661426DEST_PATH_IMAGE044
为选择的模板数据信息存在的理论值，其中L表示为不同区域下的废弃盐穴或者矿坑地质CO2存储状态，p 表示实际采集到的废弃盐穴或者矿坑地质区域个数；假设采集的总废弃盐穴或者矿坑地质区域个数为N，则：
Figure 313249DEST_PATH_IMAGE045
（15）
式（15）为图像采集模块采集到的废弃盐穴或者矿坑地质状况。
在具体实施例中，当
Figure 783545DEST_PATH_IMAGE048
，
Figure 310341DEST_PATH_IMAGE043
为实际废弃盐穴或者矿坑地质CO2存储状态，
Figure 572695DEST_PATH_IMAGE044
表示的状态为试验室环境中用户为了应用需要，理论上输出的样本数，比如当图像信息表示为某一个色板状态时，比如1号色板表示CO2浓度为0.036％，2号色板表示CO2浓度为0.136％等，以此类推，按这种方式实现CO2浓度对比分析。进而实现了CO2浓度远程监控。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (8)

1.一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：所述系统包括：
机器人本体，利用无线电遥控设备操纵的不载人智能移动载体，用于行进至废弃盐穴或者矿坑地质储存CO2地带；
控制系统，用于控制机器人本体的行进状态；
图像采集模块，用于机器人本体采集废弃盐穴、矿坑地质储存CO2的状态图像信息；所述图像采集模块包括采样保持电路，提高图像采样的精度；
GPS定位模块，用于机器人本体定位废弃盐穴、矿坑地质储存CO2的位置；
无线遥感模块，用于机器人本体将采集到的废弃盐穴、矿坑地质储存CO2的状态图像信息传递到地面分析系统，以实现废弃盐穴、矿坑地质储存CO2数据信息分析；
地面分析系统，用于分析机器人本体所采集到的废弃盐穴、矿坑地质储存CO2数据信息；所述地面分析系统包括CO2图像对比模块；
其中所述控制系统、图像采集模块、GPS定位模块和无线遥感模块设置所述机器人本体上，所述地面分析系统通过无线遥感模块实现与所述控制系统的交互，所述控制系统分别与图像采集模块、GPS定位模块和无线遥感模块连接;
所述图像采集模块实现图像采集的方法包括以下步骤:
步骤一、通过CMOS摄像头接口实现数据信息的输入；
步骤二、通过分割模块实现数据信息的输入的分割，分割储存CO2的废弃盐穴或者矿坑地质状态信息；
分割得到的CO2的废弃盐穴或者矿坑地质状态信息内部差异函数为：
Figure 897350DEST_PATH_IMAGE001
（1）
式（1）中，A为废弃盐穴或者矿坑地质CO2的存储在状态，C表示为存储CO2的废弃盐穴或者矿坑地质区域，a表示像素集合，物体图像及其周围相邻的8个像素边a的集合；对像素间相邻边a设置权值w(a)；
存储CO2的废弃盐穴或者矿坑地质两部分区域子集
Figure 548912DEST_PATH_IMAGE002
和
Figure 125387DEST_PATH_IMAGE003
的浓度差异函数记作为：
Figure 379650DEST_PATH_IMAGE004
（2）
式（2）中，
Figure 990760DEST_PATH_IMAGE005
和
Figure 547644DEST_PATH_IMAGE006
分别表示不同区域得废弃盐穴或者矿坑地质CO2的存储状态；
若区域子集
Figure 611414DEST_PATH_IMAGE007
和
Figure 403790DEST_PATH_IMAGE008
的浓度差异满足：
Figure 807090DEST_PATH_IMAGE009
（3）
式（3）中，
Figure 862770DEST_PATH_IMAGE010
和
Figure 413837DEST_PATH_IMAGE011
分别表示存储CO2的废弃盐穴或者矿坑地质区域，
Figure 12833DEST_PATH_IMAGE012
和
Figure 332956DEST_PATH_IMAGE013
合 并为同一个浓度差异
Figure 231642DEST_PATH_IMAGE014
；
所采集图像中的最小浓度差异函数为：
Figure 332322DEST_PATH_IMAGE015
（4）
式（4）中，表示通过图像分割计算输出的图像最小浓度差异函数；
分割模块输出函数为：
Figure 404183DEST_PATH_IMAGE016
（5）
式（5）中，
Figure 782075DEST_PATH_IMAGE017
表示图像信息进行分割时外界天气影响系数；
步骤三、旋转模块实现获取图像信息的旋转；图像旋转到(x, y)时的梯度值可表示为：
Figure 913979DEST_PATH_IMAGE018
（6）
式（6）中，x, y表示机器人拍摄图像时，提取图像数据信息的像素点；
图像旋转到(x, y)时的旋转方向为：
Figure 236376DEST_PATH_IMAGE019
（7）
式（7）中，
Figure 49611DEST_PATH_IMAGE020
表示为旋转角度；
通过旋转模块输出的图像计算函数为：
Figure 609906DEST_PATH_IMAGE021
（8）
式（8）中，
Figure 975028DEST_PATH_IMAGE022
表示旋转模块开始工作时的图像数据处理信息，
Figure 985054DEST_PATH_IMAGE023
表示废弃盐穴或者矿坑 地质CO2在不同区域存储状态获取的图像信息计算情况；
步骤四、通过位置调整模块使采集到的废弃盐穴或者矿坑地质CO2在不同区域上的梯度矩阵输出为：
Figure 336401DEST_PATH_IMAGE024
（9）
式（9）中，
Figure 485622DEST_PATH_IMAGE025
表示为所采集到图像信息在水平方向梯度，
Figure 287225DEST_PATH_IMAGE026
表示为所采集到 图像信息在竖直方向梯度；
步骤五、通过适配模块实现梯度矩阵高斯滤波处理，以消除光照变化带来的误差，适配函数为：
Figure 521897DEST_PATH_IMAGE027
（10）
式（10）中，
Figure 411356DEST_PATH_IMAGE028
为机器人采集图像分割子块宽度的1/4，通过欧氏距离对图像特征点进行 适配，适配公式为：
Figure 742980DEST_PATH_IMAGE029
（11）
式（11）中，
Figure 653167DEST_PATH_IMAGE030
和
Figure 312819DEST_PATH_IMAGE031
分别为机器人采集到的图像特征点a,b的特征描述算子；
所述地面分析系统包括图像数据信息库、第一评估模块和第二评估模块，其中所述图像数据信息库包括第一数据存储模块和第二数据存储模块，所述图像数据信息库的输出端与第一评估模块的输入端连接，所述第一评估模块的输出端与第二评估模块的输入端连接。
2.根据权利要求1所述的一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：所述控制系统包括ARM控制模块和DSP计算模块，其中所述ARM控制模块和DSP计算模块互相连接通信，所述ARM控制模块外部连接有复位电路、晶振电路、OV7670模块和AL422B模块，所述ARM控制模块外部还连接有帧缓存器、无线通讯模块和显示模块，所述显示模块设置有无线遥感接口，所述控制系统ARM控制模块还连接有CMOS摄像头和GPS定位模块，所述DSP计算模块设置有扩展口、陀机、状态指示灯和信息发射机，所述信息发射机通过地面分析系统设置的信息接收机实现数据信息交互。
3.根据权利要求1所述的一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：所述图像采集模块包括CMOS摄像头接口、分割模块、旋转模块、位置调整模块和适配模块，其中所述CMOS摄像头接口的输出端与分割模块的输入端连接，所述分割模块的输出端与旋转模块的输入端连接，所述旋转模块的输出端与位置调整模块的输入端连接，所述位置调整模块的输出端与适配模块的输入端连接。
4.根据权利要求1所述的一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：所述采样保持电路包括SMPO4放大电路和OP490运放电路，其中所述SMPO4放大电路设置在OP490运放电路回路中。
5.根据权利要求1所述的一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：所述第一数据存储模块为图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的模块，所述第二数据存储模块为试验时环境下测量CO2存储浓度的图像样本；所述第一评估模块的方法为模板对比评估方法；所述第二评估模块的方法为基于BP 神经网络算法模型的评估方法。
6.根据权利要求5所述的一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：对比评估方法为：通过试验时环境下测量CO2存储浓度的图像样本获取不同CO2浓度下的图像信息，将不同浓度下的信息作为对比模板，然后将图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的图像信息对比被测数据，将二者数据信息进行比较，进而获取废弃盐穴或者矿坑地质CO2存储状态与对比模板相近似的图像信息，再通过试验室下输出的CO2浓度，计算出废弃盐穴或者矿坑地质CO2存储浓度。
7.根据权利要求5所述的一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：所述BP 神经网络算法模型包括输入层、提取层、分析层和输出层，其中所述输入层的输出端与提取层的输入端连接，所述提取层的输出端与分析层的输入端连接，所述分析层的输出端与输出层的输入端连接。
8.根据权利要求7所述的一种利用废弃盐穴、矿坑地质储存CO2的状态监测系统，其特征在于：基于BP 神经网络算法模型的评估方法为：
通过输入层输入图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的数据信息，初始化BP 神经网络算法模型的数据信息状态，调整输出层权系统的公式为：
Figure 333864DEST_PATH_IMAGE032
（12）
式（12）中，
Figure 254416DEST_PATH_IMAGE033
表示BP 神经网络算法模型隐藏节点权重，
Figure 338434DEST_PATH_IMAGE034
表示学习效率，
Figure 485381DEST_PATH_IMAGE035
表示理 论上CO2存储浓度的误差输出，
Figure 106856DEST_PATH_IMAGE036
表示实际采集到废弃盐穴或者矿坑地质CO2存储状态的数 据信息，k表示BP 神经网络算法模型隐层个数，i表示BP 神经网络算法模型隐藏节点具有 个数；
调整隐含层权系数的公式为：
Figure 85176DEST_PATH_IMAGE037
（13）
式（13）中，其中
Figure 9270DEST_PATH_IMAGE038
、
Figure 705830DEST_PATH_IMAGE039
和
Figure 130995DEST_PATH_IMAGE040
分别表示分别在k、i和j个隐层个数下隐含层权具有的 理论值；
图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的误差函数计算值为：
Figure 901505DEST_PATH_IMAGE041
（14）
式（14）中，
Figure 58817DEST_PATH_IMAGE042
为图像采集模块获取废弃盐穴或者矿坑地质CO2存储状态的实际值，
Figure 304991DEST_PATH_IMAGE043
为 选择的模板数据信息存在的理论值，其中L表示为不同区域下的废弃盐穴或者矿坑地质CO2 存储状态，p 表示实际采集到的废弃盐穴或者矿坑地质区域个数；假设采集的总废弃盐穴 或者矿坑地质区域个数为N，则：
Figure 471530DEST_PATH_IMAGE044
（15）
式（15）为图像采集模块采集到的废弃盐穴或者矿坑地质状况。
CN202210583984.5A 2022-05-27 2022-05-27 利用废弃盐穴、矿坑地质储存co2的状态监测系统 Active CN114674758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210583984.5A CN114674758B (zh) 2022-05-27 2022-05-27 利用废弃盐穴、矿坑地质储存co2的状态监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210583984.5A CN114674758B (zh) 2022-05-27 2022-05-27 利用废弃盐穴、矿坑地质储存co2的状态监测系统

Publications (2)

Publication Number Publication Date
CN114674758A CN114674758A (zh) 2022-06-28
CN114674758B true CN114674758B (zh) 2022-10-11

Family

ID=82079580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210583984.5A Active CN114674758B (zh) 2022-05-27 2022-05-27 利用废弃盐穴、矿坑地质储存co2的状态监测系统

Country Status (1)

Country Link
CN (1) CN114674758B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08233734A (ja) * 1995-02-24 1996-09-13 Nippon Koden Corp 炭酸ガス濃度測定装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130266380A1 (en) * 2007-11-13 2013-10-10 PODenergy, Inc. Systems and methods for off-shore energy production and CO2 sequestration
CA2835792A1 (en) * 2014-01-28 2015-07-28 Blue Carbon Solutions Inc Process and method for remotely measuring and quantifying carbondioxide sequestration from ocean iron enrichment
US11026376B2 (en) * 2015-08-05 2021-06-08 Dtn, Llc Customized land surface modeling in a soil-crop system using satellite data to detect irrigation and precipitation events for decision support in precision agriculture
CN106338484A (zh) * 2015-07-09 2017-01-18 王霆 无人飞机红外遥感监测环境气体信息装置及其应用
US10704981B2 (en) * 2017-01-04 2020-07-07 General Electric Company Remote leak detection system
US20180292374A1 (en) * 2017-04-05 2018-10-11 International Business Machines Corporation Detecting gas leaks using unmanned aerial vehicles
CN113533241B (zh) * 2021-07-19 2022-12-20 中国科学技术大学 基于卫星红外超光谱的大气二氧化碳浓度高精度反演系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08233734A (ja) * 1995-02-24 1996-09-13 Nippon Koden Corp 炭酸ガス濃度測定装置

Also Published As

Publication number Publication date
CN114674758A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN101126639A (zh) 快速进行低空遥感影像自动匹配与空中三角测量方法
CN112394349B (zh) 海洋浮标智能安防监控方法、装置、系统及存储介质
CN110553643A (zh) 一种基于神经网络的行人自适应零速更新点选取方法
CN104777833A (zh) 基于arm和dsp处理器的无人船船载控制系统
CN110068538A (zh) 北斗定位智能水质检测机器人
CN111232161A (zh) 一种水下探测机器人
CN114858226B (zh) 一种无人机山洪流量测量方法、装置及设备
CN114674758B (zh) 利用废弃盐穴、矿坑地质储存co2的状态监测系统
CN110751077B (zh) 一种基于部件匹配与距离约束的光学遥感图片船舶检测方法
CN116295511A (zh) 一种用于管道潜航机器人的鲁棒初始对准方法及系统
CN107014374B (zh) 一种基于互补滤波的水下滑翔器节能算法
CN204457747U (zh) 一种钻头旋转角度的测量装置
CN206177295U (zh) 一种大气海洋观测平台、系统
CN106153037A (zh) 一种机器人的室内定位方法、装置及系统
CN204705726U (zh) 海洋平台综合观测系统
CN114323008A (zh) 基于机器学习分类的融合航向角估计方法及系统
CN203412572U (zh) 一种钻孔校检仪
CN206095257U (zh) 智能巡视机器人组合导航系统
CN111435083A (zh) 行人航迹推算方法、导航方法及装置、手持终端及介质
CN116202511B (zh) 长巷道超宽带一维约束下的移动装备位姿确定方法及装置
CN107860869A (zh) 一种基于飞行器的智能空气监测系统及监测方法
CN105203071B (zh) 一种用于地应力测量的测向装置和测向方法
CN111197974A (zh) 一种基于Android惯性平台的无气压计高度测算方法
Maas et al. CO 2 outgassing from spring waters
CN206515092U (zh) 一种可进行水样采集的无人船

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