CN116337018A - 一种水资源在线监测系统 - Google Patents
一种水资源在线监测系统 Download PDFInfo
- Publication number
- CN116337018A CN116337018A CN202310316491.XA CN202310316491A CN116337018A CN 116337018 A CN116337018 A CN 116337018A CN 202310316491 A CN202310316491 A CN 202310316491A CN 116337018 A CN116337018 A CN 116337018A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- water
- water level
- temperature
- point
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 272
- 238000012544 monitoring process Methods 0.000 title claims abstract description 163
- 230000002159 abnormal effect Effects 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 5
- 238000013439 planning Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 9
- 238000012876 topography Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000002592 echocardiography Methods 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000001139 pH measurement Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- 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
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/05—Underwater scenes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明提供了一种水资源在线监测系统，属于水资源监测技术领域，包括：预设模块根据预设条件对目标水域进行初始监测点规划；纠正模块对初始监测点位置坐标及检测单元角度进行调整；监测模块根据调整监测点位置进行地段划分并对调整监测点数据进行采集；数据处理模块对采集数据进行处理并根据处理数据构建水域模型图；比较模块根据处理数据与标准集的比较对异常数据及发生位置进行显示和警报；通过多种因素进行的同时监测，保证监测因素的全面性，进而保证对水资源监测的完整性，并通过对数据及图像的比较确认，确保监测异常的准确性，使得及时有效了解水资源的当下情况。
Description
技术领域
本发明涉及水资源监测技术领域，特别涉及一种水资源在线监测系统。
背景技术
随着水资源的使用，水资源的监测在社会发展中的作用显得尤为重要，在水资源的监测领域存在着在复杂环境的情况下的水资源监测准确性和精准性不高的问题的当下，提高水环境实时监测与应急指挥系统能力，建立合理高效的水资源管理和供水安全保障体系成为亟需解决的问题。
目前，随着科技的不断发展和进步，在线网络监测已成为水资源监测的有效手段。在线网络式监测的实现将改变水资源监测手段落后的状况，提高水环境管理自动化水平，确保自然资源可持续的发展。然而，现有技术研究大多是单一的监测产品只是针对水域的某些单性因素进行的监测，导致对水域检测的不完整。
因此，本发明提出一种水资源在线监测系统。
发明内容
为了解决现有技术的不足，本发明提供水资源在线监测系统，通过多种因素进行的同时监测，保证监测因素的全面性，进而保证对水资源监测的完整性，并通过对数据及图像的比较确认，确保监测异常的准确性，使得及时有效了解水资源的当下情况。
本发明采用如下技术方案：一种水资源在线监测系统，包括：
预设模块：用于确定目标水域地形，并根据超声波覆盖全水域为条件，对目标水域进行初始监测点规划，并在所述初始监测点布置监测模块，控制所述监测模块中的超声波单元进行超声波传播，对传播轨道进行合理分析；
纠正模块：用于根据对超声波传播轨道的合理分析，对所述初始监测点的监测模块的位置以及监测模块中的超声波单元的角度进行调整；
监测模块：用于测量位置调整后监测装置所在水域位置的温度、水流速度、PH值、水下拍摄图像、水位数据以及不同调整监测点的相对位置坐标；
数据处理模块：用于根据所有监测点相对位置坐标，对所述目标水域进行地段划分，得到同地段中所包含的调整后的监测点处所测量的温度、水流速度、PH值、水下拍摄图像以及水位数据，构建对应地段的数据集合；
比较模块：用于获取每个地段的标准集，并与对应地段的数据集合中对应数据进行比较，锁定异常位置并进行显示和报警。
优选的，一种水资源在线监测系统，所述监测模块，包括：
温度传感器：用于测量所在水域位置的第一温度；
超声波单元：用于发射超声波并根据接收的回波确定异常物体位置以及第二温度；
其中，所述第一温度与第二温度为测量位置调整后监测装置所在水域位置的温度。
优选的，一种水资源在线监测系统，所述数据处理模块，包括：
测温单元：用于根据所测量的每个调整后的监测点的第一温度，构建所述目标水域的第一温度图；
填充单元：用于对所述第一温度图中的空缺温度进行第一标定，判定第一标定位置的温度传感器损坏，并将第一标定位置的超声波单元所测量到的第二温度对空缺温度进行替换，得到第二温度图；
检错单元：用于根据每个调整后的监测点的历史水温，向对应监测点设置水温比较范围，并与所述第二温度图中对应监测点的第二温度进行比较，对存在的异常温度进行第二标定，并传输至比较模块。
优选的，一种水资源在线监测系统，所述数据处理模块，包括：
图像拍摄单元：用于对同地段中相邻监测点中的第一监测点进行第一水下图像拍摄以及对第二监测点进行第二水下图像拍摄；
图像处理单元：用于获取第一水下图像与第二水下图像的重叠位置，并进行拼接优化，得到第三水下图像，进而得到对应同地段的水下拍摄图像；
图像监测单元：获取所述第三水下图像，对所述第三水下图像进行粗识别，确定是否存在异常物体；
若存在异常物体，即当所述物体状态为固体状态时，对所述第三水下图像进行细识别，确定所述异常物体的物体状态；
若不存在异常物体，即当所述物体状态为液体状态时，确定所述异常物体的出现位置；
根据所述第三水下图像所存在的所有异常结果，按照地段顺序发送至比较模块进行显示。
优选的，一种水资源在线监测系统，所述图像处理单元，对所述水下图像处理包括：
基于历史图像去噪数据对神经网络模型进行训练，并将第一水下图像和第二水下图像分别输入到训练后的模型，进行图像去噪；
对去噪后的第一图像以及去噪后的第二图像分别进行特征映射，得到第一特征图和第二特征图；
对所述第一特征图和第二特征图进行图像相似度分析，并框选高度相似位置对所述第一特征图和第二特征图进行拼接，得到第三水下图像，具体包括：
根据所述高度相似位置，得到第一特征图的第一锁定区域以及第二特征图的第二锁定区域；
将所述第一锁定区域以及第二锁定区域进行同位置对比放置，确定重叠位置以及非重叠位置；
根据所述重叠位置，绘制第一连接线，并分别确定所述第一连接线上每个连接点的粗细，并按照粗细对对应连接点进行匹配颜色的标定；
从标定结果中筛选不满足线条待优化约束条件的第一点，当所述第一点的数量大于预设点时，分析所述第一点的点分布；
从所述非重叠位置中锁定与所述点分布对应的点位置，并对所述第一点进行粗线条扩充，得到第二连接线；
对所述高度相似位置中除去第二连接线所对应点位置的剩余位置进行虚化处理，得到第三水下图像。
优选的，一种水资源在线监测系统，所述数据处理模块，包括：
水位筛选单元：获取全水域的历史水位数据，并筛选落差大的点以及影响落差的点；
水位处理单元：获取影响落差点的相关水位影响因子间的相关关系，从所述相关关系中确定同等级关系，并获取最佳影响因子组合；根据所述历史水位数据，对神经网络模型进行训练，得到初始预测模型；
水位预测单元：通过所述最佳影响因子组合对所述初始预测模型进行优化，得到当下预测模型，并对调整后的监测点的水位进行预测，获取得到落差大的点在未来时段内每个时刻点的水位；
水位预警单元：根据预测的每个落差大的点在每个未来时刻点的水位，确定每个落差大的点的待预警时间段；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi小于第二预设水位H3，进行三级水位报警；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi大于第二预设水位H2且大于第一预设水位H1时，进行二级水位报警；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi大于第一预设水位H1时，进行一级水位报警。
优选的，一种水资源在线监测系统，所述比较模块，包括：
第一构建单元；用于根据每个地段的数据集合，构建对应集合中每个指标集的全水域指标图；对所有全水域指标图进行层叠放置，构建得到水域整体图；
第二构建单元：用于根据每个地段的标准集，构建得到水域标准图；
比较分析单元：用于将所述水域整体图与水域标准图进行图像比较，确定存在的问题区域以及所述问题区域对应的问题信息；
预警单元：用于对所述问题区域以及问题信息进行汇总显示和报警。
优选的，一种水资源在线监测系统，所述数据处理模块包括：
PH采集单元：按照设定的采样频率采集匹配监测点PH值；
PH处理单元：根据每个匹配监测点的采集温度及流速，对相应匹配监测点的PH值进行补偿修正，构建水域整体PH图。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本系统实施例中一种水资源在线监测系统；
图2为本系统实施例中的第一温度图；
图3为本系统实施例中的第二温度图；
图4为本系统实施例中的水域整体PH图构设图；
图5为本系统实施例中的水位预测图；
图6为本系统实施例中的水位预警单元工作流程图；
图7为本系统实施例中的特征对比图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明实施例提供一种水资源在线监测系统，如图1所示，包括：
预设模块：用于确定目标水域地形，并根据超声波覆盖全水域为条件，对目标水域进行初始监测点规划，并在所述初始监测点布置监测模块，控制所述监测模块中的超声波单元进行超声波传播，对传播轨道进行合理分析；
纠正模块：用于根据对超声波传播轨道的合理分析，对所述初始监测点的监测模块的位置以及监测模块中的超声波单元的角度进行调整；
监测模块：用于测量位置调整后监测装置所在水域位置的温度、水流速度、PH值、水下物体图像、水位数据以及不同调整监测点的相对位置坐标；
数据处理模块：用于根据所有监测点相对位置坐标，对所述目标水域进行地段划分，得到同地段中所包含的调整后的监测点处所测量的温度、水流速度、PH值、水下物体图像以及水位数据；
比较模块：用于获取每个地段的标准集，并与对应地段的数据集合中对应数据进行比较，锁定异常位置并进行异常显示和报警；
该实施例中，目标水域地形指的是需要进行在线监测的水资源所在区域；
该实施例中，超声波覆盖全水域指的是通过超声波技术可以探测到目标水域中的每个水域位置；
该实施例中，初始监测点指的是满足超声波覆盖全水域条件的检测模块布置区域；
该实施例中，对超声波传播轨道的合理分析指的是将选择的超声波单元的位置按照从近到远的顺序依次连接构成的超声波传播轨道的角度进行分析，寻找最优超声波传播轨道角度；
该实施例中，检测模块的位置指的是监测模块布置区域内的具体方位坐标；
该实施例中，该实施例中，对超声波传播轨道进行合理分析，是因为采用超声波单元来对整个水域进行整体覆盖，所以，在对超声波传播轨道进行分析的时候，是通过对超声波轨道所对应的覆盖范围进行确定的，当所有超声波的覆盖范围累加可以囊括整体水域时，就判定传播轨道合理，否则，就需要对角度进行调整，且在调整的过程中，是根据对应超声波单元未覆盖范围来进行的角度调整，便于实现整体水域的覆盖：
比如，超声波单元1当下按照角度1进行传播，与覆盖范围1对应，原本上需要对应的为覆盖范围2，此时，覆盖范围1偏离了覆盖范围2，也就是覆盖不合理，此时，就需要基于覆盖范围1所对应的角度1来调整到覆盖范围2所对应的角度，来实现对角度的调整；
该实施例中，监测模块的位置指的是监测模块布置区域内的具体方位坐标；
该实施例中，水域的地段划分是基于目标水域的地理地形划分的，主要是为了对同地形的水域进行分析，地形比如是水流急湍地形、水流平缓地形等，且每个地段包括至少一个监测点；
该实施例中，标准集指的是该地段中测量数据允许的正常值范围，都是提前设定好的，包括针对不同地段的温度、水流、PH值等相关的标准范围在内。
该实施例中，数据集合指的是监测模块测量数据依据地段划分将测量数据进行分类，将同地段的分类数据归于该地段的数据集合；
该实施例中，异常位置指的是异常所在的水域地段以及在该水域地段的具体位置，且异常位置可以是对应监测模块所测量位置，也可以是预估的同地段中某个位置出现了异常；
该实施例中，异常显示和报警指的是对异常所在位置及图像进行显示，并根据异常信息采取不同的警报；
该实施例中，监测模块应包括如下设备：水位探测仪，流量探测仪，流速探测仪，温度传感器，声呐探测器，水下拍摄设备；
该实施例中，温度传感器以热敏电阻为核心，降低对超声波单元监测数据的影响。
上述方案的有益效果是：在监测过程中是通过多种因素进行的同时监测，保证监测因素的全面性，进而保证对水资源监测的完整性，使得及时有效了解水资源的当下情况。
实施例2：
本发明提供一种水资源在线监测系统，其数据处理模块包括：
图像拍摄单元：用于对同地段中相邻监测点中的第一监测点进行第一水下图像拍摄以及对第二监测点进行第二水下图像拍摄；
图像处理单元：用于获取第一水下图像与第二水下图像的重叠位置，并进行拼接优化，得到第三水下图像，进而得到对应同地段的水下拍摄图像；
图像监测单元：获取所述第三水下图像，对所述第三水下图像进行粗识别，确定是否存在异常物体；
若存在异常物体，即当所述物体状态为固体状态时，对所述第三水下图像进行细识别，确定所述异常物体的物体状态；
若不存在异常物体，即当所述物体状态为液体状态时，确定所述异常物体的出现位置；
根据所述第三水下图像所存在的所有异常结果，按照地段顺序发送至比较模块进行显示。
优选的，对所述水下图像处理包括：
基于历史图像去噪数据对神经网络模型进行训练，并将第一水下图像和第二水下图像分别输入到训练后的模型，进行图像去噪；
对去噪后的第一图像以及去噪后的第二图像分别进行特征映射，得到第一特征图和第二特征图；
对所述第一特征图和第二特征图进行图像相似度分析，并框选高度相似位置对所述第一特征图和第二特征图进行拼接，得到第三水下图像，具体包括：
根据所述高度相似位置，得到第一特征图的第一锁定区域以及第二特征图的第二锁定区域；
将所述第一锁定区域以及第二锁定区域进行同位置对比放置，确定重叠位置以及非重叠位置；
根据所述重叠位置，绘制第一连接线，并分别确定所述第一连接线上每个连接点的粗细，并按照粗细对对应连接点进行匹配颜色的标定；
从标定结果中筛选不满足线条待优化约束条件的第一点，当所述第一点的数量大于预设点时，分析所述第一点的分布；
从所述非重叠位置中锁定与所述点分布对应的点位置，并对所述第一点进行粗线条扩充，得到第二连接线；
对所述高度相似位置中除去第二连接线所对应点位置的剩余位置进行虚化处理，得到第三水下图像；
该实施例中，地段顺序指的是根据水域地段位置的顺序，将异常图像进行排序并发送，如：出现异常图像1和异常图像2，分别对应区域1和区域2，若区域2在区域1上游，则先发送异常图像2，其次发送异常图像1；
该实施例中，图像特征包括图像中记录的环境特征以及物体形态，是为了方便寻找高度相似位置，来进行后续的图像拼接；
该实施例中，线条待优化约束条件是对第一连接线长度的限定，对第一连接线上每个连接点粗细的限定，当对应连接点的粗细不超过阈值，则视为对应连接点不满足待约束优化条件；
该实施例中，虚化处理指的是对高度相似位置中第二连接线所对应点位置进行突出显示处理，剩余位置进行模糊化处理；
该实施例中，第三水下图像基于第一水下图像与第二水下图像，来保证拍摄水域获取的更为全面，避免拍摄设备死角的干扰。
该实施例中，如图7所示，第一锁定区域为a1，第二锁定区域为a2，其中，第一锁定区域与第二锁定区域只是根据高度相似位置来确定的，但是并不带表两个区域是完全重叠的，因此，就会存在重叠位置以及非重叠位置，其中，同位置对比放置，是通过从两个特征图对应的区域中来将多个相同目标点进行同位置放置，来确定出重叠位置以及非重叠位置。
该实施例中，第一连接线指的是将第一锁定区域与第二锁定区域所对应的同位置的重叠位置进行连接，来绘制得到的，所以，该连接线上的每个位置点都会存在粗细的不一样，且粗细通过颜色来标定显示。
该实施例中，预设点指的是对应第一连接上的所存在的点的总数量的一半。
该实施例中，分布点的点位置的确定是为了通过非重叠位置来对细点进行扩充，比如，原先的点的粗细为1m，扩充之后的点为2mm，且扩充的部分是通过非重叠位置进行延伸得到的。
上述技术方案的有益效果是：通过对采集到的图像进行处理，保证了图像拼接的准确率以及效率，且进一步的对拼接结果进行扩充以及模糊优化，提高了图像的拼接效果，为水下观测提供了良好视野，为污染物的观测提供了有效数据，为全面监测提供基础。
实施例3：
本发明提供一种水资源在线监测系统，其数据处理模块，包括：
测温单元；用于根据所测量的每个调整后的监测点的第一温度，构建所述目标水域的第一温度图；
填充单元：用于对所述第一温度图中的空缺温度进行第一标定，判定第一标定位置的温度传感器损坏，并将第一标定位置的超声波单元所测量到的第二温度对空缺温度进行替换，得到第二温度图；
检错单元：用于根据每个调整后的监测点的历史水温，向对应监测点设置水温比较范围，并与所述第二温度图中对应监测点的第二温度进行比较，对存在的异常温度进行第二标定，并传输至比较模块。
该实施例中，如图2所示，第一温度图中数据为温度传感器测量的温度，图中缺失部分表示该监测点处温度传感器出现损毁；
该实施例中，如图3所示，根据超声波单元对水域整体温度的测量对第一温度图缺失部分进行补全并对补全部分进行标示得到第二温度图；
该实施例中，第一温度指的是温度传感器直接测量的水域温度；
该实施例中，第二温度指的是根据超声波单元测量的实际超声波速度，根据超声波速度根据水温变化的关系，与标准信息库比较，得到该实际超声波速度下的水域整体温度；
该实施例中，根据对第二温度图中温度数据与预设水温比较范围进行比较，查找出异常信息后，将异常信息在第二温度图中进行标定，并将数据传送至比较模块进行处理。
上述方案的有益效果是：通过对温度传感器及超声波单元采集数据的计算，保证了温度测量的准确性，避免了设备损毁造成的数据缺失，为水域污染监测及PH测量提供有效数据。
实施例4：
本发明提供一种水资源在线监测系统，其数据处理模块包括：
PH采集单元：按照设定的采样频率采集匹配监测点PH值；
PH处理单元：根据每个匹配监测点的采集温度及流速，对相应匹配监测点的PH值进行补偿修正，构建水域整体PH图。
该实施例中，水域PH值严重影响水体的生物生产力，根据水域的酸碱度可以实现对水体的生物生产力的预测：
如果水的ph值不合适，水中的微生物活动会受到影响，有机物难以分解，那么水体的自净能力受到冲击，水域富营养化，破坏水域环境；
若水体偏酸性，水质恶化，水生物易发病，鱼类容易死亡；
若水体显碱性，生物血液载氧能力下降，水中动物自身缺氧，容易导致死亡且过高的pH值也可能直接引起植物的死亡；
该实施例中，如图4所示，是对水域整体酸碱度进行表示，并根据检测点序号及时发现PH出现问题处。
该实施例中，水域中，温度以及流速都会对PH值造成一定的影响，所以，会通过相关的温度和流速对PH值进行修正。
上述技术方案的有益效果是：基于采集的温度数据及流速数据对监测点处测量的PH进行温度补偿和流速影响修正，提高了监测点处PH值的精确度，为水域整体酸碱度的观测及该地段水域水体的生物生产力的预测提供了良好数据。
实施例5：
本发明提供一种水资源在线监测系统，其数据处理模块对水位数据处理包括：
水位筛选单元：获取全水域的历史水位数据，并筛选落差大的点以及影响落差的点；
水位处理单元：获取影响落差点的相关水位影响因子间的相关关系，从所述相关关系中确定同等级关系，并获取最佳影响因子组合；根据所述历史水位数据，对神经网络模型进行训练，得到初始预测模型；
水位预测单元：通过所述最佳影响因子组合对所述初始预测模型进行优化，得到当下预测模型，并对调整后的监测点的水位进行预测，获取得到落差大的点在未来时段内每个时刻点的水位；
水位预警单元：根据预测的每个落差大的点在每个未来时刻点的水位，确定每个落差大的点的待预警时间段；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi小于第三预设水位H3，进行三级水位报警；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi大于第二预设水位H2且大于第一预设水位H1时，进行二级水位报警；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi大于第一预设水位H1时，进行一级水位报警。
该实施例中，待预警时间段是指的未来时间段；
该实施例中，如图5所示，水位预测单元预测数据绘制的水位预测图；
该实施例中，如图6所示，是对水位预警单元的工作流程的表示，通过对预测水位及水位警戒线的比较，根据异常信息发出警报并对水位异常位置进行显示；
该实施例中，在水域中水流动的过程中是存在上下游的影响关系的，所以，相关水位影响因子是基于上游监测点的历史水位及流速，监测水段落差较大点的历史水位及水域流速，下游监测点的历史水位及流速所确定出来的。
相关水位影响因子的确定是通过最大信息系数对采集数据的相关性进行分析得到的，即：
其中，变量x位于横轴上，代表所有的监测点变量，变量y位于纵轴上，代表同水位影响因子所对应的采集数据标量；MIC代表最大互信息系数；N表示同水位影响因子所对应的不同监测点的采集数据变量构成的有序队列，G表示所有监测点的采集数据所对应的网格设置；N|G表示有序队列N中的每个序列数据基于网格G的数据分布；I(N|G)表示N中变量x和变量y与G中变量x和变量y的互信息；n表示有序队列N的队列长度，B表示变量，函数B(|N|)＝|n|0.6；|x|、|y|分别表示在横轴上的划分子格以及在纵轴上的划分子格；
MaxI(N|G)的含义是当前二维空间在x，y方向分别划分为一定的区间数，然后查看有序队列N中数据在各个方格中落入的情况，计算得到的x与y的最大联合概率；
表示归一化结果；
将最大互信息系数限定在[－1，1]之间，消除奇异样本数据导致的不良影响，其中1表示变量完全正相关，0表示线性无关，－1表示完全负相关，绝对值越大表示线性关系越强；
如：根据两个变量数据即采集模拟点历史数位数据x以及该数据对应的同水位影响因子数据y构建散点图，根据离散点的分布情况将离散点分为横列数为|X|、纵数列数为|Y|的表格区间G，计算构建散点图的两数据之间的最大互信息MaxI(N|G)，将最大互信息归一化处理，得到同相关水位影响因子下的两个变量数据之间的最大互信息系数MIC(N，x，y)，根据最大信息系数的值对水位影响因子进行选择；
根据选择的每个相关水位影响因子与水位的最大互信息系数，对所述初始预测模型进行优化。
该实施例中，第三预设水位H3表示水域水位干涸水位，三级水位报警表示水域水位过低，有干涸风险；第二预设水位H2表示水域水位警戒水位，二级水位报警表示水域水位需要密切注意，有险情风险；第一预设水位H1表示水域水位保证水位，一级水位报警表示水域水位过高，有洪水风险，需要保证堤防安全。
上述技术方案的有益效果是：通过对水域整体水位的构建，可直观了解水域水位变化情况，查找水域水灾害易发区域，快速准确地对水域灾害进行报警，对突发水事故及时采取应急措施，且进一步保证了对水域监测的全面性。
实施例6：
本发明提供一种水资源在线监测系统，其比较模块包括：
第一构建单元；用于根据每个地段的数据集合，构建对应集合中每个指标集的全水域指标图；对所有全水域指标图进行层叠放置，构建得到水域整体图；
第二构建单元：用于根据每个地段的标准集，构建得到水域标准图；
比较分析单元：用于将所述水域整体图与水域标准图进行图像比较，确定存在的问题区域以及所述问题区域对应的问题信息；
预警单元：用于对所述问题区域以及问题信息进行汇总显示和报警。
该实施例中，对水域整体图的构建是基于监测模块测量监测点相对位置坐标构建的相对坐标系，并将监测点相对位置坐标以图示的形式在水域整体图上进行表示；
该实施例中，对所述预警单元对问题信息的发现和报警包括以下内容：
基于处理信息与标准数据集进行比较，锁定异常信息；
基于所述异常信息所在监测数据集合锁定异常地段；
锁定异常地段后，基于检测模块超声波单元超声波探测对异常物体具体位置进行探测；
基于图像处理单元对所述异常地段进行图像监测并进行二次确认：
若监测模块监测到异常物体位置信息且通过第三水下图像数据二次确认则表明异常物体为固态，比较模块显示污染物具体位置坐标和水下图像数据；
若监测模块无法监测到异常物体且经过第三水下图像数据二次确认无固态污染源，则表明污染物为非固态，比较模块发送污染物排放地段信息及目标地段水下图像数据。
上述技术方案的有益效果是：比较模块通过超声波单元数据及水下图像数据对污染物进行形态及位置确认，保证了对异常检测的准确性，为处理水域污染提供了良好数据。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种水资源在线监测系统，其特征在于，包括：
预设模块：用于确定目标水域地形，并根据超声波覆盖全水域为条件，对目标水域进行初始监测点规划，并在所述初始监测点布置监测模块，控制所述监测模块中的超声波单元进行超声波传播，对传播轨道进行合理分析；
纠正模块：用于根据对超声波传播轨道的合理分析，对所述初始监测点的监测模块的位置以及监测模块中的超声波单元的角度进行调整；
监测模块：用于测量位置调整后监测装置所在水域位置的温度、水流速度、PH值、水下拍摄图像、水位数据以及不同调整监测点的相对位置坐标；
数据处理模块：用于根据所有监测点相对位置坐标，对所述目标水域进行地段划分，得到同地段中所包含的调整后的监测点处所测量的温度、水流速度、PH值、水下拍摄图像以及水位数据，构建对应地段的数据集合；
比较模块：用于获取每个地段的标准集，并与对应地段的数据集合中对应数据进行比较，锁定异常位置并进行显示和报警。
2.根据权利要求1所述的系统，其特征在于：所述监测模块，包括：
温度传感器：用于测量所在水域位置的第一温度；
超声波单元：用于发射超声波并根据接收的回波确定异常物体位置以及第二温度；
其中，所述第一温度与第二温度为测量位置调整后监测装置所在水域位置的温度。
3.根据权利要求2所述的系统，其特征在于：所述数据处理模块，包括：
测温单元：用于根据所测量的每个调整后的监测点的第一温度，构建所述目标水域的第一温度图；
填充单元：用于对所述第一温度图中的空缺温度进行第一标定，判定第一标定位置的温度传感器损坏，并将第一标定位置的超声波单元所测量到的第二温度对空缺温度进行替换，得到第二温度图；
检错单元：用于根据每个调整后的监测点的历史水温，向对应监测点设置水温比较范围，并与所述第二温度图中对应监测点的第二温度进行比较，对存在的异常温度进行第二标定，并传输至比较模块。
4.根据权利要求1所述的系统，其特征在于：所述数据处理模块，包括：
图像拍摄单元：用于对同地段中相邻监测点中的第一监测点进行第一水下图像拍摄以及对第二监测点进行第二水下图像拍摄；
图像处理单元：用于获取第一水下图像与第二水下图像的重叠位置，并进行拼接优化，得到第三水下图像，进而得到对应同地段的水下拍摄图像；
图像监测单元：获取所述第三水下图像，对所述第三水下图像进行粗识别，确定是否存在异常物体；
若存在异常物体，即当所述物体状态为固体状态时，对所述第三水下图像进行细识别，确定所述异常物体的物体状态；
若不存在异常物体，即当所述物体状态为液体状态时，确定所述异常物体的出现位置；
根据所述第三水下图像所存在的所有异常结果，按照地段顺序发送至比较模块进行显示。
5.根据权利要求4所述的系统，其特征在于：所述图像处理单元，对所述水下图像处理包括：
基于历史图像去噪数据对神经网络模型进行训练，并将第一水下图像和第二水下图像分别输入到训练后的模型，进行图像去噪；
对去噪后的第一图像以及去噪后的第二图像分别进行特征映射，得到第一特征图和第二特征图；
对所述第一特征图和第二特征图进行图像相似度分析，并框选高度相似位置对所述第一特征图和第二特征图进行拼接，得到第三水下图像，具体包括：
根据所述高度相似位置，得到第一特征图的第一锁定区域以及第二特征图的第二锁定区域；
将所述第一锁定区域以及第二锁定区域进行同位置对比放置，确定重叠位置以及非重叠位置；
根据所述重叠位置，绘制第一连接线，并分别确定所述第一连接线上每个连接点的粗细，并按照粗细对对应连接点进行匹配颜色的标定；
从标定结果中筛选不满足线条待优化约束条件的第一点，当所述第一点的数量大于预设点时，分析所述第一点的点分布；
从所述非重叠位置中锁定与所述点分布对应的点位置，并对所述第一点进行粗线条扩充，得到第二连接线；
对所述高度相似位置中除去第二连接线所对应点位置的剩余位置进行虚化处理，得到第三水下图像。
6.根据权利要求1所述的系统，其特征在于：所述数据处理模块，包括：
水位筛选单元：获取全水域的历史水位数据，并筛选落差大的点以及影响落差的点；
水位处理单元：获取影响落差点的相关水位影响因子间的相关关系，从所述相关关系中确定同等级关系，并获取最佳影响因子组合；根据所述历史水位数据，对神经网络模型进行训练，得到初始预测模型；
水位预测单元：通过所述最佳影响因子组合对所述初始预测模型进行优化，得到当下预测模型，并对调整后的监测点的水位进行预测，获取得到落差大的点在未来时段内每个时刻点的水位；
水位预警单元：根据预测的每个落差大的点在每个未来时刻点的水位，确定每个落差大的点的待预警时间段；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi小于第二预设水位H3，进行三级水位报警；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi大于第二预设水位H2且大于第一预设水位H1时，进行二级水位报警；
当所述待预警时间段的连续时间超过t，以及对应落差大的点在所述待预警时间段范围中对应每个时刻中的最小水位Hi大于第一预设水位H1时，进行一级水位报警。
7.根据权利要求1所述的系统，其特征在于：所述比较模块，包括：
第一构建单元；用于根据每个地段的数据集合，构建对应集合中每个指标集的全水域指标图；对所有全水域指标图进行层叠放置，构建得到水域整体图；
第二构建单元：用于根据每个地段的标准集，构建得到水域标准图；
比较分析单元：用于将所述水域整体图与水域标准图进行图像比较，确定存在的问题区域以及所述问题区域对应的问题信息；
预警单元：用于对所述问题区域以及问题信息进行汇总显示和报警。
8.根据权利要求1所述的系统，其特征在于：所述数据处理模块包括：
PH采集单元：按照设定的采样频率采集匹配监测点PH值；
PH处理单元：根据每个匹配监测点的采集温度及流速，对相应匹配监测点的PH值进行补偿修正，构建水域整体PH图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310316491.XA CN116337018A (zh) | 2023-03-28 | 2023-03-28 | 一种水资源在线监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310316491.XA CN116337018A (zh) | 2023-03-28 | 2023-03-28 | 一种水资源在线监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116337018A true CN116337018A (zh) | 2023-06-27 |
Family
ID=86877011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310316491.XA Pending CN116337018A (zh) | 2023-03-28 | 2023-03-28 | 一种水资源在线监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116337018A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630766A (zh) * | 2023-07-26 | 2023-08-22 | 山东中慧强企信息科技有限公司 | 一种多源信息数据处理系统、方法及设备 |
| CN117073806A (zh) * | 2023-10-16 | 2023-11-17 | 深圳市利源水务设计咨询有限公司 | 基于人工智能的污水处理异位监测方法及系统 |
-
2023
- 2023-03-28 CN CN202310316491.XA patent/CN116337018A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630766A (zh) * | 2023-07-26 | 2023-08-22 | 山东中慧强企信息科技有限公司 | 一种多源信息数据处理系统、方法及设备 |
| CN116630766B (zh) * | 2023-07-26 | 2023-10-17 | 山东中慧强企信息科技有限公司 | 一种多源信息数据处理系统、方法及设备 |
| CN117073806A (zh) * | 2023-10-16 | 2023-11-17 | 深圳市利源水务设计咨询有限公司 | 基于人工智能的污水处理异位监测方法及系统 |
| CN117073806B (zh) * | 2023-10-16 | 2023-12-29 | 深圳市利源水务设计咨询有限公司 | 基于人工智能的污水处理异位监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116337018A (zh) | 一种水资源在线监测系统 | |
| AU2020262969B2 (en) | Detection of structural anomalies in a pipeline network | |
| CN111897318A (zh) | 基于无人船的水体污染智能调查方法及装置 | |
| US20230221207A1 (en) | Methods and internet of things systems for determining gas leakages based on smart gas | |
| RU2563419C2 (ru) | Способ мониторинга технического состояния трубопровода и система для его осуществления | |
| CN110008947A (zh) | 一种基于卷积神经网络的粮仓粮食数量监测方法及装置 | |
| CN103994333A (zh) | 一种基于二维信息融合的油气管网泄漏检测方法 | |
| CN113901384A (zh) | 顾及全局空间自相关性和局部异质性的地面pm2.5浓度建模方法 | |
| CN109541022A (zh) | 一种桥梁结构裂缝健康监测分析方法 | |
| CN113988518A (zh) | 用于多源信息融合分析的配网设备健康诊断方法 | |
| CN115616067A (zh) | 一种管道检测数字孪生系统 | |
| CN112643719A (zh) | 一种基于巡检机器人的隧道安防检测方法及系统 | |
| JPH0938631A (ja) | リモートセンシング応用広域水圏監視システム | |
| CN117094564B (zh) | 一种基于数字孪生的智慧泵站管理系统 | |
| CN114332587A (zh) | 一种火灾识别预警方法及装置 | |
| CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
| CN113947726A (zh) | 基于互联网的生态河湖区域监管系统 | |
| KR102582180B1 (ko) | Ai를 활용한 소하천 스마트 예측 관리 시스템 및 그방법 | |
| CN116877938B (zh) | 一种基于图像数据处理的城市排水管网破损检测定位系统 | |
| CN114791089B (zh) | 一种基于超声波水表的管网漏损监测系统 | |
| EP4089647A1 (en) | Video surveillance system with crowd size estimation | |
| CN115857536A (zh) | 针对车间设备的无人机智能巡检方法、装置、设备及介质 | |
| CN113190005B (zh) | 一种模块化小型侦察机器人 | |
| KR20140108747A (ko) | 동물행동 및 주변환경정보의 모니터링을 통한 실시간 환경 교란 감지 시스템 및 환경 교란 분석 방법 | |
| CN114324401A (zh) | 基于环形多波束声呐的全覆盖式管道探测系统 |
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 |