CN116295604B - 一种智能扬尘实时监测与控制系统 - Google Patents
一种智能扬尘实时监测与控制系统 Download PDFInfo
- Publication number
- CN116295604B CN116295604B CN202310007867.9A CN202310007867A CN116295604B CN 116295604 B CN116295604 B CN 116295604B CN 202310007867 A CN202310007867 A CN 202310007867A CN 116295604 B CN116295604 B CN 116295604B
- Authority
- CN
- China
- Prior art keywords
- particulate matter
- sensor
- cloud platform
- data
- construction site
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 239000013618 particulate matter Substances 0.000 claims abstract description 62
- 238000010276 construction Methods 0.000 claims abstract description 56
- 238000005507 spraying Methods 0.000 claims abstract description 49
- 239000002245 particle Substances 0.000 claims abstract description 43
- 239000007921 spray Substances 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000003062 neural network model Methods 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009435 building construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D47/00—Separating dispersed particles from gases, air or vapours by liquid as separating agent
- B01D47/06—Spray cleaning
- B01D47/08—Spray cleaning with rotary nozzles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Dispersion Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种智能扬尘实时监测与控制系统，扬尘监控技术领域，包括设置在施工场地外围的智能围挡，云平台及移动终端；智能围挡上每隔一段距离设有一个向施工场地内喷雾的喷雾装置，还对应设有与云平台无线通信的固定式环境传感器及颗粒物传感器，用于采集施工场地外围的环境及颗粒物浓度数据，上传至云平台；还包括手持式颗粒物传感器；云平台基于深度神经网络模型，利用采集到的施工场地环境及颗粒物浓度数据，对施工场地内各位置的颗粒物浓度进行计算和预测，并根据预测结果找出颗粒物浓度超出预设阈值的点位，控制点位附近的喷雾装置进行喷雾降尘；移动终端与云平台通信，查看并控制云平台。
Description
技术领域
本发明属于扬尘监控技术领域，具体涉及一种智能扬尘实时监测与控制系统。
背景技术
建筑施工是指工程建设实施阶段的生产活动，是各类建筑物的建造过程，也可以说是把设计图纸上的各种线条，在指定的地点，变成实物的过程，在建筑施工的过程中，因各种施工工具和加工原料的原因，容易造成施工现场扬尘较多的情况，为了抑制扬尘对工人呼吸道系统的危害，并减少扬尘造成的空气环境污染，目前国内建筑工地多为人工配合简单施工工具与技术进行除尘，主要操作方法有洒水除尘、雾炮机喷雾除尘等，然而这些方法耗水量较大，耗能高，不符合现代社会低碳环保的理念；并且需要人为进行操控，自动化程度低；由于这些方法是通过人的视觉判断是否喷雾，导致其无法准确及时地对扬尘区域实施除尘；单位时间内除尘面积有限，不能同时进行大范围除尘。
发明内容
有鉴于此，本发明的目的在于提供一种智能扬尘实时监测与控制系统。
为达到上述目的，本发明提供如下技术方案：
一种智能扬尘实时监测与控制系统，包括设置在施工场地外围的智能围挡，云平台及移动终端；
所述智能围挡上每隔一段距离设有一个向施工场地内喷雾的喷雾装置，还对应设有与云平台无线通信的固定式环境传感器及颗粒物传感器，用于采集施工场地外围的环境及颗粒物浓度数据，上传至云平台；
还包括设有GPS定位装置的手持式颗粒物传感器，用于采集施工场地内部各点位的颗粒物浓度数据，并将位置信息及采集数据同步上传至云平台；
所述云平台基于深度神经网络模型，利用采集到的施工场地环境及颗粒物浓度数据，对施工场地内各位置的颗粒物浓度进行计算和预测，并根据预测结果找出颗粒物浓度超出预设阈值的点位，控制点位附近的喷雾装置进行喷雾降尘；
所述移动终端与云平台通信，查看并控制云平台。
进一步，所述智能围挡为可伸缩式的施工围挡，包括三脚架底座、伸缩杆及双层围挡板，所述双层围挡板连接在两个伸缩杆之间，所述伸缩杆固定在三脚架底座上，所述伸缩杆上设有搭扣，用于连接两个智能围挡；
所述双层围挡板之间设有输水管和电线，所述输水管上每隔一段距离设有开孔连接喷雾装置，所述电线一端连接电源，为智能围挡上的喷雾装置、环境传感器及颗粒物传感器供电。
进一步，所述喷雾装置、环境传感器及颗粒物传感器通过4G或5G网络与云平台通信。
进一步，所述喷雾装置包括固定在智能围挡上的底座、由云平台控制的阀门和旋转喷头。
进一步，所述环境传感器采集的环境数据包括风速、风向、温度、湿度、大气压强、土壤湿度数据。
进一步，所述颗粒物传感器采集的颗粒物浓度数据包括PM2.5、PM10、TSP浓度数据。
进一步，所述云平台基于并行CNN-LSTM模型对施工场地内各位置的颗粒物浓度进行预测，是以手持式颗粒物传感器采集的施工场地内各点位颗粒物浓度作为实测数据，以智能围挡上的固定式环境传感器及颗粒物传感器采集的外围的环境及颗粒物浓度数据作为预测条件，预测施工场地内部各点位的颗粒物浓度，具体包括以下步骤：
S1：将环境传感器及颗粒物传感器采集到的施工场地外围的环境及颗粒物浓度数据连同各自的标签数据作为预测条件数据发送到云平台，将手持式颗粒物传感器采集的施工场地内部各点位的颗粒物浓度数据连同其位置信息作为实测数据发送到云平台；
S2：云平台将预测条件数据进行归一化处理，并拆分为训练集和测试集；
S3：将训练集并行输入CNN网络和LSTM网络，分别进行特征提取；
S4：将由两个网络分别提取出来的特征进行特征融合，经过一层全连接层处理后输出结果；
S5：以预测数据与由手持颗粒物传感器采集的实测数据差值的绝对值尽可能小为优化目标，设计均方根误差RMS为损失函数，利用优化器对并行CNN-LSTM模型进行训练，得到训练完成的预测模型；
S6：利用训练完成的预测模型对测试集进行颗粒物浓度预测。
进一步，所述云平台根据预测结果找出颗粒物浓度超出预设阈值的点位，控制点位附近的喷雾装置进行喷雾降尘，具体包括以下步骤：
S7：云平台预设各类颗粒物浓度的降尘阈值；
S8：当通过智能围挡上的固定式环境传感器及颗粒物传感器预测出施工场地内某点位的颗粒物浓度超出了降尘阈值，则利用预测结果中包含的点位位置信息向该点位附近的喷雾装置发送喷雾命令，并向移动终端预警；
S9：当手持颗粒物传感器采集的颗粒物浓度超出降尘阈值时，则根据手持颗粒物传感器采集数据时同步发送的GPS定位信息找到该点位，向该点位附近的喷雾装置发送喷雾命令，并向移动终端预警；
S10：喷雾装置接收命令，打开阀门，对该点位进行喷雾降尘；
S11：在喷雾过程中重复步骤S1-S10，直至预测颗粒物浓度或实测的颗粒物浓度低于阈值的80％，关闭喷雾装置。
本发明的有益效果在于：本发明在施工场地外围均匀布置扬尘检测点及喷雾装置，基于固定式环境传感器及颗粒物传感器传输的施工场地外围数据与手持式颗粒物传感器传输的实测数据对深度神经网络进行训练，得到对施工场地内部各位置的扬尘进行预测的模型，实现了施工场地内全位置颗粒物数据自动检测和预测，并实现了自动化喷雾降尘控制，提高了工作效率和降尘准确率，降低了人工工作量，避免了由人工判断和操作带来的降尘不准确和资源浪费问题。
本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本实施例所述智能扬尘实时监测与控制系统工作流程示意图；
图2为本实施例所述智能扬尘实时监测与控制系统的点位布置图；
图3为本实施例中输入神经网络的数据集组成图；
图4为模型训练及预测流程示意图；
图5为并行CNN-LSTM网络结构示意图。
具体实施方式
如图1所示，本发明提供一种智能扬尘实时监测与控制系统，包括以下几个部分：
首先是模型训练部分，主要物联网传感器和云平台构成。环境传感器是物联网传感器中的一种，主要用来测量风速、风向、温度、湿度、大气压强、土壤湿度等环境参数。另一种是颗粒物传感器，颗粒物传感器分固定和手持2种。由于固定式传感器需要通电、且对安装环境有着一定的要求，通常将固定式传感器放置于施工场地外围，便于管理，在本实施例中将固定式颗粒物传感器设置在可伸缩的智能围挡上。另一种为手持式传感器，用于测定无法安装固定式传感器和土方施工现场扬尘源的浓度数据。云平台主要由云平台数据库和算法构成。通过物联网传感器测得的数据，通过4G/5G无线通信的传输到云平台数据库中，再通过并行CNN-LSTM网络训练模型。
在本实施例中智能围挡为可伸缩式的施工围挡，包括三脚架底座、伸缩杆及双层围挡板，将双层围挡板连接在两个伸缩杆之间，将伸缩杆固定在三脚架底座上，伸缩杆上设有搭扣，可以将两个智能围挡连接起来；双层围挡板之间的夹缝中埋设有输水管和电线，输水管上每隔一段距离就开设有孔洞，用于连接喷雾装置，电线一端连接电源，为智能围挡上的喷雾装置、固定式环境传感器及颗粒物传感器供电。喷雾装置包括固定在智能围挡上的底座、由云平台控制的阀门和旋转喷头，喷雾装置可以接收云平台的命令，控制阀门开启，喷头旋转，从而使输水管中的水从喷头中喷出，对周围进行降尘。
第二部分是模型预测部分。将外围颗粒物传感器数据和环境传感器数据输入，通过并行CNN-LSTM网络训练模型训练得到预测模型，即可求得施工场地各位置扬尘浓度。
如图2所示，在本实施例中，将施工场地分为左半区和右半区。左右两个半区分别由4个固定式颗粒物传感器和1个手持式颗粒物传感器构成。在左右半区的中间位置放置一个气象监测仪，监测施工场地内部相关气象因素。通过以上11个仪器持续采集施工现场浓度信息和环境信息，本实施例中环境信息包括风速、风向、温度、湿度、大气压强、土壤湿度数据。在本实施例中用到的数据包括所测定的环境数据和扬尘浓度数据。除了手持式颗粒物传感器之外，其他固定式颗粒物传感器24小时进行监测。手持式颗粒物传感器仅在白天施工现场有施工活动时进行监测。将颗粒物传感器读取的数据每3分钟进行一次平均，对应该段时间中气象采集仪采集的数据。分别获得PM2.5左半区数据13060组，PM2.5右半区12972组，TSP左半区13060组，TSP右半区12972组。其中，50％用于训练模型，50％用于验证模型。图3给出了神经网络数据集中数据的组成。
云平台基于并行CNN-LSTM模型对施工场地内各位置的颗粒物浓度进行预测，是以手持式颗粒物传感器采集的施工场地内各点位颗粒物浓度作为实测数据，以智能围挡上的固定式环境传感器及颗粒物传感器采集的外围的环境及颗粒物浓度数据作为预测条件，预测施工场地内部各点位的颗粒物浓度。
第三部分是降尘措施部分。降尘措施部分分为2种情况。第一种情况是包含中间和外围的颗粒物传感器。此时，中间的颗粒物浓度不需要模型进行预测，只需要判断每个传感器的实测读数是否大于设定的阈值即可确定是否开启喷雾系统。当实测值大于阈值，喷雾装置会进行至少5分钟降尘处理，并在期间继续读取数据，直到数据低于阈值的80％。然后将新的数据放入训练数据库1中，用于对预测模型进行训练更新。第二种情况是只有外围颗粒物传感器和环境传感器的时候。将实测的外围颗粒物浓度数据和环境数据输入到训练好的模型中，即可算出实时的扬尘源浓度数据。在通过比较各点浓度数据是否大于阈值决定是否开启喷雾装置。该情况下获取的数据不进行模型的训练，但会存入到另一个实测数据库2中，用于以后的模型开发。
如图4-5所示，本实施例中模型预测和降尘控制具体包括以下步骤：
S1：将环境传感器及颗粒物传感器采集到的施工场地外围的环境及颗粒物浓度数据连同各自的标签数据作为预测条件数据发送到云平台，将手持式颗粒物传感器采集的施工场地内部各点位的颗粒物浓度数据连同其位置信息作为实测数据发送到云平台；
S2：云平台将预测条件数据进行归一化处理，并拆分为训练集和测试集；
S3：将训练集并行输入CNN网络和LSTM网络，分别进行特征提取；
S4：将由两个网络分别提取出来的特征进行特征融合，经过一层全连接层处理后输出结果；
S5：以预测数据与由手持颗粒物传感器采集的实测数据差值的绝对值尽可能小为优化目标，设计均方根误差RMS为损失函数，利用优化器对并行CNN-LSTM模型进行训练，得到训练完成的预测模型；
S6：利用训练完成的预测模型对测试集进行颗粒物浓度预测。
S7：云平台预设各类颗粒物浓度的降尘阈值；
S8：当通过智能围挡上的固定式环境传感器及颗粒物传感器预测出施工场地内某点位的颗粒物浓度超出了降尘阈值，则利用预测结果中包含的点位位置信息向该点位附近的喷雾装置发送喷雾命令，并向移动终端预警；
S9：当手持颗粒物传感器采集的颗粒物浓度超出降尘阈值时，则根据手持颗粒物传感器采集数据时同步发送的GPS定位信息找到该点位，向该点位附近的喷雾装置发送喷雾命令，并向移动终端预警；
S10：喷雾装置接收命令，打开阀门，对该点位进行喷雾降尘；
S11：在喷雾过程中重复步骤S1-S10，直至预测颗粒物浓度或实测的颗粒物浓度低于阈值的80％，关闭喷雾装置。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (5)
1.一种智能扬尘实时监测与控制系统，其特征在于：包括设置在施工场地外围的智能围挡，云平台及移动终端；
所述智能围挡上每隔一段距离设有一个向施工场地内喷雾的喷雾装置，还对应设有与云平台无线通信的固定式环境传感器及颗粒物传感器，用于采集施工场地外围的环境及颗粒物浓度数据，上传至云平台；
还包括设有GPS定位装置的手持式颗粒物传感器，用于采集施工场地内部各点位的颗粒物浓度数据，并将位置信息及采集数据同步上传至云平台；
所述云平台基于深度神经网络模型，利用采集到的施工场地环境及颗粒物浓度数据，对施工场地内各位置的颗粒物浓度进行计算和预测，并根据预测结果找出颗粒物浓度超出预设阈值的点位，控制点位附近的喷雾装置进行喷雾降尘；
所述移动终端与云平台通信，查看并控制云平台；
所述智能围挡为可伸缩式的施工围挡，包括三脚架底座、伸缩杆及双层围挡板，所述双层围挡板连接在两个伸缩杆之间，所述伸缩杆固定在三脚架底座上，所述伸缩杆上设有搭扣，用于连接两个智能围挡；
所述双层围挡板之间设有输水管和电线，所述输水管上每隔一段距离设有开孔连接喷雾装置，所述电线一端连接电源，为智能围挡上的喷雾装置、环境传感器及颗粒物传感器供电；
所述云平台基于并行CNN-LSTM模型对施工场地内各位置的颗粒物浓度进行预测，是以手持式颗粒物传感器采集的施工场地内各点位颗粒物浓度作为实测数据，以智能围挡上的固定式环境传感器及颗粒物传感器采集的外围的环境及颗粒物浓度数据作为预测条件，预测施工场地内部各点位的颗粒物浓度，具体包括以下步骤：
S1：将环境传感器及颗粒物传感器采集到的施工场地外围的环境及颗粒物浓度数据连同各自的标签数据作为预测条件数据发送到云平台，将手持式颗粒物传感器采集的施工场地内部各点位的颗粒物浓度数据连同其位置信息作为实测数据发送到云平台；
S2：云平台将预测条件数据进行归一化处理，并拆分为训练集和测试集；
S3：将训练集并行输入CNN网络和LSTM网络，分别进行特征提取；
S4：将由两个网络分别提取出来的特征进行特征融合，经过一层全连接层处理后输出结果；
S5：以预测数据与由手持颗粒物传感器采集的实测数据差值的绝对值尽可能小为优化目标，设计均方根误差RMS为损失函数，利用优化器对并行CNN-LSTM模型进行训练，得到训练完成的预测模型；
S6：利用训练完成的预测模型对测试集进行颗粒物浓度预测；
所述云平台根据预测结果找出颗粒物浓度超出预设阈值的点位，控制点位附近的喷雾装置进行喷雾降尘，具体包括以下步骤：
S7：云平台预设各类颗粒物浓度的降尘阈值；
S8：当通过智能围挡上的固定式环境传感器及颗粒物传感器预测出施工场地内某点位的颗粒物浓度超出了降尘阈值，则利用预测结果中包含的点位位置信息向该点位附近的喷雾装置发送喷雾命令，并向移动终端预警；
S9：当手持颗粒物传感器采集的颗粒物浓度超出降尘阈值时，则根据手持颗粒物传感器采集数据时同步发送的GPS定位信息找到该点位，向该点位附近的喷雾装置发送喷雾命令，并向移动终端预警；
S10：喷雾装置接收命令，打开阀门，对该点位进行喷雾降尘；
S11：在喷雾过程中重复步骤S1-S10，直至预测颗粒物浓度或实测的颗粒物浓度低于阈值的80％，关闭喷雾装置。
2.根据权利要求1所述的智能扬尘实时监测与控制系统，其特征在于：所述喷雾装置、环境传感器及颗粒物传感器通过4G或5G网络与云平台通信。
3.根据权利要求1所述的智能扬尘实时监测与控制系统，其特征在于：所述喷雾装置包括固定在智能围挡上的底座、由云平台控制的阀门和旋转喷头。
4.根据权利要求1所述的智能扬尘实时监测与控制系统，其特征在于：所述环境传感器采集的环境数据包括风速、风向、温度、湿度、大气压强、土壤湿度数据。
5.根据权利要求1所述的智能扬尘实时监测与控制系统，其特征在于：所述颗粒物传感器采集的颗粒物浓度数据包括PM2.5、PM10、TSP浓度数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310007867.9A CN116295604B (zh) | 2023-01-04 | 2023-01-04 | 一种智能扬尘实时监测与控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310007867.9A CN116295604B (zh) | 2023-01-04 | 2023-01-04 | 一种智能扬尘实时监测与控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116295604A CN116295604A (zh) | 2023-06-23 |
| CN116295604B true CN116295604B (zh) | 2024-02-06 |
Family
ID=86831315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310007867.9A Active CN116295604B (zh) | 2023-01-04 | 2023-01-04 | 一种智能扬尘实时监测与控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116295604B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005172442A (ja) * | 2003-12-08 | 2005-06-30 | Mitsubishi Heavy Ind Ltd | 大気汚染物質の濃度予測方法、装置、並びにプログラム及び大気汚染物質の濃度予測情報提供装置 |
| CN101102225A (zh) * | 2007-07-26 | 2008-01-09 | 北京航空航天大学 | 无线传感器网络节点管理方法 |
| CN107675935A (zh) * | 2017-11-06 | 2018-02-09 | 武汉毳雨环保科技有限责任公司 | 带有管道自测式喷淋装置的围挡的施工方法及围挡模块 |
| CN108593508A (zh) * | 2018-04-20 | 2018-09-28 | 江苏燕宁工程咨询有限公司 | 一种道路施工用扬尘监测装置 |
| WO2018205200A1 (zh) * | 2017-05-11 | 2018-11-15 | 深圳市柘叶红实业有限公司 | 工地扬尘远程监控管理系统和管理方法 |
| CN109613866A (zh) * | 2018-12-13 | 2019-04-12 | 浙江恒力建设有限公司 | 扬尘监控系统 |
| CN109886192A (zh) * | 2019-02-21 | 2019-06-14 | 彭劲松 | 一种生态环境智能监测系统 |
| CN111060654A (zh) * | 2019-12-25 | 2020-04-24 | 电子科技大学成都学院 | 一种基于数字孪生的无人机大气污染实时监测预警平台 |
| KR102155901B1 (ko) * | 2020-05-01 | 2020-09-15 | 윤지원 | 데이터 클라우드를 활용한 IoT 환경의 미스트 안개 분무 시스템 |
| CN111879671A (zh) * | 2020-07-29 | 2020-11-03 | 广联达科技股份有限公司 | 环境监控方法、装置、电子设备及系统 |
| CN112560270A (zh) * | 2020-12-18 | 2021-03-26 | 中国人民解放军陆军防化学院 | 一种化学危害同化系统 |
| CN112818567A (zh) * | 2021-03-01 | 2021-05-18 | 深圳市安泰数据监测科技有限公司 | 一种基于概率论的岩土工程智能化监测预警方法及装置 |
| CN214075655U (zh) * | 2020-11-12 | 2021-08-31 | 广西电网有限责任公司电网建设分公司 | 一种工地扬尘在线智能监测及喷淋一体化装置 |
| CN114023399A (zh) * | 2021-11-15 | 2022-02-08 | 上海乘安科技集团有限公司 | 一种基于人工智能的空气颗粒物分析预警方法和装置 |
| CN216016950U (zh) * | 2021-08-11 | 2022-03-11 | 海南大学 | 智慧工地实时监测与管理系统 |
| CN114418179A (zh) * | 2021-12-14 | 2022-04-29 | 石家庄铁道大学 | 一种施工扬尘监测与预测方法、装置及系统 |
| CN114813493A (zh) * | 2022-05-30 | 2022-07-29 | 中国计量大学 | 一种基于无人机联合地面定点部署的扬尘在线监测系统 |
| CN114862641A (zh) * | 2022-07-08 | 2022-08-05 | 南通领跑信息技术有限公司 | 一种基于区块链的生态环境监测管理系统及方法 |
| CN115147590A (zh) * | 2022-06-29 | 2022-10-04 | 成都佳华物链云科技有限公司 | 一种扬尘降低方法、装置、电子设备及存储介质 |
-
2023
- 2023-01-04 CN CN202310007867.9A patent/CN116295604B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005172442A (ja) * | 2003-12-08 | 2005-06-30 | Mitsubishi Heavy Ind Ltd | 大気汚染物質の濃度予測方法、装置、並びにプログラム及び大気汚染物質の濃度予測情報提供装置 |
| CN101102225A (zh) * | 2007-07-26 | 2008-01-09 | 北京航空航天大学 | 无线传感器网络节点管理方法 |
| WO2018205200A1 (zh) * | 2017-05-11 | 2018-11-15 | 深圳市柘叶红实业有限公司 | 工地扬尘远程监控管理系统和管理方法 |
| CN107675935A (zh) * | 2017-11-06 | 2018-02-09 | 武汉毳雨环保科技有限责任公司 | 带有管道自测式喷淋装置的围挡的施工方法及围挡模块 |
| CN108593508A (zh) * | 2018-04-20 | 2018-09-28 | 江苏燕宁工程咨询有限公司 | 一种道路施工用扬尘监测装置 |
| CN109613866A (zh) * | 2018-12-13 | 2019-04-12 | 浙江恒力建设有限公司 | 扬尘监控系统 |
| CN109886192A (zh) * | 2019-02-21 | 2019-06-14 | 彭劲松 | 一种生态环境智能监测系统 |
| CN111060654A (zh) * | 2019-12-25 | 2020-04-24 | 电子科技大学成都学院 | 一种基于数字孪生的无人机大气污染实时监测预警平台 |
| KR102155901B1 (ko) * | 2020-05-01 | 2020-09-15 | 윤지원 | 데이터 클라우드를 활용한 IoT 환경의 미스트 안개 분무 시스템 |
| CN111879671A (zh) * | 2020-07-29 | 2020-11-03 | 广联达科技股份有限公司 | 环境监控方法、装置、电子设备及系统 |
| CN214075655U (zh) * | 2020-11-12 | 2021-08-31 | 广西电网有限责任公司电网建设分公司 | 一种工地扬尘在线智能监测及喷淋一体化装置 |
| CN112560270A (zh) * | 2020-12-18 | 2021-03-26 | 中国人民解放军陆军防化学院 | 一种化学危害同化系统 |
| CN112818567A (zh) * | 2021-03-01 | 2021-05-18 | 深圳市安泰数据监测科技有限公司 | 一种基于概率论的岩土工程智能化监测预警方法及装置 |
| CN216016950U (zh) * | 2021-08-11 | 2022-03-11 | 海南大学 | 智慧工地实时监测与管理系统 |
| CN114023399A (zh) * | 2021-11-15 | 2022-02-08 | 上海乘安科技集团有限公司 | 一种基于人工智能的空气颗粒物分析预警方法和装置 |
| CN114418179A (zh) * | 2021-12-14 | 2022-04-29 | 石家庄铁道大学 | 一种施工扬尘监测与预测方法、装置及系统 |
| CN114813493A (zh) * | 2022-05-30 | 2022-07-29 | 中国计量大学 | 一种基于无人机联合地面定点部署的扬尘在线监测系统 |
| CN115147590A (zh) * | 2022-06-29 | 2022-10-04 | 成都佳华物链云科技有限公司 | 一种扬尘降低方法、装置、电子设备及存储介质 |
| CN114862641A (zh) * | 2022-07-08 | 2022-08-05 | 南通领跑信息技术有限公司 | 一种基于区块链的生态环境监测管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116295604A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110488841A (zh) | 基于智能机器人的变电设备联合巡检系统及其应用方法 | |
| CN110738196A (zh) | 一种基于区域墒情监测和遥感数据的实时灌溉预报系统 | |
| CN109683609B (zh) | 一种电力智能巡检系统及方法 | |
| CN210534355U (zh) | 一种地面气象环境监测及预警设备 | |
| CN205619959U (zh) | 环境扬尘噪声监测预警装置 | |
| CN204790651U (zh) | 一种基于多传感器信息融合的对虾育苗环境智能控制系统 | |
| CN116505663B (zh) | 一种农场用电安全状态监测预警系统 | |
| CN110985892A (zh) | 一种供水管网监测系统及方法 | |
| CN110954658A (zh) | 工业园区挥发性有机物网格化溯源调查的方法 | |
| CN116933951B (zh) | 一种基于大数据的低碳园区碳排放监控系统及方法 | |
| CN107631964A (zh) | 雾霾污秽沉降物监测系统及监测方法 | |
| CN205582222U (zh) | 一种供水远程故障报警系统 | |
| CN116660633A (zh) | 一种通信基站环境电磁辐射检测系统 | |
| CN112485503A (zh) | 一种基于大数据处理的杂散电流测量系统及方法 | |
| CN116388383A (zh) | 一种基于智能运维的电力it设备监控系统 | |
| CN116295604B (zh) | 一种智能扬尘实时监测与控制系统 | |
| CN210534608U (zh) | 一种地面气象环境监测、预警及控制设备 | |
| CN204727966U (zh) | 一种铝电解槽槽况巡检机器人 | |
| CN112269339A (zh) | 一种智慧园林云监管系统 | |
| CN208635852U (zh) | 环保污染源检测及污染处理设备运行联动监测装置 | |
| CN112184078B (zh) | 一种用于封闭式水处理设施的自动巡检系统 | |
| CN210534609U (zh) | 一种地面气象环境监测及控制设备 | |
| CN205450178U (zh) | 一种输电线路故障定位在线监测装置 | |
| CN212779368U (zh) | 一种基于施工过程的环境监测预警系统 | |
| CN203206298U (zh) | 基于太阳能无线传感节点的监测系统 |
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 |