CN116403350A - 一种基于物联网的水肥一体灌溉监测预警系统及方法 - Google Patents

一种基于物联网的水肥一体灌溉监测预警系统及方法 Download PDF

Info

Publication number
CN116403350A
CN116403350A CN202310386191.9A CN202310386191A CN116403350A CN 116403350 A CN116403350 A CN 116403350A CN 202310386191 A CN202310386191 A CN 202310386191A CN 116403350 A CN116403350 A CN 116403350A
Authority
CN
China
Prior art keywords
irrigation
area
target object
information
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.)
Granted
Application number
CN202310386191.9A
Other languages
English (en)
Other versions
CN116403350B (zh
Inventor
吴小李
张中华
吕名礼
夏鸽飞
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.)
Shanghai Huawei Controllable Agricultural Technology Group Co ltd
Original Assignee
Shanghai Huawei Controllable Agricultural Technology Group 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 Shanghai Huawei Controllable Agricultural Technology Group Co ltd filed Critical Shanghai Huawei Controllable Agricultural Technology Group Co ltd
Priority to CN202310386191.9A priority Critical patent/CN116403350B/zh
Publication of CN116403350A publication Critical patent/CN116403350A/zh
Application granted granted Critical
Publication of CN116403350B publication Critical patent/CN116403350B/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
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
    • A01C23/04—Distributing under pressure; Distributing mud; Adaptation of watering systems for fertilising-liquids
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G13/00—Protecting plants
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0025—Mechanical sprayers
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0089—Regulating or controlling systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • 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
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Insects & Arthropods (AREA)
  • Pest Control & Pesticides (AREA)
  • Soil Sciences (AREA)
  • Zoology (AREA)
  • Water Supply & Treatment (AREA)
  • Wood Science & Technology (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Alarm Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明公开了一种基于物联网的水肥一体灌溉监测预警系统及方法，属于灌溉监测技术领域。该系统包括数据采集模块、数据处理模块、设备控制模块和数据存储模块；所述数据采集模块能够采集种植区域内的图像信息和灌溉信息，将这些信息传递给数据处理模块；所述数据处理模块用于对图像信息进行分析，检测出目标对象，对灌溉信息进行分析，划分出灌溉区域；获取目标对象的着装信息，判断目标对象的目的性，预测目标对象未来一段时间内的移动轨迹是否与灌溉区域相交，根据预测结果实现对相应设备的控制；所述设备控制模块用于对警报设备的开关和灌溉点的流量进行控制；所述数据存储模块用于对所有信息进行备份存储。

Description

一种基于物联网的水肥一体灌溉监测预警系统及方法
技术领域
本发明涉及灌溉监测技术领域，具体为一种基于物联网的水肥一体灌溉监测预警系统及方法。
背景技术
水肥一体化技术，指灌溉与施肥融为一体的农业新技术。是一种可持续农业生产方式，旨在减少化肥和水资源的浪费，提高农作物产量和品质，同时降低对环境的污染。灌溉方式通常为喷灌、微喷灌、泵加压滴灌、重力滴灌、渗灌、小管出流等，大多数情况下可实现自动灌溉和按需灌溉。
在灌溉过程中，喷洒物通常根据实际需求进行定义。农作物需要水的时候就喷洒水，农作物需要水和化肥的时候，就喷洒水肥混合物，农作物需要打农药的时候，就喷洒农药混合物，提高种植效率也减轻人工劳作时间。但与此同时，由于采用自动灌溉或按需灌溉的灌溉方式，喷洒时间和喷洒时长往往不是由人来确定。如果在喷洒期间工作人员刚好需要进入种植区域内作业，又或者无关人员在喷洒期间误入种植区域，应该如何分辨进入人员的目的性，如何实现对无保护措施的人员提供安全保障的同时又不干扰有保护措施的工作人员正常工作，这些已然成为迫不及待需要解决的问题。
发明内容
本发明的目的在于提供一种基于物联网的水肥一体灌溉监测预警系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的水肥一体灌溉监测预警系统，该预警系统包括：数据采集模块、数据处理模块、设备控制模块和数据存储模块。
所述数据采集模块用于采集图像信息和灌溉信息，将这些信息传递给数据处理模块；所述数据处理模块用于对图像信息和灌溉信息进行分析，分析图像信息检测目标对象，分析灌溉信息划分灌溉区域，两者结合判断，预测目标对象的移动轨迹与灌溉区域是否存在相交，根据预测结果进行计算，实现对相应设备的控制；所述设备控制模块用于对警报设备的开关和灌溉点的流量进行控制；所述数据存储模块用于对所有信息进行备份存储。
所述数据采集模块包括图像信息采集单元和灌溉信息采集单元。所述图像信息采集单元用于对种植区域内进行视频信息采集。所述灌溉信息采集单元用于对种植区域内灌溉点设备运行状态进行信息采集，将这些信息发送至数据处理模块。
所述数据处理模块包括区域划分单元、轨迹判断单元、轨迹预测单元和设备控制单元。
所述区域划分单元根据灌溉信息中每个灌溉点设备的运行状态，在种植区域内划分出灌溉区域和非灌溉区域。
灌溉区域是指受灌溉影响的区域，包括喷洒区域和辐射区域：喷洒区域是指受灌溉直接影响的区域，辐射区域是指受灌溉间接影响的区域。非灌溉区域是指在种植区域内除去灌溉区域以外的区域，非灌溉区域内，减去不可被穿过的障碍物区域就是行驶区域，行驶区域是指没有障碍物，能够被人通过的区域，轨迹预测的判断是在行驶区域内进行。
所述轨迹判断单元用于分析摄像头拍摄的图像信息，自动识别出画面内所有目标对象，采用目标检测算法分别判断每个目标对象是否穿着防护服，根据每个穿着防护服的目标对象的移动轨迹判断是否具有目的性，未穿防护服的目标对象不判断目的性。
目的性是指对灌溉点设备的目的性；当目标对象对灌溉点设备具有目的性的时候，在移动轨迹上就不会存在太多弯弯绕绕的多余路径，而是尽可能最短距离，最快速度到达灌溉点设备所在地；当目标对象对灌溉点设备不具有目的性的时候；可能只是在进行其他工作，即使进入灌溉区域也不是针对灌溉点设备而来，在移动轨迹上可能存在多处曲线路径，距离和花费时间都较长。
所述轨迹预测单元用于对目标对象进行轨迹预测，预测一段时间后，目标对象是否进入灌溉区域，根据目标对象是否穿着防护服和是否具有目的性进行不同形式的处理，以及灌溉点设备的对应调整。
系统针对不同目标对象的不同情况给予不同的处理措施；针对穿着防护服有目的性的目标对象不做处理，不影响目标对象的正常工作；针对穿着防护服无目的性的目标对象给予警告和控制附近灌溉点设备流量的形式进行配合；针对未穿防护服的目标对象给予警告和控制附近灌溉点设备关停的形式进行保护。
所述设备控制单元用于根据预测轨迹与灌溉点的距离动态调整对应灌溉点的工作状态，调控对应的警报设备启动与关停，以指令形式发送到对应设备。
所述设备控制模块包括警报点控制单元和灌溉点控制单元。所述警报点控制单元用于接收指令信息控制对应警报设备的工作状态；所述灌溉点控制单元用于接收指令信息控制对应灌溉点设备的工作状态。
警报点设备和灌溉点设备都是基于目标对象来进行调整；一个目标对象预测位置的改变可能会导致多个警报点设备和灌溉点设备工作状态的改变，多个目标对象预测位置的改变可能会导致一个警报点设备或灌溉点设备工作状态的改变。
所述数据存储模块用于将采集信息、区域信息、目标对象信息和轨迹预测信息存入数据库，以供溯源操作。采集信息包括图像信息和灌溉信息；区域信息包括喷洒区域、辐射区域和行驶区域；目标对象信息包括是否穿着防护服和是否具有目的性；轨迹预测信息包括移动方向、移动速度、距离灌溉点设备距离和灌溉点设备运行状态信息以及对应的时间信息。
一种基于物联网的水肥一体灌溉监测预警方法，该预警方法包括以下步骤：
S1、采集种植区域内相关信息，对区域进行划分；
S2、识别出目标对象，判断目标对象状态；
S3、预测目标对象移动轨迹，计算相应设备的工作状态；
S4、相应设备开始工作，所有信息备份数据库。
在S1中，信息包括通过摄像头采集的图像信息和各灌溉点反馈的运行状态信息，结合这些信息进行区域划分，步骤如下：
S101、以摄像头拍摄的画面为基础，收集画面内每个灌溉点设备的流量信息，根据流量信息计算该灌溉点能够喷射的最远距离，计算公式如下：
Figure BDA0004174081470000031
式中，B为最远喷射距离，单位为米；Q为水流量，单位为升/小时；g为重力加速度；V0为水流初速度；θ为喷射方向与地面夹角；M为喷头孔径大小，单位为毫米。
S102、以灌溉点设备位置坐标为圆心，喷射的最远距离为半径，划分出圆形面积作为喷洒区域，喷洒区域是受灌溉直接影响区域。
S103、将影响距离与喷射的最远距离求和作为灌溉距离，同样以灌溉点设备位置坐标为圆心，灌溉距离为半径，划分出圆形面积作为灌溉区域，灌溉区域是受灌溉影响区域。
影响距离的设定应该参考喷洒物的种类和周边风速进行综合考量；当喷洒物为农药，周边风速较大的情况下，影响距离的设定也应当较大；当喷洒物只是水，风速也不大的情况下，影响距离的设定可以较小，根据灌溉对人的影响大小来设定不同的影响距离。
S104、灌溉区域与喷洒区域为同心圆，灌溉区域面积大于喷洒区域面积，灌溉区域减去喷洒区域，剩下的区域为辐射区域，辐射区域是受灌溉间接影响区域。
S105、以摄像头拍摄的画面为基础，减去灌溉区域，其余为非灌溉区域；在非灌溉区域中再减去无法穿过的障碍物区域，即为行驶区域，行驶区域是指没有障碍物，能够被人通过的区域，在行驶区域内进行轨迹判断与预测。
在S2中，对目标对象的识别与判断步骤如下：
S201、利用数学建模的方法建立一幅背景图像帧，再采集当前图像帧，将两帧图像对应像素点的灰度值进行相减，取绝对值后得到差分图像，公式如下：
Zn(x,y)＝|dn(x,y)-C(x,y)|
式中，Zn(x,y)为差分图像第n个像素点的灰度值，dn(x,y)为当前图像帧第n个像素点的灰度值，C(x,y)为背景图像对应像素点的灰度值。
S202、设定阈值T，对差分图像所有像素点进行二值化处理，得到二值化图像，灰度值255的点为前景点，灰度值0的点为背景点；公式如下：
Figure BDA0004174081470000041
式中，Yn(x,y)为二值化图像第n个像素点的灰度值，T为阈值，Zn(x,y)为差分图像第n个像素点的灰度值。
S203、对图像Yn进行连通性分析，得到含有完整运动目标的图像，采用OpenCV对图像进行人体轮廓检测，分别标记每个检测到的人体轮廓作为目标对象。
S204、采用YOLO基于深度学习的目标检测算法，对图像中所有目标对象进行特征提取和模型评估，判断目标对象是否正确穿着防护服，为每一个目标对象标注判断结果。
S205、收集一段时间内穿着防护服的目标对象的位置坐标信息(xi，yi)，形成集合Z＝{(x1，y1)，(x2，y2)，...，(xn，yn)}，其中，n表示为采集的目标对象位置数量。
S206、对集合中连续的两个坐标点进行差值计算，形成向量集：P＝{(x2-x1，y2-y1)，...，(xi+1-xi，yi+1-yi)，...}，i＝1,2，...，n-1；计算连续两条向量之间的夹角θ，公式如下：
Figure BDA0004174081470000051
S207、计算同一个目标对象下全部夹角的平均值，将该夹角平均值与向量夹角阈值相比较，夹角平均值大于夹角阈值，则说明目标对象有目的性；夹角平均值小于或等于夹角阈值，则说明目标对象无目的性；判断公式如下：
Figure BDA0004174081470000052
式中，result为目标对象有无目的性的判断结果，θ平均为全部夹角的平均值，θ阈为夹角阈值。
在S3中，对目标对象的移动轨迹预测步骤如下：
S301、实时采集每个目标对象的移动方向和移动速度信息。
S302、将采集的数据代入公式中，分别计算每个目标对象的预测位置坐标值；计算公式如下：
Xn＝X0+2V×cosα
Yn＝Y0+2V×sinα
式中，Xn为预测位置坐标X轴上的值，Yn为预测位置坐标Y轴上的值，X0为目标对象当前位置坐标X轴上的值，Y0为目标对象当前位置坐标Y轴上的值，V为目标对象移动速度，cosα和sinα分别表示目标对象移动方向角度的余弦和正弦值。
S303、判断预测位置坐标是否处于灌溉区域内，不处于灌溉区域内，不做处理；处于灌溉区域内，则分为两种情况：
目标对象穿着防护服且有目的性，说明目标对象预备针对灌溉点设备进行工作，不做处理；目标对象穿着防护服且无目的性，说明目标对象不针对灌溉点设备，预备进行其他工作，则在即将进入辐射区域进行警告，即将进入喷洒区域控制灌溉点设备流量，减小喷洒面积。
目标对象未穿着防护服，说明目标对象误闯入或忘记穿戴防护服，则在即将进入辐射区域进行警告，且在辐射区域停留时间超过停留时间阈值进行警告，在即将进入喷洒区域则控制灌溉点设备关停。
停留时间阈值是根据喷洒物对人体的影响程度进行设定；当喷洒物为农药或化肥时，长时间停留在辐射区，可能会导致人体吸入农药或化肥，从而产生一定影响，这种情况下，停留时间阈值应该设定尽可能短；当喷洒物为水的时候，即使长时间停留在辐射区也不会对人体产生太大影响，这种情况下，停留时间阈值的设定长一点也没有太大关系。
对灌溉点设备流量的控制是根据预测目标对象一段时间后的位置坐标与灌溉点的距离来动态调整的；该距离越小，说明目标对象距离灌溉点设备越近，控制流量越小；该距离越大，说明目标对象距离灌溉点设备越远，控制流量越大；流量最小为零，最大不超过正常灌溉设定的流量，计算公式如下：
Figure BDA0004174081470000061
式中，f为预测目标对象一段时间后的位置坐标与灌溉点的距离，单位为米；L为灌溉点设备需要调整的流量，单位为升/小时；g为重力加速度；V0为水流初速度；θ为喷射方向与地面夹角；M为喷头孔径大小，单位为毫米。
与现有技术相比，本发明所达到的有益效果是：
1.本发明在区域划分阶段，将灌溉区域划分为直接影响区域和间接影响区域，使得分析和判断更加精细化，根据喷洒物种类和周围风速控制间接影响区域的面积大小和停留时间阈值，做到对未穿防护服的目标对象的保护工作。
2.本发明通过对目标对象的识别与判断，针对穿防护服有目的性的目标对象不做操作，不影响目标对象的正常工作；针对穿着防护服无目的性的目标对象给予警告和控制附近灌溉点设备流量的形式进行配合；针对未穿防护服的目标对象给予警告和控制附近灌溉点设备关停的形式进行保护。
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是本发明一种基于物联网的水肥一体灌溉监测预警系统及方法的结构示意图；
图2是本发明一种基于物联网的水肥一体灌溉监测预警系统及方法的流程示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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做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。
请参阅图1，本发明提供一种基于物联网的水肥一体灌溉监测预警系统，该预警系统包括：数据采集模块、数据处理模块、设备控制模块和数据存储模块。
数据采集模块用于采集图像信息和灌溉信息，将这些信息传递给数据处理模块；数据处理模块用于对图像信息和灌溉信息进行分析，分析图像信息检测目标对象，分析灌溉信息划分灌溉区域，两者结合判断，预测目标对象的移动轨迹与灌溉区域是否存在相交，根据预测结果进行计算，实现对相应设备的控制；设备控制模块用于对警报设备的开关和灌溉点的流量进行控制；数据存储模块用于对所有信息进行备份存储。
数据采集模块包括图像信息采集单元和灌溉信息采集单元。图像信息采集单元用于对种植区域内进行视频信息采集。灌溉信息采集单元用于对种植区域内灌溉点设备运行状态进行信息采集，将这些信息发送至数据处理模块。
数据处理模块包括区域划分单元、轨迹判断单元、轨迹预测单元和设备控制单元。
区域划分单元根据灌溉信息中每个灌溉点设备的运行状态，在种植区域内划分出灌溉区域和非灌溉区域。
灌溉区域是指受灌溉影响的区域，包括喷洒区域和辐射区域：喷洒区域是指受灌溉直接影响的区域，辐射区域是指受灌溉间接影响的区域。非灌溉区域是指在种植区域内除去灌溉区域以外的区域，非灌溉区域内，减去不可被穿过的障碍物区域就是行驶区域，行驶区域是指没有障碍物，能够被人通过的区域，轨迹预测的判断是在行驶区域内进行。
轨迹判断单元用于分析摄像头拍摄的图像信息，自动识别出画面内所有目标对象，采用目标检测算法分别判断每个目标对象是否穿着防护服，根据每个穿防护服的目标对象的移动轨迹判断是否具有目的性，未穿防护服的目标对象不判断目的性。
目的性是指对灌溉点设备的目的性；当目标对象对灌溉点设备具有目的性的时候，在移动轨迹上就不会存在太多弯弯绕绕的多余路径，而是尽可能最短距离，最快速度到达灌溉点设备所在地；当目标对象对灌溉点设备不具有目的性的时候；可能只是在进行其他工作，即使进入灌溉区域也不是针对灌溉点设备而来，在移动轨迹上可能存在多处曲线路径，距离和花费时间都较长。
轨迹预测单元用于对目标对象进行轨迹预测，预测一段时间后，目标对象是否进入灌溉区域，根据目标对象是否穿着防护服和是否具有目的性进行不同形式的处理，以及灌溉点设备的对应调整。
系统针对不同目标对象的不同情况给予不同的处理措施；针对穿着防护服有目的性的目标对象不做处理，不影响目标对象的正常工作；针对穿着防护服无目的性的目标对象给予警告和控制附近灌溉点设备流量的形式进行配合；针对未穿防护服的目标对象给予警告和控制附近灌溉点设备关停的形式进行保护。
设备控制单元用于根据预测轨迹与灌溉点的距离动态调整对应灌溉点的工作状态，调控对应的警报设备启动与关停，以指令形式发送到对应设备。
设备控制模块包括警报点控制单元和灌溉点控制单元。警报点控制单元用于接收指令信息控制对应警报设备的工作状态；灌溉点控制单元用于接收指令信息控制对应灌溉点设备的工作状态。
警报点设备和灌溉点设备都是基于目标对象来进行调整；一个目标对象预测位置的改变可能会导致多个警报点设备和灌溉点设备工作状态的改变，多个目标对象预测位置的改变可能会导致一个警报点设备或灌溉点设备工作状态的改变。
数据存储模块用于将采集信息、区域信息、目标对象信息和轨迹预测信息存入数据库，以供溯源操作。采集信息包括图像信息和灌溉信息；区域信息包括喷洒区域、辐射区域和行驶区域；目标对象信息包括是否穿着防护服和是否具有目的性；轨迹预测信息包括移动方向、移动速度、距离灌溉点设备距离和灌溉点设备运行状态信息以及对应的时间信息。
请参阅图2，本发明提供一种基于物联网的水肥一体灌溉监测预警方法，该预警方法包括以下步骤：
S1、采集种植区域内相关信息，对区域进行划分；
S2、识别出目标对象，判断目标对象状态；
S3、预测目标对象移动轨迹，计算相应设备的工作状态；
S4、相应设备开始工作，所有信息备份数据库。
在S1中，信息包括通过摄像头采集的图像信息和各灌溉点反馈的运行状态信息，结合这些信息进行区域划分，步骤如下：
S101、以摄像头拍摄的画面为基础，收集画面内每个灌溉点设备的流量信息，根据流量信息计算该灌溉点能够喷射的最远距离，计算公式如下：
Figure BDA0004174081470000091
式中，B为最远喷射距离，单位为米；Q为水流量，单位为升/小时；g为重力加速度；V0为水流初速度；θ为喷射方向与地面夹角；M为喷头孔径大小，单位为毫米。
S102、以灌溉点设备位置坐标为圆心，喷射的最远距离为半径，划分出圆形面积作为喷洒区域，喷洒区域是受灌溉直接影响区域。
S103、将影响距离与喷射的最远距离求和作为灌溉距离，同样以灌溉点设备位置坐标为圆心，灌溉距离为半径，划分出圆形面积作为灌溉区域，灌溉区域是受灌溉影响区域。
影响距离的设定应该参考喷洒物的种类和周边风速进行综合考量；当喷洒物为农药，周边风速较大的情况下，影响距离的设定也应当较大；当喷洒物只是水，风速也不大的情况下，影响距离的设定可以较小，根据灌溉对人的影响大小来设定不同的影响距离。
S104、灌溉区域与喷洒区域为同心圆，灌溉区域面积大于喷洒区域面积，灌溉区域减去喷洒区域，剩下的区域为辐射区域，辐射区域是受灌溉间接影响区域。
S105、以摄像头拍摄的画面为基础，减去灌溉区域，其余为非灌溉区域；在非灌溉区域中再减去无法穿过的障碍物区域，即为行驶区域，行驶区域是指没有障碍物，能够被人通过的区域，在行驶区域内进行轨迹判断与预测。
在S2中，对目标对象的识别与判断步骤如下：
S201、利用数学建模的方法建立一幅背景图像帧，再采集当前图像帧，将两帧图像对应像素点的灰度值进行相减，取绝对值后得到差分图像，公式如下：
Zn(x,y)＝|dn(x,y)-C(x,y)|
式中，Zn(x,y)为差分图像第n个像素点的灰度值，dn(x,y)为当前图像帧第n个像素点的灰度值，C(x,y)为背景图像对应像素点的灰度值。
S202、设定阈值T，对差分图像所有像素点进行二值化处理，得到二值化图像，灰度值255的点为前景点，灰度值0的点为背景点；公式如下：
Figure BDA0004174081470000101
式中，Yn(x,y)为二值化图像第n个像素点的灰度值，T为阈值，Zn(x,y)为差分图像第n个像素点的灰度值。
S203、对图像Yn进行连通性分析，得到含有完整运动目标的图像，采用OpenCV对图像进行人体轮廓检测，分别标记每个检测到的人体轮廓作为目标对象。
S204、采用YOLO基于深度学习的目标检测算法，对图像中所有目标对象进行特征提取和模型评估，判断目标对象是否正确穿着防护服，为每一个目标对象标注判断结果。
S205、收集一段时间内穿着防护服的目标对象的位置坐标信息(xi，yi)，形成集合Z＝{(x1，y1)，(x2，y2)，...，(xn，yn)}，其中，n表示为采集的目标对象位置数量。
S206、对集合中连续的两个坐标点进行差值计算，形成向量集：P＝{(x2-x1，y2-y1)，...，(xi+1-xi，yi+1-yi)，...}，i＝1,2，...，n-1；计算连续两条向量之间的夹角θ，公式如下：
Figure BDA0004174081470000102
S207、计算同一个目标对象下全部夹角的平均值，将该夹角平均值与向量夹角阈值相比较，夹角平均值大于夹角阈值，则说明目标对象有目的性；夹角平均值小于或等于夹角阈值，则说明目标对象无目的性；判断公式如下：
Figure BDA0004174081470000103
式中，result为目标对象有无目的性的判断结果，θ平均为全部夹角的平均值，θ阈为夹角阈值。
在S3中，对目标对象的移动轨迹预测步骤如下：
S301、实时采集每个目标对象的移动方向和移动速度信息。
S302、将采集的数据代入公式中，分别计算每个目标对象的预测位置坐标值；计算公式如下：
Xn＝X0+2V×cosα
Yn＝Y0+2V×sinα
式中，Xn为预测位置坐标X轴上的值，Yn为预测位置坐标Y轴上的值，X0为目标对象当前位置坐标X轴上的值，Y0为目标对象当前位置坐标Y轴上的值，V为目标对象移动速度，cosα和sinα分别表示目标对象移动方向角度的余弦和正弦值。
S303、判断预测位置坐标是否处于灌溉区域内，不处于灌溉区域内，不做处理；处于灌溉区域内，则分为两种情况：
目标对象穿着防护服且有目的性，说明目标对象预备针对灌溉点设备进行工作，不做处理；目标对象穿着防护服且无目的性，说明目标对象不针对灌溉点设备，预备进行其他工作，则在即将进入辐射区域进行警告，即将进入喷洒区域控制灌溉点设备流量，减小喷洒面积。
目标对象未穿着防护服，说明目标对象误闯入或忘记穿戴防护服，则在即将进入辐射区域进行警告，且在辐射区域停留时间超过停留时间阈值进行警告，在即将进入喷洒区域则控制灌溉点设备关停。
停留时间阈值是根据喷洒物对人体的影响程度进行设定；当喷洒物为农药或化肥时，长时间停留在辐射区，可能会导致人体吸入农药或化肥，从而产生一定影响，这种情况下，停留时间阈值应该设定尽可能短；当喷洒物为水的时候，即使长时间停留在辐射区也不会对人体产生太大影响，这种情况下，停留时间阈值的设定长一点也没有太大关系。
对灌溉点设备流量的控制是根据预测目标对象一段时间后的位置坐标与灌溉点的距离来动态调整的；该距离越小，说明目标对象距离灌溉点设备越近，控制流量越小；该距离越大，说明目标对象距离灌溉点设备越远，控制流量越大；流量最小为零，最大不超过正常灌溉设定的流量，计算公式如下：
Figure BDA0004174081470000111
式中，f为预测目标对象一段时间后的位置坐标与灌溉点的距离，单位为米；L为灌溉点设备需要调整的流量，单位为升/小时；g为重力加速度；V0为水流初速度；θ为喷射方向与地面夹角；M为喷头孔径大小，单位为毫米。
实施例一：
假设喷射方向与地面夹角为30度，重力加速度为9.8米/秒，初速度为10米/秒，水流量为300升/小时，喷头孔径大小为24毫米，则最大喷射距离为：
最大喷射距离：
Figure BDA0004174081470000121
假设图像中有A、B和C一共三个目标对象，A和B穿着防护服，C未穿防护服，收集穿防护服的目标对象移动轨迹中所有向量之间的夹角平均值，A为160度，B为120度，当夹角阈值为150度的时候：
A：有目的性
B：无目的性
针对A目标对象不做操作，不影响其正常工作；
针对B目标对象在即将靠近辐射区域时给予警告，即将进入喷洒区域时控制附近灌溉点设备流量的形式进行配合；
针对C目标对象在即将靠近辐射区域时给予警告，在辐射区域停留超时给予警告，即将进入喷洒区域时控制附近灌溉点设备关停进行保护；
假设预测B目标对象一段时间后的位置坐标与灌溉点的距离为8米，重力加速度为9.8米/秒，喷射方向与地面夹角为30度，初速度为10米/秒，喷头孔径大小为24毫米，则灌溉点设备需要调整的流量为：
灌溉点设备需要调整的流量：
Figure BDA0004174081470000122
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于物联网的水肥一体灌溉监测预警系统，其特征在于，该预警系统包括：数据采集模块、数据处理模块、设备控制模块和数据存储模块；
所述数据采集模块用于采集图像信息和灌溉信息，将这些信息传递给数据处理模块；所述数据处理模块用于对图像信息和灌溉信息进行分析，分析图像信息检测目标对象，分析灌溉信息划分灌溉区域，两者结合判断，预测目标对象的移动轨迹与灌溉区域是否存在相交，根据预测结果进行计算，实现对相应设备的控制；所述设备控制模块用于对警报设备的开关和灌溉点的流量进行控制；所述数据存储模块用于对所有信息进行备份存储。
2.根据权利要求1所述的一种基于物联网的水肥一体灌溉监测预警系统，其特征在于：所述数据采集模块包括图像信息采集单元和灌溉信息采集单元；所述图像信息采集单元用于对种植区域内进行视频信息采集；所述灌溉信息采集单元用于对种植区域内灌溉点设备运行状态进行信息采集，将这些信息发送至数据处理模块。
3.根据权利要求1所述的一种基于物联网的水肥一体灌溉监测预警系统，其特征在于：所述数据处理模块包括区域划分单元、轨迹判断单元、轨迹预测单元和设备控制单元；
所述区域划分单元根据灌溉信息中每个灌溉点设备的运行状态，在种植区域内划分出灌溉区域和非灌溉区域；灌溉区域是指受灌溉影响的区域，包括喷洒区域和辐射区域：喷洒区域是指受灌溉直接影响的区域，辐射区域是指受灌溉间接影响的区域；非灌溉区域是指在种植区域内除去灌溉区域以外的区域，非灌溉区域内，减去不可被穿过的障碍物区域就是行驶区域，行驶区域是指没有障碍物，能够被人通过的区域，轨迹预测的判断是在行驶区域内进行；
所述轨迹判断单元用于分析摄像头拍摄的图像信息，自动识别出画面内所有目标对象，采用目标检测算法分别判断每个目标对象是否穿着防护服，根据每个穿着防护服的目标对象的移动轨迹判断是否具有目的性；
所述轨迹预测单元用于对目标对象进行轨迹预测，预测一段时间后，目标对象是否进入灌溉区域，根据目标对象是否穿着防护服和是否具有目的性进行不同形式的处理，以及灌溉点设备的对应调整；
所述设备控制单元用于根据预测轨迹与灌溉点的距离动态调整对应灌溉点的工作状态，调控对应的警报设备启动与关停，以指令形式发送到对应设备。
4.根据权利要求1所述的一种基于物联网的水肥一体灌溉监测预警系统，其特征在于：所述设备控制模块包括警报点控制单元和灌溉点控制单元；所述警报点控制单元用于接收指令信息控制对应警报设备的工作状态；所述灌溉点控制单元用于接收指令信息控制对应灌溉点设备的工作状态。
5.根据权利要求1所述的一种基于物联网的水肥一体灌溉监测预警系统，其特征在于：所述数据存储模块用于将采集信息、区域信息、目标对象信息和轨迹预测信息存入数据库，以供溯源操作。
6.一种基于物联网的水肥一体灌溉监测预警方法，其特征在于，该预警方法包括以下步骤：
S1、采集种植区域内相关信息，对区域进行划分；
S2、识别出目标对象，判断目标对象状态；
S3、预测目标对象移动轨迹，计算相应设备的工作状态；
S4、相应设备开始工作，所有信息备份数据库。
7.根据权利要求6所述的一种基于物联网的水肥一体灌溉监测预警方法，其特征在于，在S1中，信息包括通过摄像头采集的图像信息和各灌溉点反馈的运行状态信息，结合这些信息进行区域划分，步骤如下：
S101、以摄像头拍摄的画面为基础，收集画面内每个灌溉点设备的流量信息，根据流量信息计算该灌溉点能够喷射的最远距离，计算公式如下：
Figure FDA0004174081440000021
式中，B为最远喷射距离，Q为水流量，g为重力加速度，V0为水流初速度，θ为喷射方向与地面夹角，M为喷头孔径大小；
S102、以灌溉点设备位置坐标为圆心，喷射的最远距离为半径，划分出圆形面积作为喷洒区域，喷洒区域是受灌溉直接影响区域；
S103、将影响距离与喷射的最远距离求和作为灌溉距离，同样以灌溉点设备位置坐标为圆心，灌溉距离为半径，划分出圆形面积作为灌溉区域，灌溉区域是受灌溉影响区域；
S104、灌溉区域与喷洒区域为同心圆，灌溉区域面积大于喷洒区域面积，灌溉区域减去喷洒区域，剩下的区域为辐射区域，辐射区域是受灌溉间接影响区域；
S105、以摄像头拍摄的画面为基础，减去灌溉区域，其余为非灌溉区域；在非灌溉区域中再减去无法穿过的障碍物区域，即为行驶区域，行驶区域是指没有障碍物，能够被人通过的区域，在行驶区域内进行轨迹判断与预测。
8.根据权利要求6所述的一种基于物联网的水肥一体灌溉监测预警方法，其特征在于，在S2中，对目标对象的识别与判断步骤如下：
S201、利用数学建模的方法建立一幅背景图像帧，再采集当前图像帧，将两帧图像对应像素点的灰度值进行相减，取绝对值后得到差分图像，公式如下：
Zn(x,y)＝|dn(x,y)-C(x,y)|
式中，Zn(x,y)为差分图像第n个像素点的灰度值，dn(x,y)为当前图像帧第n个像素点的灰度值，C(x,y)为背景图像对应像素点的灰度值；
S202、设定阈值T，对差分图像所有像素点进行二值化处理，得到二值化图像，灰度值255的点为前景点，灰度值0的点为背景点；公式如下：
Figure FDA0004174081440000031
式中，Yn(x,y)为二值化图像第n个像素点的灰度值，T为阈值，Zn(x,y)为差分图像第n个像素点的灰度值；
S203、对图像Yn进行连通性分析，得到含有完整运动目标的图像，采用OpenCV对图像进行人体轮廓检测，分别标记每个检测到的人体轮廓作为目标对象；
S204、采用YOLO基于深度学习的目标检测算法，对图像中所有目标对象进行特征提取和模型评估，判断目标对象是否正确穿着防护服，为每一个目标对象标注判断结果；
S205、收集一段时间内穿着防护服的目标对象的位置坐标信息(xi，yi)，形成集合Z＝{(x1，y1)，(x2，y2)，...，(xn，yn)}，其中，n表示为采集的目标对象位置数量；
S206、对集合中连续的两个坐标点进行差值计算，形成向量集：P＝{(x2-x1，y2-y1)，...，(xi+1-xi，yi+1-yi)，...}，i＝1,2，...，n-1；计算连续两条向量之间的夹角θ，公式如下：
Figure FDA0004174081440000032
S207、计算同一个目标对象下全部夹角的平均值，将该夹角平均值与向量夹角阈值相比较，夹角平均值大于夹角阈值，则说明目标对象有目的性；夹角平均值小于或等于夹角阈值，则说明目标对象无目的性；判断公式如下：
Figure FDA0004174081440000041
式中，result为目标对象有无目的性的判断结果，θ平均为全部夹角的平均值，θ阈为夹角阈值。
9.根据权利要求6所述的一种基于物联网的水肥一体灌溉监测预警方法，其特征在于，在S3中，对目标对象的移动轨迹预测步骤如下：
S301、实时采集每个目标对象的移动方向和移动速度信息；
S302、将采集的数据代入公式中，分别计算每个目标对象的预测位置坐标值；计算公式如下：
Xn＝X0+2V×cosα
Yn＝Y0+2V×sinα
式中，Xn为预测位置坐标X轴上的值，Yn为预测位置坐标Y轴上的值，X0为目标对象当前位置坐标X轴上的值，Y0为目标对象当前位置坐标Y轴上的值，V为目标对象移动速度，cosα和sinα分别表示目标对象移动方向角度的余弦和正弦值；
S303、判断预测位置坐标是否处于灌溉区域内，不处于灌溉区域内，不做处理；处于灌溉区域内，则分为两种情况：
目标对象穿着防护服且有目的性，说明目标对象预备针对灌溉点设备进行工作，不做处理；目标对象穿着防护服且无目的性，说明目标对象不针对灌溉点设备，预备进行其他工作，则在即将进入辐射区域进行警告，即将进入喷洒区域控制灌溉点设备流量，减小喷洒面积；
目标对象未穿着防护服，说明目标对象误闯入或忘记穿戴防护服，则在即将进入辐射区域进行警告，且在辐射区域停留时间超过停留时间阈值进行警告，在即将进入喷洒区域则控制灌溉点设备关停。
10.根据权利要求9所述的一种基于物联网的水肥一体灌溉监测预警方法，其特征在于，对灌溉点设备流量的控制是根据预测目标对象一段时间后的位置坐标与灌溉点的距离来动态调整的；该距离越小，说明目标对象距离灌溉点设备越近，控制流量越小；该距离越大，说明目标对象距离灌溉点设备越远，控制流量越大；流量最小为零，最大不超过正常灌溉设定的流量，计算公式如下：
Figure FDA0004174081440000051
式中，f为预测目标对象一段时间后的位置坐标与灌溉点的距离，L为灌溉点设备需要调整的流量，g为重力加速度；V0为水流初速度；θ为喷射方向与地面夹角；M为喷头孔径大小。
CN202310386191.9A 2023-04-12 2023-04-12 一种基于物联网的水肥一体灌溉监测预警系统及方法 Active CN116403350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310386191.9A CN116403350B (zh) 2023-04-12 2023-04-12 一种基于物联网的水肥一体灌溉监测预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310386191.9A CN116403350B (zh) 2023-04-12 2023-04-12 一种基于物联网的水肥一体灌溉监测预警系统及方法

Publications (2)

Publication Number Publication Date
CN116403350A true CN116403350A (zh) 2023-07-07
CN116403350B CN116403350B (zh) 2024-01-12

Family

ID=87008700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310386191.9A Active CN116403350B (zh) 2023-04-12 2023-04-12 一种基于物联网的水肥一体灌溉监测预警系统及方法

Country Status (1)

Country Link
CN (1) CN116403350B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117322222A (zh) * 2023-11-27 2024-01-02 上海华维可控农业科技集团股份有限公司 一种基于柑橘类的水肥一体灌溉方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104460582A (zh) * 2014-09-29 2015-03-25 贵州省水利科学研究院 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统
CN109673480A (zh) * 2019-02-22 2019-04-26 福州阿里他巴信息科技有限公司 一种智能水肥一体化喷灌系统及控制方法
CN111557158A (zh) * 2020-05-29 2020-08-21 珠江水利委员会珠江水利科学研究院 智能灌溉控制方法及系统
CN211322038U (zh) * 2019-09-04 2020-08-25 金田产业发展(山东)集团有限公司 一种水肥一体化智能灌溉系统
IN202041040934A (zh) * 2020-09-22 2020-10-09 JYOTI METAN Dr. (ASSISTANT PROFESSOR)

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104460582A (zh) * 2014-09-29 2015-03-25 贵州省水利科学研究院 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统
CN109673480A (zh) * 2019-02-22 2019-04-26 福州阿里他巴信息科技有限公司 一种智能水肥一体化喷灌系统及控制方法
CN211322038U (zh) * 2019-09-04 2020-08-25 金田产业发展(山东)集团有限公司 一种水肥一体化智能灌溉系统
CN111557158A (zh) * 2020-05-29 2020-08-21 珠江水利委员会珠江水利科学研究院 智能灌溉控制方法及系统
IN202041040934A (zh) * 2020-09-22 2020-10-09 JYOTI METAN Dr. (ASSISTANT PROFESSOR)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117322222A (zh) * 2023-11-27 2024-01-02 上海华维可控农业科技集团股份有限公司 一种基于柑橘类的水肥一体灌溉方法和系统
CN117322222B (zh) * 2023-11-27 2024-01-30 上海华维可控农业科技集团股份有限公司 一种基于柑橘类的水肥一体灌溉方法和系统

Also Published As

Publication number Publication date
CN116403350B (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
CN111898514B (zh) 一种基于目标检测与动作识别的多目标视觉监管方法
CN109657575B (zh) 室外施工人员智能视频跟踪算法
CN116403350B (zh) 一种基于物联网的水肥一体灌溉监测预警系统及方法
CN111932588A (zh) 一种基于深度学习的机载无人机多目标跟踪系统的跟踪方法
CN104036575B (zh) 施工现场安全帽佩戴情况监控方法
KR102090469B1 (ko) 건설현장 미세먼지 저감을 위한 영상 인식 기반의 물 분사 장치 및 방법
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位系统
US11917333B2 (en) Systems and methods for personnel location at a drilling site
Wang et al. Predicting safety hazards among construction workers and equipment using computer vision and deep learning techniques
US20110026770A1 (en) Person Following Using Histograms of Oriented Gradients
CN110602449A (zh) 一种基于视觉的大场景下施工安全智能监控系统方法
CN114612866B (zh) 一种建筑场地内安全性智能识别方法、装置及设备
CN114782988B (zh) 一种面向施工环境的多级安全预警方法
CN113837059A (zh) 一种规劝行人及时佩戴口罩的巡视车及其控制方法
CN112395967A (zh) 一种口罩佩戴监测方法、电子设备和可读存储介质
CN112800918A (zh) 一种非法运动目标的身份识别方法及装置
CN115797856A (zh) 一种基于机器视觉的施工场景智慧安全监控方法
US20220307231A1 (en) Utility Vehicle and Corresponding Apparatus, Method and Computer Program for a Utility Vehicle
CN113593177B (zh) 一种基于高精度定位和图像识别的视频告警联动实现方法
CN117474321A (zh) 基于bim模型的施工现场风险智能识别方法及系统
Llorca et al. Assistive pedestrian crossings by means of stereo localization and rfid anonymous disability identification
CN111145392B (zh) 一种用于智慧安防的移动式综合布控一体机及系统
Konstantinou Vision-based construction worker task productivity monitoring
CN112465249A (zh) 一种基于感兴趣度的人力资源分配系统
McNeil et al. Real-time classification of water spray and leaks for robotic firefighting

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