CN115035416B - 一种污染水源快速识别方法、系统、电子设备及存储介质 - Google Patents

一种污染水源快速识别方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN115035416B
CN115035416B CN202210956268.7A CN202210956268A CN115035416B CN 115035416 B CN115035416 B CN 115035416B CN 202210956268 A CN202210956268 A CN 202210956268A CN 115035416 B CN115035416 B CN 115035416B
Authority
CN
China
Prior art keywords
river
sewage
images
edge
pollution
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
CN202210956268.7A
Other languages
English (en)
Other versions
CN115035416A (zh
Inventor
陈建生
邓超河
严如灏
植挺生
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.)
Guangdong Guangyu Technology Development Co Ltd
Original Assignee
Guangdong Guangyu Technology Development 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 Guangdong Guangyu Technology Development Co Ltd filed Critical Guangdong Guangyu Technology Development Co Ltd
Priority to CN202210956268.7A priority Critical patent/CN115035416B/zh
Publication of CN115035416A publication Critical patent/CN115035416A/zh
Application granted granted Critical
Publication of CN115035416B publication Critical patent/CN115035416B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • 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
    • 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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种污染水源快速识别方法、系统、电子设备及存储介质，涉及污水识别技术领域，技术方案为：包括实时获取河流上方的水面图像并进行去噪处理；对进行去噪处理后的水面图像进行灰度处理，当识别到水面图像的平均灰度值大于第一阈值时，启动无人机沿河流上游方向连续采集多张河流图像；对多张河流图像进行去噪和灰度处理生成沿河流上游方向的平均灰度变化曲线；依据平均灰度变化曲线设定相应的若干个溯源区段；对溯源区段连续拍摄多张河流图像，对灰度值较大的区域进行图像边缘识别并进行图像拼接生成污染边缘曲线图；依据污染边缘曲线图计算污水来源及污水排放指标。本发明能够对河流水污染的精准实时监测，并且能实现污水快速溯源。

Description

一种污染水源快速识别方法、系统、电子设备及存储介质
技术领域
本发明涉及污水识别技术领域，具体为一种污染水源快速识别方法、系统、电子设备及存储介质。
背景技术
生态河流是具有良好的整体景观效果，合理的生态系统组织结构和良好的运转功能；对长期或突发的扰动能保持着弹性、稳定性以及一定的自我恢复能力；河流整体功能表现出多样性、复杂性，能够满足所有受益者的合理目标要求。但是随着经济发展，生活和生产中排放的污染物的量也呈级数上升。而由于污染物的大量排放和不合理的土地利用方式，导致了河流、湿地、湖泊等水体的严重污染和生态破坏，河流、湿地和湖泊的生态功能丧失或者无法正常发挥。生态河流是通过在传统的河流建设和整治中加入生态学原理，并根据河流现状和功能，对工程进行生态设计，构建符合流域及地域生态特征的河流水生态系统和河岸生态系统。虽然生态河流设计合理，但还是存在被污染的可能，而被污染后就需要对被污染的河流污水进行处理，以免污染越来越严重。除了对污水进行处理以外，还需要追溯污染来源并及时控制住污染排放，但是由于污染排放时间不可控，并且在污染河流的下游还有可能还存在其他排污点，目前如何实现污染源头的实时监测以及对上下游多个排污点的具体位置快速机器识别是本领域亟须解决的技术难题。
申请号为CN202110650216.2的发明专利公开了一种污水源头的查找方法及装置，其也采用无人机对河流图像进行获取，并按照预设的方框将采集的环境图像划分成多张截取图像；然后分别获取每张所述截取图像内水体的第二水体颜色值；判断所述第二水体颜色值是否在预设的颜色值范围内；若所述第二水体颜色值在预设的颜色值范围内，则确定所述第二水体颜色值对应的环境图像所在区域为污水源头。但实际上污水源头的颜色值并不确定，并且上下游不同位置的颜色值也不一样，其无法准确对污水源头位置进行确定，只能粗略确定哪些地方是存在污染的。
发明内容
本发明旨在至少在一定程度上解决现有技术中的技术问题之一。为此，本发明提供了一种污染水源快速识别方法、系统、电子设备及存储介质，能够对河流水污染的精准实时监测，并且能实现对上下游多个排污点的具体位置进行快速机器识别。
为实现上述目的，第一方面，本申请提供了一种污染水源快速识别方法，包括：
实时获取河流上方的水面图像并进行去噪处理；
对进行去噪处理后的水面图像进行灰度处理，当识别到水面图像的平均灰度值大于第一阈值时，启动无人机沿河流上游方向连续采集多张河流图像；
对多张河流图像进行去噪和灰度处理生成沿河流上游方向的平均灰度变化曲线；
依据平均灰度变化曲线设定相应的若干个溯源区段；
在若干个溯源区段内分别连续拍摄多张河流图像，对多张河流图像中灰度值较大的区域进行图像边缘识别，并分别沿河流上游方向进行图像拼接生成不同溯源区段相应的污染边缘曲线图；
依据污染边缘曲线图计算相应污水来源及污水排放指标。
优选的，所述依据平均灰度变化曲线设定相应的若干个溯源区段包括：识别并记录平均灰度变化曲线上的多个平均灰度升降变化区段，每一个平均灰度升降变化区段代表一个溯源区段，溯源区段的设定方法为以平均灰度升降变化区段的最高点为基准点，以其沿上游方向的第一距离且沿下游方向的第二距离的区段定位为相应平均灰度升降变化区段的溯源区段。
优选的，当平均灰度升降变化区段的终止点不处于溯源区段时，以平均灰度升降变化区段的终止点为相应溯源区段的终止点。
优选的，依据污染边缘曲线图计算污水来源包括：以污染边缘曲线图与河流一侧岸边的相交点作为污水来源；
所述污水排放指标包括排放方向和排放量宽度，依据污染边缘曲线图计算污水排放指标包括：以污染边缘曲线图上位于河流上游一侧的边缘曲线在相交点处相对于河流岸边的斜率作为污水排放方向；
以污染边缘曲线图上位于河流上游一侧的边缘曲线和位于河流下游一侧的边缘曲线与河流岸边的两个相交点之间的距离作为排放量宽度。
优选的，对多张河流图像中灰度值较大的区域进行图像边缘识别包括：采用Sobel边缘检测模型进行图像边缘识别；
沿河流上游方向进行图像拼接生成污染边缘曲线图包括：采用基于区域的图像拼接算法对进行边缘识别后的图像进行拼接，并采用平滑过渡法对拼接点进行过渡衔接，生成污染边缘曲线图。
优选的，对河流图像进行灰度处理并计算平均灰度值包括：
依据第一网格尺寸对河流图像进行网格划分；
对每个网格采用最大值法计算灰度值后计算所有网格的灰度平均值作为河流图像的平均灰度值。
第二方面，本申请提供一种污染水源快速识别系统，包括若干横跨河流两侧设置的龙门架，所述龙门架上安装有巡检无人机、摄像组件以及与摄像组件电连接的控制器，所述控制器与巡检无人机和监控平台均通讯连接，所述摄像组件和巡检无人机上均设置有灯光组件，用于当光线亮度不足时进行补光，所述控制器控制摄像组件实时采集河流图像；
所述控制器配置有标准数据库和巡检策略，所述标准数据库内存储有不同光照条件下的标准参考图像及相应的平均灰度值，所述巡检策略设置为对摄像组件采集的河流图像进行灰度处理，当河流图像平均灰度值大于当前光照条件下标准参考图像的平均灰度值时，启动巡检策略；
所述巡检策略包括控制巡检无人机沿河流上游方向匀速飞行并按固定间隔拍摄多张对河流的采集图像，同时实时对多张采集图像进行灰度处理并记录沿河流上游方向的平均灰度变化值生成平均灰度变化曲线；所述巡检策略配置有溯源识别子策略，所述溯源识别子策略包括依据平均灰度变化曲线设定相应的若干个溯源区段；并在若干个溯源区段内分别连续拍摄多张河流图像，对多张河流图像中灰度值较大的区域进行图像边缘识别，并分别沿河流上游方向进行图像拼接生成不同溯源区段相应的污染边缘曲线图，依据污染边缘曲线图计算污水来源以及污水排放量。
优选的，所述识别系统还包括设置在龙门架下游的污水截污装置，用于将污水抽至污水处理管网进行统一处理，所述污水截污装置包括沿河流设置的若干抽吸力可调的变频抽水组件，所述污水截污装置配置有截污策略，所述截污策略包括依据污水来源与变频抽水组件之间的位置距离、污水排放量以及当前水流流速控制相应位置的抽水组件以相应的大小的抽吸力将污水抽吸至污水处理管网；所述龙门架上还设置有浮漂测试组件，用于受控制器的控制向河流中抛白色浮漂，并通过龙门架上安装的摄像组件拍摄固定时间间隔内的浮漂的位置变化图像传输给控制器，控制器计算得到当前水流流速；所述控制器设置有浮漂识别策略，所述浮漂识别策略包括控制摄像组件上的灯光组件发光照射河流，并按固定时间间隔获取至少三张拍摄图像，对每张拍摄图像进行灰度处理后，将灰度处理后的拍摄图像中灰度值小于第二阈值的区域识别为浮漂的位置。
第三方面，本申请提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上任一项所述方法中的步骤。
第四方面，本申请提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上任一项所述方法中的步骤。
由上可知，本申请实施例提供的污染水源快速识别方法可以实现对河流的常态化监测，通过计算沿河流上游方向的平均灰度变化曲线定位多个溯源区段，每个溯源区段都代表一个污染源，然后对每个溯源区段中灰度值较大的区域进行图像边缘识别，计算相应污水来源及污水排放指标。由此实现对上下游多个污染源的具体位置进行快速机器识别的同时对每个污染源污水的性质和污染情况进行准确测定。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明一种污染水源快速识别方法的流程框图；
图2为本发明一种污染水源快速识别系统的结构示意图；
图3为本发明一种污染水源快速识别方法的平均灰度变化曲线图。
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，所描述的实施例仅仅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。
如图1所示，本发明提供的第一种实施例，一种污染水源快速识别方法，包括以下步骤：
S1、实时获取河流上方的水面图像并进行去噪处理；
S2、对进行去噪处理后的水面图像进行灰度处理，当识别到水面图像的平均灰度值大于第一阈值时，启动无人机沿河流上游方向连续采集多张河流图像；
S3、对多张河流图像进行去噪和灰度处理生成沿河流上游方向的平均灰度变化曲线；
S4、依据平均灰度变化曲线设定相应的若干个溯源区段；
S5、在若干个溯源区段内分别连续拍摄多张河流图像，对多张河流图像中灰度值较大的区域进行图像边缘识别，并分别沿河流上游方向进行图像拼接生成不同溯源区段相应的污染边缘曲线图；
S6、依据污染边缘曲线图计算相应污水来源及污水排放指标。
如图3所示，为本发明提供的当上下游存在两个污水排放点时沿河道上游的平均灰度变化曲线，具体的，所述依据平均灰度变化曲线设定相应的若干个溯源区段包括：识别并记录平均灰度变化曲线上的多个平均灰度升降变化区段，每一个平均灰度升降变化区段代表一个溯源区段，溯源区段的设定方法为以平均灰度升降变化区段的最高点为基准点，以其沿上游方向的第一距离且沿下游方向的第二距离的区段定位为相应平均灰度升降变化区段的溯源区段。其中，第一距离和第二距离根据实际河流的宽度、水流流速等进行综合判断。当平均灰度升降变化区段的终止点不处于溯源区段时，以平均灰度升降变化区段的终止点为相应溯源区段的终止点，以此能涵盖较为完整的区域，实现对污水来源边缘曲线的完整勾勒，精准、全面的判断污染水的来源方向。
其中，对河流图像进行灰度处理并计算平均灰度值包括：
依据第一网格尺寸对河流图像进行网格划分；具体的，第一网格尺寸可以根据实际需求进行设定。
对每个网格采用最大值法计算灰度值后计算所有网格的灰度平均值作为河流图像的平均灰度值。
对多张河流图像中灰度值大于第一阈值的区域进行图像边缘识别包括：
采用Sobel边缘检测模型进行图像边缘识别，Sobel算子结合了高斯模糊和一阶微分并计算图像明暗程度的近似值，通过比较图像边缘的明暗程度把该区域内超过阈值的特定像素点记为边缘点。该算法在Prewitt算子的基础上增加了距离权重的概念，处于临域但不同距离的像素点对当前像素点造成的变化也是不同的：距离越近的像素点对于当前的像素点的影响越大。从而该算法实现了对距离进行加权，完成了对图像的锐化并突出了图像的边缘轮廓。由于该算法同Prewitt算法一样引入了像素的灰度值平均化处理，因此能够过滤掉图像的噪声、抑制噪声对边缘检测结果影响，适合应用在污水识别领域。
优选的，沿河流上游方向进行图像拼接生成污染边缘曲线图包括：采用基于区域的图像拼接算法对进行边缘识别后的图像进行拼接，并采用平滑过渡法对拼接点进行过渡衔接，生成污染边缘曲线图。依据污染边缘曲线图计算污水来源包括：以污染边缘曲线图与河流一侧岸边的相交点作为污水来源。所述污水排放指标包括排放方向和排放量宽度，依据污染边缘曲线图计算污水排放指标包括：以污染边缘曲线图上位于河流上游一侧的边缘曲线在相交点处相对于河流岸边的斜率作为污水排放方向；以污染边缘曲线图上位于河流上游一侧的边缘曲线和位于河流下游一侧的边缘曲线与河流岸边的两个相交点之间的距离作为排放量宽度。该实施例下的污染水源快速识别方法能够对河流水污染的精准实时监测，并且能实现对污水快速溯源同时对污水的性质和污染情况进行准确测定。
第二方面，参照图2，本发明提供一种污染水源快速识别系统，包括若干横跨河流两侧设置的龙门架，所述龙门架上安装有巡检无人机、摄像组件以及与摄像组件电连接的控制器，所述摄像组件包括摄像头，所述控制器与巡检无人机和监控平台均通讯连接，所述摄像组件和巡检无人机上均设置有灯光组件，用于当光线亮度不足时进行补光，所述控制器控制摄像组件实时采集河流图像；
所述控制器配置有标准数据库和巡检策略，所述标准数据库内存储有不同光照条件下的标准参考图像及相应的平均灰度值，所述巡检策略设置为对摄像组件采集的河流图像进行灰度处理，当河流图像平均灰度值大于当前光照条件下标准参考图像的平均灰度值时，启动巡检策略；
所述巡检策略包括控制巡检无人机沿河流上游方向匀速飞行并按固定间隔拍摄多张对河流的采集图像，同时实时对多张采集图像进行灰度处理并记录沿河流上游方向的平均灰度变化值生成平均灰度变化曲线；所述巡检策略配置有溯源识别子策略，所述溯源识别子策略包括依据平均灰度变化曲线设定相应的若干个溯源区段；并在若干个溯源区段内分别连续拍摄多张河流图像，对多张河流图像中灰度值较大的区域进行图像边缘识别，并分别沿河流上游方向进行图像拼接生成不同溯源区段相应的污染边缘曲线图，依据污染边缘曲线图计算污水来源以及污水排放量。
可选的，所述污染水源快速识别系统还包括设置在龙门架下游的污水截污装置，用于将污水抽至污水处理管网进行统一处理，所述污水截污装置包括沿河流设置的若干抽吸力可调的变频抽水组件，变频抽水组件与控制器无线通讯连接，所述污水截污装置配置有截污策略，所述截污策略包括依据污水来源与变频抽水组件之间的位置距离、污水排放量以及当前水流流速控制相应位置的抽水组件以相应的大小的抽吸力将污水抽吸至污水处理管网。无人机匀速飞行，根据检测到污水来源的位置可以计算出污水来源距离龙门架的位置，控制器可以向远程监控平台发送污染来源相对于龙门架向上游方向的位置信息，后续可以派工作人员进行实地检验。根据污水排放位置和当前水流速计算出污水向下游流动至相应变频抽水组件的时间，并根据不同变频抽水组件的安装位置，选择相应位置的变频抽水组件进行启动，其中，抽吸力大小与污水排放量以及当前水流流速均成正比，具体关系比例可以按照实际需求进行配置。
所述龙门架上还设置有浮漂测试组件，用于受控制器的控制向河流中抛白色浮漂，浮漂测试组件包括与控制器电连接的驱动气缸以及设置在驱动气缸输出端的容纳管，容纳管内装有浮漂，在驱动气缸的驱动下，容纳管内的浮漂一个一个依次排出，浮漂测试组件的具体结构可以有多种实现方式，在此不再赘述，并通过龙门架上安装的摄像组件拍摄固定时间间隔内的浮漂的位置变化图像传输给控制器，控制器计算得到当前水流流速。所述控制器设置有浮漂识别策略，所述浮漂识别策略包括控制摄像组件上的灯光组件发光照射河流，并按固定时间间隔获取至少三张拍摄图像，对每张拍摄图像进行灰度处理后，将灰度处理后的拍摄图像中灰度值小于第二阈值的区域识别为浮漂的位置。根据实际需要，龙门架上还可以设置雷达传感器测量龙门架上安装的摄像组件与水面之间的竖直距离，结合浮漂的位置变化图像计算出三张拍摄图像之间浮漂的水平移动距离，根据水平移动距离和拍摄固定时间间隔计算平均水流流速。本发明提供的污染水源快速识别系统通过设置龙门架，并在龙门架上安装巡检无人机、摄像组件以及与摄像组件电连接的控制器，可以实现对河流的常态化监测，并且通过设置巡检策略，当发现可疑污染时启动无人机沿河流上游方向飞行进行溯源，并且通过溯源识别子策略生成的污染边缘曲线图能够快递识别溯源区段，并在溯源区段内对污染区域边缘进行识别和上下游连续图像的拼接处理，勾勒出污染边缘曲线图，并依据污染边缘曲线图计算污水来源以及污水排放量，以此能够实现对河流水污染的精准实时监测，并且能实现对污水快速溯源同时对污水的性质和污染情况进行准确测定。
第三方面，本申请提供一种电子设备，包括处理器以及存储器，存储器存储有计算机可读取指令，当计算机可读取指令由处理器执行时，运行上述方法中的步骤。通过上述技术方案，处理器和存储器通过通信总线和/或其他形式的连接机构（未标出）互连并相互通讯，存储器存储有处理器可执行的计算机程序，当电子设备运行时，处理器执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：实现对河流的常态化监测，通过计算沿河流上游方向的平均灰度变化曲线定位多个溯源区段，每个溯源区段都代表一个污染源，然后对每个溯源区段中灰度值较大的区域进行图像边缘识别，计算相应污水来源及污水排放指标。由此实现对上下游多个污染源的具体位置进行快速机器识别的同时对每个污染源污水的性质和污染情况进行准确测定。
第四方面，本申请提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，运行上述方法中的步骤。
通过上述技术方案，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：实现对河流的常态化监测，通过计算沿河流上游方向的平均灰度变化曲线定位多个溯源区段，每个溯源区段都代表一个污染源，然后对每个溯源区段中灰度值较大的区域进行图像边缘识别，计算相应污水来源及污水排放指标。由此实现对上下游多个污染源的具体位置进行快速机器识别的同时对每个污染源污水的性质和污染情况进行准确测定。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random AccessMemory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory,简称PROM），只读存储器（Read-OnlyMemory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，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，所述单元的划分，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，又例如，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

Claims (9)

1.一种污染水源快速识别方法，其特征在于，包括：
实时获取河流上方的水面图像并进行去噪处理；
对进行去噪处理后的水面图像进行灰度处理，当识别到水面图像的平均灰度值大于第一阈值时，启动无人机沿河流上游方向连续采集多张河流图像；
对多张河流图像进行去噪和灰度处理生成沿河流上游方向的平均灰度变化曲线；
依据平均灰度变化曲线设定相应的若干个溯源区段；
在若干个溯源区段内分别连续拍摄多张河流图像，对多张河流图像中灰度值较大的区域进行图像边缘识别，并分别沿河流上游方向进行图像拼接生成不同溯源区段相应的污染边缘曲线图；
依据污染边缘曲线图计算相应污水来源及污水排放指标；
所述依据平均灰度变化曲线设定相应的若干个溯源区段包括：识别并记录平均灰度变化曲线上的多个平均灰度升降变化区段，每一个平均灰度升降变化区段代表一个溯源区段，溯源区段的设定方法为以平均灰度升降变化区段的最高点为基准点，以其沿上游方向的第一距离且沿下游方向的第二距离的区段定位为相应平均灰度升降变化区段的溯源区段。
2.根据权利要求1所述的一种污染水源快速识别方法，其特征在于，当平均灰度升降变化区段的终止点不处于溯源区段时，以平均灰度升降变化区段的终止点为相应溯源区段的终止点。
3.根据权利要求2所述的一种污染水源快速识别方法，其特征在于，依据污染边缘曲线图计算污水来源包括：以污染边缘曲线图与河流一侧岸边的相交点作为污水来源；
所述污水排放指标包括排放方向和排放量宽度，依据污染边缘曲线图计算污水排放指标包括：以污染边缘曲线图上位于河流上游一侧的边缘曲线在相交点处相对于河流岸边的斜率作为污水排放方向；
以污染边缘曲线图上位于河流上游一侧的边缘曲线和位于河流下游一侧的边缘曲线与河流岸边的两个相交点之间的距离作为排放量宽度。
4.根据权利要求3所述的一种污染水源快速识别方法，其特征在于，对多张河流图像中灰度值较大的区域进行图像边缘识别包括：采用Sobel边缘检测模型进行图像边缘识别；
沿河流上游方向进行图像拼接生成污染边缘曲线图包括：采用基于区域的图像拼接算法对进行边缘识别后的图像进行拼接，并采用平滑过渡法对拼接点进行过渡衔接，生成污染边缘曲线图。
5.根据权利要求4所述的一种污染水源快速识别方法，其特征在于，对河流图像进行灰度处理并计算平均灰度值包括：
依据第一网格尺寸对河流图像进行网格划分；
对每个网格采用最大值法计算灰度值后计算所有网格的灰度平均值作为河流图像的平均灰度值。
6.一种污染水源快速识别系统，其特征在于，包括若干横跨河流两侧设置的龙门架，所述龙门架上安装有巡检无人机、摄像组件以及与摄像组件电连接的控制器，所述控制器与巡检无人机和监控平台均通讯连接，所述摄像组件和巡检无人机上均设置有灯光组件，用于当光线亮度不足时进行补光，所述控制器控制摄像组件实时采集河流图像；
所述控制器配置有标准数据库和巡检策略，所述标准数据库内存储有不同光照条件下的标准参考图像及相应的平均灰度值，所述巡检策略设置为对摄像组件采集的河流图像进行灰度处理，当河流图像平均灰度值大于当前光照条件下标准参考图像的平均灰度值时，启动巡检策略；
所述巡检策略包括控制巡检无人机沿河流上游方向匀速飞行并按固定间隔拍摄多张对河流的采集图像，同时实时对多张采集图像进行灰度处理并记录沿河流上游方向的平均灰度变化值生成平均灰度变化曲线；所述巡检策略配置有溯源识别子策略，所述溯源识别子策略包括依据平均灰度变化曲线设定相应的若干个溯源区段；并在若干个溯源区段内分别连续拍摄多张河流图像，对多张河流图像中灰度值较大的区域进行图像边缘识别，并分别沿河流上游方向进行图像拼接生成不同溯源区段相应的污染边缘曲线图，依据污染边缘曲线图计算污水来源以及污水排放量。
7.根据权利要求6所述的污染水源快速识别系统，其特征在于，所述污染水源快速识别系统还包括设置在龙门架下游的污水截污装置，用于将污水抽至污水处理管网进行统一处理，所述污水截污装置包括沿河流设置的若干抽吸力可调的变频抽水组件，所述污水截污装置配置有截污策略，所述截污策略包括依据污水来源与变频抽水组件之间的位置距离、污水排放量以及当前水流流速控制相应位置的抽水组件以相应的大小的抽吸力将污水抽吸至污水处理管网；
所述龙门架上还设置有浮漂测试组件，用于受控制器的控制向河流中抛白色浮漂，并通过龙门架上安装的摄像组件拍摄固定时间间隔内的浮漂的位置变化图像传输给控制器，控制器计算得到当前水流流速；所述控制器设置有浮漂识别策略，所述浮漂识别策略包括控制摄像组件上的灯光组件发光照射河流，并按固定时间间隔获取至少三张拍摄图像，对每张拍摄图像进行灰度处理后，将灰度处理后的拍摄图像中灰度值小于第二阈值的区域识别为浮漂的位置。
8.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-5任一项所述方法中的步骤。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，运行如权利要求1-5任一项所述方法中的步骤。
CN202210956268.7A 2022-08-10 2022-08-10 一种污染水源快速识别方法、系统、电子设备及存储介质 Active CN115035416B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210956268.7A CN115035416B (zh) 2022-08-10 2022-08-10 一种污染水源快速识别方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210956268.7A CN115035416B (zh) 2022-08-10 2022-08-10 一种污染水源快速识别方法、系统、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115035416A CN115035416A (zh) 2022-09-09
CN115035416B true CN115035416B (zh) 2022-11-22

Family

ID=83131085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210956268.7A Active CN115035416B (zh) 2022-08-10 2022-08-10 一种污染水源快速识别方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115035416B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115540971B (zh) * 2022-10-08 2023-08-01 速度科技股份有限公司 一种基于语音识别的地理信息数据采集系统
CN116129362B (zh) * 2023-04-14 2023-06-30 四川三思德科技有限公司 一种基于坐标横向断面图的河流漂浮污染物的监测方法
CN117233762B (zh) * 2023-11-14 2024-02-09 广东广宇科技发展有限公司 一种基于gb-sar的水库监测方法
CN117291910B (zh) * 2023-11-23 2024-04-09 广东广宇科技发展有限公司 一种基于无人机图像采集的河湖排污动向捕捉方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0627014A (ja) * 1992-07-07 1994-02-04 Hitachi Ltd 水質汚染監視装置及びその方法
CN110865418A (zh) * 2019-12-05 2020-03-06 重庆商勤科技有限公司 污水违规排放监测方法、装置及计算机可读存储介质
CN112161973A (zh) * 2020-08-31 2021-01-01 中国水利水电科学研究院 一种基于无人机的水体污染快速检测方法
CN112485388A (zh) * 2019-09-11 2021-03-12 湘潭智联技术转移促进有限责任公司 一种河流污染物溯源方法
CN113177183A (zh) * 2021-06-29 2021-07-27 广东海洋大学 一种基于海洋遥感图像的海水污染监测预警方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018098738A1 (zh) * 2016-11-30 2018-06-07 深圳益强信息科技有限公司 一种基于航空航天多源遥感数据的监测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0627014A (ja) * 1992-07-07 1994-02-04 Hitachi Ltd 水質汚染監視装置及びその方法
CN112485388A (zh) * 2019-09-11 2021-03-12 湘潭智联技术转移促进有限责任公司 一种河流污染物溯源方法
CN110865418A (zh) * 2019-12-05 2020-03-06 重庆商勤科技有限公司 污水违规排放监测方法、装置及计算机可读存储介质
CN112161973A (zh) * 2020-08-31 2021-01-01 中国水利水电科学研究院 一种基于无人机的水体污染快速检测方法
CN113177183A (zh) * 2021-06-29 2021-07-27 广东海洋大学 一种基于海洋遥感图像的海水污染监测预警方法及系统

Also Published As

Publication number Publication date
CN115035416A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN115035416B (zh) 一种污染水源快速识别方法、系统、电子设备及存储介质
US20140313347A1 (en) Traffic camera calibration update utilizing scene analysis
CN103096121A (zh) 一种摄像头移动检测方法及装置
KR20200067743A (ko) 수중드론을 이용하는 어망감시장치, 및 그 장치의 제어방법
CN105821538B (zh) 细纱断裂的检测方法和系统
CN112528971A (zh) 基于深度学习的输电线路异常目标检测方法及系统
CN115981219B (zh) 高速隧道智能监控系统
CN115082849B (zh) 基于深度学习的模板支架安全智能监测方法
CN108799011A (zh) 对风电机组的叶片进行监测的设备和方法
CN114220044B (zh) 一种基于ai算法的河道漂浮物检测方法
CN115908951A (zh) 一种机器视觉实时识别预紧螺栓状态的方法
CN115439763A (zh) 一种基于YOLOv5模型的水工程表面裂缝检测方法
CN112418253B (zh) 基于深度学习的撒砂管松脱故障图像识别方法及系统
Antich et al. Underwater cable tracking by visual feedback
JP7396944B2 (ja) 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム
CN116866520B (zh) 一种基于ai的单轨吊安全运行实时监控管理系统
KR101886510B1 (ko) 케이블 교량의 장력 측정 시스템 및 케이블 교량의 장력 측정 방법
CN117456353A (zh) 一种河流湖泊智慧界桩的管理系统
CN117405633A (zh) 使用图像传感器的水浊度评估
CN104899854A (zh) 堆粮高度线的检测方法和装置
CN115115820B (zh) 用于盾尾间隙智能监测的图像特征提取方法、系统及装置
CN115909219A (zh) 一种基于视频分析的场景变更检测方法与系统
CN111307267A (zh) 一种基于同心圆检测的导线舞动监测方法
CN113903007A (zh) 一种用于水利行业的智能场景分析系统
CN113315954A (zh) 一种基于深度学习的水尺智能识别方法

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