CN116233370A - 基于水质监测的智能化视频监控方法 - Google Patents

基于水质监测的智能化视频监控方法 Download PDF

Info

Publication number
CN116233370A
CN116233370A CN202310466155.3A CN202310466155A CN116233370A CN 116233370 A CN116233370 A CN 116233370A CN 202310466155 A CN202310466155 A CN 202310466155A CN 116233370 A CN116233370 A CN 116233370A
Authority
CN
China
Prior art keywords
water quality
river
video equipment
video
monitoring
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.)
Granted
Application number
CN202310466155.3A
Other languages
English (en)
Other versions
CN116233370B (zh
Inventor
王玉娟
张俊俊
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.)
Anhui Haast Automation Technology Co ltd
Original Assignee
Anhui Haast Automation Technology 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 Anhui Haast Automation Technology Co ltd filed Critical Anhui Haast Automation Technology Co ltd
Priority to CN202310466155.3A priority Critical patent/CN116233370B/zh
Publication of CN116233370A publication Critical patent/CN116233370A/zh
Application granted granted Critical
Publication of CN116233370B publication Critical patent/CN116233370B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/85—Investigating moving fluids or granular solids
    • 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
    • G06V10/96—Management of image or video recognition tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/05—Underwater scenes
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于水质监测的智能化视频监控方法，涉及河流管理领域，所述方法包括以下步骤：将河流进行监控区域的划分，并使用视频设备监控各个河流，得到图像处理参数与视频设备参数，将图像处理参数与视频设备参数建立成像评估系数，根据成像评估系数对视频设备进行评估，对不符合要求的视频设备标记，通过视频设备获取河流的水质参数，建立水质评估系数，通过与水质评估阈值进行对比，分析各河流的水质情况，根据水质评估的情况，调整视频设备的标准成像阈值，视频设备重新进行图像采集，分析河流的水质，从而实现对河流水质的监控，从而提高了水质监测的效率。

Description

基于水质监测的智能化视频监控方法
技术领域
本发明涉及河流管理领域，具体涉及一种基于水质监测的智能化视频监控方法。
背景技术
随着城市的发展进步和区域经济的多项发展，各区域地下水污染物排放也日益严重，因此水质污染监测是水环境监测体系中不可或缺的重要组成部分。如何加强水质污染监测体系建设，及时发现水质污染隐患和污染问题并采取有效措施对水质污染进行监测，是保证水环境质量不断改善和可持续发展的必然要求。
现有技术存在以下不足：
水质监测往往只能进行单一地点的监测，存在一定的局限性，无法进行提供较大范围的水质状况的数值，对于使用视频监测水质也只是简单地对水位监测和周边环境的检测，不利于维护人员对河流的整体水质监测，更无法进行多项水质数值的测定，导致其监测数据不稳定，对于监测的视频设备不做实时健康评估，只以定期检修为主，不利于对视频设备对河流水质的实时性监测，不能及时发现受污染的河流，且不能及时的对河流水质进行调节。
发明内容
本发明的目的是提供一种基于水质监测的智能化视频监控方法，以解决背景技术中不足。
为了实现上述目的，本发明提供如下技术方案：所述方法包括以下步骤：
步骤S100、将河流进行监控区域的划分，并使用视频设备监控各个河流，得到图像处理参数与视频设备参数，将图像处理参数与视频设备参数建立成像评估系数；
步骤S200、根据成像评估系数对视频设备进行评估，对不符合要求的视频设备标记，根据区域内视频设备的异常比例，对监控区域进行整体状态分析；
步骤S300、通过视频设备获取河流的水质参数，根据水质参数建立水质评估系数，通过水质评估系数与水质评估阈值进行对比，分析各河流的水质情况；
步骤S400、根据水质评估的情况，对不满足水质评估标准的河流，调整视频设备的标准成像阈值，使视频设备根据调整的标准成像阈值进行图像采集，分析河流的水质，实现对河流水质的监控。
在一个优选的实施方式中，步骤S100中，将图像处理参数与视频设备参数建立成像评估系数，包括以下步骤：
将图像处理次数、图像处理时长、视频设备振动频率分别标定为
Figure SMS_3
、/>
Figure SMS_6
、/>
Figure SMS_9
表示，并通过公式计算视频设备采集图像的成像评估系数/>
Figure SMS_2
，具体公式为：
Figure SMS_5
式中，/>
Figure SMS_8
为成像评估系数， />
Figure SMS_10
、/>
Figure SMS_1
、/>
Figure SMS_4
分别为图像处理设备的图像处理次数、图像处理时长以及视频设备振动频率的预设比例系数，且
Figure SMS_7
。
在一个优选的实施方式中，步骤S200中，根据成像评估系数
Figure SMS_11
对视频设备进行评估，对不符合要求的视频设备标记，包括以下步骤：
将成像评估系数
Figure SMS_12
与预设的标准成像阈值/>
Figure SMS_13
进行比较，若成像评估系数/>
Figure SMS_14
小于标准成像阈值/>
Figure SMS_15
，则将视频设备标记为正常设备，若成像评估系数/>
Figure SMS_16
大于等于标准成像阈值/>
Figure SMS_17
，则将视频设备标记为异常设备，对标记为异常设备的视频设备发出预警信号，对发出预警的视频设备进行智能化调整。
在一个优选的实施方式中，步骤S200还包括，根据区域内视频设备的异常比例，对监控区域进行整体状态分析，具体步骤如下：
统计各区域的视频设备数量，并标记为A，对标记的异常视频设备进行统计，并标记为a，通过A/a计算各监控区域的视频设备异常比例，将异常比例与标准异常比例进行比较，确定该区域是否出现大规模的异常视频设备现象；
若异常设备比例大于等于标准异常比例，则该监控区域为异常监控区域；
若异常视频设备比例小于标准异常比例，则该监控区域为正常监控区域。
在一个优选的实施方式中，步骤S300中，通过视频设备获取河流的水质参数，根据水质参数建立水质评估系数，具体包括以下步骤：
采集河流的水体浑浊度、水面杂物覆盖率以及水位浮动值，将水体浑浊度、水面杂物覆盖率以及水位浮动值分别标定
Figure SMS_19
、/>
Figure SMS_22
、/>
Figure SMS_25
，并根据公式通过计算得到视频设备所监控区域的水质评估系数/>
Figure SMS_20
，具体计算表达式为：/>
Figure SMS_24
式中，/>
Figure SMS_26
为水质评估系数，/>
Figure SMS_27
、/>
Figure SMS_18
、/>
Figure SMS_21
分别为河流的水体浑浊值、水面杂物覆盖率以及水位浮动值的预设比例系数，且/>
Figure SMS_23
。
在一个优选的实施方式中，步骤S300还包括，通过水质评估系数与水质评估阈值进行对比，分析各河流的水质情况，具体步骤如下：
当水质评估系数
Figure SMS_28
小于等于预设的水质评估阈值/>
Figure SMS_29
时，标记此河流处于正常状态河流，当水质评估系数/>
Figure SMS_30
大于预设的水质评估阈值/>
Figure SMS_31
时，标记该河流为异常状态河流，并发出水质一级预警信号。
在一个优选的实施方式中，步骤S400中，根据水质评估的情况，对不满足水质评估标准的河流，调整视频设备的标准成像阈值，使视频设备根据调整的标准成像阈值进行图像采集，分析河流的水质，实现对河流水质的监控，具体包括以下步骤：
若水质评估系数大于预设的水质评估阈值，判断该河流的水质不符合标准，对该河流的标准成像阈值进行调节，使视频设备根据调节的修正标准成像阈值对河流图像进行采集；
将水质评估系数、水质评估阈值以及标准成像阈值分别标定为
Figure SMS_33
、/>
Figure SMS_35
、/>
Figure SMS_36
进行表示，并通过公式计算视频设备的修正标准成像阈值/>
Figure SMS_34
，具体公式为：/>
Figure SMS_37
式中，/>
Figure SMS_38
为修正标准成像阈值，/>
Figure SMS_39
为预设比例系数，且/>
Figure SMS_32
；
将修正标准成像阈值
Figure SMS_40
作为视频设备的新标准成像阈值进行图像采集，获取采集图像中水质参数，建立水质评估系数，将水质评估系数大于水质评估阈值的河流，发出水质二级预警信号。
在一个优选的实施方式中，所述水质二级预警信号的优先级大于水质一级预警信号的优先级。
在上述技术方案中，本发明提供的技术效果和优点：
本发明先将河流进行监控区域的划分，并使用视频设备监控各个河流，得到图像处理参数与视频设备参数，将图像处理参数与视频设备参数建立成像评估系数，根据成像评估系数对视频设备进行评估，对不符合要求的视频设备标记，根据区域内视频设备的异常比例，对监控区域进行整体状态分析，通过视频设备获取河流的水质参数，根据水质参数建立水质评估系数，通过水质评估系数与水质评估阈值进行对比，分析各河流的水质情况，根据水质评估的情况，对不满足水质评估标准的河流，调整视频设备的标准成像阈值，再通过生成新的水质评估系数分析各河流的状态，确定影响河流水质的因素，并对水质产生影响较大的因素进行调控，最后定时监控各河流的水质状态，且当某一河流的水质参数的浮动幅度超过设定的阈值时，重新对该河流的状态进行分析，铜鼓监控摄影设备运行状态和河流水质的健康度，提高了水质监测的效率与精准率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的一种基于水质监测的智能化视频监控方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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作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。
实施例1：
将河流进行监控区域的划分，并使用视频设备监控各个河流，得到图像处理参数与视频设备参数，将图像处理参数与视频设备参数建立成像评估系数，根据成像评估系数对视频设备进行评估，对不符合要求的视频设备标记，根据区域内视频设备的异常比例，对监控区域进行整体状态分析。
请参阅图1所示，本实施例所述一种基于水质监测的智能化视频监控方法，所述方法包括以下步骤：
将河流进行监控区域的划分，并使用视频设备监控各个河流，得到图像处理参数与视频设备参数；
将图像处理参数与视频设备参数建立成像评估系数，方式如下：
将图像处理次数、图像处理时长、视频设备振动频率分别标定为
Figure SMS_42
、/>
Figure SMS_47
、/>
Figure SMS_50
表示，并通过公式计算视频设备采集图像的成像评估系数/>
Figure SMS_44
，具体公式为：
Figure SMS_46
式中，/>
Figure SMS_51
为成像评估系数， />
Figure SMS_53
、/>
Figure SMS_41
、/>
Figure SMS_45
分别为图像处理设备的图像处理次数、图像处理时长以及视频设备振动频率的预设比例系数，且
Figure SMS_49
，比例系数 />
Figure SMS_52
、/>
Figure SMS_43
、/>
Figure SMS_48
的具体值由本领域技术人员依据具体情况进行设置，在此不作限定。
图像处理次数表示视频设备在上传图像时，将图像处理成可识别数据的次数，并记录图像处理的次数，图像处理次数越多，说明图像的质量越差，视频设备采集图像的完整度越低，图像处理次数越多，成像评估系数越大。
图像处理时长表示视频设备在上传图像时，将图像处理成可识别数据的花费的时间，并记录图像处理的时间，图像处理时长越大，说明图像的质量越差，视频设备采集图像的完整度越低，图像处理时间越多，成像评估系数越大。
视频设备振动频率表示视频设备在采集图像时，视频设备受到振动的频次，振动会导致采集的图像模糊，从而干扰到图像识别的速度，所以当图像生成过程中，监控区域的视频设备受到振动频率较高时，传输的图像的质量会变差，反之则会变好，振动频率的获取，可通过振动传感器进行获取，视频设备的振动频率越高，成像评估系数越大。
根据成像评估系数根据成像评估系数对视频设备进行评估，对不符合要求的视频设备标记，根据区域内视频设备的异常比例，对监控区域进行整体状态分析，过程如下：
将成像评估系数
Figure SMS_54
与预设的标准成像阈值/>
Figure SMS_55
进行比较，确定各视频设备的运行状态，具体的：
若成像评估系数
Figure SMS_56
小于标准成像阈值/>
Figure SMS_57
，则视频设备采集图像的状态较为稳定，采集的图像符合要求；
若成像评估系数
Figure SMS_58
大于等于标准成像阈值/>
Figure SMS_59
，则视频设备的采集图像的状态不稳定，采集的图像不符合要求，对视频设备标记为异常设备并发出视频设备预警信号，对发出预警的视频设备进行智能化调整，通过调节视频设备的参数，使视频设备的成像评估系数小于标准成像阈值，完成视频设备的图像采集。
进一步地，分析完所有的视频设备后，可对视频设备所在监控区域进行状态分析，具体分析过程如下：
统计各区域的视频设备数量，并标记为A，对标记的异常视频设备进行统计，并标记为a，通过A/a计算各监控区域的视频设备异常比例，将异常比例与标准异常比例进行比较，确定该区域是否出现大规模的异常设备现象。
若异常设备比例大于等于标准异常比例，则说明该监控区域内异常视频设备比例多于标准值，即该监控区域极可能具有影响视频设备运行的干扰因素，如湿度、光照强度、强风等环境因素，或者是视频设备传输信号弱，传输线损坏等硬件因素。
若异常视频设备比例小于标准异常比例，则说明该监控区域内异常视频设备比例符合标准范围。
由于不同河流所在地理区域并不相同，同一条河流的不同流域的周边环境也不同，其所受到的周边环境的影响也不相同。因此，先按照各河流所在位置将河流划分为不同监控区域，对各河流进行监控，每个河流内设置有若干个视频采集设备，从而便于后续对河流进行数据的获取以及分析。
实施例2：
本实施例中，通过视频设备获取河流的水质参数，根据水质参数建立水质评估系数，通过水质评估系数与水质评估阈值进行对比，分析各河流的水质情况，具体包括以下步骤：
采集河流的水体浑浊度、水面杂物覆盖率以及水位浮动值，将水体浑浊度、水面杂物覆盖率以及水位浮动值分别标定
Figure SMS_63
、/>
Figure SMS_66
、/>
Figure SMS_69
，并根据公式通过计算得到视频设备所监控区域的水质评估系数/>
Figure SMS_62
，具体计算表达式为：/>
Figure SMS_65
式中，/>
Figure SMS_70
为水质评估系数，/>
Figure SMS_72
、/>
Figure SMS_60
、/>
Figure SMS_64
分别为河流的水体浑浊值、水面杂物覆盖率以及水位浮动值的预设比例系数，且/>
Figure SMS_68
，比例系数/>
Figure SMS_71
、/>
Figure SMS_61
、/>
Figure SMS_67
的具体值由本领域技术人员依据具体情况进行设置，在此不作限定。
水体浑浊度
Figure SMS_73
是指水中悬浮物和颗粒物对光线的散射和吸收能力，不同的浑浊度通常反映了水体中不同的化学物质的存在浓度，水体浑浊度高低与水中悬浮物和颗粒物的种类、浓度、颗粒大小、形状等因素有关，水体浑浊度的测量方法是使用水下视频设备测量，将视频设备安装在水下，然后通过调整焦距、曝光时间等参数，以获得清晰的画面，观测视频画面时，可以通过对比不同画面中物体的清晰度和可见度来判断水体的浑浊度，从采集的视频画面中水的浑浊度来界定水质的好坏，如清澈的水是透明的，视频拍摄时成像清晰，水质正常，而视频成像不清晰时，水质浑浊，水流可能遭受污染，因此通过对水流的浑浊度的提取和判断可以初步界定水质的好坏，水体浑浊度越高，河流的水质越差。
水面杂物覆盖率
Figure SMS_74
是指视频监控区域内水面上漂浮物覆盖面积占河流水面面积的比值，通过视频设备实时获得河流水域的视频，通过统计某一段时间内视频中水面流过的物体面积占比得到水面杂物的覆盖率，水面杂物覆盖率越高，河流的水面杂物越多，河流的溶氧率越低，水面杂物会影响水中光线的穿透能力，阻碍水生植物的光合作用，从而影响水生生物的生态系统平衡，水面杂物覆盖率越高，河流稳定性越差，水质也越差。
水位浮动值
Figure SMS_75
是指视频监控的河流中水位的变化幅度，可以通过架设在河岸的视频设备进行实时获取，通过对比不同时间段的水位高度，得到水位浮动值，将河流两岸景物作为参照实现对水位变化的识别，对水位的变化进行记录，先通过河流水位的高低可以初步判断是否达到水位警戒线，对于达到水位警戒线的河流预警，再根据一定时间段的水位变化情况得出水位浮动值，水位的浮动值越大，河流的稳定性越差，水质越差。
需要说明的是，在对河流的信息进行采集时，每种河流的信息都经过多个视频设备进行采集，并取多个视频设备的采集结果的平均值作为采集信息的最终值。
当水质评估系数
Figure SMS_76
小于等于预设的水质评估阈值/>
Figure SMS_77
时，判断此河流处于正常状态，符合评估要求，无需进行调控，并对此河流进行监控。
当水质评估系数
Figure SMS_78
大于预设的水质评估阈值/>
Figure SMS_79
时，则说明该河流的稳定性较差，不符合评估要求，对该河流标记并发出水质一级预警信号。
在一个可选的例子中，还可以根据不同河流所在的地理区域的特征调整
Figure SMS_82
、/>
Figure SMS_84
、
Figure SMS_86
预设比例系数之间的排序，例如，若河流所在区域为工业区域，工厂的污水较多，则水体浑浊度较大，其比例系数的权重大于其他因素，即此时调大/>
Figure SMS_81
的数值，以满足实际情况，若河流所在区域为闹市区，生活垃圾较多，则水面杂物覆盖率较大，其比例系数的权重大于其他因素，即此时调大/>
Figure SMS_83
的数值，根据实际河流的所处区域，对/>
Figure SMS_85
、/>
Figure SMS_87
、/>
Figure SMS_80
之间的比例大小进行调节，以满足所在不同河流的实际情况。
实施例3：
根据水质评估的情况，对不满足水质评估标准的河流，调整视频设备的标准成像阈值，使视频设备根据调整的标准成像阈值进行图像采集，分析河流的水质，实现对河流水质的监控，具体过程如下：
若水质评估系数大于预设的水质评估阈值，判断该河流的水质不符合标准，对该河流的标准成像阈值进行调节，使视频设备根据调节的修正标准成像阈值对河流图像进行采集；
将水质评估系数、水质评估阈值以及标准成像阈值分别标定为
Figure SMS_89
、/>
Figure SMS_91
、/>
Figure SMS_94
进行表示，并通过公式计算视频设备的修正标准成像阈值/>
Figure SMS_90
，具体公式为：/>
Figure SMS_92
式中，/>
Figure SMS_95
为修正标准成像阈值，/>
Figure SMS_96
为预设比例系数，且/>
Figure SMS_88
，比例系数/>
Figure SMS_93
的具体值由本领域技术人员依据具体情况进行设置，在此不作限定。
将修正标准成像阈值
Figure SMS_97
作为视频设备的新的标准成像阈值进行图像采集。
根据河流水质的影响因素对视频设备采用不同的调节方式，调节方式如下：
若水体浑浊值作为主要影响水质评估的因素，则对该区域的视频设备进行光圈调节策略，通过调节视频设备的光圈进行视频图像采集，对比分析视频设备获得的水体图像，得到水体浑浊值的平均值，并作为参数生成水质评估系数，进一步判断河流的水质是否达标；
若水面杂物覆盖率作为主要影响水质评估的因素，则对该区域的视频设备进行焦距调节策略，通过调节视频设备的焦距进行视频图像采集，对比分析视频设备获得的水面图像，得到水面杂物覆盖率的平均值，并作为参数生成水质评估系数，进一步判断河流的水质是否达标；
若水位浮动值作为主要影响水质评估的因素，则对该区域的视频设备进行曝光时间调节策略，通过调节视频设备的曝光时间进行视频图像采集，对比分析视频设备获得的水位图像，得到水位浮动值的平均值，并作为参数生成水质评估系数，进一步判断河流的水质是否达标；
对调整视频设备后，水质仍不达标的河流，发送水质二级预警信号。
需要说明的是，水质二级预警信号大于水质一级预警信号，例如，当甲河流进行水质评估后，判断水质不达标，发出水质一级预警信号，并通过调节视频设备的标准成像阈值，获得新的水质参数后，建立水质评估系数，再次进行水质评估，仍不达标，则发出水质二级预警信号，甲河流为水质二级预警河流；
当乙河流进行水质评估后，判断水质不达标，发出水质一级预警信号，并通过调节视频设备的标准成像阈值，获得新的水质参数后，建立水质评估系数，再次进行水质评估，水质达标，则不发出水质二级预警信号，乙河流为水质一级预警河流；
当河流管理人员处理河流水质预警时，按照预警优先处理原则，对发出水质二级预警信息的河流进行优先处理。
在一个可选的例子中，实时接收进行监测区域的视频设备采集图像数据，若河流中一项或多项的参数变化量超出对应的设定阈值，则重新对其进行水质评估分析，确保河流水质的状态稳定，不超出设定阈值的水质数据，不进行水质评估分析，节省了数据的处理时间。
本发明首先通过对视频设备的运行状态进行逐一分析，确定视频设备的成像状态，根据成像状态发出对应的成像信息，以便于相关工作人员能够及时对视频设备进行维护，同时根据各监控区域内视频设备的整体异常比例，能够确定各个监测区域是否存在较为明显的干扰因素干扰视频设备运行，能够及时提示相关工作人员，使其能及时排查异常监测区域的干扰因素，再通过建立水质评估系数，通过判断水质评估系数与水质评估阈值，对大于水质评估阈值的河流发出水质一级预警，根据水质一级预警调节视频设备的成像标准阈值，重点关注预警水域，通过采集视频图像获取新的水质参数，对河流进行二次水质评估，对仍大于水质评估系数的河流发出水质二级预警，从而实现了对河流水质的智能化视频监控。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
应理解，本文中术语“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，A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，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项（个）”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b，或c中的至少一项（个），可以表示：a,b,c,a-b,a-c,b-c，或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述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，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.基于水质监测的智能化视频监控方法，其特征在于：所述方法包括以下步骤：
步骤S100、将河流进行监控区域的划分，并使用视频设备监控各个河流，得到图像处理参数与视频设备参数，将图像处理参数与视频设备参数建立成像评估系数；
步骤S200、根据成像评估系数对视频设备进行评估，对不符合要求的视频设备标记，根据区域内视频设备的异常比例，对监控区域进行整体状态分析；
步骤S300、通过视频设备获取河流的水质参数，根据水质参数建立水质评估系数，通过水质评估系数与水质评估阈值进行对比，分析各河流的水质情况；
步骤S400、根据水质评估的情况，对不满足水质评估标准的河流，调整视频设备的标准成像阈值，使视频设备根据调整的标准成像阈值进行图像采集，分析河流的水质，实现对河流水质的监控。
2.根据权利要求1所述的基于水质监测的智能化视频监控方法，其特征在于：步骤S100中，将图像处理参数与视频设备参数建立成像评估系数，包括以下步骤：
将图像处理次数、图像处理时长、视频设备振动频率分别标定为
Figure QLYQS_1
、/>
Figure QLYQS_6
、/>
Figure QLYQS_7
表示，并通过公式计算视频设备采集图像的成像评估系数/>
Figure QLYQS_2
，具体公式为：/>
Figure QLYQS_5
式中，/>
Figure QLYQS_9
为成像评估系数， />
Figure QLYQS_10
、/>
Figure QLYQS_3
、/>
Figure QLYQS_4
分别为图像处理设备的图像处理次数、图像处理时长以及视频设备振动频率的预设比例系数，且/>
Figure QLYQS_8
。
3.根据权利要求2所述的基于水质监测的智能化视频监控方法，其特征在于：步骤S200中，根据成像评估系数
Figure QLYQS_11
对视频设备进行评估，对不符合要求的视频设备标记，包括以下步骤：
将成像评估系数
Figure QLYQS_12
与预设的标准成像阈值/>
Figure QLYQS_13
进行比较，若成像评估系数/>
Figure QLYQS_14
小于标准成像阈值/>
Figure QLYQS_15
，则将视频设备标记为正常设备，若成像评估系数/>
Figure QLYQS_16
大于等于标准成像阈值
Figure QLYQS_17
，则将视频设备标记为异常设备，对标记为异常设备的视频设备发出预警信号，对发出预警的视频设备进行智能化调整。
4.根据权利要求2所述的基于水质监测的智能化视频监控方法，其特征在于：步骤S200还包括，根据区域内视频设备的异常比例，对监控区域进行整体状态分析，具体步骤如下：
统计各区域的视频设备数量，并标记为A，对标记的异常视频设备进行统计，并标记为a，通过A/a计算各监控区域的视频设备异常比例，将异常比例与标准异常比例进行比较，确定该区域是否出现大规模的异常视频设备现象；
若异常设备比例大于等于标准异常比例，则该监控区域为异常监控区域；
若异常视频设备比例小于标准异常比例，则该监控区域为正常监控区域。
5.根据权利要求4所述的基于水质监测的智能化视频监控方法，其特征在于：步骤S300中，通过视频设备获取河流的水质参数，根据水质参数建立水质评估系数，具体包括以下步骤：
采集河流的水体浑浊度、水面杂物覆盖率以及水位浮动值，将水体浑浊度、水面杂物覆盖率以及水位浮动值分别标定
Figure QLYQS_20
、/>
Figure QLYQS_22
、/>
Figure QLYQS_24
，并根据公式通过计算得到视频设备所监控区域的水质评估系数/>
Figure QLYQS_19
，具体计算表达式为：/>
Figure QLYQS_23
式中，/>
Figure QLYQS_25
为水质评估系数，/>
Figure QLYQS_27
、/>
Figure QLYQS_18
、/>
Figure QLYQS_21
分别为河流的水体浑浊值、水面杂物覆盖率以及水位浮动值的预设比例系数，且/>
Figure QLYQS_26
。
6.根据权利要求5所述的基于水质监测的智能化视频监控方法，其特征在于：步骤S300还包括，通过水质评估系数与水质评估阈值进行对比，分析各河流的水质情况，具体步骤如下：
当水质评估系数
Figure QLYQS_28
小于等于预设的水质评估阈值/>
Figure QLYQS_29
时，标记此河流处于正常状态河流，当水质评估系数/>
Figure QLYQS_30
大于预设的水质评估阈值/>
Figure QLYQS_31
时，标记该河流为异常状态河流，并发出水质一级预警信号。
7.根据权利要求6所述的基于水质监测的智能化视频监控方法，其特征在于：步骤S400中，根据水质评估的情况，对不满足水质评估标准的河流，调整视频设备的标准成像阈值，使视频设备根据调整的标准成像阈值进行图像采集，分析河流的水质，实现对河流水质的监控，具体包括以下步骤：
若水质评估系数大于预设的水质评估阈值，判断该河流的水质不符合标准，对该河流的标准成像阈值进行调节，使视频设备根据调节的修正标准成像阈值对河流图像进行采集；
将水质评估系数、水质评估阈值以及标准成像阈值分别标定为
Figure QLYQS_34
、/>
Figure QLYQS_36
、/>
Figure QLYQS_38
进行表示，并通过公式计算视频设备的修正标准成像阈值/>
Figure QLYQS_33
，具体公式为：/>
Figure QLYQS_35
式中，
Figure QLYQS_37
为修正标准成像阈值，/>
Figure QLYQS_39
为预设比例系数，且/>
Figure QLYQS_32
；
将修正标准成像阈值
Figure QLYQS_40
作为视频设备的新标准成像阈值进行图像采集，获取采集图像中水质参数，建立水质评估系数，将水质评估系数大于水质评估阈值的河流，发出水质二级预警信号。
8.根据权利要求7所述的基于水质监测的智能化视频监控方法，其特征在于：所述水质二级预警信号的优先级大于水质一级预警信号的优先级。
CN202310466155.3A 2023-04-27 2023-04-27 基于水质监测的智能化视频监控方法 Active CN116233370B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310466155.3A CN116233370B (zh) 2023-04-27 2023-04-27 基于水质监测的智能化视频监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310466155.3A CN116233370B (zh) 2023-04-27 2023-04-27 基于水质监测的智能化视频监控方法

Publications (2)

Publication Number Publication Date
CN116233370A true CN116233370A (zh) 2023-06-06
CN116233370B CN116233370B (zh) 2023-07-25

Family

ID=86573459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310466155.3A Active CN116233370B (zh) 2023-04-27 2023-04-27 基于水质监测的智能化视频监控方法

Country Status (1)

Country Link
CN (1) CN116233370B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116777122A (zh) * 2023-08-21 2023-09-19 安徽塔联智能科技有限责任公司 一种数字乡村综合治理ai预警平台
CN116990479A (zh) * 2023-09-27 2023-11-03 上海科泽智慧环境科技有限公司 一种基于Zigbee技术的水质监测方法、系统、设备及介质
CN117054676A (zh) * 2023-10-13 2023-11-14 山西智合清浩环保技术服务有限公司 废水在线监测设备的运维智能控制系统
CN117250158A (zh) * 2023-09-28 2023-12-19 北京科技大学 基于墨水染色实验面积变化的中间包评价方法及系统
CN117292211A (zh) * 2023-11-27 2023-12-26 潍坊市海洋发展研究院 水质标注图像发送方法、装置、电子设备和计算机可读介质
CN117421514A (zh) * 2023-10-24 2024-01-19 国网信通亿力科技有限责任公司 基于智慧水电云服务平台的电力信息分析系统
CN117805338A (zh) * 2024-03-01 2024-04-02 广东省建筑设计研究院有限公司 一种建筑供水管网水质实时在线监测方法及系统

Citations (30)

* 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
US5757665A (en) * 1996-06-04 1998-05-26 The United States Of America As Represented By The Secretary Of The Army Riverine community habitat assessment and restoration methodlogy
JP2005052697A (ja) * 2003-08-06 2005-03-03 Hitachi Ltd 水質監視システム
JP2005150840A (ja) * 2003-11-11 2005-06-09 Shikoku Res Inst Inc 水質監視装置およびそれに用いる魚画像認識方法
JP2007187575A (ja) * 2006-01-13 2007-07-26 Shikoku Res Inst Inc 水質監視装置および水質監視方法
JP2008058264A (ja) * 2006-09-04 2008-03-13 Kobe Univ 実河川を対象とした流速観測装置、流速観測方法，および流速観測プログラム
JP2013257353A (ja) * 2012-06-11 2013-12-26 Hitachi Ltd 監視カメラ装置
US20140043480A1 (en) * 2011-04-18 2014-02-13 Zte Corporation Video monitoring system and method
CN103731643A (zh) * 2014-01-17 2014-04-16 公安部第三研究所 一种视频监控网络质量巡检方法及系统
CN104301712A (zh) * 2014-08-25 2015-01-21 浙江工业大学 一种基于视频分析的监控摄像头抖动检测方法
US20150294154A1 (en) * 2014-04-15 2015-10-15 Open Range Consulting System and method for assessing riparian habitats
KR20150117127A (ko) * 2014-04-09 2015-10-19 한국원자력연구원 영상 정보를 이용한 수질 경보 방법
JP2016012752A (ja) * 2014-06-27 2016-01-21 株式会社 日立産業制御ソリューションズ 映像監視装置、映像監視システムおよび映像監視方法
CN205051810U (zh) * 2015-10-14 2016-02-24 宝鸡文理学院 一种河流微型综合监测系统
CN205175917U (zh) * 2015-09-30 2016-04-20 苏州工业园区清源华衍水务有限公司 一种水质远程观测装置
KR20160044809A (ko) * 2014-10-16 2016-04-26 박종석 하천의 수질개선 우선순위결정을 위한 등급화방법
CN107741728A (zh) * 2017-11-24 2018-02-27 四川中科水务科技有限公司 一种水域生态信息监控系统
CN108169441A (zh) * 2017-12-19 2018-06-15 大连鑫鑫创世科技发展有限公司 一种物联网河道水质监测方法
CN108833587A (zh) * 2018-07-09 2018-11-16 江苏科技大学 一种基于物联网云平台的河道水污监测与治理系统
CN108911147A (zh) * 2017-04-22 2018-11-30 绍兴良辰园林建设有限公司 一种河道水生植物的恢复方法
US20190170720A1 (en) * 2017-12-01 2019-06-06 Madison Mckensi Howard Underwater camera and water quality monitoring system
CN111693672A (zh) * 2020-06-19 2020-09-22 广东理行生态环境科技有限公司 一种流域污染物监测系统及其监测方法
CN212691331U (zh) * 2020-08-06 2021-03-12 生态环境部华南环境科学研究所 一种基于遥感影像的城市河道水质智能监控系统
CN113155102A (zh) * 2021-02-24 2021-07-23 时代云英(深圳)科技有限公司 一种河流综合治理系统
CN114417981A (zh) * 2021-12-28 2022-04-29 安徽新宇环保科技股份有限公司 一种智能河长巡测系统
CN114584758A (zh) * 2022-01-26 2022-06-03 南京邮电大学 一种城市级监控视频质量评估方法及系统
US20220277546A1 (en) * 2022-01-11 2022-09-01 Changjiang River Scientific Research Institute Method and system for pollutant identifying and early warning based on cluster analysis
KR20220122381A (ko) * 2021-02-26 2022-09-02 창원대학교 산학협력단 드론을 이용한 수질현황 모니터링 방법 및 시스템
CN115372571A (zh) * 2022-07-07 2022-11-22 中冶华天工程技术有限公司 一种水环境智能监测系统
WO2023048017A1 (ja) * 2021-09-21 2023-03-30 東芝デジタルソリューションズ株式会社 水質監視システム

Patent Citations (30)

* 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
US5757665A (en) * 1996-06-04 1998-05-26 The United States Of America As Represented By The Secretary Of The Army Riverine community habitat assessment and restoration methodlogy
JP2005052697A (ja) * 2003-08-06 2005-03-03 Hitachi Ltd 水質監視システム
JP2005150840A (ja) * 2003-11-11 2005-06-09 Shikoku Res Inst Inc 水質監視装置およびそれに用いる魚画像認識方法
JP2007187575A (ja) * 2006-01-13 2007-07-26 Shikoku Res Inst Inc 水質監視装置および水質監視方法
JP2008058264A (ja) * 2006-09-04 2008-03-13 Kobe Univ 実河川を対象とした流速観測装置、流速観測方法，および流速観測プログラム
US20140043480A1 (en) * 2011-04-18 2014-02-13 Zte Corporation Video monitoring system and method
JP2013257353A (ja) * 2012-06-11 2013-12-26 Hitachi Ltd 監視カメラ装置
CN103731643A (zh) * 2014-01-17 2014-04-16 公安部第三研究所 一种视频监控网络质量巡检方法及系统
KR20150117127A (ko) * 2014-04-09 2015-10-19 한국원자력연구원 영상 정보를 이용한 수질 경보 방법
US20150294154A1 (en) * 2014-04-15 2015-10-15 Open Range Consulting System and method for assessing riparian habitats
JP2016012752A (ja) * 2014-06-27 2016-01-21 株式会社 日立産業制御ソリューションズ 映像監視装置、映像監視システムおよび映像監視方法
CN104301712A (zh) * 2014-08-25 2015-01-21 浙江工业大学 一种基于视频分析的监控摄像头抖动检测方法
KR20160044809A (ko) * 2014-10-16 2016-04-26 박종석 하천의 수질개선 우선순위결정을 위한 등급화방법
CN205175917U (zh) * 2015-09-30 2016-04-20 苏州工业园区清源华衍水务有限公司 一种水质远程观测装置
CN205051810U (zh) * 2015-10-14 2016-02-24 宝鸡文理学院 一种河流微型综合监测系统
CN108911147A (zh) * 2017-04-22 2018-11-30 绍兴良辰园林建设有限公司 一种河道水生植物的恢复方法
CN107741728A (zh) * 2017-11-24 2018-02-27 四川中科水务科技有限公司 一种水域生态信息监控系统
US20190170720A1 (en) * 2017-12-01 2019-06-06 Madison Mckensi Howard Underwater camera and water quality monitoring system
CN108169441A (zh) * 2017-12-19 2018-06-15 大连鑫鑫创世科技发展有限公司 一种物联网河道水质监测方法
CN108833587A (zh) * 2018-07-09 2018-11-16 江苏科技大学 一种基于物联网云平台的河道水污监测与治理系统
CN111693672A (zh) * 2020-06-19 2020-09-22 广东理行生态环境科技有限公司 一种流域污染物监测系统及其监测方法
CN212691331U (zh) * 2020-08-06 2021-03-12 生态环境部华南环境科学研究所 一种基于遥感影像的城市河道水质智能监控系统
CN113155102A (zh) * 2021-02-24 2021-07-23 时代云英(深圳)科技有限公司 一种河流综合治理系统
KR20220122381A (ko) * 2021-02-26 2022-09-02 창원대학교 산학협력단 드론을 이용한 수질현황 모니터링 방법 및 시스템
WO2023048017A1 (ja) * 2021-09-21 2023-03-30 東芝デジタルソリューションズ株式会社 水質監視システム
CN114417981A (zh) * 2021-12-28 2022-04-29 安徽新宇环保科技股份有限公司 一种智能河长巡测系统
US20220277546A1 (en) * 2022-01-11 2022-09-01 Changjiang River Scientific Research Institute Method and system for pollutant identifying and early warning based on cluster analysis
CN114584758A (zh) * 2022-01-26 2022-06-03 南京邮电大学 一种城市级监控视频质量评估方法及系统
CN115372571A (zh) * 2022-07-07 2022-11-22 中冶华天工程技术有限公司 一种水环境智能监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
文晔等: "高分数据连续多时相南湾湖藻类污染监测", 《测绘通报》, no. 4 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116777122A (zh) * 2023-08-21 2023-09-19 安徽塔联智能科技有限责任公司 一种数字乡村综合治理ai预警平台
CN116777122B (zh) * 2023-08-21 2023-11-03 安徽塔联智能科技有限责任公司 一种数字乡村综合治理ai预警平台
CN116990479A (zh) * 2023-09-27 2023-11-03 上海科泽智慧环境科技有限公司 一种基于Zigbee技术的水质监测方法、系统、设备及介质
CN116990479B (zh) * 2023-09-27 2023-12-15 上海科泽智慧环境科技有限公司 一种基于Zigbee技术的水质监测方法、系统、设备及介质
CN117250158B (zh) * 2023-09-28 2024-04-12 北京科技大学 基于墨水染色实验面积变化的中间包评价方法及系统
CN117250158A (zh) * 2023-09-28 2023-12-19 北京科技大学 基于墨水染色实验面积变化的中间包评价方法及系统
CN117054676B (zh) * 2023-10-13 2023-12-19 山西智合清浩环保技术服务有限公司 废水在线监测设备的运维智能控制系统
CN117054676A (zh) * 2023-10-13 2023-11-14 山西智合清浩环保技术服务有限公司 废水在线监测设备的运维智能控制系统
CN117421514A (zh) * 2023-10-24 2024-01-19 国网信通亿力科技有限责任公司 基于智慧水电云服务平台的电力信息分析系统
CN117421514B (zh) * 2023-10-24 2024-06-14 国网信通亿力科技有限责任公司 基于智慧水电云服务平台的电力信息分析系统
CN117292211A (zh) * 2023-11-27 2023-12-26 潍坊市海洋发展研究院 水质标注图像发送方法、装置、电子设备和计算机可读介质
CN117292211B (zh) * 2023-11-27 2024-02-27 潍坊市海洋发展研究院 水质标注图像发送方法、装置、电子设备和计算机可读介质
CN117805338A (zh) * 2024-03-01 2024-04-02 广东省建筑设计研究院有限公司 一种建筑供水管网水质实时在线监测方法及系统
CN117805338B (zh) * 2024-03-01 2024-05-28 广东省建筑设计研究院有限公司 一种建筑供水管网水质实时在线监测方法及系统

Also Published As

Publication number Publication date
CN116233370B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN116233370B (zh) 基于水质监测的智能化视频监控方法
JP3131661B2 (ja) 水質汚染監視装置及びその方法
CN110412230B (zh) 一种基于鱼类行为的水污染监测预警装置及其预警方法
CN107563597A (zh) 污染物排放总量的智能预警方法
CN116990479B (zh) 一种基于Zigbee技术的水质监测方法、系统、设备及介质
CN117761261B (zh) 一种基于大数据的碳排放监测系统及方法
CN110297034B (zh) 一种城市生态环境的动态变化及预测方法
CN113706127B (zh) 一种水域分析报告的生成方法及电子设备
CN113610381A (zh) 一种基于5g网络的水质远程实时监测系统
CN117557166B (zh) 一种多模态和实时数据用户数据环境智能监控系统
CN115372571A (zh) 一种水环境智能监测系统
CN110992415B (zh) 一种基于大数据的水面漂浮物污染评价系统及其方法
CN114638507B (zh) 一种智能海洋平台检测系统及方法
CN116430000A (zh) 一种河流生态环境监测系统
CN112067517A (zh) 一种河湖水体智慧监测方法、设备、系统及可读存储介质
CN117577213A (zh) 一种基于流速模拟的水质监测用在线测试系统及方法
JPH05332915A (ja) 水圏監視装置及び浄化装置
CN117423005B (zh) 一种锁定污染源的水质在线监测系统及方法
CN117228853B (zh) 一种河道生态修复方法及系统
CN116934102B (zh) 一种用于工业园区的环境风险管控系统
CN110487750A (zh) 一种河道的水污染检测方法和系统
CN117825645A (zh) 一种天然水的智能处理方法及装置
CN117233342A (zh) 一种基于置信区间算法的入河排污口精准监测方法及系统
CN116823067A (zh) 管网水质清污状态的确定方法、装置及电子设备
CN112561307B (zh) 流域水环境大数据画像系统及方法

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