CN116625887A - 一种半开敞空间的空气悬浮物检测方法及系统 - Google Patents
一种半开敞空间的空气悬浮物检测方法及系统 Download PDFInfo
- Publication number
- CN116625887A CN116625887A CN202310911443.5A CN202310911443A CN116625887A CN 116625887 A CN116625887 A CN 116625887A CN 202310911443 A CN202310911443 A CN 202310911443A CN 116625887 A CN116625887 A CN 116625887A
- Authority
- CN
- China
- Prior art keywords
- information
- critical
- suspended matter
- suspended
- suspension
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000000725 suspension Substances 0.000 claims abstract description 161
- 230000008859 change Effects 0.000 claims abstract description 124
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- 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
- G01N15/075—Investigating concentration of particle suspensions by optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种半开敞空间的空气悬浮物检测方法及系统,涉及空气检测技术领域,该方法包括:在待检测空间内的内部区域,按照第一频率,采集内部区域内空气的多个内部图像;进行灰度梯度下降迭代遍历,获得多个悬浮物数量集合;获得多个悬浮物变化趋势信息和多个悬浮物数量信息;采集临界区域内空气的第一临界图像和第二临界图像;计算获得开敞悬浮物变化信息;进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为待检测空间的悬浮物检测结果。本发明解决了现有技术中存在半开敞空间内悬浮物检测结果可靠性低,检测不准确的技术问题,达到了考虑半开敞空间的空间特性,提升检测质量的技术效果。
Description
技术领域
本发明涉及空气检测技术领域,具体涉及一种半开敞空间的空气悬浮物检测方法及系统。
背景技术
随着空气质量要求越来越高,空气悬浮物检测质量要求也随之提升。空气中的悬浮物包括粉尘、花粉、细菌等,目前,对于半开敞空间内的空气悬浮物检测,主要通过将空间内部与外部的边界区域处的悬浮物假定为静止的,进而对空间内的悬浮物直接进行检测,从而提升检测的效率。然而,由于半开敞空间的内外部边界处空气是自由流动的,因此,虽然检测效率得到提升,对应检测质量随之下降。现有技术中存在半开敞空间内悬浮物检测结果可靠性低,检测不准确的技术问题。
发明内容
本申请提供了一种半开敞空间的空气悬浮物检测方法及系统,用于针对解决现有技术中存在半开敞空间内悬浮物检测结果可靠性低,检测不准确的技术问题。
鉴于上述问题,本申请提供了一种半开敞空间的空气悬浮物检测方法及系统。
本申请的第一个方面,提供了一种半开敞空间的空气悬浮物检测方法,所述方法包括:
在待检测空间内的内部区域,按照第一频率,采集所述内部区域内空气的多个内部图像,其中,所述待检测空间为半开敞空间。
在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合。
根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息。
在所述待检测空间内的临界区域,按照第二频率,采集所述临界区域内空气的第一临界图像和第二临界图像,所述临界区域为所述内部区域与外部区域连接的区域。
在所述第一临界图像和第二临界图像内,进行灰度梯度下降迭代遍历,获取所述第一临界图像内所述多种大小悬浮物的数量,作为临界悬浮物数量集合,并进行悬浮物标记和位置标记,获得标记信息集合、第一位置信息集合、第二位置信息集合。
根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息。
采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为所述待检测空间的悬浮物检测结果。
本申请的第二个方面,提供了一种半开敞空间的空气悬浮物检测系统,所述系统包括:
内部图像采集模块,所述内部图像采集模块用于在待检测空间内的内部区域,按照第一频率,采集所述内部区域内空气的多个内部图像,其中,所述待检测空间为半开敞空间。
悬浮物数量获得模块,所述悬浮物数量获得模块用于在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合。
悬浮物数量信息获得模块,所述悬浮物数量信息获得模块用于根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息。
临界图像采集模块,所述临界图像采集模块用于在所述待检测空间内的临界区域,按照第二频率,采集所述临界区域内空气的第一临界图像和第二临界图像,所述临界区域为所述内部区域与外部区域连接的区域。
标记信息获得模块,所述标记信息获得模块用于在所述第一临界图像和第二临界图像内,进行灰度梯度下降迭代遍历,获取所述第一临界图像内所述多种大小悬浮物的数量,作为临界悬浮物数量集合,并进行悬浮物标记和位置标记,获得标记信息集合、第一位置信息集合、第二位置信息集合。
悬浮物变化信息获得模块,所述悬浮物变化信息获得模块用于根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息。
悬浮物检测结果获得模块,所述悬浮物检测结果获得模块用于采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为所述待检测空间的悬浮物检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过在待检测空间内的内部区域,按照第一频率,采集内部区域内空气的多个内部图像,其中,待检测空间为半开敞空间,然后在多个内部图像内,进行灰度梯度下降迭代遍历,获取多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合,进而根据多个悬浮物数量集合,计算多种大小悬浮物的变化趋势,以及多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息,然后在待检测空间内的临界区域,按照第二频率,采集临界区域内空气的第一临界图像和第二临界图像,临界区域为内部区域与外部区域连接的区域,通过在第一临界图像和第二临界图像内,进行灰度梯度下降迭代遍历,获取第一临界图像内多种大小悬浮物的数量,作为临界悬浮物数量集合,并进行悬浮物标记和位置标记,获得标记信息集合、第一位置信息集合、第二位置信息集合,根据临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息,进而采用开敞悬浮物变化信息,对多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为待检测空间的悬浮物检测结果,达到了提升悬浮物检测质量,提高检测准确度的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种半开敞空间的空气悬浮物检测方法流程示意图。
图2为本申请实施例提供的一种半开敞空间的空气悬浮物检测方法中获得多个悬浮物数量集合的流程示意图。
图3为本申请实施例提供的一种半开敞空间的空气悬浮物检测方法中获得第二位置信息集合的流程示意图。
图4为本申请实施例提供的一种半开敞空间的空气悬浮物检测系统结构示意图。
附图标记说明:内部图像采集模块11,悬浮物数量获得模块12,悬浮物数量信息获得模块13,临界图像采集模块14,标记信息获得模块15,悬浮物变化信息获得模块16,悬浮物检测结果获得模块17。
具体实施方式
本申请通过提供了一种半开敞空间的空气悬浮物检测方法及系统,用于针对解决现有技术中存在半开敞空间内悬浮物检测结果可靠性低,检测不准确的技术问题。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种半开敞空间的空气悬浮物检测方法,其中,所述方法包括:
步骤S100:在待检测空间内的内部区域,按照第一频率,采集所述内部区域内空气的多个内部图像,其中,所述待检测空间为半开敞空间。
在一个可能的实施例中,所述待检测空间是需要进行空气悬浮物检测的半开敞空间。由于在没有外力干扰的情况下,空间中的粒子一直在做无规则的运动,因此,待检测空间中的空气悬浮物数量和种类会随着时间的变化而变化。以待检测空间与外部空间的交界处作为临界区域,将临界区域与待检测空间的区域边界构成的区域空间作为内部区域。利用图像采集装置,按照第一频率对内部区域内空气进行多次图像采集,获得多个内部图像。其中,所述第一频率是由本领域技术人员设定的对待检测空间内部区域单位时间内进行图像采集的次数,第一频率大于后续设定的第二频率,优选的,第一频率为每10分钟采集一次图像。所述多个内部图像反映了内部区域在一段时间内悬浮物含量水平。通过获取多个内部图像为后续准确分析待检测空间内的空气悬浮物含量提供可靠的分析数据。
步骤S200:在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合。
进一步的,如图2所示,在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合,本申请实施例步骤S200还包括:
步骤S210:对所述多个内部图像进行灰度化处理,获得多个灰度化内部图像。
步骤S220:在所述多个灰度化内部图像中的第一灰度化内部图像内,进行灰度梯度下降迭代遍历,获取所述第一灰度化内部图像中所述多种大小悬浮物的数量,获得第一悬浮物数量集合。
步骤S230:继续对其他的多个内部图像进行灰度梯度下降迭代遍历,获得所述多个悬浮物数量集合。
进一步的,在所述多个灰度化内部图像中的第一灰度化内部图像内,进行灰度梯度下降迭代遍历,本申请实施例步骤S220还包括:
步骤S221:在所述第一灰度化内部图像内,随机生成一点,作为内部初始点。
步骤S222:以所述内部初始点,按照宏步长,在所述第一灰度化内部图像内进行随机迭代,获得第一内部点,并获得所述第一内部点的灰度值,作为第一内部梯度。
步骤S223:判断所述第一内部梯度是否小于梯度阈值,若是,则判断出现悬浮物,以所述第一内部梯度按照微步长,进行随机迭代,获得第二内部点,并继续随机迭代,以按照微步长迭代的次数作为悬浮物的大小信息,若否,则判断未出现悬浮物,以所述第一内部点按照宏步长,进行随机迭代,获得第二内部点。
步骤S224:继续进行随机迭代,直到达到预设迭代次数,获得出现的全部悬浮物的数量和大小信息,获得所述多种大小悬浮物的第一悬浮物数量集合。
在一个可能的实施例中,通过对多个内部图像逐一进行灰度梯度下降迭代,从而对图像内多种大小悬浮物的数量进行采集,得到多个悬浮物数量集合。其中,所述多个悬浮物数量集合反映了不同的采集时间节点待检测区域内悬浮物含量情况,每个悬浮物数量集合对应一个内部图像。
具体而言,通过对多个内部图像进行灰度化处理,可选的,通过将彩色图像中RGB三分量的亮度最大的对应的灰度图像,作为灰度化处理的图像,计算图像对应的灰度值,从而获得多个灰度化内部图像。进而,通过对所述多个灰度化内部图像中最先采集的灰度内部图像作为第一灰度化内部图像,在第一灰度化内部图像内进行灰度梯度下降迭代遍历,也就是将内部图像内的灰度作为梯度,通过梯度下降的方法分析图像中灰度的变化,从而获得空间内不同大小悬浮物的数量,也就是所述第一悬浮物数量集合。优选的,在对待检测区域进行图像采集时,将采集背景设置为白色,由此,没有悬浮物的空气在图像中呈现的颜色为白色,对应的灰度值接近255,而悬浮物通常为深色,如灰色或者褐色,灰度值远低于255,接近0。因此,可以通过对第一灰度化内部图像进行灰度梯度下降迭代遍历的方法,分析获得不同大小悬浮物的数量。进而,通过对其他的多个内部图像进行灰度梯度下降迭代遍历,从而获得多个悬浮物数量集合。达到了提升空气悬浮物检测准确性,提高检测效率的技术效果。
具体的,通过在所述第一灰度化内部图像内随机生成一个点,将其作为内部初始点,也就是进行梯度下降分析的起始点,通过在初次迭代过程中比较内部初始点的灰度值与迭代过程中第一内部点的灰度值之间的差值,确定梯度下降的步长,从而提高寻找悬浮物的效率和准确度。
具体的,以所述内部初始点作为起始点,按照宏步长(步长较大,如每次移动3个像素点的距离)在所述第一灰度化内部图像内按照任意下降方向进行随机迭代,获得移动宏步长中的距离后获得的像素点将其作为第一内部点,并对第一内部点对应的灰度值进行获取,计算第一内部点的灰度值与内部初始点的灰度值之间的差值,将其作为第一内部梯度。其中,所述第一内部梯度反映了从内部初始点到第一内部点之间的灰度值变化情况。所述梯度阈值是由本领域技术人员设定的悬浮物在图像中对应的灰度值与无悬浮物的空气在图像中对应的灰度值之间的最大差值。
优选的,通过判断所述第一内部梯度是否小于梯度阈值,可以对图像中是否出现悬浮物进行判断。若是,则表明出现悬浮物,此时,需要对进行梯度下降的步长进行调整,将宏步长调整为微步长(步长小于宏步长,如每次移动一个像素点的距离)。通过起始较大的宏步长进行梯度下降,从而提升全局寻找悬浮物的效率,再通过较小的微步长在找到悬浮物后,尽可能找到更多的悬浮物像素点,提升空气悬浮物检测的精度。
通过根据第一内部梯度按照微步长进行随机迭代获得第二内部点,继续进行随机迭代,并将微步长迭代的次数作为悬浮物的大小信息,迭代次数越多,悬浮物越大。若第一内部梯度大于等于梯度阈值,表明第一内部点处不存在悬浮物,此时进行随机迭代,获得第二内部点。经过多次随机迭代,直至达到预设迭代次数,将出现的全部悬浮物的数量和大小信息。通过对出现的全部悬浮物的数量和大小信息进行分析,获得所述多种大小悬浮物的第一悬浮物数量集合。其中,所述多种大小悬浮物的第一悬浮物数量集合反映了在第一灰度化内部图像采集时刻,待检测空间的内部区域中不同大小空气悬浮物对应的悬浮物数量情况。达到了对空气悬浮物数量进行可靠获取的技术效果。
步骤S300:根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息。
进一步的,根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息,本申请实施例步骤S300还包括:
步骤S310:根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的平均数量,获得所述多个悬浮物数量信息。
步骤S320:根据所述多个悬浮物数量集合内所述多种大小悬浮物的数量信息,计算两两相邻的悬浮物数量集合内多种大小悬浮物数量信息的差值的均值,获得所述多个悬浮物变化趋势信息。
在一个可能的实施例中,根据所述多个悬浮物数量集合中不同大小悬浮物在不同采集时刻的数量变化情况,计算获得多种大小悬浮物的变化趋势和多种大小悬浮物的数量,然后获得所述多个悬浮物变化趋势信息和多个悬浮物数量信息。其中,所述多个悬浮物变化趋势信息反映了多种大小悬浮物在进行图像采集的时间段内数量变化情况,是一个过程变化量。所述多个悬浮物数量信息反映了多种大小悬浮物在图像采集的时间段内平均数量情况,也就是待检测时间段内待检测空间中含有的多种大小悬浮物的含量情况。
在一个实施例中,通过对多个悬浮物数量集合中的悬浮物数量进行均值计算,从而获得多种大小悬浮物的平均数量,将其作为所述多个悬浮物数量信息。进而,根据所述多个悬浮物数量集合内多种大小悬浮物的数量信息,分别计算采集时刻相邻的两两悬浮物数量集合内多种大小悬浮物数量信息之间的差值,然后将计算多个两两相邻的悬浮物数量集合中多种大小悬浮物数量信息之间的差值均值作为所述多个悬浮物变化趋势信息。优选的,所述差值均值具有正负,若差值均值为正,表明对应悬浮物数量处于增加的趋势;若差值均值为负,表明对应悬浮物数量处于减少的趋势。
步骤S400:在所述待检测空间内的临界区域,按照第二频率,采集所述临界区域内空气的第一临界图像和第二临界图像,所述临界区域为所述内部区域与外部区域连接的区域。
在一个可能实施例中,通过在所述待检测空间内的临界区域(也就是半开敞的待检测空间内部区域与外部区域相连接的区域)按照第二频率进行图像采集,获得所述临界区域的第一临界图像和第二临界图像。其中,所述第二频率小于第一频率,用于分析短时间内临界区域内悬浮物的移动方向,如第二频率为采集两次图像,两次采集时间间隔为1秒。其中,所述第一临界图像和第二临界图像反映了临界区域内空气悬浮物的含量和运动方向。
步骤S500:在所述第一临界图像和第二临界图像内,进行灰度梯度下降迭代遍历,获取所述第一临界图像内所述多种大小悬浮物的数量,作为临界悬浮物数量集合,并进行悬浮物标记和位置标记,获得标记信息集合、第一位置信息集合、第二位置信息集合。
进一步的,如图3所示,本申请实施例步骤S500还包括:
步骤S510:在所述第一临界图像和第二临界图像内,构建临界图像坐标系。
步骤S520:在所述第一临界图像内,进行灰度梯度下降迭代遍历,获得所述临界悬浮物数量信息集合,根据所述临界图像坐标系,对所述第一临界图像内的悬浮物进行位置标记,获得所述第一位置信息集合。
步骤S530:对所述第一临界图像内的悬浮物图像进行分割和识别处理,并根据分割识别的悬浮物面积,进行标记,获得所述标记信息集合。
步骤S540:在所述第二临界图像内,进行灰度梯度下降迭代遍历,并对获得的所述第二临界图像内的悬浮物图像进行分割识别处理,根据所述标记信息集合,获取所述第一临界图像内被标记的悬浮物在所述第二临界图像内的第二位置信息集合。
在一个可能的实施例中,通过按照第一灰度化内部图像进行灰度梯度下降迭代遍历的方法,在所述第一临界图像和第二临界图像内进行灰度梯度下降迭代遍历,从而获得所述第一临界图像内多种大小悬浮物的数量,将其作为临界悬浮物数量集合。并对所述第一临界图像内多种大小悬浮物所在的位置和大小进行标记,获得标记信息集合和第一位置信息集合。根据第二临界图像进行灰度梯度下降迭代遍历的结果,结合第一位置信息集合和标记信息集合获得第二位置信息集合。通过根据标记信息集合、第一位置信息集合和第二位置信息集合可以确定临界区域内悬浮物数量以及位置移动情况。
在一个实时例中,通过将第一临界图像和第二临界图像同一个位置作为坐标系中心,构建临界图像坐标系。然后,在所述第一临界图像内进行灰度梯度下降迭代遍历,获得所述临界悬浮物数量信息集合。并根据寻找到临界悬浮物的像素点所在的位置,结合所述临界图像坐标系对第一临界图像内的悬浮物进行位置标记,从而获得所述第一位置信息集合。其中,所述第一位置信息集合反映了第一临界图像内空气悬浮物的位置情况。
具体而言,基于同样的方法,在第二临界图像内进行灰度梯度下降迭代遍历,然后利用悬浮物面积识别通道对所述第二临界图像内的悬浮物图像进行分割识别处理,根据识别后结果中的标记信息集合,确定第一临界图像内被标记的悬浮物在所述第二临界图像内的第二位置信息集合。优选的,通过根据第二临界图像内悬浮物图像识别后的多个悬浮物面积,分别与第一临界图像内被标记的悬浮物面积进行匹配,进而根据匹配成功的结果确定第一临界图像内被标记的悬浮物在所述第二临界图像内的第二位置信息集合。由此,实现了对临界区域内悬浮物位置的移动情况进行分析确定的目标。达到了通过分析多种大小悬浮物进入和流出临界区域的数量,分析临界区域悬浮物的变化,以提升半开敞空间悬浮物检测的准确性和智能化程度。
进一步的,对所述第一临界图像内的悬浮物图像进行分割和识别处理,并根据分割识别的面积,进行标记,获得所述标记信息集合,本申请实施例步骤S500还包括:
步骤S550:根据所述第一位置信息集合,对所述第一临界图像内的悬浮物图像进行裁剪分割,获得多个第一悬浮物图像。
步骤S560:获取样本悬浮物图像集合和样本悬浮物面积识别结果集合。
步骤S570:基于卷积神经网络,采用所述样本悬浮物图像集合和样本悬浮物面积识别结果集合,构建悬浮物面积识别通道。
步骤S580:将所述多个第一悬浮物图像输入所述悬浮物面积识别通道,获得多个第一悬浮物面积,并进行标记,获得所述标记信息集合。
在本申请的实施例中,通过根据第一位置信息集合中的悬浮物位置信息,对所述第一临界图像内的悬浮物图像进行裁剪分割,进而获得多个第一悬浮物图像。其中,所述多个第一悬浮物图像是对待检测空间内的悬浮物情况进行描述的图像。所述悬浮物面积识别通道是用于对悬浮物图像中的悬浮物面积大小进行智能化识别,输入数据为悬浮物图像,输出数据为悬浮物面积。
具体而言,通过获得样本悬浮物图像集合和样本悬浮物面积识别结果集合,对以卷积神经网络为基础构建的框架进行监督训练,直至输出达到收敛,获得所述悬浮物面积识别通道。进而,将所述多个第一悬浮物图像输入所述悬浮物面积识别通道,获得多个第一悬浮物面积,并进行标记,获得所述标记信息集合。通过先对第一临界图像内的悬浮物图像进行裁剪分割,较少识别工作量,提高图像识别效率,进而利用智能化的悬浮物面积识别通道进行识别,提升识别准确度。
步骤S600:根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息。
进一步的,根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息,本申请实施例步骤S600还包括:
步骤S610:根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算移动方向为进入所述临界区域的所述多种大小悬浮物的数量,获得多个进入悬浮物数量信息。
步骤S620:计算移动方向为流出所述临界区域的多种大小悬浮物的数量,获得多个流出悬浮物数量信息。
步骤S630:计算所述多个进入悬浮物数量信息和所述多个流出悬浮物数量信息的差值,获得多个悬浮物变化信息,作为所述开敞悬浮物变化信息。
在一个可能的实施例中,通过根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合确定在临界区域内悬浮物的变化情况,获得所述开敞悬浮物变化信息。所述开敞悬浮物变化信息为多个进入悬浮物数量信息和多个流出悬浮物数量信息的差值,反映了在半开敞空间内由于空气流动导致临界区域内悬浮物数量的变化情况。
具体而言,根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,确定移动方向为进入所述临界区域的多种大小悬浮物,并将所述移动方向为进入所述临界区域的多种大小悬浮物的数量进行统计,获得所述多个进入悬浮物数量信息。基于同样的方法,根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,确定移动方向为流出所述临界区域的多种大小悬浮物,进行数量统计后获得所述多个流出悬浮物数量信息。通过计算属于同样大小悬浮物的多个进入悬浮物数量信息和所述多个流出悬浮物数量信息的差值,确定所述多个悬浮物变化信息,将其作为所述开敞悬浮物变化信息。通过对临界区域内的悬浮物变化情况进行获取,为修正待检测空间中的悬浮物变化提供依据,提升悬浮物检测的准确性。
步骤S700:采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为所述待检测空间的悬浮物检测结果。
进一步的,采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,本申请实施例步骤S700还包括:
步骤S710:根据所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息进行和运算,获得所述多个校正悬浮物变化趋势信息。
步骤S720:根据所述多个校正悬浮物变化趋势信息,对所述多个悬浮物数量信息进行和运算,获得所述多个校正悬浮物数量信息,作为所述悬浮物检测结果。
在一个可能的实施例中,根据所述开敞悬浮物变化信息中反映的临界区域内的悬浮物变化情况,对多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整。由于待检测空间的内部区域悬浮物变化趋势相对于临界区域内悬浮物变化趋势存在滞后性,因此,经过计算调整后获得的多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息能够更加可靠的反映待检测空间的悬浮物变化情况,也就是所述待检测空间的悬浮物检测结果。
具体而言,通过根据所述开敞悬浮物变化信息中多种大小悬浮物的变化趋势,分别对多个悬浮物变化趋势信息进行加和,获得所述多个校正悬浮物变化趋势信息。示例性的,若开敞悬浮物变化信息中一种大小的悬浮物的变化趋势为负,表明在临界区域内该悬浮物的数量处于减少的趋势,与相应的悬浮物变化趋势信息进行加和后的变化趋势会减少。进而,根据所述多个校正悬浮物变化趋势信息对所述多个悬浮物数量信息进行加和计算,获得所述多个校正悬浮物数量信息。由于所述多个悬浮物数量信息是均值计算后获得的,存在一定的误差,根据多个悬浮物单位时间内增加的数量,对所述多个悬浮物数量信息进行相对应的调整,示例性的,校正悬浮物变化趋势信息中反映的多个悬浮物单位时间内增加的数量为30,则对多个悬浮物数量信息中的悬浮物数量进行加30。由此,可以检测获得半开敞空间内悬浮物将要达到的数量,可以提高悬浮物检测的准确性,缩小误差,提升检测效率。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过先对待检测空间的内部区域按照第一频率进行图像采集,然后对采集结果进行灰度梯度下降迭代遍历,确定多个悬浮物数量集合,实现了对内部空气悬浮物进行检测的目标,进而,根据多个悬浮物数量集合确定内部的多个悬浮物变化趋势信息和多个悬浮物数量信息,然后对临界区域按照第二频率采集两次,获得第一临界图像和第二临界图像,通过分析后获得临界区域的开敞悬浮物变化信息,然后根据临界区域的悬浮物变化情况对内部区域的悬浮物变化情况和数量进行校正,将多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为所述待检测空间的悬浮物检测结果。达到了综合考虑半开敞空间的特性,提升悬浮物检测结果的可靠性的技术效果。
实施例二
基于与前述实施例中一种半开敞空间的空气悬浮物检测方法相同的发明构思,如图4所示,本申请提供了一种半开敞空间的空气悬浮物检测系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
内部图像采集模块11,所述内部图像采集模块11用于在待检测空间内的内部区域,按照第一频率,采集所述内部区域内空气的多个内部图像,其中,所述待检测空间为半开敞空间。
悬浮物数量获得模块12,所述悬浮物数量获得模块12用于在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合。
悬浮物数量信息获得模块13,所述悬浮物数量信息获得模块13用于根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息。
临界图像采集模块14,所述临界图像采集模块14用于在所述待检测空间内的临界区域,按照第二频率,采集所述临界区域内空气的第一临界图像和第二临界图像,所述临界区域为所述内部区域与外部区域连接的区域。
标记信息获得模块15,所述标记信息获得模块15用于在所述第一临界图像和第二临界图像内,进行灰度梯度下降迭代遍历,获取所述第一临界图像内所述多种大小悬浮物的数量,作为临界悬浮物数量集合,并进行悬浮物标记和位置标记,获得标记信息集合、第一位置信息集合、第二位置信息集合。
悬浮物变化信息获得模块16,所述悬浮物变化信息获得模块16用于根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息。
悬浮物检测结果获得模块17,所述悬浮物检测结果获得模块17用于采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为所述待检测空间的悬浮物检测结果。
进一步的,所述悬浮物数量获得模块12用于执行如下方法:
对所述多个内部图像进行灰度化处理,获得多个灰度化内部图像。
在所述多个灰度化内部图像中的第一灰度化内部图像内,进行灰度梯度下降迭代遍历,获取所述第一灰度化内部图像中所述多种大小悬浮物的数量,获得第一悬浮物数量集合。
继续对其他的多个内部图像进行灰度梯度下降迭代遍历,获得所述多个悬浮物数量集合。
进一步的,所述悬浮物数量获得模块12用于执行如下方法:
在所述第一灰度化内部图像内,随机生成一点,作为内部初始点。
以所述内部初始点,按照宏步长,在所述第一灰度化内部图像内进行随机迭代,获得第一内部点,并获得所述第一内部点的灰度值,作为第一内部梯度。
判断所述第一内部梯度是否小于梯度阈值,若是,则判断出现悬浮物,以所述第一内部梯度按照微步长,进行随机迭代,获得第二内部点,并继续随机迭代,以按照微步长迭代的次数作为悬浮物的大小信息,若否,则判断未出现悬浮物,以所述第一内部点按照宏步长,进行随机迭代,获得第二内部点。
继续进行随机迭代,直到达到预设迭代次数,获得出现的全部悬浮物的数量和大小信息,获得所述多种大小悬浮物的第一悬浮物数量集合。
进一步的,所述悬浮物数量信息获得模块13用于执行如下方法:
根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的平均数量,获得所述多个悬浮物数量信息。
根据所述多个悬浮物数量集合内所述多种大小悬浮物的数量信息,计算两两相邻的悬浮物数量集合内多种大小悬浮物数量信息的差值的均值,获得所述多个悬浮物变化趋势信息。
进一步的,所述标记信息获得模块15用于执行如下方法:
在所述第一临界图像和第二临界图像内,构建临界图像坐标系。
在所述第一临界图像内,进行灰度梯度下降迭代遍历,获得所述临界悬浮物数量信息集合,根据所述临界图像坐标系,对所述第一临界图像内的悬浮物进行位置标记,获得所述第一位置信息集合。
对所述第一临界图像内的悬浮物图像进行分割和识别处理,并根据分割识别的悬浮物面积,进行标记,获得所述标记信息集合。
在所述第二临界图像内,进行灰度梯度下降迭代遍历,并对获得的所述第二临界图像内的悬浮物图像进行分割识别处理,根据所述标记信息集合,获取所述第一临界图像内被标记的悬浮物在所述第二临界图像内的第二位置信息集合。
进一步的,所述标记信息获得模块15用于执行如下方法:
根据所述第一位置信息集合,对所述第一临界图像内的悬浮物图像进行裁剪分割,获得多个第一悬浮物图像。
获取样本悬浮物图像集合和样本悬浮物面积识别结果集合。
基于卷积神经网络,采用所述样本悬浮物图像集合和样本悬浮物面积识别结果集合,构建悬浮物面积识别通道。
将所述多个第一悬浮物图像输入所述悬浮物面积识别通道,获得多个第一悬浮物面积,并进行标记,获得所述标记信息集合。
进一步的,所述悬浮物变化信息获得模块16用于执行如下方法:
根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算移动方向为进入所述临界区域的所述多种大小悬浮物的数量,获得多个进入悬浮物数量信息。
计算移动方向为流出所述临界区域的多种大小悬浮物的数量,获得多个流出悬浮物数量信息。
计算所述多个进入悬浮物数量信息和所述多个流出悬浮物数量信息的差值,获得多个悬浮物变化信息,作为所述开敞悬浮物变化信息。
进一步的,所述悬浮物检测结果获得模块17用于执行如下方法:
根据所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息进行和运算,获得所述多个校正悬浮物变化趋势信息。
根据所述多个校正悬浮物变化趋势信息,对所述多个悬浮物数量信息进行和运算,获得所述多个校正悬浮物数量信息,作为所述悬浮物检测结果。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种半开敞空间的空气悬浮物检测方法,其特征在于,所述方法包括:
在待检测空间内的内部区域,按照第一频率,采集所述内部区域内空气的多个内部图像,其中,所述待检测空间为半开敞空间;
在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合;
根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息;
在所述待检测空间内的临界区域,按照第二频率,采集所述临界区域内空气的第一临界图像和第二临界图像,所述临界区域为所述内部区域与外部区域连接的区域;
在所述第一临界图像和第二临界图像内,进行灰度梯度下降迭代遍历,获取所述第一临界图像内所述多种大小悬浮物的数量,作为临界悬浮物数量集合,并进行悬浮物标记和位置标记,获得标记信息集合、第一位置信息集合、第二位置信息集合;
根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息;
采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为所述待检测空间的悬浮物检测结果。
2.根据权利要求1所述的方法,其特征在于,在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合,包括:
对所述多个内部图像进行灰度化处理,获得多个灰度化内部图像;
在所述多个灰度化内部图像中的第一灰度化内部图像内,进行灰度梯度下降迭代遍历,获取所述第一灰度化内部图像中所述多种大小悬浮物的数量,获得第一悬浮物数量集合;
继续对其他的多个内部图像进行灰度梯度下降迭代遍历,获得所述多个悬浮物数量集合。
3.根据权利要求2所述的方法,其特征在于,在所述多个灰度化内部图像中的第一灰度化内部图像内,进行灰度梯度下降迭代遍历,包括:
在所述第一灰度化内部图像内,随机生成一点,作为内部初始点;
以所述内部初始点,按照宏步长,在所述第一灰度化内部图像内进行随机迭代,获得第一内部点,并获得所述第一内部点的灰度值,作为第一内部梯度;
判断所述第一内部梯度是否小于梯度阈值,若是,则判断出现悬浮物,以所述第一内部梯度按照微步长,进行随机迭代,获得第二内部点,并继续随机迭代,以按照微步长迭代的次数作为悬浮物的大小信息,若否,则判断未出现悬浮物,以所述第一内部点按照宏步长,进行随机迭代,获得第二内部点;
继续进行随机迭代,直到达到预设迭代次数,获得出现的全部悬浮物的数量和大小信息,获得所述多种大小悬浮物的第一悬浮物数量集合。
4.根据权利要求1所述的方法,其特征在于,根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息,包括:
根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的平均数量,获得所述多个悬浮物数量信息;
根据所述多个悬浮物数量集合内所述多种大小悬浮物的数量信息,计算两两相邻的悬浮物数量集合内多种大小悬浮物数量信息的差值的均值,获得所述多个悬浮物变化趋势信息。
5.根据权利要求1所述的方法,其特征在于,所述方法包括:
在所述第一临界图像和第二临界图像内,构建临界图像坐标系;
在所述第一临界图像内,进行灰度梯度下降迭代遍历,获得所述临界悬浮物数量信息集合,根据所述临界图像坐标系,对所述第一临界图像内的悬浮物进行位置标记,获得所述第一位置信息集合;
对所述第一临界图像内的悬浮物图像进行分割和识别处理,并根据分割识别的悬浮物面积,进行标记,获得所述标记信息集合;
在所述第二临界图像内,进行灰度梯度下降迭代遍历,并对获得的所述第二临界图像内的悬浮物图像进行分割识别处理,根据所述标记信息集合,获取所述第一临界图像内被标记的悬浮物在所述第二临界图像内的第二位置信息集合。
6.根据权利要求5所述的方法,其特征在于,对所述第一临界图像内的悬浮物图像进行分割和识别处理,并根据分割识别的面积,进行标记,获得所述标记信息集合,包括:
根据所述第一位置信息集合,对所述第一临界图像内的悬浮物图像进行裁剪分割,获得多个第一悬浮物图像;
获取样本悬浮物图像集合和样本悬浮物面积识别结果集合;
基于卷积神经网络,采用所述样本悬浮物图像集合和样本悬浮物面积识别结果集合,构建悬浮物面积识别通道;
将所述多个第一悬浮物图像输入所述悬浮物面积识别通道,获得多个第一悬浮物面积,并进行标记,获得所述标记信息集合。
7.根据权利要求1所述的方法,其特征在于,根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息,包括:
根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算移动方向为进入所述临界区域的所述多种大小悬浮物的数量,获得多个进入悬浮物数量信息;
计算移动方向为流出所述临界区域的多种大小悬浮物的数量,获得多个流出悬浮物数量信息;
计算所述多个进入悬浮物数量信息和所述多个流出悬浮物数量信息的差值,获得多个悬浮物变化信息,作为所述开敞悬浮物变化信息。
8.根据权利要求4所述的方法,其特征在于,采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,包括:
根据所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息进行和运算,获得所述多个校正悬浮物变化趋势信息;
根据所述多个校正悬浮物变化趋势信息,对所述多个悬浮物数量信息进行和运算,获得所述多个校正悬浮物数量信息,作为所述悬浮物检测结果。
9.一种半开敞空间的空气悬浮物检测系统,其特征在于,所述系统包括:
内部图像采集模块,所述内部图像采集模块用于在待检测空间内的内部区域,按照第一频率,采集所述内部区域内空气的多个内部图像,其中,所述待检测空间为半开敞空间;
悬浮物数量获得模块,所述悬浮物数量获得模块用于在所述多个内部图像内,进行灰度梯度下降迭代遍历,获取所述多个内部图像内多种大小悬浮物的数量,获得多个悬浮物数量集合;
悬浮物数量信息获得模块,所述悬浮物数量信息获得模块用于根据所述多个悬浮物数量集合,计算所述多种大小悬浮物的变化趋势,以及所述多种大小悬浮物的数量,获得多个悬浮物变化趋势信息和多个悬浮物数量信息;
临界图像采集模块,所述临界图像采集模块用于在所述待检测空间内的临界区域,按照第二频率,采集所述临界区域内空气的第一临界图像和第二临界图像,所述临界区域为所述内部区域与外部区域连接的区域;
标记信息获得模块,所述标记信息获得模块用于在所述第一临界图像和第二临界图像内,进行灰度梯度下降迭代遍历,获取所述第一临界图像内所述多种大小悬浮物的数量,作为临界悬浮物数量集合,并进行悬浮物标记和位置标记,获得标记信息集合、第一位置信息集合、第二位置信息集合;
悬浮物变化信息获得模块,所述悬浮物变化信息获得模块用于根据所述临界悬浮物数量集合、第一位置信息集合和第二位置信息集合,计算获得开敞悬浮物变化信息;
悬浮物检测结果获得模块,所述悬浮物检测结果获得模块用于采用所述开敞悬浮物变化信息,对所述多个悬浮物变化趋势信息和多个悬浮物数量信息进行计算调整,获得多个校正悬浮物变化趋势信息和多个校正悬浮物数量信息,作为所述待检测空间的悬浮物检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911443.5A CN116625887B (zh) | 2023-07-25 | 2023-07-25 | 一种半开敞空间的空气悬浮物检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911443.5A CN116625887B (zh) | 2023-07-25 | 2023-07-25 | 一种半开敞空间的空气悬浮物检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116625887A true CN116625887A (zh) | 2023-08-22 |
CN116625887B CN116625887B (zh) | 2023-09-29 |
Family
ID=87597667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310911443.5A Active CN116625887B (zh) | 2023-07-25 | 2023-07-25 | 一种半开敞空间的空气悬浮物检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116625887B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB521621A (en) * | 1938-11-23 | 1940-05-27 | William Arnold Chambers | Improvements in means for detecting and giving warning of the presence of smoke or suspended matter in air or fluid streams |
KR20010098258A (ko) * | 2000-04-29 | 2001-11-08 | 강종원 | 영상분석을 이용한 대기중 먼지 측정 방법 |
CN101907554A (zh) * | 2010-06-29 | 2010-12-08 | 上海杰远环保科技有限公司 | 一种利用云室进行微粒测量的系统及方法 |
CN109658359A (zh) * | 2018-12-26 | 2019-04-19 | 联创汽车电子有限公司 | 大气悬浮物检测系统及其检测方法 |
CN110763600A (zh) * | 2018-07-27 | 2020-02-07 | 北京振兴计量测试研究所 | 悬浮颗粒实时在线检测装置 |
CN111538940A (zh) * | 2020-05-12 | 2020-08-14 | 自然资源部第二海洋研究所 | 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 |
CN112836432A (zh) * | 2021-02-07 | 2021-05-25 | 浙江工业大学 | 基于迁移学习的室内颗粒悬浮物浓度预测方法 |
US20220082372A1 (en) * | 2020-09-16 | 2022-03-17 | Third Dimension Software Limited | Optical triangulation measurement apparatus and method |
CN115031364A (zh) * | 2022-06-18 | 2022-09-09 | 艾易西(中国)环保科技有限公司 | 一种室内空气质量净化方法 |
-
2023
- 2023-07-25 CN CN202310911443.5A patent/CN116625887B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB521621A (en) * | 1938-11-23 | 1940-05-27 | William Arnold Chambers | Improvements in means for detecting and giving warning of the presence of smoke or suspended matter in air or fluid streams |
KR20010098258A (ko) * | 2000-04-29 | 2001-11-08 | 강종원 | 영상분석을 이용한 대기중 먼지 측정 방법 |
CN101907554A (zh) * | 2010-06-29 | 2010-12-08 | 上海杰远环保科技有限公司 | 一种利用云室进行微粒测量的系统及方法 |
CN110763600A (zh) * | 2018-07-27 | 2020-02-07 | 北京振兴计量测试研究所 | 悬浮颗粒实时在线检测装置 |
CN109658359A (zh) * | 2018-12-26 | 2019-04-19 | 联创汽车电子有限公司 | 大气悬浮物检测系统及其检测方法 |
CN111538940A (zh) * | 2020-05-12 | 2020-08-14 | 自然资源部第二海洋研究所 | 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 |
US20220082372A1 (en) * | 2020-09-16 | 2022-03-17 | Third Dimension Software Limited | Optical triangulation measurement apparatus and method |
CN112836432A (zh) * | 2021-02-07 | 2021-05-25 | 浙江工业大学 | 基于迁移学习的室内颗粒悬浮物浓度预测方法 |
CN115031364A (zh) * | 2022-06-18 | 2022-09-09 | 艾易西(中国)环保科技有限公司 | 一种室内空气质量净化方法 |
Non-Patent Citations (1)
Title |
---|
葛君伟: "雾天图像清晰化方法及应用", 重庆邮电大学学报(自然科学版), vol. 22, no. 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN116625887B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626190B (zh) | 基于聚类分区进行刻度识别的水位监测方法 | |
CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
CN108537751B (zh) | 一种基于径向基神经网络的甲状腺超声图像自动分割方法 | |
CN112819821B (zh) | 一种细胞核图像检测方法 | |
CN116563641A (zh) | 一种基于小目标检测的表面缺陷识别方法及系统 | |
CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
CN102567744A (zh) | 基于机器学习的虹膜图像质量确定方法 | |
CN112365497A (zh) | 基于TridentNet和Cascade-RCNN结构的高速目标检测方法和系统 | |
CN111488920A (zh) | 一种基于深度学习目标检测与识别的袋口位置检测方法 | |
CN114972356A (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
CN114359288B (zh) | 基于人工智能的医学影像脑动脉瘤检测和定位方法 | |
CN114926441A (zh) | 一种注塑件加工成型的缺陷检测方法及系统 | |
CN116310845A (zh) | 一种用于污水处理的智能监测系统 | |
CN1106572C (zh) | 铸坯断面质量的自动评价方法 | |
US20160283821A1 (en) | Image processing method and system for extracting distorted circular image elements | |
CN116625887B (zh) | 一种半开敞空间的空气悬浮物检测方法及系统 | |
CN115830514B (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及系统 | |
CN112784494A (zh) | 假阳性识别模型的训练方法、目标识别方法及装置 | |
CN112907541B (zh) | 一种手掌图像质量评估模型构建方法及装置 | |
CN115601747A (zh) | 一种贴壁细胞汇合度的计算方法和系统 | |
CN114927236A (zh) | 一种面向多重目标图像的检测方法及系统 | |
CN114898362A (zh) | 一种基于神经网络的菌子图像分类方法 | |
CN114550918A (zh) | 一种基于绘画特征数据的心理障碍测评方法及系统 | |
CN114581510A (zh) | 基于模式识别的卷帘窗阻力点定位方法及人工智能系统 | |
KR102513456B1 (ko) | 그림파일 형태의 그래프 데이터 인식 및 추출하는 시스템 및 그 방법 |
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 |