CN116754722A - 一种基于无人机实现碳排放监测的方法及系统 - Google Patents
一种基于无人机实现碳排放监测的方法及系统 Download PDFInfo
- Publication number
- CN116754722A CN116754722A CN202310714208.9A CN202310714208A CN116754722A CN 116754722 A CN116754722 A CN 116754722A CN 202310714208 A CN202310714208 A CN 202310714208A CN 116754722 A CN116754722 A CN 116754722A
- Authority
- CN
- China
- Prior art keywords
- data
- carbon emission
- unmanned aerial
- aerial vehicle
- carbon
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 379
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 379
- 238000012544 monitoring process Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 137
- 238000012545 processing Methods 0.000 claims abstract description 136
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000009792 diffusion process Methods 0.000 claims description 39
- 238000003062 neural network model Methods 0.000 claims description 30
- 238000013500 data storage Methods 0.000 claims description 24
- 230000009471 action Effects 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 24
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 14
- 238000007689 inspection Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 description 7
- 239000001569 carbon dioxide Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 239000003570 air Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于无人机实现碳排放监测的方法及系统,所述系统包括:无人机、控制终端、数据处理终端;还包括碳排放检测传感器组件;控制终端接收碳排放检测传感器组件所获得的检测数据,并通过无线数据传输模块将所述检测数据或处理数据传送至数据处理终端,所述处理数据为对检测数据进行处理后所获得的关于碳排放检测结果的数据;所述数据处理终端包括数据聚类处理模块、异常点检测模块、模型构建模块、航线规划模块、无线数据传输模块。所述方法可基于所述系统实现。本方案可以运用于碳排放监测,同时具有碳排放源定位精准和高效的特点。
Description
技术领域
本发明涉及碳排放监测技术领域,特别是涉及一种基于无人机实现碳排放监测的方法及系统。
背景技术
随着工业化的不断发展,碳排放问题已经成为全球关注的重要问题。碳排放一般是指以二氧化碳为主(最主要的气体一般认为是二氧化碳,其他的,还包括水蒸气、臭氧、甲烷等)的温室气体排放,为温室气体排放的总称,碳排放的后果是造成温室效应,使全球气温上升,引起全球变暖。
碳排放和空气污染一般被认为是不同的概念,但在监测上,和空气污染程度监测相同的,空气中的碳含量监测也是空气的重要监测指标。传统的碳含量监测方法主要是通过在固定位置布设固定碳监测仪器进行污染监测,为获得可靠的数据,固定监测技术对检测仪放置的位置和精度具有较高的要求,同时,固定监测技术也存在监测范围受到限制、监测成本高昂、对于碳排放源的监测一般无法精准识别的问题。
在碳排放监测中,除了可以使用固定安装的传感器外,还可以采用设置在移动物体上的传感器,这些传感器随移动物体在空间中移动,从而达到扩大监测区域、可对排放源进行准确定位的目的。关于碳排放移动式监测,该领域中具有如下方案:超大城市现代监测主题的研究致力于使用车辆等载体实现移动监控或进行数据收集,同时,移动监控是一种低成本并且具有发展前景的方法,可以更低成本以及较大范围地获取相对高分辨率的空气情况数据。其他移动监控方案中,无人机监测正受到越来越多的关注:它不仅可以实现更精准的空气情况数据采集,还能够更方便地实现对碳排放源的定位和追踪。
现有公开的具体方案中,如申请号为CN202210556473.4,发明创造名称为一种碳排放在线监测平台及分析方法提供的技术方案中,公开了一种碳排放监测子单元包括多个监测无人机和无人机控制台、依据三维模型数据设置多套无人机监测点组合、依据二氧化碳排放数据分析获得针对建筑最合理的无人机监测点组合的技术方案;申请号为CN202210811684.8,发明创造名称为一种多渠道的碳排放量综合监测方法提供的技术方案中,公开了一种基于碳卫星、地基二氧化碳观测站、预设固定点位的二氧化碳排放检测器,并通过对这些数据进行监控以及判断,并根据判断结果,选择利用电动无人机装置实现大气二氧化碳总排放量数据获取方式;申请号为CN202210925190.2,发明创造名称为基于无人机采样的反演强点源碳排放强度计算方法及系统提供的技术方案中,公开了一种利用无人机进行碳排放采样、并根据采样数据建立碳排放扩散模型,进一步采用相应算法利用扩散模型获得碳排放强度以及对碳排放强度进行验证的技术方案。
综上,通过无人机实现碳排放监测已经运用于各种技术方案中,同时这样的数据采集手段具有其他手段不可比拟的优势,故优化无人机在碳排放监测上的运用具有积极意义。
发明内容
针对上述提出的优化无人机在碳排放监测上的运用具有积极意义的技术问题,本发明提供了一种基于无人机实现碳排放监测的方法及系统,本方案可以运用于碳排放监测,同时具有碳排放源定位精准的特点。
本发明的目的主要通过以下技术方案实现:
一种基于无人机实现碳排放监测的系统,包括无人机、控制终端、数据处理终端;
还包括碳排放检测传感器组件,控制终端以及碳排放检测传感器组件均搭载于无人机上;
控制终端接收碳排放检测传感器组件所获得的检测数据,并通过无线数据传输模块将所述检测数据或处理数据传送至数据处理终端,所述处理数据为对检测数据进行处理后所获得的关于碳排放检测结果的数据;
所述数据处理终端包括数据聚类处理模块,所述数据聚类处理模块对来自控制终端的检测数据或处理数据进行聚类处理,获得按照空间区域划分的碳含量浓度数据子集;
所述数据处理终端包括异常点检测模块,异常点检测模块对碳含量浓度数据子集进行异常点检测:当判定为其中的碳含量浓度数据超过设定阈值时,碳含量浓度数据子集对应的检测数据采集区域被认定为异常点,并且将得到的异常点进行标记;
所述数据处理终端包括模型构建模块,在判断为具有异常点时,模型构建模块利用所获得的碳含量浓度数据子集以及气象数据进行碳排放扩散模型构建;
所述数据处理终端包括航线规划模块,航线规划模块利用碳排放扩散模型进行碳排放源追踪航线规划;
所述数据处理终端包括无线数据传输模块,用于将所述追踪航线数据发送至控制终端,控制终端根据所述追踪航线数据对无人机进行以碳排放源搜寻为目的的航线控制。
现有技术中,无人机搭载碳排放检测传感器组件完成碳排放监测具有地面监测手段不可比拟的优势,在以碳排放为监测目的的航飞任务中,如专利申请号为CN202210556473.4所提供的技术方案,采用获取到的建筑三维模型数据设置无人机监测点组合方案,其他的,本领域技术人员在实现规划航线下的碳排放数据自动监测时,在规划航线上,一般仅采用地形信息、巡检范围、监测高度、巡检频率以及时间等设置航线,无人机携带碳排放检测传感器组件在规定航线下完成巡检范围内的碳排放数据采集。
基于此,本方案提供一种基于无人机的碳排放监测系统,与现有技术不同的,通过对系统组成进行合理的配置,达到保障无人机有效巡航时间、能够及时发现异常碳排放源、方便对碳排放源进行精确定位的目的。
具体的:
碳排放检测传感器组件作为无人机上用于实现碳排放数据采集的采集装置,控制终端可以作为无人机的飞行控制模块,也可以是与飞行控制模块数据连接的独立于飞行控制模块的控制器,数据处理终端为相对于无人机独立的数据处理装置,可以为远程的用于数据处理的服务器,也可以是远程控制中心的数据处理器,如云端大数据处理中心提供所述数据处理终端。同时,所述数据聚类处理模块、异常点检测模块、模型构建模块、航线规划模块各自可为数据处理终端上具有不同数据处理功能的子结构,也可以为运行于同一数据处理终端上、通过不同计算机程序实现不同功能的虚拟模块。
区别于现有技术,首先,本方案将来自碳排放检测传感器组件的检查数据纳入碳排放源追踪航线规划中,这样,无人机在执行航飞任务时,可以根据当次飞行过程中检测数据的具体情况,通过所述追踪航线实现碳排放源搜寻,第一时间发现碳排放异常并在当次任务中及时获得异常碳排放源的具体位置。
其次,针对碳排放扩散与气象数据具有关联性的特点,将按照空间区域划分的碳含量浓度数据子集作为异常点判断以及碳排放扩散模型构建的数据基础,这样可获得相对准确的碳排放扩散模型,有利于提高碳排放源搜寻的效率以及准确性;通过碳含量浓度数据子集可用于规划对应该子集空间区域的碳排放流量,提高异常点判断的准确性。
最后,本方案在具体实施时,数据处理终端需要具有较佳的数据计算能力,本方案中将其设置为与无人机分别为单独的功能部件并通过无线数据传输实现数据双向传递,这样不仅可降低无人机的负载,同时数据处理终端的功耗并不影响无人机的续航能力,故本方案可有效保障无人机单次任务的巡航里程。
作为本领域技术人员,所述获得按照空间区域划分的碳含量浓度数据子集指的是将来自所设定的同一空间区域内的检测数据或处理数据进行聚类,并聚类在一个碳含量浓度数据子集中。并且,由于在大气环境中,如在一个水平面上,气象数据以及高度均影响该平面上碳排放扩散模型的面积以及形态,故所述的所设定的同一空间区域优选为根据检查数据的测量值进行确定:规划为无人机航线的初始巡检航线为在同一平面上的水平航线,通过碳排放检测传感器组件检测到当下位置的碳含量数据高于当地该高度的正常碳含量时,确定为该位置处于碳排放气流中,而后,无人机携带碳排放检测传感器组件继续飞行,通过检测数据获得所设定平面(并不局限于水平面、竖直平面,优选为斜平面)上气流的边界,并且,为获得准确的气流边界,无人机此时被设定为触发边界巡航动作,并纪录触发边界巡航动作时无人机的位置坐标;而后,根据所设定的边界巡航动作方式,在结合气象数据以及飞行高度后(气象数据以及飞行高度均决定当前位置的气流立体形态),获得气流任意截面(优选为截面与气流流动方向相垂直)的多个边界位置,这些边界位置位于该截面的不同方位,而后,根据这些边界位置获得该截面上气流的边界,并结合边界内获得的多个检测数据获得该截面上碳排放流量,判定该气流对应的碳排放源是否存在排放超标的问题,如存在,确定为该位置为异常点,进行后续的碳排放源搜寻动作;若不存在,无人机回到纪录的触发边界巡航动作时无人机的位置坐标,继续按照原始规划航线飞行。
另外,所述检测数据即为直接通过碳排放检测传感器组件获得的数据,所述处理数据为在所述检测数据的基础上,对检测数据进行如多个数据来源平均化处理、异常数据剔除、数据修正等后获得的关于碳排放检测结果的数据。
作为所述的基于无人机实现碳排放监测的系统更进一步的技术方案:
在一个具体实施例中,所述无人机还搭载有用于图像采集的摄像头、用于气象数据采集的气象数据检测模块、用于存储碳排放源位置的数据存储装置;
所述摄像头、气象数据检测模块均与控制终端数据连接,摄像头、气象数据检测模块均在控制终端的控制下工作;
在碳排放扩散模型构建完成后,数据处理终端将碳排放源位置发送至控制终端,控制终端与数据存储装置数据连接,以将碳排放源位置存储于数据存储装置中。
本方案在具体实施时,所述气象数据可以采用本系统之外的数据来源,而通过在无人机上搭载气象数据检测模块可保障气象数据获取的及时性以及准确性;所述摄像头可以运用于碳排放源图像采集,也可以用于具有外观视觉特征的碳排放气流图像采集,所获得图像可用于取证、获得所述截面的角度以及辅助碳排放扩散模型构建,较优的,所述摄像头包括用于获取视觉图像的图像传感器模块,还包括红外成像模块,以在气流中用于形成视觉特征的物质较少时,能够根据温度获得碳排放气流形态;所述数据存储装置用于实现碳排放源位置在无人机上本地存储,用于实现:无人机作为单独的前端设备在脱离数据处理终端工作时,能够通过本地数据采集,快速实现高效的初始飞行航线规划。进一步的,本方案中设置为摄像头、气象数据检测模块均在控制终端的控制下工作,如在无人机上设置蓄电池为无人机以及这些功能模块供电时,旨在使得摄像头、气象数据检测模块均能够在被需要的情况下工作,通过降低这些功能模块功耗的方式保障无人机的巡航里程。
在一个具体实施例中,所述数据处理终端包括神经网络模块,所述神经网络模块用于实现:
在所述检测数据或处理数据传送至数据处理终端后,神经网络模块利用神经网络模型对碳排放数据进行预测,当预测的碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置发送至航线规划模块,航线规划模块根据该时间以及位置进行航线规划,以使得在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。
本方案旨在提供一种通过对当下检测数据或处理数据,利用神经网络模型对未来该位置的碳排放数据进行预测,并在预测结果为碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置发送至航线规划模块,以在航线规划模块的作用下,实现在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。本方案为一种能够高效地对区域内可能发生的碳排放超标进行有效监督的技术方案。作为本领域技术人员,所述神经网络模型将当地的碳排放发生规律作为输入进行训练,输出为异常情况发生的时间或位置;所述神经网络模型可为数据处理终端上单独的子结构,也可以是运行在同一数据处理器、处理器集群上,仅通过对应计算机程序实现相应功能的虚拟模块。另外,所述航线规划模块在根据碳排放扩散模型、神经网络模型输出的时间以及位置进行航线规划时,所规划的航线应该理解为是不同功能的航线,本领域技术人员可以根据具体需要,确认两种航线的优先级,以使得本系统能够按照具体需求进行合理的动作设定。
在一个具体实施例中,所述无人机为固定翼电动无人机。本方案旨在提供一种无人机在工作时,并不存在碳排放,以保障检测数据准确性的技术方案,另外,固定翼无人机为一种飞行速度快的无人机类型,这样的方式可有效保障碳排放区域监测及时性以及提高监测覆盖范围。
在一个具体实施例中,还包括地面站,所述控制终端与数据处理终端之间的数据连接通过地面站建立:在控制终端需要向数据处理终端发送数据时,该数据首先被地面站接收,而后地面站将该数据发送至数据处理终端,地面站还包括用于完成该数据在地面站进行本地存储的数据存储模块。
本方案中,所述地面站作为中继站,运用于无运营商移动信号覆盖区域内的碳排放监测,如在监测范围内不同位置布置多个地面站。关于无人机与地面站的通信,地面站与地面站之间的相对位置根据所设定的无线通讯类型以及天线性能进行确定;地面站与数据处理终端之间的数据连接可以采用有线通讯的方式,也可采用有线通讯结合无线通讯(通过有线通讯方案将数据传递至能够利用无线通讯技术进行数据传递的位置)的方式。以上数据存储模块的运用旨在实现如下目的:根据数据通讯流程,地面站作为完整通讯流程中的节点,将相关数据如检测数据在地面站上存储后,可用于在检测出异常人为碳排放时进行数据来源取证;考虑到无线通讯质量以及地面站设置成本,地面站不需要设置得过于密集,如允许当前航线下部分时间段无人机不能与地面站建立可靠的数据通讯,该情况下,将相关数据如来自数据处理终端的对无人机的控制数据进行本地存储,当无人机巡航至能够与某一地面站建立无线通讯的位置时,能够以相对滞后的方式向无人机的控制终端发送这些数据,提高本系统前端设备的设置成本以及可控性。
本方案还公开了一种基于无人机实现碳排放监测的方法,包括顺序进行的以下步骤:
S1、通过搭载于无人机上的碳排放检测传感器组件获得检测数据;
S2、将所述检测数据或处理数据传送至数据处理终端,所述处理数据为对检测数据进行处理后所获得的关于碳排放检测结果的数据;
S3、所述数据处理终端对检测数据或处理数据进行聚类处理,获得按照空间区域划分的碳含量浓度数据子集;
S4、对碳含量浓度数据子集进行异常点检测:当判定为其中的碳含量浓度数据超过设定阈值时,碳含量浓度数据子集对应的检测数据采集区域被认定为异常点,并且将得到的异常点进行标记并执行步骤S5~S7;
S5、利用所获得的多个碳含量浓度数据子集以及气象数据进行碳排放扩散模型构建;
S6、根据碳排放扩散模型进行碳排放源追踪航线规划;
S7、无人机按照追踪航线,进行以碳排放源搜寻为目的的飞行以及采集碳含量浓度数据、地面图像数据。如上所述,本方法为可以基于所述系统实现、与所述系统具有相同构思,利用碳含量浓度数据子集获得准确的异常点以及构建碳排放扩散模型,并在碳排放扩散模型的基础上获得追踪航线,以高效以及准确的识别出碳排放异常并在当次任务中高效的完成碳排放源搜寻。
在一个具体实施例中,无人机在起飞之前,规划出无人机的任务航线并将任务航线加载到无人机上的控制终端中,控制终端控制无人机按照任务航线飞行;
在步骤S6完成后,根据追踪航线对任务航线进行更改,而后,无人机在控制终端的作用下,按照更改后的任务航线进行飞行。本方案中,所述任务航线作为无人机的初始航线,在触发碳排放源搜寻后,根据追踪航线对任务航线进行更改,即本方案为一种可自动完成碳排放监测的技术方案。
在一个具体实施例中,在步骤S5完成后,利用碳排放扩散模型获得碳排放源位置,并将碳排放源位置存储于数据存储装置中;
在无人机起飞之前进行任务航线规划时,将数据存储装置中的碳排放源位置作为任务航线规划参考。与以上相同的,本方案即为将历史碳排放源位置数据作为任务航线规划依据,以根据碳排放源一般位于固定位置或者固定区域的特点,使得任务航线能够被有针对性的规划,以尽可能提高碳排放监测航飞的效率。
在一个具体实施例中,无人机在起飞之前,规划出无人机的任务航线并将任务航线加载到无人机上的控制终端中,控制终端控制无人机按照任务航线飞行;
在步骤S2完成后,利用神经网络模型对碳排放数据进行预测,当预测的碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置运用于任务航线调整,以使得在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。与以上方案相同的,本方案利用神经网络模型对后期的碳排放数据进行预测,在预测为可能发现碳排放超标的情况下,利用神经网络模型获得发生该情况的时间以及位置,并将该位置以及时间作为调整任务航线的依据,即本方案提供了一种能够高效地对区域内可能发生的碳排放超标进行有效监督的技术方案。
在一个具体实施例中,所述步骤S1中所采用的无人机为固定翼电动无人机;
所述步骤S3~S6采用与无人机远程数据连接的数据处理终端完成;
所述远程数据连接中包括作为数据中继站的地面站,在地面站传递数据时,地面站对被传递的数据进行本地存储。如上所述,关于对所采用无人机的选型旨在采用一种检测数据准确、监测效率高以及监测覆盖范围广的技术方案;关于对步骤S3~S6的设置方式旨在提供一种可保障数据运算速度以及保障无人机巡航里程的技术方案;关于对所述地面站的设置,不仅可解决无商用网络区域的数据传输问题,同时可用于检测数据本地取证、对无人机的控制数据进行相对滞后传输等。
综上所述,本发明与现有技术相比具有以下有益效果:
首先,本方案将来自碳排放检测传感器组件的检查数据纳入碳排放源追踪航线规划中,这样,无人机在执行航飞任务时,可以根据当次飞行过程中检测数据的具体情况,通过所述追踪航线实现碳排放源搜寻,第一时间发现碳排放异常并在当次任务中及时获得异常碳排放源的具体位置。
其次,针对碳排放扩散与气象数据具有关联性的特点,将按照空间区域划分的碳含量浓度数据子集作为异常点判断以及碳排放扩散模型构建的数据基础,这样可获得相对准确的碳排放扩散模型,有利于提高碳排放源搜寻的效率以及准确性;通过碳含量浓度数据子集可用于规划对应该子集空间区域的碳排放流量,提高异常点判断的准确性。
最后,本方案在具体实施时,数据处理终端需要具有较佳的数据计算能力,本方案中将其设置为与无人机分别为单独的功能部件并通过无线数据传输实现数据双向传递,这样不仅可降低无人机的负载,同时数据处理终端的功耗并不影响无人机的续航能力,故本方案可有效保障无人机单次任务的巡航里程。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明所述的一种基于无人机实现碳排放监测的系统一个具体实施例的系统拓扑图;
图2为本发明所述的一种基于无人机实现碳排放监测的方法一个具体实施例的流程图。
需要说明的是,在图1中,所述无人机装置包括无人机以及搭载在无人机上的碳排放检测传感器组件、控制终端、气象数据检测模块、数据存储装置等。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
如图1和图2所示,本实施例提供一种基于无人机实现碳排放监测的系统,包括无人机、控制终端、数据处理终端;
还包括碳排放检测传感器组件,控制终端以及碳排放检测传感器组件均搭载于无人机上;
控制终端接收碳排放检测传感器组件所获得的检测数据,并通过无线数据传输模块将所述检测数据或处理数据传送至数据处理终端,所述处理数据为对检测数据进行处理后所获得的关于碳排放检测结果的数据;
所述数据处理终端包括数据聚类处理模块,所述数据聚类处理模块对来自控制终端的检测数据或处理数据进行聚类处理,获得按照空间区域划分的碳含量浓度数据子集;
所述数据处理终端包括异常点检测模块,异常点检测模块对碳含量浓度数据子集进行异常点检测:当判定为其中的碳含量浓度数据超过设定阈值时,碳含量浓度数据子集对应的检测数据采集区域被认定为异常点,并且将得到的异常点进行标记;
所述数据处理终端包括模型构建模块,在判断为具有异常点时,模型构建模块利用所获得的碳含量浓度数据子集以及气象数据进行碳排放扩散模型构建;
所述数据处理终端包括航线规划模块,航线规划模块利用碳排放扩散模型进行碳排放源追踪航线规划;
所述数据处理终端包括无线数据传输模块,用于将所述追踪航线数据发送至控制终端,控制终端根据所述追踪航线数据对无人机进行以碳排放源搜寻为目的的航线控制。
现有技术中,无人机搭载碳排放检测传感器组件完成碳排放监测具有地面监测手段不可比拟的优势,在以碳排放为监测目的的航飞任务中,如专利申请号为CN202210556473.4所提供的技术方案,采用获取到的建筑三维模型数据设置无人机监测点组合方案,其他的,本领域技术人员在实现规划航线下的碳排放数据自动监测时,在规划航线上,一般仅采用地形信息、巡检范围、监测高度、巡检频率以及时间等设置航线,无人机携带碳排放检测传感器组件在规定航线下完成巡检范围内的碳排放数据采集。
基于此,本方案提供一种基于无人机的碳排放监测系统,与现有技术不同的,通过对系统组成进行合理的配置,达到保障无人机有效巡航时间、能够及时发现异常碳排放源、方便对碳排放源进行精确定位的目的。
具体的:
碳排放检测传感器组件作为无人机上用于实现碳排放数据采集的采集装置,控制终端可以作为无人机的飞行控制模块,也可以是与飞行控制模块数据连接的独立于飞行控制模块的控制器,数据处理终端为相对于无人机独立的数据处理装置,可以为远程的用于数据处理的服务器,也可以是远程控制中心的数据处理器,如云端大数据处理中心提供所述数据处理终端。同时,所述数据聚类处理模块、异常点检测模块、模型构建模块、航线规划模块各自可为数据处理终端上具有不同数据处理功能的子结构,也可以为运行于同一数据处理终端上、通过不同计算机程序实现不同功能的虚拟模块。
区别于现有技术,首先,本方案将来自碳排放检测传感器组件的检查数据纳入碳排放源追踪航线规划中,这样,无人机在执行航飞任务时,可以根据当次飞行过程中检测数据的具体情况,通过所述追踪航线实现碳排放源搜寻,第一时间发现碳排放异常并在当次任务中及时获得异常碳排放源的具体位置。
其次,针对碳排放扩散与气象数据具有关联性的特点,将按照空间区域划分的碳含量浓度数据子集作为异常点判断以及碳排放扩散模型构建的数据基础,这样可获得相对准确的碳排放扩散模型,有利于提高碳排放源搜寻的效率以及准确性;通过碳含量浓度数据子集可用于规划对应该子集空间区域的碳排放流量,提高异常点判断的准确性。
最后,本方案在具体实施时,数据处理终端需要具有较佳的数据计算能力,本方案中将其设置为与无人机分别为单独的功能部件并通过无线数据传输实现数据双向传递,这样不仅可降低无人机的负载,同时数据处理终端的功耗并不影响无人机的续航能力,故本方案可有效保障无人机单次任务的巡航里程。
作为本领域技术人员,所述获得按照空间区域划分的碳含量浓度数据子集指的是将来自所设定的同一空间区域内的检测数据或处理数据进行聚类,并聚类在一个碳含量浓度数据子集中。并且,由于在大气环境中,如在一个水平面上,气象数据以及高度均影响该平面上碳排放扩散模型的面积以及形态,故所述的所设定的同一空间区域优选为根据检查数据的测量值进行确定:规划为无人机航线的初始巡检航线为在同一平面上的水平航线,通过碳排放检测传感器组件检测到当下位置的碳含量数据高于当地该高度的正常碳含量时,确定为该位置处于碳排放气流中,而后,无人机携带碳排放检测传感器组件继续飞行,通过检测数据获得所设定平面(并不局限于水平面、竖直平面,优选为斜平面)上气流的边界,并且,为获得准确的气流边界,无人机此时被设定为触发边界巡航动作,并纪录触发边界巡航动作时无人机的位置坐标;而后,根据所设定的边界巡航动作方式,在结合气象数据以及飞行高度后(气象数据以及飞行高度均决定当前位置的气流立体形态),获得气流任意截面(优选为截面与气流流动方向相垂直)的多个边界位置,这些边界位置位于该截面的不同方位,而后,根据这些边界位置获得该截面上气流的边界,并结合边界内获得的多个检测数据获得该截面上碳排放流量,判定该气流对应的碳排放源是否存在排放超标的问题,如存在,确定为该位置为异常点,进行后续的碳排放源搜寻动作;若不存在,无人机回到纪录的触发边界巡航动作时无人机的位置坐标,继续按照原始规划航线飞行。
另外,所述检测数据即为直接通过碳排放检测传感器组件获得的数据,所述处理数据为在所述检测数据的基础上,对检测数据进行如多个数据来源平均化处理、异常数据剔除、数据修正等后获得的关于碳排放检测结果的数据。
实施例2:
本实施例在实施例1的基础上进行进一步细化:
所述无人机还搭载有用于图像采集的摄像头、用于气象数据采集的气象数据检测模块、用于存储碳排放源位置的数据存储装置;
所述摄像头、气象数据检测模块均与控制终端数据连接,摄像头、气象数据检测模块均在控制终端的控制下工作;
在碳排放扩散模型构建完成后,数据处理终端将碳排放源位置发送至控制终端,控制终端与数据存储装置数据连接,以将碳排放源位置存储于数据存储装置中。
本方案在具体实施时,所述气象数据可以采用本系统之外的数据来源,而通过在无人机上搭载气象数据检测模块可保障气象数据获取的及时性以及准确性;所述摄像头可以运用于碳排放源图像采集,也可以用于具有外观视觉特征的碳排放气流图像采集,所获得图像可用于取证、获得所述截面的角度以及辅助碳排放扩散模型构建,较优的,所述摄像头包括用于获取视觉图像的图像传感器模块,还包括红外成像模块,以在气流中用于形成视觉特征的物质较少时,能够根据温度获得碳排放气流形态;所述数据存储装置用于实现碳排放源位置在无人机上本地存储,用于实现:无人机作为单独的前端设备在脱离数据处理终端工作时,能够通过本地数据采集,快速实现高效的初始飞行航线规划。进一步的,本方案中设置为摄像头、气象数据检测模块均在控制终端的控制下工作,如在无人机上设置蓄电池为无人机以及这些功能模块供电时,旨在使得摄像头、气象数据检测模块均能够在被需要的情况下工作,通过降低这些功能模块功耗的方式保障无人机的巡航里程。
实施例3:
本实施例在实施例1的基础上进行进一步细化:
所述数据处理终端包括神经网络模块,所述神经网络模块用于实现:
在所述检测数据或处理数据传送至数据处理终端后,神经网络模块利用神经网络模型对碳排放数据进行预测,当预测的碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置发送至航线规划模块,航线规划模块根据该时间以及位置进行航线规划,以使得在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。
本方案旨在提供一种通过对当下检测数据或处理数据,利用神经网络模型对未来该位置的碳排放数据进行预测,并在预测结果为碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置发送至航线规划模块,以在航线规划模块的作用下,实现在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。本方案为一种能够高效地对区域内可能发生的碳排放超标进行有效监督的技术方案。作为本领域技术人员,所述神经网络模型将当地的碳排放发生规律作为输入进行训练,输出为异常情况发生的时间或位置;所述神经网络模型可为数据处理终端上单独的子结构,也可以是运行在同一数据处理器、处理器集群上,仅通过对应计算机程序实现相应功能的虚拟模块。另外,所述航线规划模块在根据碳排放扩散模型、神经网络模型输出的时间以及位置进行航线规划时,所规划的航线应该理解为是不同功能的航线,本领域技术人员可以根据具体需要,确认两种航线的优先级,以使得本系统能够按照具体需求进行合理的动作设定。
实施例4:
本实施例在实施例1的基础上进行进一步细化:
所述无人机为固定翼电动无人机。本方案旨在提供一种无人机在工作时,并不存在碳排放,以保障检测数据准确性的技术方案,另外,固定翼无人机为一种飞行速度快的无人机类型,这样的方式可有效保障碳排放区域监测及时性以及提高监测覆盖范围。
实施例5:
本实施例在实施例1的基础上进行进一步细化:
还包括地面站,所述控制终端与数据处理终端之间的数据连接通过地面站建立:在控制终端需要向数据处理终端发送数据时,该数据首先被地面站接收,而后地面站将该数据发送至数据处理终端,地面站还包括用于完成该数据在地面站进行本地存储的数据存储模块。
本方案中,所述地面站作为中继站,运用于无运营商移动信号覆盖区域内的碳排放监测,如在监测范围内不同位置布置多个地面站。关于无人机与地面站的通信,地面站与地面站之间的相对位置根据所设定的无线通讯类型以及天线性能进行确定;地面站与数据处理终端之间的数据连接可以采用有线通讯的方式,也可采用有线通讯结合无线通讯(通过有线通讯方案将数据传递至能够利用无线通讯技术进行数据传递的位置)的方式。以上数据存储模块的运用旨在实现如下目的:根据数据通讯流程,地面站作为完整通讯流程中的节点,将相关数据如检测数据在地面站上存储后,可用于在检测出异常人为碳排放时进行数据来源取证;考虑到无线通讯质量以及地面站设置成本,地面站不需要设置得过于密集,如允许当前航线下部分时间段无人机不能与地面站建立可靠的数据通讯,该情况下,将相关数据如来自数据处理终端的对无人机的控制数据进行本地存储,当无人机巡航至能够与某一地面站建立无线通讯的位置时,能够以相对滞后的方式向无人机的控制终端发送这些数据,提高本系统前端设备的设置成本以及可控性。
实施例6:
本实施例提供一种基于无人机实现碳排放监测的方法,包括顺序进行的以下步骤:
S1、通过搭载于无人机上的碳排放检测传感器组件获得检测数据;
S2、将所述检测数据或处理数据传送至数据处理终端,所述处理数据为对检测数据进行处理后所获得的关于碳排放检测结果的数据;
S3、所述数据处理终端对检测数据或处理数据进行聚类处理,获得按照空间区域划分的碳含量浓度数据子集;
S4、对碳含量浓度数据子集进行异常点检测:当判定为其中的碳含量浓度数据超过设定阈值时,碳含量浓度数据子集对应的检测数据采集区域被认定为异常点,并且将得到的异常点进行标记并执行步骤S5~S7;
S5、利用所获得的多个碳含量浓度数据子集以及气象数据进行碳排放扩散模型构建;
S6、根据碳排放扩散模型进行碳排放源追踪航线规划;
S7、无人机按照追踪航线,进行以碳排放源搜寻为目的的飞行以及采集碳含量浓度数据、地面图像数据。如上所述,本方法为可以基于以上实施例所述系统实现、与所述系统具有相同构思,利用碳含量浓度数据子集获得准确的异常点以及构建碳排放扩散模型,并在碳排放扩散模型的基础上获得追踪航线,以高效以及准确的识别出碳排放异常并在当次任务中高效的完成碳排放源搜寻。
实施例7:
本实施例在实施例6的基础上进行进一步细化:
无人机在起飞之前,规划出无人机的任务航线并将任务航线加载到无人机上的控制终端中,控制终端控制无人机按照任务航线飞行;
在步骤S6完成后,根据追踪航线对任务航线进行更改,而后,无人机在控制终端的作用下,按照更改后的任务航线进行飞行。本方案中,所述任务航线作为无人机的初始航线,在触发碳排放源搜寻后,根据追踪航线对任务航线进行更改,即本方案为一种可自动完成碳排放监测的技术方案。
实施例8:
本实施例在实施例7的基础上进行进一步细化:
在步骤S5完成后,利用碳排放扩散模型获得碳排放源位置,并将碳排放源位置存储于数据存储装置中;
在无人机起飞之前进行任务航线规划时,将数据存储装置中的碳排放源位置作为任务航线规划参考。与以上相应实施例相同的,本方案即为将历史碳排放源位置数据作为任务航线规划依据,以根据碳排放源一般位于固定位置或者固定区域的特点,使得任务航线能够被有针对性的规划,以尽可能提高碳排放监测航飞的效率。
实施例9:
本实施例在实施例6的基础上进行进一步细化:
无人机在起飞之前,规划出无人机的任务航线并将任务航线加载到无人机上的控制终端中,控制终端控制无人机按照任务航线飞行;
在步骤S2完成后,利用神经网络模型对碳排放数据进行预测,当预测的碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置运用于任务航线调整,以使得在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。与以上相应实施例所提供方案相同的,本方案利用神经网络模型对后期的碳排放数据进行预测,在预测为可能发现碳排放超标的情况下,利用神经网络模型获得发生该情况的时间以及位置,并将该位置以及时间作为调整任务航线的依据,即本方案提供了一种能够高效地对区域内可能发生的碳排放超标进行有效监督的技术方案。
实施例10:
本实施例在实施例6的基础上进行进一步细化:
所述步骤S1中所采用的无人机为固定翼电动无人机;
所述步骤S3~S6采用与无人机远程数据连接的数据处理终端完成;
所述远程数据连接中包括作为数据中继站的地面站,在地面站传递数据时,地面站对被传递的数据进行本地存储。如上相应实施例所述,关于对所采用无人机的选型旨在采用一种检测数据准确、监测效率高以及监测覆盖范围广的技术方案;关于对步骤S3~S6的设置方式旨在提供一种可保障数据运算速度以及保障无人机巡航里程的技术方案;关于对所述地面站的设置,不仅可解决无商用网络区域的数据传输问题,同时可用于检测数据本地取证、对无人机的控制数据相对滞后传输等。
实施例11:
本实施例在以上任意实施例的基础上,提供进一步细化的技术方案:
基于无人机实现碳排放监测的系统,包括:包括所述无人机的无人机终端,包括所述控制终端的智能控制终端和包括所述数据处理终端的云端大数据处理中心;
所述无人机终端还包括摄像头、碳排放检测传感器组件、GPS定位模块组件、无人机主控制器组件、高度计、数据存储装置、供电系统等;
所述智能控制终端为搭载碳排放检测传感器组件的无人机预先定义作为任务航线的巡航路线;在无人机的飞行过程中,所述碳排放检测传感器组件采集环境空气中的二氧化碳浓度数据;无人机智能控制终端收集所述传感器采集到的碳含量数据并发送至云端大数据处理中心;
所述智能控制终端向无人机发送预定义指令来实现对无人机的实时控制;当进行碳排放源追踪时,所述智能控制终端向无人机发送控制指令,根据预设追踪算法自动调整无人机的飞行路线规划,控制无人机自动搜索碳排放源;
所述大数据处理中心用于对采集的碳含量数据进行处理分析,实现对碳排放的实时监测;该大数据处理中心包括数据预处理模块、数据聚类处理模块、异常点检测模块和数据库。在该方案中,监测装置采集的碳含量数据首先被预处理模块进行预处理,而后,数据聚类处理模块对预处理后的碳含量浓度数据进行聚类处理,而后,异常点检测模块对聚类处理后的碳含量数据进行异常点检测,并且将得到的异常点集进行标记,并存储到数据库中。
实施例12:
本实施例在实施例11的基础上,提供进一步细化的技术方案:
首先,根据采集的检查数据,获取上一个时间段内的碳含量信息,并对其进行修正,同时对该时间周期内的碳排放程度进行分析,获得碳排放变化规律,然后,根据以上碳含量信息以及变化规律,建立起神经网络模型并进行训练。接下来,将当下所获得的修正后的碳含量信息进行归一化处理,然后代入神经网络模型进行预测,获得当下碳含量信息下预测的碳含量变化,在预测结果超过设置的最高碳排放阈值时,数据处理终端根据发生超过设置的最高碳排放阈值时的时间以及位置,对任务航线进行调整,以实现在所述时间,无人机组件能够返回至预测位置进行碳含量检测。本实施例即为:利用神经网络模型对大气中碳含量变化情况进行预测,所述神经网络模型采用修正后的历史碳含量信息作为输入并进行训练。
实施例13:
本实施例在实施例11的基础上,提供进一步细化的技术方案:
在智能控制终端以及上云端大数据处理中心,相关软件包括:无人机碳排放监测任务规划软件、碳排放传感器数据采集与处理软件、遥感RS技术数学建模与仿真计算及可视化软件,形成一个成熟的测碳任务规划、测碳数据采集、处理、数据集成与可视化的技术方案,并获得立体空间测碳数据池,并获得能够随时间变化的碳含量变化可视化效果。
实施例14:
本实施例在实施例11的基础上,提供进一步细化的技术方案:
带GPS定位的无人机的航迹和航迹上各位置碳含量数据分布及碳含量变化进行数据整合和集成,生成海量碳排放监测数据,转达给云端大数据处理中心进行处理分析。
实施例15:
本实施例在实施例11的基础上,提供一个具体的实施例:
一种基于无人机实现碳排放检测的系统,包括多个无人机装置和云端大数据处理中心,每个无人机装置均包括无人机终端,且皆连接至大数据处理中心,每个无人机装置用于采集一个监测区域内的多个监测节点的碳含量数据;大数据处理中心用于对采集的碳含量数据进行处理分析以及根据分析结果调整任务航线,实现对碳含量浓度的实时监测以及需要情况下对碳排放源进行高效搜寻。
所述无人机通过搭载在其上的碳排放监测传感器、摄像头、GPS定位模块等传感设备采集数据,之后将所监测到的相关数据传给智能控制终端和云端大数据处理平台,实现感知层的数据收集。
所述智能控制终端在传输平面上收集数据,并利用ZIGBEE模块将数据传输给中继站并继续传输到作为服务平面的云端大数据处理平台。无人机采集的数据通过传输平面到达云端大数据处理中心,进行存储、分析处理,进行碳含量监测并显示,在必要情况下计算追踪航线并下发,用户可通过移动终端应用获取碳含量数据、无人机巡航路线及碳排放源监测结果信息。
所述智能控制终端通过蓝牙无线传输实现对无人机的飞行控制和传输控制,实时接收并解析无人机传回的状态数据,如飞行中的pitch、yaw、roll等信息,并向无人机发送指令实现实时控制。采用惯性导航模块IMU的陀螺仪和加速度计获取无人机六自由度信息,然后使用姿态解算算法计算和显示实时状态参数,同时在地图上显示任务航线和历史任务中所获得的碳排放源目标点或重点区域。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于无人机实现碳排放监测的系统,其特征在于,包括无人机、控制终端、数据处理终端;
还包括碳排放检测传感器组件,控制终端以及碳排放检测传感器组件均搭载于无人机上;
控制终端接收碳排放检测传感器组件所获得的检测数据,并通过无线数据传输模块将所述检测数据或处理数据传送至数据处理终端,所述处理数据为对检测数据进行处理后所获得的关于碳排放检测结果的数据;
所述数据处理终端包括数据聚类处理模块,所述数据聚类处理模块对来自控制终端的检测数据或处理数据进行聚类处理,获得按照空间区域划分的碳含量浓度数据子集;
所述数据处理终端包括异常点检测模块,异常点检测模块对碳含量浓度数据子集进行异常点检测:当判定为其中的碳含量浓度数据超过设定阈值时,碳含量浓度数据子集对应的检测数据采集区域被认定为异常点,并且将得到的异常点进行标记;
所述数据处理终端包括模型构建模块,在判断为具有异常点时,模型构建模块利用所获得的碳含量浓度数据子集以及气象数据进行碳排放扩散模型构建;
所述数据处理终端包括航线规划模块,航线规划模块利用碳排放扩散模型进行碳排放源追踪航线规划;
所述数据处理终端包括无线数据传输模块,用于将所述追踪航线数据发送至控制终端,控制终端根据所述追踪航线数据对无人机进行以碳排放源搜寻为目的的航线控制。
2.根据权利要求1所述的一种基于无人机实现碳排放监测的系统,其特征在于,所述无人机还搭载有用于图像采集的摄像头、用于气象数据采集的气象数据检测模块、用于存储碳排放源位置的数据存储装置;
所述摄像头、气象数据检测模块均与控制终端数据连接,摄像头、气象数据检测模块均在控制终端的控制下工作;
在碳排放扩散模型构建完成后,数据处理终端将碳排放源位置发送至控制终端,控制终端与数据存储装置数据连接,以将碳排放源位置存储于数据存储装置中。
3.根据权利要求1所述的一种基于无人机实现碳排放监测的系统,其特征在于,所述数据处理终端包括神经网络模块,所述神经网络模块用于实现:
在所述检测数据或处理数据传送至数据处理终端后,神经网络模块利用神经网络模型对碳排放数据进行预测,当预测的碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置发送至航线规划模块,航线规划模块根据该时间以及位置进行航线规划,以使得在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。
4.根据权利要求1所述的一种基于无人机实现碳排放监测的系统,其特征在于,所述无人机为固定翼电动无人机。
5.根据权利要求1所述的一种基于无人机实现碳排放监测的系统,其特征在于,还包括地面站,所述控制终端与数据处理终端之间的数据连接通过地面站建立:在控制终端需要向数据处理终端发送数据时,该数据首先被地面站接收,而后地面站将该数据发送至数据处理终端,地面站还包括用于完成该数据在地面站进行本地存储的数据存储模块。
6.一种基于无人机实现碳排放监测的方法,其特征在于,包括顺序进行的以下步骤:
S1、通过搭载于无人机上的碳排放检测传感器组件获得检测数据;
S2、将所述检测数据或处理数据传送至数据处理终端,所述处理数据为对检测数据进行处理后所获得的关于碳排放检测结果的数据;
S3、所述数据处理终端对检测数据或处理数据进行聚类处理,获得按照空间区域划分的碳含量浓度数据子集;
S4、对碳含量浓度数据子集进行异常点检测:当判定为其中的碳含量浓度数据超过设定阈值时,碳含量浓度数据子集对应的检测数据采集区域被认定为异常点,并且将得到的异常点进行标记并执行步骤S5~S7;
S5、利用所获得的多个碳含量浓度数据子集以及气象数据进行碳排放扩散模型构建;
S6、根据碳排放扩散模型进行碳排放源追踪航线规划;
S7、无人机按照追踪航线,进行以碳排放源搜寻为目的的飞行以及采集碳含量浓度数据、地面图像数据。
7.根据权利要求6所述的一种基于无人机实现碳排放监测的方法,其特征在于,无人机在起飞之前,规划出无人机的任务航线并将任务航线加载到无人机上的控制终端中,控制终端控制无人机按照任务航线飞行;
在步骤S6完成后,根据追踪航线对任务航线进行更改,而后,无人机在控制终端的作用下,按照更改后的任务航线进行飞行。
8.根据权利要求7所述的一种基于无人机实现碳排放监测的方法,其特征在于,在步骤S5完成后,利用碳排放扩散模型获得碳排放源位置,并将碳排放源位置存储于数据存储装置中;
在无人机起飞之前进行任务航线规划时,将数据存储装置中的碳排放源位置作为任务航线规划参考。
9.根据权利要求6所述的一种基于无人机实现碳排放监测的方法,其特征在于,无人机在起飞之前,规划出无人机的任务航线并将任务航线加载到无人机上的控制终端中,控制终端控制无人机按照任务航线飞行;
在步骤S2完成后,利用神经网络模型对碳排放数据进行预测,当预测的碳排放数据超过设定阈值时,将神经网络模型输出的发生碳排放数据超过设定阈值时的时间以及位置运用于任务航线调整,以使得在所述时间时,无人机携带碳排放检测传感器组件飞行至碳排放数据超过设定阈值的位置,并对该位置的碳含量浓度数据进行采集。
10.根据权利要求6~9中任意一项所述的一种基于无人机实现碳排放监测的方法,其特征在于,所述步骤S1中所采用的无人机为固定翼电动无人机;
所述步骤S3~S6采用与无人机远程数据连接的数据处理终端完成;
所述远程数据连接中包括作为数据中继站的地面站,在地面站传递数据时,地面站对被传递的数据进行本地存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714208.9A CN116754722A (zh) | 2023-06-15 | 2023-06-15 | 一种基于无人机实现碳排放监测的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714208.9A CN116754722A (zh) | 2023-06-15 | 2023-06-15 | 一种基于无人机实现碳排放监测的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116754722A true CN116754722A (zh) | 2023-09-15 |
Family
ID=87954740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310714208.9A Pending CN116754722A (zh) | 2023-06-15 | 2023-06-15 | 一种基于无人机实现碳排放监测的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116754722A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117761261A (zh) * | 2024-02-22 | 2024-03-26 | 北京煦联得节能科技股份有限公司 | 一种基于大数据的碳排放监测系统及方法 |
-
2023
- 2023-06-15 CN CN202310714208.9A patent/CN116754722A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117761261A (zh) * | 2024-02-22 | 2024-03-26 | 北京煦联得节能科技股份有限公司 | 一种基于大数据的碳排放监测系统及方法 |
CN117761261B (zh) * | 2024-02-22 | 2024-05-07 | 北京煦联得节能科技股份有限公司 | 一种基于大数据的碳排放监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488841B (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 | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN107992067A (zh) | 基于集成吊舱和ai技术的无人机巡检故障诊断系统 | |
CN106896145A (zh) | 有毒有害气体无人机检测系统和检测方法 | |
CN111781951A (zh) | 一种基于集群无人机的工业园区监测与数据可视化系统 | |
CN101833099B (zh) | 直升机巡检电力线路的锁定跟踪方法 | |
CN112925335A (zh) | 无人机通讯方法、装置、计算机可读存储介质和设备 | |
CN111879305B (zh) | 一种面向高危生产环境的多模态感知定位模型与系统 | |
CN110203395B (zh) | 一种无人机母机运载智能子设备侦查方法及系统 | |
CN116412813B (zh) | 一种基于无人机的地图构建方法及系统 | |
CN101968913A (zh) | 一种森林火灾区域的火焰跟踪方法 | |
CN116754722A (zh) | 一种基于无人机实现碳排放监测的方法及系统 | |
CN112506205B (zh) | 机器人巡检任务规划方法及装置 | |
CN115202376A (zh) | 一种基于单兵移动的无人机巡检电力网格化管控平台 | |
CN113077561A (zh) | 一种无人机智能巡检系统 | |
CN110647170A (zh) | 一种基于无人机的航标巡检装置与方法 | |
CN112327929A (zh) | 一种无人机航飞管理系统 | |
CN210835732U (zh) | 一种基于无人机的航标巡检装置 | |
CN113487915B (zh) | 一种基于无人机飞行服务监管系统及方法 | |
CN116679011A (zh) | 一种监测碳排放源的无人机设备及监测方法 | |
CN112764427A (zh) | 接力的无人机巡检系统 | |
CN115407215B (zh) | 一种无人机的电池续航性能管理评估系统 | |
CN107402579A (zh) | 一种基于无人机的雾霾检测方法 | |
CN113780086B (zh) | 一种基于无人机的远程自然资源动态监测方法 | |
CN114973443A (zh) | 一种基于巡检机器人的复杂气体环境巡检系统及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |