CN115002163B - 基于物联网的环境检测方法、装置、设备及存储介质 - Google Patents

基于物联网的环境检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115002163B
CN115002163B CN202210700163.5A CN202210700163A CN115002163B CN 115002163 B CN115002163 B CN 115002163B CN 202210700163 A CN202210700163 A CN 202210700163A CN 115002163 B CN115002163 B CN 115002163B
Authority
CN
China
Prior art keywords
information
sensor
target area
ecological environment
weight value
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
CN202210700163.5A
Other languages
English (en)
Other versions
CN115002163A (zh
Inventor
魏国
邱振
康日峰
张俊欣
冉玉倩
王雅妮
轷雨蒙
庞宏伟
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.)
Beijing Beitou Ecological Environment Co ltd
Original Assignee
Beijing Beitou Ecological Environment Co ltd
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 Beijing Beitou Ecological Environment Co ltd filed Critical Beijing Beitou Ecological Environment Co ltd
Priority to CN202210700163.5A priority Critical patent/CN115002163B/zh
Publication of CN115002163A publication Critical patent/CN115002163A/zh
Application granted granted Critical
Publication of CN115002163B publication Critical patent/CN115002163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/007—Details of data content structure of message packets; data protocols
    • 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]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供一种基于物联网的环境检测方法、装置、设备及存储介质，所述方法包括确定目标区域的基本属性信息，通过预先构建的传感器布局模型，确定与目标区域对应的传感器布局信息；根据传感器布局信息，结合目标区域的基本属性信息，在目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的目标区域的生态数据库信息，输出与生态环境信息对应的生态环境比值，若生态环境比值大于预设生态阈值，生成预警信息，并将预警信息以及目标区域的基本属性信息发送至目标终端。本公开的方法能够根据目标区域的基本属性，确定传感器的布局信息，设定科学的规划方案，降低成本提高检测效率。

Description

基于物联网的环境检测方法、装置、设备及存储介质
技术领域
本公开涉及物联网技术领域，尤其涉及一种基于物联网的环境检测方法、装置、设备及存储介质。
背景技术
物联网(The Internet of Things,简称IOT)是计算机、互联网以及通信网之后，有一次信息产业发展的浪潮，物联网，即万物相连的互联网，是在互联网的基础上的延伸和扩展的网络，将各种信息传感设备与网络结合而形成的巨大网络，实现人、机、物互联互通。
现有的物联网环境检测系统，往往是在固定的环境检测点安装特定的环境传感器，例如土壤传感器、温度传感器、二氧化碳传感器等，获取相应的环境指数。在面临大场景的环境监控时，需要设置多种数量的传感器，并且需要进行大量数据传输，以便后台对数据进行分析。
但是现有的物联网环境检测系统，往往对于传感器的数量设置、位置设置以及数据传输形式没有科学的规划方案，导致成本虽然提高了，但是检测效果却不够理想。
公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本公开实施例提供一种基于物联网的环境检测方法、装置、设备及存储介质，能够至少解决现有技术中的部分问题。
本公开实施例的第一方面，
提供一种基于物联网的环境检测方法,包括：
确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息，其中，所述传感器布局模型基于神经网络模型构建；
根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端。
在一种可选的实施方式中，
所述基本属性信息包括所述目标区域的功能信息、所述目标区域的地理信息、所述目标区域的图像信息中至少一种；
根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息的方法包括：
将所述目标区域的功能信息、所述目标区域的地理信息分别转换为第一向量信息、第二向量信息，将所述图像信息转换为图像矩阵矢量信息；
所述传感器布局模型分别为所述第一向量信息、所述第二向量信息以及所述图像矩阵矢量信息分配第一权重值、第二权重值以及第三权重值；
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列；
基于所述预测特征序列与所述目标区域的初始特征序列的匹配度，通过所述传感器布局模型的损失函数，输出所述传感器布局信息，其中，所述传感器布局信息包括与所述目标区域对应的传感器数量、传感器类型以及传感器布局位置。
在一种可选的实施方式中，
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列的方法包括：
基于注意力机制分别确定所述第一权重值、所述第二权重值以及所述第三权重值对应的第一注意力分数、第二注意力分数以及第三注意力分数；
根据所述第一向量信息、所述第一注意力分数，结合所述传感器布局模型的第一网络梯度，确定与所述目标区域对应的第一预测特征序列，其中，所述第一网络梯度用于指示与所述目标区域的功能信息对应的网络梯度值，所述第一预测特征序列用于指示所述第一向量信息对所述第一注意力分数的感兴趣特征所组成的向量序列；
根据所述第二向量信息、所述第二注意力分数，结合所述传感器布局模型的第二网络梯度，确定与所述目标区域对应的第二预测特征序列，其中，所述第二网络梯度用于指示与所述目标区域的地理信息对应的网络梯度值，所述第二预测特征序列用于指示所述第二向量信息对所述第二注意力分数的感兴趣特征所组成的向量序列；
根据所述图像矩阵矢量信息、所述第三注意力分数，结合所述传感器布局模型的第三网络梯度，确定与所述目标区域对应的第三预测特征序列，其中，所述第三网络梯度用于指示与所述目标区域的图像信息对应的网络梯度值，所述第三预测特征序列用于指示所述第三向量信息对所述第三注意力分数的感兴趣特征所组成的向量序列。
在一种可选的实施方式中，
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列的方法包括：
按照如下公式所示的方法确定所述预测特征序列：
Figure BDA0003704088860000031
其中，
Figure BDA0003704088860000032
Figure BDA0003704088860000033
其中，P表示预测特征序列，Ki表示向量信息，N表示向量信息的数量，ω表示偏置参数，
Tx表示权重值，BGij表示平均权重值，v表示权重的数量；
W表示网络梯度，L表示传感器布局模型的网络层之间的共享权值，M表示同一网络梯度的平均值，α表示调整参数，m表示与权重值对应的相似度值。
在一种可选的实施方式中，
根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局的方法包括：
根据所述传感器布局信息，确定与所述目标区域的功能信息对应的传感器类型、与所述目标区域的地理信息对应的传感器数量、与所述目标区域的图像信息对应的传感器布局位置；
设定传感器的数据传输方式，结合所述传感器数量与传感器布局位置，确定首节点传感器、主节点传感器和从节点传感器，其中，所述首节点传感器用于将所有传感器所采集的数据传送至目标终端，所述主节点传感器用于将接收所有从节点传感器所采集的数据并发送至首节点传感器，所述从节点传感器用于采集生态环境信息；
通过所述首节点传感器、主节点传感器和从节点传感器进行数据传输。
在一种可选的实施方式中，
通过所述首节点传感器、主节点传感器和从节点传感器进行数据传输的方法包括：
根据所述首节点传感器、主节点传感器和从节点传感器的空间距离、以及所述首节点传感器、主节点传感器和从节点传感器的传输范围，确定传输通路，其中，所述传输通路包括第一传输通路和第二传输通路，所述第一传输通路用于所述从节点传感器和所述主节点传感器进行数据传输，所述第二传输通路用于所述主节点传感器和所述首节点传感器进行数据传输；
根据所述第一传输通路，所述从节点传感器将所获取的生态环境信息通过所述传输通路传输至所述主节点传感器；
所述主节点传感器将所述从节点传感器所获取的生态环境信息进行信息过滤，并将过滤后的生态环境信息通过所述第二传输通路传输至所述首节点传感器。
在一种可选的实施方式中，
根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息的方法包括：
根据所述基本属性信息对所述生态环境信息进行分类统计，其中，所述生态环境信息的类别包括水质、土壤、综合气象以及污染物中至少一种；
基于各个类别对应的标准环境信息、所述生态环境比值，根据预设的对应关系确定所述生态环境信息所属的预警类型，并生成所述预警信息。
本公开实施例的第二方面，
提供一种基于物联网的环境检测装置，所述装置包括：
第一单元，用于确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息，其中，所述传感器布局模型基于神经网络模型构建；
第二单元，用于根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
第三单元，用于若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端。
本公开实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述中任意一项所述的方法。
本公开实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述中任意一项所述的方法。
本公开提供一种基于物联网的环境检测方法，包括：
确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息，其中，所述传感器布局模型基于神经网络模型构建；
通过目标区域的基本属性信息，能够确定目标区域的功能信息、地理信息，以及图像信息，进一步根据传感器布局模型，确定目标区域对应的传感器类型、传感器数量以及传感器布局位置，提供针对性地环境检测方案，在实现预期目标的情况下，成本最小但是检测效果最好；
根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
通过传感器布局信息进行传感器布局，并且获取生态环境信息，实现对目标区域生态环境的全方位检测，保证检测效果，并且将所获取的生态环境信息与生态数据库信息进行比对，输出生态环境比值，能够宏观地了解当前环境与历史环境的变化情况，并且有利于后续确定预警信息；
若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端；
若生态环境比值大于预设生态阈值，则生成预警信息，并且将目标区域的基本属性信息和预警信息发送至目标终端，能够对生态环境的各种情况进行不同预警，层次化处理，并且目标终端能够明确具体的目标区域，采取针对化地处理措施，科学化管理。
附图说明
图1示例性地示出本公开实施例基于物联网的环境检测方法的流程示意图；
图2示例性地示出本公开实施例首节点传感器、主节点传感器和从节点传感器的示意图；
图3示例性地示出本公开实施例基于物联网的环境检测装置的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本公开的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
应当理解，在本公开中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本公开中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本公开中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示例性地示出本公开实施例基于物联网的环境检测方法的流程示意图，如图1所示，所述方法包括：
S101、确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息；
示例性地，所述传感器布局模型基于神经网络模型构建，本公开实施例中，传感器布局模型可以包括基于注意力机制构建的神经网络模型，也可以包括其他能够实现传感器布局的神经网络模型，本公开实施例对此不进行限定。
可选地，本公开实施例的目标区域的基本属性信息包括所述目标区域的功能信息、所述目标区域的地理信息、所述目标区域的图像信息中至少一种，其中，
功能信息用于指示目标区域对于生态环境的作用，例如，用于农业灌溉、用于林业绿化、用于保证水源干净、用于保证土壤种植等；
地理信息用于指示目标区域所在的经纬度信息、目标区域的面积、目标区域的三维空间等；
图像信息用于指示目标区域各个维度的图像，该图像可以用于指导传感器如何布局，例如，安装在目标区域的具体某个位置等。
可选地，传感器布局信息用于指示与所述目标区域对应的传感器数量、传感器类型以及传感器布局位置，例如，目标区域的功能是保证水源干净，则传感器类型可以是用于检测水质量的传感器；目标区域的面积较大，则所用的传感器数量相应也会增加，传感器的安装位置则相应更远。
在一种可选的实施方式中，
根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息的方法包括：
将所述目标区域的功能信息、所述目标区域的地理信息分别转换为第一向量信息、第二向量信息，将所述图像信息转换为图像矩阵矢量信息；
所述传感器布局模型分别为所述第一向量信息、所述第二向量信息以及所述图像矩阵矢量信息分配第一权重值、第二权重值以及第三权重值；
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列；
基于所述预测特征序列与所述目标区域的初始特征序列的匹配度，通过所述传感器布局模型的损失函数，输出所述传感器布局信息。
示例性地，本公开实施例以传感器布局模型为基于注意力机制构建的神经网络模型为例，首先，为了减少计算量和提高计算效率，可以将目标区域的功能信息、目标区域的地理信息分别转换为第一向量信息、第二向量信息，将图像信息转换为图像矩阵矢量信息，其中，
第一向量信息可以表示为S1＝{f1，f2，…fn}；第二向量信息可以表示为S2＝{xi，yi，zi}；第三向量信息可以表示为S3＝{p1，p2，…pn}。
与第一向量信息对应的第一权重值可以表示为Q1＝{k1，k2，…kn}，与第二向量信息对应的第二权重值可以表示为Q2＝{mi，ni，oi}，与图像矩阵矢量信息对应的第三权重值可以表示为Q3＝{l1，l2，…ln}。
传感器布局模型的网络梯度可以包括传感器布局模型中各层网络的权重，可以表示为
Figure BDA0003704088860000093
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列的方法可以如下公式所示：
Figure BDA0003704088860000092
其中，
Figure BDA0003704088860000091
表示超调参数。
示例性地，本公开实施例的传感器布局模型的损失函数可以包括softmax损失函数，本公开实施例对损失函数的具体类型并不进行限定。
在一种可选的实施方式中，
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列的方法包括：
基于注意力机制分别确定所述第一权重值、所述第二权重值以及所述第三权重值对应的第一注意力分数、第二注意力分数以及第三注意力分数；
根据所述第一向量信息、所述第一注意力分数，结合所述传感器布局模型的第一网络梯度，确定与所述目标区域对应的第一预测特征序列，其中，所述第一网络梯度用于指示与所述目标区域的功能信息对应的网络梯度值，所述第一预测特征序列用于指示所述第一向量信息对所述第一注意力分数的感兴趣特征所组成的向量序列；
根据所述第二向量信息、所述第二注意力分数，结合所述传感器布局模型的第二网络梯度，确定与所述目标区域对应的第二预测特征序列，其中，所述第二网络梯度用于指示与所述目标区域的地理信息对应的网络梯度值，所述第二预测特征序列用于指示所述第二向量信息对所述第二注意力分数的感兴趣特征所组成的向量序列；
根据所述图像矩阵矢量信息、所述第三注意力分数，结合所述传感器布局模型的第三网络梯度，确定与所述目标区域对应的第三预测特征序列，其中，所述第三网络梯度用于指示与所述目标区域的图像信息对应的网络梯度值，所述第三预测特征序列用于指示所述第三向量信息对所述第三注意力分数的感兴趣特征所组成的向量序列。
示例性地，第一预测特征序列可以通过如下公式确定：
Figure BDA0003704088860000101
其中，
Figure BDA0003704088860000102
其中，
Figure BDA0003704088860000103
表示第一预测特征序列，
Figure BDA0003704088860000104
表示第一注意力分数，Tx表示预测特征序列的长度，Wa、Ua、
Figure BDA0003704088860000105
表示注意力网络中不同网络层的权重值。
相应地，
第二预测特征序列可以通过如下公式确定：
Figure BDA0003704088860000106
其中，
Figure BDA0003704088860000107
其中，
Figure BDA0003704088860000108
表示第二预测特征序列；
第三预测特征序列可以通过如下公式确定：
Figure BDA0003704088860000111
其中，
Figure BDA0003704088860000112
其中，
Figure BDA0003704088860000113
表示第三预测特征序列。
在一种可选的实施方式中，
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列的方法包括：
按照如下公式所示的方法确定所述预测特征序列：
Figure BDA0003704088860000114
其中，
Figure BDA0003704088860000115
Figure BDA0003704088860000116
其中，P表示预测特征序列，Ki表示向量信息，N表示向量信息的数量，ω表示偏置参数，
Tx表示权重值，BGij表示平均权重值，v表示权重的数量；
W表示网络梯度，L表示传感器布局模型的网络层之间的共享权值，M表示同一网络梯度的平均值，α表示调整参数，m表示与权重值对应的相似度值。
示例性地，通过目标区域的基本属性信息，能够确定目标区域的功能信息、地理信息，以及图像信息，进一步根据传感器布局模型，确定目标区域对应的传感器类型、传感器数量以及传感器布局位置，提供针对性地环境检测方案，在实现预期目标的情况下，成本最小但是检测效果最好。
S102、根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
示例性地，本公开实施例的生态环境信息包括水质、土壤、综合气象以及污染物中至少一种；生态数据库信息包括目标区域的历史生态环境信息，例如历史水质信息、历史土壤信息、历史综合气象信息以及历史污染物信息；
其中，生态环境信息与生态数据库信息的生态环境比值可以包括，将多个生态环境信息求平均值和/或求中位数，例如，在多个时刻获取的水质信息，将其求平均值，或者取多个时刻的水质信息的中位值，将其与对应的生态数据库信息中的多个标准值，分别求比值。
通过确定生态数据库信息与生态环境信息对应的生态环境比值，能够横向比较不同时期生态环境的变化信息，从而能够了解生态环境变好或变坏。
在一种可选的实施方式中，
根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局的方法包括：
根据所述传感器布局信息，确定与所述目标区域的功能信息对应的传感器类型、与所述目标区域的地理信息对应的传感器数量、与所述目标区域的图像信息对应的传感器布局位置；
设定传感器的数据传输方式，结合所述传感器数量与传感器布局位置，确定首节点传感器、主节点传感器和从节点传感器；
通过所述首节点传感器、主节点传感器和从节点传感器进行数据传输。
示例性地，图2示例性地示出本公开实施例首节点传感器、主节点传感器和从节点传感器的示意图，如图2所示，节点1-4表示从节点传感器，节点5-19表示主节点传感器，节点20表示首节点传感器。所述首节点传感器用于将所有传感器所采集的数据传送至目标终端，所述主节点传感器用于将接收所有从节点传感器所采集的数据并发送至首节点传感器，所述从节点传感器用于采集生态环境信息；
通过设置不同类型的传感器节点，能够使得不同的传感器承担不同功能，分工合作，降低数据传输压力，并且通过设置不同节点的传感器，能够使用最少数量的传感器完成数据传输。
在一种可选的实施方式中，
通过所述首节点传感器、主节点传感器和从节点传感器进行数据传输的方法包括：
根据所述首节点传感器、主节点传感器和从节点传感器的空间距离、以及所述首节点传感器、主节点传感器和从节点传感器的传输范围，确定传输通路，其中，所述传输通路包括第一传输通路和第二传输通路，所述第一传输通路用于所述从节点传感器和所述主节点传感器进行数据传输，所述第二传输通路用于所述主节点传感器和所述首节点传感器进行数据传输；
根据所述第一传输通路，所述从节点传感器将所获取的生态环境信息通过所述传输通路传输至所述主节点传感器；
所述主节点传感器将所述从节点传感器所获取的生态环境信息进行信息过滤，并将过滤后的生态环境信息通过所述第二传输通路传输至所述首节点传感器。
可选地，可以通过如下公式确定传输通路：
Ri＝θ×ri×neti/M
其中，Ri表示传输通路，θ表示传输半径调整因子，ri表示从节点传感器的传输范围，neti表示位于同一梯度内传感器节点相同的网络梯度值，M表示调整参数。
主节点传感器将所述从节点传感器所获取的生态环境信息进行信息过滤，从节点传感器所获取的生态环境信息存在重复的信息，例如，相邻的两个从节点传感器所获取的生态环境信息可能相同，为了降低数据处理压力，可以将从节点传感器所获取的生态环境信息进行信息过滤，去除重复的数据。
通过传感器布局信息进行传感器布局，并且获取生态环境信息，实现对目标区域生态环境的全方位检测，保证检测效果，并且将所获取的生态环境信息与生态数据库信息进行比对，输出生态环境比值，能够宏观地了解当前环境与历史环境的变化情况，并且有利于后续确定预警信息；
S103、若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端。
示例性地，若生态环境比值大于预设生态阈值，则表明目标区域的生态环境存在较大变动，需要进行预警，以便管理人员及时处理。
在一种可选的实施方式中，
根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息的方法包括：
根据所述基本属性信息对所述生态环境信息进行分类统计，其中，所述生态环境信息的类别包括水质、土壤、综合气象以及污染物中至少一种；
基于各个类别对应的标准环境信息、所述生态环境比值，根据预设的对应关系确定所述生态环境信息所属的预警类型，并生成所述预警信息。
可选地，标准环境信息、生态环境比值与预警类型存在对应关系，示例性地，若标准环境信息的值分布区间为0-0.5，生态环境比值的分布区间为0-0.5，则对应的预警类型可以为第一类预警类型，其中，第一类预警类型为轻度预警类型，表示生态环境轻微超出标准环境信息；
若标准环境信息的值分布区间为0.5-1，生态环境比值的分布区间为0.5-1，则对应的预警类型可以为第二类预警类型，其中，第二类预警类型为重度预警类型，表示生态环境严重超出标准环境信息，需要及时进行处理。
若生态环境比值大于预设生态阈值，则生成预警信息，并且将目标区域的基本属性信息和预警信息发送至目标终端，能够对生态环境的各种情况进行不同预警，层次化处理，并且目标终端能够明确具体的目标区域，采取针对化地处理措施，科学化管理。
本公开提供一种基于物联网的环境检测方法，包括：
确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息，其中，所述传感器布局模型基于神经网络模型构建；
通过目标区域的基本属性信息，能够确定目标区域的功能信息、地理信息，以及图像信息，进一步根据传感器布局模型，确定目标区域对应的传感器类型、传感器数量以及传感器布局位置，提供针对性地环境检测方案，在实现预期目标的情况下，成本最小但是检测效果最好；
根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
通过传感器布局信息进行传感器布局，并且获取生态环境信息，实现对目标区域生态环境的全方位检测，保证检测效果，并且将所获取的生态环境信息与生态数据库信息进行比对，输出生态环境比值，能够宏观地了解当前环境与历史环境的变化情况，并且有利于后续确定预警信息；
若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端；
若生态环境比值大于预设生态阈值，则生成预警信息，并且将目标区域的基本属性信息和预警信息发送至目标终端，能够对生态环境的各种情况进行不同预警，层次化处理，并且目标终端能够明确具体的目标区域，采取针对化地处理措施，科学化管理。
本公开实施例的第二方面，
提供一种基于物联网的环境检测装置，图3示例性地示出本公开实施例基于物联网的环境检测装置的结构示意图，如图3所示，所述装置包括：
第一单元31，用于确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息，其中，所述传感器布局模型基于神经网络模型构建；
第二单元32，用于根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
第三单元33，用于若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端。
本公开实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述中任意一项所述的方法。
本公开实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述中任意一项所述的方法。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。在有些作为替换的实现中，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。
注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。

Claims (8)

1.一种基于物联网的环境检测方法，其特征在于，所述方法包括：
确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息，其中，所述传感器布局模型基于神经网络模型构建；
根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端；
所述基本属性信息包括所述目标区域的功能信息、所述目标区域的地理信息、所述目标区域的图像信息中至少一种；
根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息的方法包括：
将所述目标区域的功能信息、所述目标区域的地理信息分别转换为第一向量信息、第二向量信息，将所述图像信息转换为图像矩阵矢量信息；
所述传感器布局模型分别为所述第一向量信息、所述第二向量信息以及所述图像矩阵矢量信息分配第一权重值、第二权重值以及第三权重值；
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列；
基于所述预测特征序列与所述目标区域的初始特征序列的匹配度，通过所述传感器布局模型的损失函数，输出所述传感器布局信息，其中，所述传感器布局信息包括与所述目标区域对应的传感器数量、传感器类型以及传感器布局位置；
所述方法还包括：
按照如下公式所示的方法确定与所述目标区域对应的预测特征序列：
Figure FDA0003938020890000021
其中，
Figure FDA0003938020890000022
Figure FDA0003938020890000023
其中，P表示预测特征序列，Ki表示向量信息，N表示向量信息的数量，ω表示偏置参数，
Tx表示权重值，BGij表示平均权重值，v表示权重的数量；
W表示网络梯度，L表示传感器布局模型的网络层之间的共享权值，M表示同一网络梯度的平均值，α表示调整参数，m表示与权重值对应的相似度值。
2.根据权利要求1所述的基于物联网的环境检测方法，其特征在于，根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列的方法包括：
基于注意力机制分别确定所述第一权重值、所述第二权重值以及所述第三权重值对应的第一注意力分数、第二注意力分数以及第三注意力分数；
根据所述第一向量信息、所述第一注意力分数，结合所述传感器布局模型的第一网络梯度，确定与所述目标区域对应的第一预测特征序列，其中，所述第一网络梯度用于指示与所述目标区域的功能信息对应的网络梯度值，所述第一预测特征序列用于指示所述第一向量信息对所述第一注意力分数的感兴趣特征所组成的向量序列；
根据所述第二向量信息、所述第二注意力分数，结合所述传感器布局模型的第二网络梯度，确定与所述目标区域对应的第二预测特征序列，其中，所述第二网络梯度用于指示与所述目标区域的地理信息对应的网络梯度值，所述第二预测特征序列用于指示所述第二向量信息对所述第二注意力分数的感兴趣特征所组成的向量序列；
根据所述图像矩阵矢量信息、所述第三注意力分数，结合所述传感器布局模型的第三网络梯度，确定与所述目标区域对应的第三预测特征序列，其中，所述第三网络梯度用于指示与所述目标区域的图像信息对应的网络梯度值，所述第三预测特征序列用于指示所述第三向量信息对所述第三注意力分数的感兴趣特征所组成的向量序列。
3.根据权利要求1所述的基于物联网的环境检测方法，其特征在于，根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局的方法包括：
根据所述传感器布局信息，确定与所述目标区域的功能信息对应的传感器类型、与所述目标区域的地理信息对应的传感器数量、与所述目标区域的图像信息对应的传感器布局位置；
设定传感器的数据传输方式，结合所述传感器数量与传感器布局位置，确定首节点传感器、主节点传感器和从节点传感器，其中，所述首节点传感器用于将所有传感器所采集的数据传送至目标终端，所述主节点传感器用于将接收所有从节点传感器所采集的数据并发送至首节点传感器，所述从节点传感器用于采集生态环境信息；
通过所述首节点传感器、主节点传感器和从节点传感器进行数据传输。
4.根据权利要求3所述的基于物联网的环境检测方法，其特征在于，通过所述首节点传感器、主节点传感器和从节点传感器进行数据传输的方法包括：
根据所述首节点传感器、主节点传感器和从节点传感器的空间距离、以及所述首节点传感器、主节点传感器和从节点传感器的传输范围，确定传输通路，其中，所述传输通路包括第一传输通路和第二传输通路，所述第一传输通路用于所述从节点传感器和所述主节点传感器进行数据传输，所述第二传输通路用于所述主节点传感器和所述首节点传感器进行数据传输；
根据所述第一传输通路，所述从节点传感器将所获取的生态环境信息通过所述传输通路传输至所述主节点传感器；
所述主节点传感器将所述从节点传感器所获取的生态环境信息进行信息过滤，并将过滤后的生态环境信息通过所述第二传输通路传输至所述首节点传感器。
5.根据权利要求1所述的基于物联网的环境检测方法，其特征在于，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息的方法包括：
根据所述基本属性信息对所述生态环境信息进行分类统计，其中，所述生态环境信息的类别包括水质、土壤、综合气象以及污染物中至少一种；
基于各个类别对应的标准环境信息、所述生态环境比值，根据预设的对应关系确定所述生态环境信息所属的预警类型，并生成所述预警信息。
6.一种基于物联网的环境检测装置，其特征在于，所述装置包括：
第一单元，用于确定目标区域的基本属性信息，根据所述基本属性信息，通过预先构建的传感器布局模型，确定与所述目标区域对应的传感器布局信息，其中，所述传感器布局模型基于神经网络模型构建；
第二单元，用于根据所述传感器布局信息，结合所述目标区域的基本属性信息，在所述目标区域的目标位置进行传感器布局，基于所布局的传感器所获取的生态环境信息，通过预先获取的所述目标区域的生态数据库信息，输出与所述生态环境信息对应的生态环境比值；
第三单元，用于若所述生态环境比值大于预设生态阈值，根据所述基本属性信息、所述生态环境信息以及所述生态环境比值，生成预警信息，并将所述预警信息以及所述目标区域的基本属性信息发送至目标终端；
所述基本属性信息包括所述目标区域的功能信息、所述目标区域的地理信息、所述目标区域的图像信息中至少一种；
所述第一单元还用于：
将所述目标区域的功能信息、所述目标区域的地理信息分别转换为第一向量信息、第二向量信息，将所述图像信息转换为图像矩阵矢量信息；
所述传感器布局模型分别为所述第一向量信息、所述第二向量信息以及所述图像矩阵矢量信息分配第一权重值、第二权重值以及第三权重值；
根据所述第一向量信息、所述第二向量信息、所述图像矩阵矢量信息以及对应的第一权重值、第二权重值以及第三权重值，结合所述传感器布局模型的网络梯度，确定与所述目标区域对应的预测特征序列；
基于所述预测特征序列与所述目标区域的初始特征序列的匹配度，通过所述传感器布局模型的损失函数，输出所述传感器布局信息，其中，所述传感器布局信息包括与所述目标区域对应的传感器数量、传感器类型以及传感器布局位置；
所述第一单元还用于：
按照如下公式所示的方法确定与所述目标区域对应的预测特征序列：
Figure FDA0003938020890000051
其中，
Figure FDA0003938020890000061
Figure FDA0003938020890000062
其中，P表示预测特征序列，Ki表示向量信息，N表示向量信息的数量，ω表示偏置参数，
Tx表示权重值，BGij表示平均权重值，v表示权重的数量；
W表示网络梯度，L表示传感器布局模型的网络层之间的共享权值，M表示同一网络梯度的平均值，α表示调整参数，m表示与权重值对应的相似度值。
7.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至5中任意一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。
CN202210700163.5A 2022-06-20 2022-06-20 基于物联网的环境检测方法、装置、设备及存储介质 Active CN115002163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210700163.5A CN115002163B (zh) 2022-06-20 2022-06-20 基于物联网的环境检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210700163.5A CN115002163B (zh) 2022-06-20 2022-06-20 基于物联网的环境检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115002163A CN115002163A (zh) 2022-09-02
CN115002163B true CN115002163B (zh) 2023-03-24

Family

ID=83034907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210700163.5A Active CN115002163B (zh) 2022-06-20 2022-06-20 基于物联网的环境检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115002163B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10068454B1 (en) * 2015-09-09 2018-09-04 VACC, Inc. Sensor data gathering, threshold exceedance determination, and alert generation mobile device communication system
US10452040B2 (en) * 2016-12-16 2019-10-22 Sap Se Graph-based data analysis for sensor networks
US11644801B2 (en) * 2020-04-03 2023-05-09 Dell Products L.P. Data center collective environment monitoring and response
CN113207101B (zh) * 2021-04-13 2021-12-07 山东曙光照信息技术有限公司 基于5g城市部件传感器的信息处理方法及物联网云平台
CN113110207A (zh) * 2021-04-28 2021-07-13 佛山一本农业科技有限公司 基于物联网传感器的虫害远程监测方法、系统及存储介质
CN113468385B (zh) * 2021-08-27 2023-09-19 国网浙江省电力有限公司 基于边缘处理端的能源梯度确定方法、装置及存储介质

Also Published As

Publication number Publication date
CN115002163A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
US20210142559A1 (en) System and method for vegetation modeling using satellite imagery and/or aerial imagery
Rathore et al. Efficient graph-oriented smart transportation using internet of things generated big data
US20210302585A1 (en) Smart navigation method and system based on topological map
CN106323313A (zh) 移动装置以及用于向其发射数据的方法和系统
Qiang et al. The impact of Hurricane Katrina on urban growth in Louisiana: an analysis using data mining and simulation approaches
US11308603B2 (en) Detection and monitoring of waste disposal in an environmental location using artificial intelligence
Kumar et al. Flooding disaster resilience information framework for smart and connected communities
Li et al. Estimating urban traffic states using iterative refinement and wardrop equilibria
CN117456726B (zh) 基于人工智能算法模型的异常停车识别方法
Kyrkou et al. Machine learning for emergency management: A survey and future outlook
Mahmoud et al. Estimating cycle-level real-time traffic movements at signalized intersections
Turukmane et al. Multispectral image analysis for monitoring by IoT based wireless communication using secure locations protocol and classification by deep learning techniques
CN117687416B (zh) 河网水安全检测装置路径规划方法及系统
US9262294B2 (en) System and method for event detection and correlation from moving object sensor data
US20200250596A1 (en) Method and system for route specific aircraft liability determination
CN115002163B (zh) 基于物联网的环境检测方法、装置、设备及存储介质
Dehkordi et al. Including network level safety measures in eco-routing
US11175679B2 (en) Drone elastic map
CN116881807A (zh) 自动驾驶系统的评价方法、相关模型的训练方法和设备
KR102437690B1 (ko) 미세먼지 저감 도시 플랫폼
CN115238574A (zh) 基于数字孪生的输电线路数据管理方法
Kitagawa et al. Urban traffic control using distributed multi-agent deep reinforcement learning
Hugo et al. Low-cost marine monitoring: From sensors to information delivery
CN114580700A (zh) 一种基于语义贝叶斯网络的tvdi干旱指数预测方法
Wakode Role of AI and Big Data Analytics in UAV‐Enabled IoT Applications for Smart Cities

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