CN116071689B - 一种基于lora技术的水源地水质在线监测方法及系统 - Google Patents
一种基于lora技术的水源地水质在线监测方法及系统 Download PDFInfo
- Publication number
- CN116071689B CN116071689B CN202310206202.0A CN202310206202A CN116071689B CN 116071689 B CN116071689 B CN 116071689B CN 202310206202 A CN202310206202 A CN 202310206202A CN 116071689 B CN116071689 B CN 116071689B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- water quality
- fringe pattern
- historical
- color
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 185
- 238000012544 monitoring process Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005516 engineering process Methods 0.000 title claims abstract description 49
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000007689 inspection Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 15
- 239000012634 fragment Substances 0.000 claims description 15
- 238000005520 cutting process Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000009991 scouring Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 10
- 230000008859 change Effects 0.000 abstract description 7
- 239000010408 film Substances 0.000 description 37
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000005070 sampling Methods 0.000 description 9
- 239000007788 liquid Substances 0.000 description 8
- 239000000243 solution Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 239000008239 natural water Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000011259 mixed solution Substances 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 239000012266 salt solution Substances 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
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
- G01N33/18—Water
-
- 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Abstract
本发明涉及无线通信及图像处理技术领域,公开了一种基于lora技术的水源地水质在线监测方法及系统,通过lora技术实时监控视频;从水质合格的多份历史检验报告中筛选出水质最差的一份;根据筛选出的历史检验报告,从视频库中提取对应的历史监控视频;对实时视频片段进行图像处理,得到第一干涉条纹图;对历史视频片段进行图像处理,得到第二干涉条纹图;获取第一干涉条纹图的条纹间距,得到监测数据;获取第二干涉条纹图的条纹间距,得到比对数据;将所监测数据与比对数据进行比较;若监测数据<比对数据,则监测结果为水质不合格;否则,监测结果为水质合格。本发明可实现简便、快速地对水源地的水质变化进行实时感知。
Description
技术领域
本发明涉及无线通信及图像处理技术领域,具体而言,涉及一种基于lora技术的水源地水质在线监测方法及系统。
背景技术
随着我国城市化发展水平逐年提高,水资源污染问题也逐渐严重。水资源污染不仅阻碍经济建设,更会对国民的身体健康带来危害。因此,开展水源地水质监测的重要性日益凸显。
我国的水质监测技术起步较晚,发展也较为缓慢,现有的水质监测方法大多采用在水源地进行水体采样,将采集的水体样本带回水质检测中心,对水体中的各成分是否超标进行定量分析,根据分析结果对水质是否合格进行评价。上述水质监测方法属于传统的人工监测方法,该方法在一定程度上能够对水源地的水质进行有效分析和评价,但是该方法的操作工序多、数据分析复杂、监测周期长,无法反应水域环境的实时变化。
有鉴于此,特提出本申请。
发明内容
本发明所要解决的技术问题是:现有的水质监测技术存在操作工序多、数据分析复杂、监测周期长,无法反应水域环境的实时变化。目的在于提供一种基于lora技术的水源地水质在线监测方法及系统,采用lora技术实现远程对水源地监控数据进行无损采集,结合图像处理技术对监控数据进行在线处理,并通过比对水面气泡的干涉条纹间距的方式对水源地水质进行监测,实现简便、快速地对水源地的水质变化进行实时感知。
本发明通过下述技术方案实现:
一方面,提供一种基于lora技术的水源地水质在线监测方法,包括以下步骤:
通过lora技术获取水源地监控站远程传送的实时监控视频,所述实时监控视频包括水体冲刷沿岸的实时视频片段;
从水质合格的多份历史检验报告中筛选出水质最差的一份;
根据筛选出的历史检验报告,从视频库中提取对应的历史监控视频,所述历史监控视频包括水体冲刷沿岸的历史视频片段;
对所述实时视频片段进行图像处理,得到第一干涉条纹图;
对所述历史视频片段进行图像处理,得到第二干涉条纹图;
获取所述第一干涉条纹图的条纹间距,得到监测数据;
获取所述第二干涉条纹图的条纹间距,得到比对数据;
将所述监测数据与所述比对数据进行比较;
若所述监测数据<所述比对数据,则监测结果为水质不合格;若所述监测数据≥所述比对数据,则监测结果为水质合格。
其中,图像处理包括以下步骤:
从视频片段中截取包含水面气泡的多张单帧图片;
从多张单帧图片中裁剪出气泡壁上出现薄膜干涉现象的多张区域图像;
从多张区域图像中裁剪出多张彩色条纹图;
针对每一张彩色条纹图,从彩色条纹图中任选两条相邻光柱,获取每条光柱对应的单色光的波长,记为和/>;建立波长与气泡薄膜厚度的关系模型;所述关系模型的表达式为/>;其中,d表示气泡薄膜的厚度,n表示气泡薄膜的折射率,/>或/>,C表示光速,f 1 表示波长为/>的单色光的频率,f 2 表示波长为/>的单色光的频率;根据波长/>、波长/>和所述关系模型,计算得到气泡薄膜的厚度;
筛选出气泡薄膜厚度与预设值相等的一张彩色条纹图;
采用邻域平均法对筛选出的彩色条纹图进行降噪处理;采用多元线性回归对降噪处理后的彩色条纹图进行颜色校正;采用拉普拉斯算法和高斯算法对颜色校正后的彩色条纹图进行锐化;
利用MATLAB绘制出彩色条纹图对应的干涉条纹图。
进一步的,条纹间距的获取方法包括两种:第一种:建立气泡薄膜厚度与条纹间距之间的关系模型;将气泡薄膜厚度代入所述关系模型,计算得到条纹间距;第二种:利用MATLAB将干涉条纹图转化为对应的干涉曲线图;测量所涉曲线图中不同单色光的波峰或波谷之间的距离,得到条纹间距。
另一方面,提供一种基于lora技术的水源地水质在线监测系统,包括
远程数据接收模块,用于通过lora技术接收水源地监控站远程传送的实时监控视频,所述实时监控视频包括水体冲刷沿岸的实时视频片段;
历史数据存储模块,用于存储历史检测报告和所述水源地监控站采集的历史监控视频;
历史数据筛选模块,用于从历史数据存储模块中筛选出所有水质合格的历史检测报告,从水质合格的多份历史检验报告中筛选出水质最差的一份,以及根据筛选出的历史检测报告提取出对应的历史监控视频,所述历史监控视频包括水体冲刷沿岸的历史视频片段;
图像处理模块,用于对所述实时视频片段进行图像处理,得到第一干涉条纹图,获取所述第一干涉条纹图的条纹间距,得到监测数据;还用于对所述历史视频片段进行图像处理,得到第二干涉条纹图,获取所述第二干涉条纹图的条纹间距,得到比对数据;
数据处理模块,用于将所述监测数据与所述比对数据进行比较,当所述监测数据<所述比对数据时,输出监测结果为水质不合格,当所述监测数据≥所述比对数据时,输出监测结果为水质合格。
其中,图像处理模块包括
视频帧处理单元,用于从视频片段中截取包含水面气泡的多张单帧图片,并从多张单帧图片中筛选并裁剪出气泡壁上出现薄膜干涉现象的多张区域图像;
图片裁剪单元,用于从多张区域图像中裁剪出多张彩色条纹图;
程序嵌入单元,用于嵌入MATLAB应用程序,并利用MATLAB绘制出彩色条纹图对应的干涉条纹图;
图片标准化处理单元,用于获取每一张彩色条纹图对应的气泡薄膜厚度,筛选出气泡薄膜厚度与预设值相等的一张彩色条纹图;
图片优化单元,用于采用邻域平均法对筛选出的彩色条纹图进行降噪处理,采用多元线性回归对降噪处理后的彩色条纹图进行颜色校正,采用拉普拉斯算法和高斯算法对颜色校正后的彩色条纹图进行锐化;
第一条纹间距获取单元,用于建立气泡薄膜厚度与条纹间距之间的关系模型,将气泡薄膜厚度代入所述关系模型,计算得到条纹间距;
第二条纹间距获取单元,用于利用MATLAB将干涉条纹图转化为对应的干涉曲线图,测量所涉曲线图中不同单色光的波峰或波谷之间的距离,得到条纹间距。
与现有技术相比,本发明具有如下的优点和有益效果:相较于传统的人工监测方式,本发明主要利用图像在线处理技术对水源地水质进行监测,同时结合远程通信技术进行数据高速、无损传输,总体上从数据源采集和数据处理两个方面减少水质监测工序、提升水质监测效率、缩短水质监测周期,可实现远程、高效、便捷地对水源地水质量的实时变化状况进行在线感知。具体而言:1、本发明利用了lora技术低功耗、远距离、高集成度和高空间分辨率的优势,通过lora技术从水源地监控站采集数据,相较于传统的人工现场采样而言,可大幅提高数据采样效率,并且lora技术的高分辨率可减少采样数据在传输过程中的损失,在保证了远程数据采样速度的同时也能保证数据采样的精度;2、本发明利用了数据在线处理技术的便捷性、高效性和准确性的优势,主要通过对水源地监控站采集的高清视频图像进行系列处理,围绕“光线在不同液体中的折射率不同、液体浓度越高折射率越高,以及光线在气泡上发生薄膜干涉的原理”,最终以简单的条纹间隔(数值)比较的方式实现对水质的监测,相较于传统的通过对水体中不同成分进行逐项分析而言,本发明提供的水质在线监测技术具有操作更便捷、数据处理更简单、监测周期更短的效果,能够实现对水源地水质的变化状况进行实时监测,也可为后续水质系统检测提供提前感知和预警的基础。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,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1提供的基于lora技术的水源地水质在线监测方法的流程示意图;
图2为本发明实施例1提供的从单帧图片中裁剪出的区域图像;
图3为本发明实施例1提供的从区域图像中裁剪出的彩色条纹图对应的黑白图像;
图4为本发明实施例1提供的不同厚度介质层中光线传播的路径图;
图5为本发明实施例1提供的第一干涉条纹图和第二干涉条纹图的对照图;
图6为本发明实施例1提供的同一光线射入不同介质层后形成的单色光带宽度的对照图。
实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:针对现有的的水质监测技术存在操作工序多、数据分析复杂、监测周期长,无法反应水域环境的实时变化的问题,本实施例提供一种基于lora技术的水源地水质在线监测方法,所依据的原理是:
1、光的折射率与其传播的介质有关,光在不同介质中的折射率不同。对于同类介质而言,以液体介质为例,光在水中的折射率为1.3333,在乙醇中的折射率为1.3600,在葡萄糖溶液中的折射率为1.3800,在氯化钠溶液中的折射率为1.530。由此可知,光在溶液(尤其是盐溶液)中的折射率大于光在水中的折射率;另外,根据光的折射率与液体浓度的关系式,其中k表示经验系数,c表示液体浓度,/>表示液体密度,可以看出,对于同种液体而言,光的折射率与液体浓度成正相关。2、根据薄膜干涉原理,当自然光照射水面上形成的气泡时,在气泡壁上会出现变换的彩色条纹。并且,位于气泡底部的彩色条纹的密集度(即条纹粗细程度或条纹宽度)明显高于位于气泡顶部的彩色条纹的密集度。这是由于在气泡形成到破裂过程中,水中的溶解物在重力作用下自上而下流动,位于气泡底部的溶解物浓度大于顶部的溶解物浓度,导致光在气泡薄膜底部的折射率大于其在气泡顶部的折射率。即可推导出浓度越高,干涉条纹越密集。
基于上述原理,被污染的自然水体是由于水中混有泥沙和各类营养盐,形成泥沙及营养盐的混合溶液,其浓度高于未被污染的自然水体。由此可得出光在被污染的自然水体中的折射率大于其在干净的自然水体中的折射率。因此,本实施例提供的一种基于lora技术的水源地水质在线监测方法,采用图像处理技术对水面气泡出现的薄膜干涉现象进行分析,通过比较气泡壁上干涉条纹的宽度来判断当前被监测水体的水质状况。
具体的,该方法的整体实施流程如图1所示,包括以下步骤:
步骤1:通过lora技术获取水源地监控站远程传送的实时监控视频,该实时监控视频包括水体冲刷沿岸的实时视频片段。目前,高透雾水源地监控采用4K超高清IP一体机芯模组,其成像清晰,可实时地为各视频监控场所提供低码流的超低照度视频图像。本实施例选择水源地监控站对水源地水面的实时状态进行进行监控,将拍摄到的高清实时视频图像作为水源地水质监控的数据样本。lora技术具有低功耗、远距离、高集成度和高空间分辨率的优点,在相同的功耗下,相比于ZigBee和WiFi等无线通信技术,lora技术的传播距离扩大了3–5倍, 适合大多数水域环境的通信要求。本实施例采用lora技术将水源地监控站采集到的实时高清视频图像远程发送至数据处理中心,相较于传统的人工现场采样而言,可大幅提高数据采样效率,并且lora技术的高分辨率可减少采样数据在传输过程中的损失,在保证了远程数据采样速度的同时也能保证数据采样的精度。需说明的是,实时监控视频中要求包含有水体冲刷沿岸的实时视频片段。由于本实例的目的是对水面气泡上出现的薄膜干涉条纹进行图像分析,因此所采集的视频图像中需包含有水体冲刷沿岸时产生气泡的视频图像,也可以包含水面上自然形成的气泡。另外,使用lora技术进行无线通信传输之前,需对无线通信系统进行提前布置,尤其是对无线通信电路的布置。基于lora技术的无线通信系统可参考现有技术进行布置,如CN105813099B提供的一种基于LoRa自组网的户外无线通信系统。
步骤2:从水质合格的多份历史检验报告中筛选出水质最差的一份;根据筛选出的历史检验报告,从视频库中提取出对应的历史监控视频,该历史监控视频包括水体冲刷沿岸的历史视频片段。本步骤的目的是建立比对基础。监测当下水源地水质是否合格需要相应的评价标准。本实施例以历史检测合格的水质状况作为比对基础,基于先前对当地水源地水质的长期检测结果,首先从建立的档案库中调取出多份检测结果为水质合格的历史检验报告,具体调取数量根据实际情况而定。进一步的,为了增强方法的敏锐度,扩大比对空间,提高水质监测结果的质量,本实施例从筛选出的多份水质合格的历史检验报告中筛选出水质检验结果最差的一份历史检验报告作为最终参照,即以水质合格前提下的最差水质状况作为参照。若监测到的当前水质状况较参照样本更差,则认为当前水质不合格。为了给步骤1获取的实时监控视频建立比对数据样本,本实施例根据最终筛选出的历史检验报告的生成时间,从视频库中提取出与该生成时间对应的历史监控视频。当然,历史监控视频中也需包含有水体冲刷沿岸时产生气泡的视频图像,可以包含水面上自然形成的气泡。需说明的是,视频库中存储的历史监控视频同样来自于水源地监控站,以任意形式将监控视频拷贝至视频库。
步骤3:对实时视频片段进行图像处理,得到第一干涉条纹图;对历史视频片段进行图像处理,得到第二干涉条纹图。其中,对视频片段(包括实时视频片段和历史视频片段)进行图像处理均采用以下步骤:
步骤3.1:从视频片段中截取包含水面气泡的多张单帧图片。此步骤的目的是剔除视频片段中不包含水平气泡的无用信息。
步骤3.2:从多张单帧图片中裁剪出气泡壁上出现薄膜干涉现象的多张区域图像。由于采集视频时的天气、光线入射角等原因,使得采集到的视频片段中一些气泡表面无法看到明显的彩色条纹,本步骤的目的是对步骤3.1截取出的多张单帧图片进行筛选,从中挑选出气泡表面有明显彩色条纹的图片,并截取出具有明显彩色条纹的部分,将其与部分抛弃。区域图像如图2所示。
步骤3.3:从多张区域图像中裁剪出多张彩色条纹图。为了使图像处理具有针对性,本步骤将气泡表面的明显彩色条纹部分进一步裁剪出来,并放大。裁剪的彩色条纹图参考如图3。
步骤3.4:获取每一张彩色条纹图对应的气泡薄膜厚度,筛选出气泡薄膜厚度与预设值相等的一张彩色条纹图。本步骤的目的是通过对气泡薄膜的厚度进行限定,实现从实时监控视频中筛选出的彩色条纹图与从历史监控视频中筛选出的彩色条纹图相统一,使得二者具有可比性。具体解释为:气泡薄膜的厚度会对彩色条纹的形成产生影响(包括影响彩色条纹的颜色分布和条纹宽度等)。如图4所示,当介质层n的厚度增加时,出射光线A’、B’与出射光线A、B均发生了位移,并且出射光线C’与出射光线B发生叠加。因此,要想实时监控视频中筛选出的彩色条纹图与历史监控视频中筛选出的彩色条纹图相统一,需要对采样视频中气泡薄膜的厚度进行统一,即保证从实时监控视频中筛选的气泡与从历史监控视频中筛选的气泡的气泡薄膜厚度相等。本实施例通过预设参数的方式对二者进行统一,通常情况下,气泡薄膜的厚度可取0.0000007m。
需进一步说明的是,气泡薄膜厚度的获取方法为:
从彩色条纹图中任选两条相邻光柱,获取每条光柱对应的单色光的波长,记为和/>;建立波长与气泡薄膜厚度的关系模型;所述关系模型的表达式为/>;其中,d表示气泡薄膜的厚度,n表示气泡薄膜的折射率,/>或/>,C表示光速,f 1 表示波长为/>的单色光的频率,f 2 表示波长为/>的单色光的频率;根据波长/>、波长/>和所述关系模型,计算得到气泡薄膜的厚度。
步骤3.5:采用邻域平均法对筛选出的彩色条纹图进行降噪处理;采用多元线性回归对降噪处理后的彩色条纹图进行颜色校正;采用拉普拉斯算法和高斯算法对颜色校正后的彩色条纹图进行锐化。分别对实时视频片段和历史视频片段执行上述步骤3.1至步骤3.5之后,得到了对应的干涉条纹图,如图5所示。
步骤4:获取第一干涉条纹图的条纹间距,得到监测数据;获取第二干涉条纹图的条纹间距,得到比对数据。条纹间距的获取方法包括两种:第一种:建立气泡薄膜厚度与条纹间距之间的关系模型;将气泡薄膜厚度代入所述关系模型,计算得到条纹间距;第二种:利用MATLAB将干涉条纹图转化为对应的干涉曲线(波形)图;测量所涉曲线图中不同单色光的波峰或波谷之间的距离,得到条纹间距。
步骤5:将所述监测数据与所述比对数据进行比较;若所述监测数据<所述比对数据,则监测结果为水质不合格;若所述监测数据≥所述比对数据,则监测结果为水质合格。如图6所示,n1为水质合格的水源地气泡薄膜形成的介质层,n2为水质不合格的水源地气泡薄膜形成的介质层。当同一条光束L以相同的入射角分别照射到介质层n1、n2上后,经过4次反射和折射,最终从C点和C’点射出。从图6中可以看出,经4次反射和折射后,光束L在n1介质层表面形成的单色光带的宽度W1,光束L在n2介质层表面形成的单色光带的宽度为W2。由于光束在介质层n2中的折射率更高,使得W2<W1。同理,当白光分别照射在介质层n1和介质层n2上时,会形成不同颜色的光带,且不同颜色的单色光带均表现为W2<W1。由此可知,介质层n2上形成的相邻光带之间的间距将小于介质层n2上形成的相邻光带之间的间距。
综上所述,本实施例提供的一种基于lora技术的水源地水质在线监测方法及系统,采用lora技术实现远程对水源地监控数据进行无损采集,结合图像处理技术对监控数据进行在线处理,并通过比对水面气泡的干涉条纹间距的方式对水源地水质进行监测,实现简便、快速地对水源地的水质变化进行实时感知。
实施例2:与实施例1对应的,本实施例提供一种基于lora技术的水源地水质在线监测系统,包括
远程数据接收模块,用于通过lora技术接收水源地监控站远程传送的实时监控视频,所述实时监控视频包括水体冲刷沿岸的实时视频片段;
历史数据存储模块,用于存储历史检测报告和所述水源地监控站采集的历史监控视频;
历史数据筛选模块,用于从历史数据存储模块中筛选出所有水质合格的历史检测报告,从水质合格的多份历史检验报告中筛选出水质最差的一份,以及根据筛选出的历史检测报告提取出对应的历史监控视频,所述历史监控视频包括水体冲刷沿岸的历史视频片段;
图像处理模块,用于对所述实时视频片段进行图像处理,得到第一干涉条纹图,获取所述第一干涉条纹图的条纹间距,得到监测数据;还用于对所述历史视频片段进行图像处理,得到第二干涉条纹图,获取所述第二干涉条纹图的条纹间距,得到比对数据;
数据处理模块,用于将所述监测数据与所述比对数据进行比较,当所述监测数据<所述比对数据时,输出监测结果为水质不合格,当所述监测数据≥所述比对数据时,输出监测结果为水质合格。
其中,图像处理模块包括
视频帧处理单元,用于从视频片段中截取包含水面气泡的多张单帧图片,并从多张单帧图片中筛选并裁剪出气泡壁上出现薄膜干涉现象的多张区域图像;
图片裁剪单元,用于从多张区域图像中裁剪出多张彩色条纹图;
程序嵌入单元,用于嵌入MATLAB应用程序,并利用MATLAB绘制出彩色条纹图对应的干涉条纹图;
图片标准化处理单元,用于获取每一张彩色条纹图对应的气泡薄膜厚度,筛选出气泡薄膜厚度与预设值相等的一张彩色条纹图;
图片优化单元,用于采用邻域平均法对筛选出的彩色条纹图进行降噪处理,采用多元线性回归对降噪处理后的彩色条纹图进行颜色校正,采用拉普拉斯算法和高斯算法对颜色校正后的彩色条纹图进行锐化;
第一条纹间距获取单元,用于建立气泡薄膜厚度与条纹间距之间的关系模型,将气泡薄膜厚度代入所述关系模型,计算得到条纹间距;
第二条纹间距获取单元,用于利用MATLAB将干涉条纹图转化为对应的干涉曲线图,测量所涉曲线图中不同单色光的波峰或波谷之间的距离,得到条纹间距。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于lora技术的水源地水质在线监测方法,其特征在于,包括以下步骤:
通过lora技术获取水源地监控站远程传送的实时监控视频,所述实时监控视频包括水体冲刷沿岸的实时视频片段;
从水质合格的多份历史检验报告中筛选出水质最差的一份;根据筛选出的历史检验报告,从视频库中提取对应的历史监控视频,所述历史监控视频包括水体冲刷沿岸的历史视频片段;
对所述实时视频片段进行图像处理,得到第一干涉条纹图;对所述历史视频片段进行图像处理,得到第二干涉条纹图;
获取所述第一干涉条纹图的条纹间距,得到监测数据;获取所述第二干涉条纹图的条纹间距,得到比对数据;
将所述监测数据与所述比对数据进行比较;若所述监测数据<所述比对数据,则监测结果为水质不合格;若所述监测数据≥所述比对数据,则监测结果为水质合格。
2.根据权利要求1所述的一种基于lora技术的水源地水质在线监测方法,其特征在于,图像处理包括以下步骤:
从视频片段中截取包含水面气泡的多张单帧图片;
从多张单帧图片中裁剪出气泡壁上出现薄膜干涉现象的多张区域图像;
从多张区域图像中裁剪出多张彩色条纹图;
利用MATLAB绘制出彩色条纹图对应的干涉条纹图。
3.根据权利要求2所述的一种基于lora技术的水源地水质在线监测方法,其特征在于,利用MATLAB绘制出彩色条纹图对应的干涉条纹图之前,包括以下步骤:
获取每一张彩色条纹图对应的气泡薄膜厚度;
筛选出气泡薄膜厚度与预设值相等的一张彩色条纹图;
4.根据权利要求3所述的一种基于lora技术的水源地水质在线监测方法,其特征在于,筛选出气泡薄膜厚度与预设值相等的一张彩色条纹图之后,包括以下步骤:采用邻域平均法对筛选出的彩色条纹图进行降噪处理;采用多元线性回归对降噪处理后的彩色条纹图进行颜色校正;采用拉普拉斯算法和高斯算法对颜色校正后的彩色条纹图进行锐化。
5.根据权利要求1-4中任一所述的一种基于lora技术的水源地水质在线监测方法,其特征在于,条纹间距的获取方法包括以下步骤:
利用MATLAB将干涉条纹图转化为对应的干涉曲线图;
测量所涉曲线图中不同单色光的波峰或波谷之间的距离,得到条纹间距。
6.根据权利要求3或4所述的一种基于lora技术的水源地水质在线监测方法,其特征在于,条纹间距的获取方法为:建立气泡薄膜厚度与条纹间距之间的关系模型;将气泡薄膜厚度代入所述关系模型,计算得到条纹间距。
7.一种基于lora技术的水源地水质在线监测系统,其特征在于,包括
远程数据接收模块,用于通过lora技术接收水源地监控站远程传送的实时监控视频,所述实时监控视频包括水体冲刷沿岸的实时视频片段;
历史数据存储模块,用于存储历史检测报告和所述水源地监控站采集的历史监控视频;
历史数据筛选模块,用于从历史数据存储模块中筛选出所有水质合格的历史检测报告,从水质合格的多份历史检验报告中筛选出水质最差的一份,以及根据筛选出的历史检测报告提取出对应的历史监控视频,所述历史监控视频包括水体冲刷沿岸的历史视频片段;
图像处理模块,用于对所述实时视频片段进行图像处理,得到第一干涉条纹图,获取所述第一干涉条纹图的条纹间距,得到监测数据;还用于对所述历史视频片段进行图像处理,得到第二干涉条纹图,获取所述第二干涉条纹图的条纹间距,得到比对数据;
数据处理模块,用于将所述监测数据与所述比对数据进行比较,当所述监测数据<所述比对数据时,输出监测结果为水质不合格,当所述监测数据≥所述比对数据时,输出监测结果为水质合格。
8.根据权利要求7所述的一种基于lora技术的水源地水质在线监测系统,其特征在于,所述图像处理模块包括
视频帧处理单元,用于从视频片段中截取包含水面气泡的多张单帧图片,从多张单帧图片中筛选并裁剪出气泡壁上出现薄膜干涉现象的多张区域图像;
图片裁剪单元,用于从多张区域图像中裁剪出多张彩色条纹图;
程序嵌入单元,用于嵌入MATLAB应用程序,并利用MATLAB应用程序绘制出彩色条纹图对应的干涉条纹图。
9.根据权利要求8所述的一种基于lora技术的水源地水质在线监测系统,其特征在于,所述图像处理模块还包括
图片标准化处理单元,用于获取每一张彩色条纹图对应的气泡薄膜厚度,筛选出气泡薄膜厚度与预设值相等的一张彩色条纹图;
图片优化单元,用于采用邻域平均法对筛选出的彩色条纹图进行降噪处理,采用多元线性回归对降噪处理后的彩色条纹图进行颜色校正,采用拉普拉斯算法和高斯算法对颜色校正后的彩色条纹图进行锐化。
10.根据权利要求7-9中任一所述的一种基于lora技术的水源地水质在线监测系统,其特征在于,所述图像处理模块还包括
第一条纹间距获取单元,用于建立气泡薄膜厚度与条纹间距之间的关系模型,将气泡薄膜厚度代入所述关系模型,计算得到条纹间距;
第二条纹间距获取单元,用于利用MATLAB将干涉条纹图转化为对应的干涉曲线图,测量所涉曲线图中不同单色光的波峰或波谷之间的距离,得到条纹间距。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310206202.0A CN116071689B (zh) | 2023-03-07 | 2023-03-07 | 一种基于lora技术的水源地水质在线监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310206202.0A CN116071689B (zh) | 2023-03-07 | 2023-03-07 | 一种基于lora技术的水源地水质在线监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116071689A CN116071689A (zh) | 2023-05-05 |
CN116071689B true CN116071689B (zh) | 2023-06-06 |
Family
ID=86178627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310206202.0A Active CN116071689B (zh) | 2023-03-07 | 2023-03-07 | 一种基于lora技术的水源地水质在线监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116071689B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117233116B (zh) * | 2023-11-09 | 2024-02-02 | 江西鼎智检测有限公司 | 一种基于机器视觉的水质分析方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5790188A (en) * | 1995-09-07 | 1998-08-04 | Flight Landata, Inc. | Computer controlled, 3-CCD camera, airborne, variable interference filter imaging spectrometer system |
CN106405040A (zh) * | 2016-11-17 | 2017-02-15 | 苏州航天系统工程有限公司 | 一种基于无人设备的水质巡检、污染物溯源系统及其方法 |
WO2017141063A1 (en) * | 2016-02-17 | 2017-08-24 | Waterscope International Zrt. | Digital holographic automatic microscope with through flowing cell |
CN109187416A (zh) * | 2018-09-11 | 2019-01-11 | 深圳市迈珂斯环保科技有限公司 | 一种自来水管网光谱在线监测方法 |
CN109477782A (zh) * | 2016-06-22 | 2019-03-15 | 优沃特有限公司 | 检测流体中的微观物体 |
CN110646390A (zh) * | 2019-09-27 | 2020-01-03 | 昆山智易知信息科技有限公司 | 一种基于无人机平台的水面油污监测系统及方法 |
CN112734694A (zh) * | 2020-12-19 | 2021-04-30 | 闫耀伟 | 一种基于大数据的水质监测方法 |
WO2021184479A1 (zh) * | 2020-03-19 | 2021-09-23 | 无锡德林海环保科技股份有限公司 | 一种网格化水质实时监测方法及系统 |
CN114739510A (zh) * | 2022-03-02 | 2022-07-12 | 深圳大学 | 一种紧凑型成像光谱仪及成像检测方法 |
-
2023
- 2023-03-07 CN CN202310206202.0A patent/CN116071689B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5790188A (en) * | 1995-09-07 | 1998-08-04 | Flight Landata, Inc. | Computer controlled, 3-CCD camera, airborne, variable interference filter imaging spectrometer system |
WO2017141063A1 (en) * | 2016-02-17 | 2017-08-24 | Waterscope International Zrt. | Digital holographic automatic microscope with through flowing cell |
CN109477782A (zh) * | 2016-06-22 | 2019-03-15 | 优沃特有限公司 | 检测流体中的微观物体 |
CN106405040A (zh) * | 2016-11-17 | 2017-02-15 | 苏州航天系统工程有限公司 | 一种基于无人设备的水质巡检、污染物溯源系统及其方法 |
CN109187416A (zh) * | 2018-09-11 | 2019-01-11 | 深圳市迈珂斯环保科技有限公司 | 一种自来水管网光谱在线监测方法 |
CN110646390A (zh) * | 2019-09-27 | 2020-01-03 | 昆山智易知信息科技有限公司 | 一种基于无人机平台的水面油污监测系统及方法 |
WO2021184479A1 (zh) * | 2020-03-19 | 2021-09-23 | 无锡德林海环保科技股份有限公司 | 一种网格化水质实时监测方法及系统 |
CN112734694A (zh) * | 2020-12-19 | 2021-04-30 | 闫耀伟 | 一种基于大数据的水质监测方法 |
CN114739510A (zh) * | 2022-03-02 | 2022-07-12 | 深圳大学 | 一种紧凑型成像光谱仪及成像检测方法 |
Non-Patent Citations (4)
Title |
---|
Remote Sensing of Seawater Temperature and Salinity Profiles by the Brillouin Lidar Based on a Fizeau Interferometer and Multichannel Photomultiplier Tube;Yuanqing Wang等;《Sensors (Basel)》;第23卷(第1期);第1-20页 * |
一种新型在线紫外水质分析仪的研制;傅潇然;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》(第8期);第B027-411页 * |
快照红外傅里叶变换成像光谱仪理论、设计及实验研究;陈宇鹏;《中国博士学位论文全文数据库 工程科技Ⅱ辑》(第1期);第C030-8页 * |
民营企业存货管理存在问题及改进对策探讨;黄春燕;《财富生活》(第4期);第193-194页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116071689A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116071689B (zh) | 一种基于lora技术的水源地水质在线监测方法及系统 | |
Wu et al. | Full 3D reconstruction of transparent objects | |
CN111308039A (zh) | 一种网格化水质实时监测方法及系统 | |
CN107402220B (zh) | 一种激光选区熔化成形铺粉质量视觉在线检测方法及系统 | |
CN102261892B (zh) | 一种叶丝宽度的快速测量系统 | |
CN102654464A (zh) | 基于多特征模糊识别的铜带表面缺陷检测系统 | |
CN112380367B (zh) | 一种基于熵的遥感影像数据筛选方法 | |
Ermolli et al. | The prototype RISE-PSPT instrument operating in Rome | |
JP2008164598A (ja) | 固体酸化物燃料電池の表面分析のためのシステム及び方法 | |
CN109146895A (zh) | 一种颜色不均匀情况下太阳能板红外图像的有效分割方法 | |
CN109544655A (zh) | 一种海水管线的x射线ct重建方法 | |
CN113610050A (zh) | 一种基于YOLOv5的口罩佩戴实时检测方法 | |
CN108629790A (zh) | 一种基于深度残差网络的光条图像阈值分割方法 | |
CN111767826A (zh) | 一种定时定点场景异常检测方法 | |
CN116206045A (zh) | 半无限参与介质多重散射的绘制方法及系统 | |
Petitjean et al. | Spectral gradient sampling for path tracing | |
Al-Shimiry et al. | Geometrical models for simulating the properties of underwater bodies using digital image processing | |
CN204044085U (zh) | 一种基于光谱成像的异物检测系统 | |
CN103162630A (zh) | 滤棒测量台、滤棒中各分段料棒长度无损测量设备及方法 | |
Yan et al. | Research on X-Ray Inspection of Basin Insulators and Wireless Image Sensing Technology | |
Wei et al. | A method of retrieving significant wave height based on shadowing from X-band marine radar images | |
Lin et al. | Deep asymmetric extraction and aggregation for infrared small target detection | |
Hao et al. | Fine-grained PM2. 5 detection method based on crowdsensing | |
CN114488070B (zh) | 一种基于深度学习模型的雷达回波外推方法和装置 | |
CN212111089U (zh) | 一种用于浮选加药在线智能视觉检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |