CN116189023B - 基于无人机实现环境应急监测的方法及系统 - Google Patents

基于无人机实现环境应急监测的方法及系统 Download PDF

Info

Publication number
CN116189023B
CN116189023B CN202310473801.9A CN202310473801A CN116189023B CN 116189023 B CN116189023 B CN 116189023B CN 202310473801 A CN202310473801 A CN 202310473801A CN 116189023 B CN116189023 B CN 116189023B
Authority
CN
China
Prior art keywords
data
image
characteristic
vector
information
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
CN202310473801.9A
Other languages
English (en)
Other versions
CN116189023A (zh
Inventor
邓天英
司丹丹
赵东南
周鹏
刘灿
赵宣
兰林
李艳莉
赵丁
邓婧
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.)
Chengdu Environmental Emergency Command And Support Center
Original Assignee
Chengdu Environmental Emergency Command And Support Center
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 Chengdu Environmental Emergency Command And Support Center filed Critical Chengdu Environmental Emergency Command And Support Center
Priority to CN202310473801.9A priority Critical patent/CN116189023B/zh
Publication of CN116189023A publication Critical patent/CN116189023A/zh
Application granted granted Critical
Publication of CN116189023B publication Critical patent/CN116189023B/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
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • 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
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Forklifts And Lifting Vehicles (AREA)

Abstract

本发明涉及环境监测技术领域，揭露了一种基于无人机实现环境应急监测的方法及系统，方法包括：获取无人机扫描系统中的环境采集影像，对环境采集影像进行扫描处理，得到遥感影像；对改正像元进行影像裁剪，得到影像数据；查询特征数据对应的历史数据，根据历史数据，计算特征数据和历史数据的对比度；计算特征数据和历史数据的对比度，根据对比度，对特征数据进行数据统计，得到统计数据；识别异常因子中的异常数据信息，对异常数据信息进行内容输送，得到内容数据库；根据工作状态实时获取监测环境状态信息。本发明在于提高环境应急监测信息获取效率。

Description

基于无人机实现环境应急监测的方法及系统
技术领域
本发明涉及环境监测技术领域，尤其涉及一种基于无人机实现环境应急监测的方法及系统。
背景技术
环境监测是指环境监测机构对环境质量状况进行监视和测定的活动，通过对反映环境质量的指标进行监视和测定，以确定环境污染状况和环境质量的高低，而环境监测主要包括物理指标的监测、化学指标的监测和生态系统的监测。
目前，环境监测通常是基于传统卫星进行实现的，一般是通过不断向监测范围内投射电磁波谱，大地在接收到这些电磁波谱后会根据地面的不同情况反射回去，通过计算和比对每个阶段的电磁波谱，就能计算当地的地貌、植被等情况，而卫星遥感经常因云层遮挡获取不到影像、遥感重访周期过长、应急不及时、信息反馈时间长等缺点，进而导致环境紧急信息的获取处理效率低下，因此需要一种能够提高环境应急监测信息获取效率。
发明内容
本发明提供一种基于无人机实现环境应急监测的方法及系统，其主要目的在于提高环境应急监测信息获取效率。
为实现上述目的，本发明提供的基于无人机实现环境应急监测的方法，包括：
获取无人机扫描系统中的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元；
对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据；
查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据，其中，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度；所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征；
所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据；其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号；
将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库；
基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
可选地，所述对所述遥感影像进行投影差改正，得到改正像元，包括：
对所述遥感影像进行影像模拟，得到模拟影像；
对所述模拟影像进行模数转换，得到数字信号；
将所述数字信号输入预设的影像校正处理器中，得到校正影像数据，并将所述数字信号输入预设的影像分类处理器中，得到分类影像数据；
分别对所述校正影像数据和所述分类影像数据进行向量转化，得到校正影像向量和分类影像向量；
计算所述校正影像向量和所述分类影像向量的向量相似度；
根据所述向量相似度，对所述模拟影像进行筛选，得到目标影像；
对所述目标影像进行像元改正，得到改正像元。
可选地，所述计算所述校正影像向量和所述分类影像向量的向量相似度，包括：
通过下述公式计算所述校正影像向量和所述分类影像向量的向量相似度：
Figure SMS_1
其中，M表示所述校正影像向量和所述分类影像向量的向量相似度，p表示所述校正影像向量和所述分类影像向量的序列号，l表示所述校正影像向量和所述分类影像向量的数量总和，Wp表示所述校正影像向量中第p个向量的向量值，Ep+1表示所述分类影像向量中第p+1个向量的向量值，z表示所述校正影像向量中向量的总数。
可选地，所述对所述改正像元进行影像裁剪，得到影像数据，包括：
对所述改正像元进行像元分解，得到分解像元；
对所述分解像元进行类型分化，得到分类像元；
将所述分类像元进行影像融合，得到融合影像；
将所述融合影像进行数据转化，得到影像数据。
可选地，所述对所述光谱信息进行纹理特征提取，得到特征数据，包括：
对所述光谱信息进行波长解析，得到光谱波长；
对所述光谱波长进行去噪处理，得到波长单元；
根据所述波长单元，构建所述光谱波长的波长单元组；
计算所述波长单元组的特征系数；
根据所述特征系数对所述波长单元进行归一化处理，得到所述光谱信息的特征数据。
可选地，所述作为本发明的又一个可选实施例，所述预设的对比度算法，包括：
Figure SMS_2
其中，Dj表示第一标识和第二标识的对比度，m表示第一标识和第二标识的总数，Fn表示第一标识中第n个标识，lnFn表示第一标识中第n个标识的对数值，En表示第二标识中第n个标识，lnEn表示第二标识中第n个标识的对数值，max()表示第一标识和第二标识中第n个标识的对数差值的最大值，min()表示第一标识和第二标识中第n个标识的对数差值的最小值，
Figure SMS_3
表示变量系数。
为了解决上述问题，本发明还提供一种基于无人机实现环境应急监测的系统，所述系统包括：
投影改正模块，用于获取无人机扫描得到的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元；
特征提取模块，用于对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据；
数据统计模块，用于查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据，其中，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度；所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征；
所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据；其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号；
内容输送模块，用于将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库；
实时监测模块，用于基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于无人机实现环境应急监测的方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，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实现上述的基于无人机实现环境应急监测的方法。
本发明通过获取无人机扫描得到的环境采集影像，可以了解到采集影像中包含的环境信息，以便于了解影像的组成信息，为后续对所述改正像元的获得提供了便利性，通过对所述改正像元进行影像裁剪，得到影像数据，通过所述影像数据可以了解所述改正像元中的具有空间特征和波谱特征的特征信息，进而便于后续得到所述特征数据；此外，本发明通过查询所述特征数据对应的历史数据，以用于通过获取所述历史数据有助于后续统计数据的获得，进而可以对较为重要的数据进行提前标记，提高后续处理的效率，本发明实施例通过将所述统计数据输入预构建的异常检测模型，可以了解所述异常因子中的主要数据，进而便于后续上传所述异常检测模型；本发明实施例通过基于所述内容数据库，对异常检测信息进行信号转换，有助于后续得到所述监测环境状态信息，增强信息传输效率。因此，本发明实施例提供的一种基于无人机实现环境应急监测的方法及系统，能够提高环境应急监测信息获取效率。
附图说明
图1为本发明一实施例提供的基于无人机实现环境应急监测的方法流程示意图；
图2为本发明一实施例提供的基于无人机实现环境应急监测的系统的功能模块图；
图3为本发明一实施例提供的实现所述基于无人机实现环境应急监测的电子设备的结构示意图。
图中，1-电子设备；10-处理器；11-存储器；12-通信总线；13-通信接口；100-基于无人机实现环境应急监测的系统；101-投影改正模块；102-特征提取模块；103-数据统计模块；104-内容输送模块；105-实时监测模块。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供基于无人机实现环境应急监测的方法。本申请实施例中，所述基于无人机实现环境应急监测的方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于无人机实现环境应急监测的方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于无人机实现环境应急监测的方法流程示意图。在本实施例中，所述基于无人机实现环境应急监测的方法包括步骤S1—S5。
S1、获取无人机扫描得到的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元。
本发明通过获取无人机扫描得到的环境采集影像，可以了解到采集影像中包含的环境信息，以便于了解影像的组成信息，为后续对所述改正像元的获得提供了便利性。
其中，所述环境采集影像是指通过以无人机作为空中平台，以机载遥感设备进行拍摄并用计算机对像素信息进行处理，并按照一定精度要求制作成的影像，机载遥感设备通常指：高分辨率CCD数码相机、轻型光学相机、红外扫描仪、激光扫描仪、磁测仪等。可选地，所述获取所述环境采集影像可以通过卫星遥感技术、航拍机器人实现。
进一步地，本发明通过对所述环境采集影像进行扫描处理，可以了解到所述环境采集影像的相关扫描信息，增加对所述环境采集影像的认知程度。其中，所述遥感影像是所述环境采集影像的基本影像信息，如影像信息中对应的属性是地点信息、环境信息和时间信息等。
作为本发明的一个实施例，对所述遥感影像进行投影差改正，得到改正像元，包括：对所述遥感影像进行影像模拟，得到模拟影像；对所述模拟影像进行模数转换，得到数字信号；将所述数字信号输入预设的影像校正处理器中，得到校正影像数据，并将所述数字信号输入预设的影像分类处理器中，得到分类影像数据；分别对所述校正影像数据和所述分类影像数据进行向量转化，得到校正影像向量和分类影像向量；计算所述校正影像向量和所述分类影像向量的向量相似度；根据所述向量相似度，对所述模拟影像进行筛选，得到目标影像；对所述目标影像进行像元改正，得到改正像元。
其中，所述模拟影像是指图像、影像等原始信息在二维坐标系中连续变化的影像，以连续的图像信息表征；所述数字信号是指自变量是离散的、因变量也是离散的信号，这种信号的自变量用整数表示，因变量用有限数字中的一个数字来表示；所述校正影像数据对所述数字信号对应的所述模拟图像进行的复原性处理，分类影像数据是根据各自在影像信息中所反映的不同特征，把不同类别的目标区分开来的影像处理方法；所述校正影像向量和所述分类影像向量分别是所述校正影像数据和所述分类影像数据的向量表达形式；向量相似度表示所述校正影像向量和所述分类影像向量之间的相似程度；所述目标影像是指以一定的物理量形象地表现出目标特性的影像；所述改正像元是指被纠正后反映影像特征的重要标志。
进一步地，本发明又一可选实施例中，所述影像模拟可以通过影像模拟工具实现；所述校正影像数据和分类影像数据进行向量转化可以通过向量转化算法实现，如Word2vec算法；所述对所述模拟影像进行筛选可以通过筛选函数实现，如FILTER函数；所述对所述目标影像进行改正识别可以通过改正识别工具实时，如基于Java语言编译的遥感识别工具。
进一步的，作为本发明的又一个可选实施例，通过下述公式计算所述校正影像向量和所述分类影像向量的向量相似度：
Figure SMS_4
其中，M表示所述校正影像向量和所述分类影像向量的向量相似度，p表示所述校正影像向量和所述分类影像向量的序列号，l表示所述校正影像向量和所述分类影像向量的数量总和，Wp表示所述校正影像向量中第p个向量的向量值，Ep+1表示所述分类影像向量中第p+1个向量的向量值，z表示所述校正影像向量中向量的总数。
S2、对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据。
本发明实施例通过对所述改正像元进行影像裁剪，得到影像数据，通过所述影像数据可以了解所述改正像元中的具有空间特征和波谱特征的特征信息，进而便于后续得到所述特征数据。
作为本发明的一个实施例，对所述改正像元进行影像裁剪，得到影像数据，包括：对所述改正像元进行像元分解，得到分解像元；对所述分解像元进行类型分化，得到分类像元；将所述分类像元进行影像融合，得到融合影像；将所述融合影像进行数据转化，得到影像数据。
其中，所述分解像元是指从所述改正像元中提取分解得到的像元；分类像元是通过识别其他未知像元得到的分类像元；融合影像是按照一定的骨折（算法）进行运算处理，获得比单一数据更精确、更丰富的信息，生成具有新的空间、波谱、时间特征的合成影像数据。
可选地，所述影像裁剪是指将数字影像细分为多个影像子区域（像素的集合）的过程。
进一步地，本发明通过识别所述影像数据中的光谱信息，可以了解影像数据中对应的光谱信息，通常光谱信息包含很多个波长，每一个波长就能够收集该波长及其附近一个小范围的波长对应的信息，可大概包括多光谱信息影像和高光谱信息影像，如多光谱信息影像比高光谱信息影像光谱信息相对少一些。
作为本发明的一个实施例，所述对所述光谱信息进行纹理特征提取，得到特征数据，包括：对所述光谱信息进行波长解析，得到光谱波长；对所述光谱波长进行去噪处理，得到波长单元；根据所述波长单元，构建所述光谱波长的波长单元组；计算所述波长单元组的特征系数；根据所述特征系数对所述波长单元进行归一化处理，得到所述光谱信息的特征数据。
其中，所述光谱波长是光波的一个重要特征指标，是波的性质的量度；所述波长单元是将波长范围内的信息，每隔一段“距离”才能遇到下一个波长单元，所述波长单元组是指一定范围内的波长单元总和；所述波长单元组是指包含多个横向、纵向波长的单元集合，所述特征系数是所述波长单元组中具有表征意义的系数。
进一步地，作为本发明的一个可选实施例，所述对所述光谱信息进行波长解析可以通过波长解析工具实现，所述对所述光谱波长进行去噪处理可以使用去噪模型实现，所述去噪模型包括地震中、图像中的应用，所述构建所述光谱波长的波长单元组可以通过构建模型实现，所述特征数据可以通过归一化算法对所述波长单元进行归一化处理得到。
S3、查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据。
本发明通过查询所述特征数据对应的历史数据，以用于通过获取所述历史数据有助于后续统计数据的获得，进而可以对较为重要的数据进行提前标记，提高后续处理的效率。其中，所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据。
作为本发明的一个实施例，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度。
其中，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征。可选地，可以通过内容识别器识别所述历史数据的识别数据；可以通过标识提取工具分别对所述特征数据和所述识别数据进行标识提取，其中，所述内容识别器以及所述标识提取工具是由脚本语言编译。
作为本发明的又一个可选实施例，所述预设的对比度算法，包括：
Figure SMS_5
其中，Dj表示第一标识和第二标识的对比度，m表示第一标识和第二标识的总数，Fn表示第一标识中第n个标识，lnFn表示第一标识中第n个标识的对数值，En表示第二标识中第n个标识，lnEn表示第二标识中第n个标识的对数值，max()表示第一标识和第二标识中第n个标识的对数差值的最大值，min()表示第一标识和第二标识中第n个标识的对数差值的最小值，
Figure SMS_6
表示变量系数。
作为本发明的一个实施例，所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据。
其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号。可选地，可以通过标记工具对所述识别数据进行序号标记，所述标记工具包括 LabelImg工具；可以通过排序算法对所述喷射阀设备进行排序，所述排序算法包括冒泡排序法。
S4、将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库。
本发明实施例通过将所述统计数据输入预构建的异常检测模型，可以了解所述异常因子中的主要数据，进而便于后续上传所述异常检测模型。其中，所述异常因子是指程序运行过程中发生异常的类型、发生位置及异常发生的时间等信息。可选地，可以通过异常检测工具检测所述统计数据的异常因子。
进一步地，本发明实施例通过识别所述异常因子中的异常数据信息，便于后续将所述异常数据信息进行数据上传。其中，所述异常数据信息是指在计算机系统中，异常信息一般保存在日志文件中，即对异常记录分析，通过调用有关的日志文件。可选地，也可以通过数据检测工具检测所述异常数据信息，所述数据检测工具是基于Java语言编译。
作为本发明的一个实施例，所述对所述异常数据信息进行内容输送，得到内容数据库，包括：构建所述异常数据信息中每个数据的特征排序；根据所述特征排序，对所述当前异常数据信息进行数据识别，得到识别数据组；对所述识别数据组进行数据规约，得到规约数据；利用预设的数据传输算法对所述规约数据进行内容输送，得到内容数据库。
其中，所述特征排序是异常数据信息中每个数据对应的特征顺序，是按照特征越明显，排序越靠前顺序来排列；所述识别数据组是所述异常数据信息根据所述特征排序进行数据识别后得到具有标识度的数据组；所述规约数据是所述识别数据组经过约束简化后的数据；所述预设的数据传输算法是对数据进行内容输送的算法。
S5、基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
本发明实施例通过基于所述内容数据库，对异常检测信息进行信号转换，有助于后续得到所述监测环境状态信息，增强信息传输效率，其中所述异常信号是指由程序错误造成被计算机或操作系统检测出来的信号。可选地，所述异常信号可以通过信号监测工具监测出来。
进一步地，本发明实施例通过创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，可以便于了解后续监测环境状态信息。其中，所述接收指令是指用于在特定通信模式下通过指定的通信端口接收数据，接收数据存储到接收缓冲区的指令动作，通过识别历史数据中的属性，实时监测其属性变化，能够得到所述接收指令的工作状态。
进一步地，本发明实施例通过根据所述工作状态实时获取监测环境状态信息，可以得到所述接收指令的工作状态情况，所述工作状态情况基于实时监测的属性变化，以便于得到所述监测环境状态信息。其中，属性变化可以通过监测工具进行监测得到。
本发明通过获取无人机扫描得到的环境采集影像，可以了解到采集影像中包含的环境信息，以便于了解影像的组成信息，为后续对所述改正像元的获得提供了便利性根据对所述改正像元进行影像裁剪，得到影像数据，通过所述影像数据可以了解所述改正像元中的具有空间特征和波谱特征的特征信息，进而便于后续得到所述特征数据；此外，本发明通过查询所述特征数据对应的历史数据，通过获取所述历史数据有助于后续统计数据的获得，进而可以对较为重要的数据进行提前标记，提高后续处理的效率，本发明通过将所述统计数据输入预构建的异常检测模型，得到异常因子，可以了解所述异常因子中的主要数据，进而便于后续上传所述异常数据；本发明通过基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，有助于后续得到所述监测环境状态信息，增强信息传输效率。因此，本发明实施例提供的基于无人机实现环境应急监测的方法，能够提高环境应急监测信息获取效率的方法。
如图2所示，是本发明一实施例提供的基于无人机实现环境应急监测的系统的功能模块图。
本发明所述基于无人机实现环境应急监测的系统100可以安装于电子设备中。根据实现的功能，所述基于无人机实现环境应急监测的系统100可以包括投影改正模块101、特征提取模块102、数据统计模块103、内容输送模块104及实时监测模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述投影改正模块101，用于获取无人机扫描得到的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元；
所述特征提取模块102，用于对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据；
所述数据统计模块103，用于查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据，其中，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度；所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征；
所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据；其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号；
所述内容输送模块104，用于将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库；
所述实时监测模块105，用于基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
详细地，本申请实施例中所述基于无人机实现环境应急监测的系统100中所述的各模块在使用时采用与上述图1中所述的基于无人机实现环境应急监测的方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明一实施例提供的实现基于无人机实现环境应急监测的方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于无人机实现环境应急监测的方法程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于无人机实现环境应急监测的方法程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于无人机实现环境应急监测的方法程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于无人机实现环境应急监测的方法程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取无人机扫描得到的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元；
对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据；
查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据，其中，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度；所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征；
所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据；其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号；
将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库；
基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取无人机扫描得到的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元；
对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据；
查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据，其中，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度；所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征；
所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据；其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号；
将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库；
基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
本申请实施例可以人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种基于无人机实现环境应急监测的方法，其特征在于，所述方法包括：
获取无人机扫描得到的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元；
对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据；
查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据，其中，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度；所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征；
所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据；其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号；
将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库；
基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
2.如权利要求1所述的基于无人机实现环境应急监测的方法，其特征在于，所述对所述遥感影像进行投影差改正，得到改正像元，包括：
对所述遥感影像进行影像模拟，得到模拟影像；
对所述模拟影像进行模数转换，得到数字信号；
将所述数字信号输入预设的影像校正处理器中，得到校正影像数据，并将所述数字信号输入预设的影像分类处理器中，得到分类影像数据；
分别对所述校正影像数据和所述分类影像数据进行向量转化，得到校正影像向量和分类影像向量；
计算所述校正影像向量和所述分类影像向量的向量相似度；
根据所述向量相似度，对所述模拟影像进行筛选，得到目标影像；
对所述目标影像进行像元改正，得到改正像元。
3.如权利要求2所述的基于无人机实现环境应急监测的方法，其特征在于，所述计算所述校正影像向量和所述分类影像向量的向量相似度，包括：
通过下述公式计算所述校正影像向量和所述分类影像向量的向量相似度：
Figure QLYQS_1
其中，M表示所述校正影像向量和所述分类影像向量的向量相似度，p表示所述校正影像向量和所述分类影像向量的序列号，l表示所述校正影像向量和所述分类影像向量的数量总和，Wp表示所述校正影像向量中第p个向量的向量值，Ep+1表示所述分类影像向量中第p+1个向量的向量值，z表示所述校正影像向量中向量的总数。
4.如权利要求1所述的基于无人机实现环境应急监测的方法，其特征在于，所述对所述改正像元进行影像裁剪，得到影像数据，包括：
对所述改正像元进行像元分解，得到分解像元；
对所述分解像元进行类型分化，得到分类像元；
将所述分类像元进行影像融合，得到融合影像；
将所述融合影像进行数据转化，得到影像数据。
5.如权利要求1所述的基于无人机实现环境应急监测的方法，其特征在于，所述对所述光谱信息进行纹理特征提取，得到特征数据，包括：
对所述光谱信息进行波长解析，得到光谱波长；
对所述光谱波长进行去噪处理，得到波长单元；
根据所述波长单元，构建所述光谱波长的波长单元组；
计算所述波长单元组的特征系数；
根据所述特征系数对所述波长单元进行归一化处理，得到所述光谱信息的特征数据。
6.如权利要求1所述的基于无人机实现环境应急监测的方法，其特征在于，所述预设的对比度算法，包括：
Figure QLYQS_2
其中，Dj表示第一标识和第二标识的对比度，m表示第一标识和第二标识的总数，Fn表示第一标识中第n个标识，lnFn表示第一标识中第n个标识的对数值，En表示第二标识中第n个标识，lnEn表示第二标识中第n个标识的对数值，max()表示第一标识和第二标识中第n个标识的对数差值的最大值，min()表示第一标识和第二标识中第n个标识的对数差值的最小值，
Figure QLYQS_3
表示变量系数。
7.一种基于无人机实现环境应急监测的系统，其特征在于，所述系统包括：
投影改正模块，用于获取无人机扫描得到的环境采集影像，对所述环境采集影像进行扫描处理，得到遥感影像，对所述遥感影像进行投影差改正，得到改正像元；
特征提取模块，用于对所述改正像元进行影像裁剪，得到影像数据，识别所述影像数据中的光谱信息，对所述光谱信息进行纹理特征提取，得到特征数据；
数据统计模块，用于查询所述特征数据对应的历史数据，根据所述历史数据，计算所述特征数据和所述历史数据的对比度，根据所述对比度，对所述特征数据进行数据统计，得到统计数据，其中，所述根据所述历史数据，计算所述特征数据和所述历史数据的对比度，包括：对所述历史数据进行内容识别，得到识别数据；对所述特征数据和所述识别数据进行标识提取，得到第一标识和第二标识；利用预设的对比度算法计算所述第一标识和所述第二标识的对比度；所述历史数据是指上一次至发生环境问题前处于正常情况下的环境无异常数据，所述识别数据是指所述历史数据中的重点内容数据；所述第一标识和所述第二标识分别表示所述特征数据和所述识别数据中便于识别的标志或者特征；
所述根据所述对比度，对所述特征数据进行数据统计，得到统计数据，包括：查询所述特征数据对应的特征序列；根据所述特征序列，对所述特征数据进行序号标记，得到目标序号；提取所述目标序号的数据内容，得到数据记录；统计所述数据记录，得到统计数据；其中，所述特征序列是所述特征数据中每条数据的顺序排列好的序列，所述目标序号是根据所述特征序列对所述特征数据进行标记后得到的序号；
内容输送模块，用于将所述统计数据输入预构建的异常检测模型，得到异常因子，识别所述异常因子中的异常数据信息，对所述异常数据信息进行内容输送，得到内容数据库；
实时监测模块，用于基于所述内容数据库，对异常检测信息进行信号转换，得到异常信号，创建所述异常信号的接收指令，实时监测所述接收指令的工作状态，根据所述工作状态实时获取监测环境状态信息。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任意一项所述的基于无人机实现环境应急监测的方法。
9.一种计算机可读存储介质，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实现如权利要求1至6中任意一项所述的基于无人机实现环境应急监测的方法。
CN202310473801.9A 2023-04-28 2023-04-28 基于无人机实现环境应急监测的方法及系统 Active CN116189023B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310473801.9A CN116189023B (zh) 2023-04-28 2023-04-28 基于无人机实现环境应急监测的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310473801.9A CN116189023B (zh) 2023-04-28 2023-04-28 基于无人机实现环境应急监测的方法及系统

Publications (2)

Publication Number Publication Date
CN116189023A CN116189023A (zh) 2023-05-30
CN116189023B true CN116189023B (zh) 2023-07-11

Family

ID=86452710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310473801.9A Active CN116189023B (zh) 2023-04-28 2023-04-28 基于无人机实现环境应急监测的方法及系统

Country Status (1)

Country Link
CN (1) CN116189023B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112148722A (zh) * 2020-10-14 2020-12-29 四川长虹电器股份有限公司 一种监测数据异常的识别及处理方法和系统
CN113687609A (zh) * 2021-07-21 2021-11-23 浙江微科机电有限公司 应用于异常环境下的物联网智能监测系统及监测方法
CN115789527A (zh) * 2022-11-01 2023-03-14 江苏鸿利智能科技股份有限公司 一种基于水环境信息化治理的分析系统及方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680972A (zh) * 2012-06-04 2012-09-19 中国神华能源股份有限公司 地表形变的监测方法和装置及数据处理设备
CN110689563A (zh) * 2019-09-27 2020-01-14 佛山科学技术学院 一种用于提取遥感图像中违法建筑信息的数据处理方法
CN111121862A (zh) * 2019-09-29 2020-05-08 广西中遥空间信息技术有限公司 一种空天地一体化的大气环境监测系统及方法
IT202000004573A1 (it) * 2020-03-04 2021-09-04 Nuovo Pignone Tecnologie Srl Modello di rischio ibrido per l'ottimizzazione della manutenzione e sistema per l'esecuzione di tale metodo.
US20210284335A1 (en) * 2020-03-16 2021-09-16 Asylon, Inc. Automated alert system using unmanned aerial vehicles
CN112507869B (zh) * 2020-12-07 2024-04-09 广州博进信息技术有限公司 基于机器视觉的水下目标物行为观测和水体环境监测方法
CN113343847B (zh) * 2021-06-04 2024-03-26 深圳供电局有限公司 异常数据检测方法、装置、计算机设备和可读存储介质
CN113516177A (zh) * 2021-06-21 2021-10-19 中国农业大学 基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法
CN114581405A (zh) * 2022-03-03 2022-06-03 滨州学院 一种基于纹理特征的电力设备外观异常检测方法
CN115266632A (zh) * 2022-07-29 2022-11-01 阿尔爱思科技(苏州)有限公司 一种水体污染源无人机高光谱遥感排查方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112148722A (zh) * 2020-10-14 2020-12-29 四川长虹电器股份有限公司 一种监测数据异常的识别及处理方法和系统
CN113687609A (zh) * 2021-07-21 2021-11-23 浙江微科机电有限公司 应用于异常环境下的物联网智能监测系统及监测方法
CN115789527A (zh) * 2022-11-01 2023-03-14 江苏鸿利智能科技股份有限公司 一种基于水环境信息化治理的分析系统及方法

Also Published As

Publication number Publication date
CN116189023A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
US11328506B2 (en) Crop identification method and computing device
CN109214280B (zh) 基于街景的店铺识别方法、装置、电子设备及存储介质
CN110580475A (zh) 基于无人机巡检的线路诊断方法、电子装置及存储介质
CN114758249B (zh) 基于野外夜间环境的目标物监测方法、装置、设备及介质
CN109376689B (zh) 人群分析方法及装置
CN110363176B (zh) 一种图像分析方法及装置
CN114219847B (zh) 基于物候特征的作物种植面积确定方法、系统及存储介质
CN116229007B (zh) 利用bim建模的四维数字图像构建方法、装置、设备及介质
CN116681923A (zh) 一种基于人工智能的眼科疾病自动分类方法及系统
Ye et al. An image-based approach for automatic detecting tasseling stage of maize using spatio-temporal saliency
CN116338608B (zh) 微波雷达探测角度调整方法、装置、设备及存储介质
CN114049325A (zh) 轻量化人脸口罩佩戴检测模型的构建方法及应用
CN114241338A (zh) 基于影像识别的建筑物测量方法、装置、设备及存储介质
CN111507119B (zh) 标识码识别方法、装置、电子设备及计算机可读存储介质
CN116686535B (zh) 基于数据分析的无人驾驶收割机控制方法及系统
CN116189023B (zh) 基于无人机实现环境应急监测的方法及系统
CN112862703A (zh) 基于移动拍照的图像校正方法、装置、电子设备及介质
CN116863116A (zh) 基于人工智能的图像识别方法、装置、设备及介质
CN111104965A (zh) 车辆目标识别的方法及装置
CN113554748B (zh) 一种医疗器械三维建模方法及装置
CN112329596B (zh) 目标物定损方法、装置、电子设备及计算机可读存储介质
CN114419564A (zh) 车辆位姿检测方法、装置、设备、介质及自动驾驶车辆
CN113033477A (zh) 基于遥感的农耕用地沙化监测和预警方法、系统及存储介质
CN115700805A (zh) 植物高度检测方法、装置、设备及存储介质
CN113205067A (zh) 作业人员监控方法、装置、电子设备和存储介质

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