CN117250319B - 一种多气体环境无人机监测方法 - Google Patents

一种多气体环境无人机监测方法 Download PDF

Info

Publication number
CN117250319B
CN117250319B CN202311508254.XA CN202311508254A CN117250319B CN 117250319 B CN117250319 B CN 117250319B CN 202311508254 A CN202311508254 A CN 202311508254A CN 117250319 B CN117250319 B CN 117250319B
Authority
CN
China
Prior art keywords
concentration
aerial vehicle
unmanned aerial
signal
heat
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311508254.XA
Other languages
English (en)
Other versions
CN117250319A (zh
Inventor
梁国兴
张永华
赵小明
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.)
Beijing Zhongke Hangxing Technology Co ltd
Original Assignee
Beijing Zhongke Hangxing Technology 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 Beijing Zhongke Hangxing Technology Co ltd filed Critical Beijing Zhongke Hangxing Technology Co ltd
Priority to CN202311508254.XA priority Critical patent/CN117250319B/zh
Publication of CN117250319A publication Critical patent/CN117250319A/zh
Application granted granted Critical
Publication of CN117250319B publication Critical patent/CN117250319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • 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
    • H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography

Landscapes

  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Astronomy & Astrophysics (AREA)
  • Signal Processing (AREA)
  • Combustion & Propulsion (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Dispersion Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种多气体环境无人机监测方法，涉及无人机环境检测技术领域，包括如下步骤：步骤S1，通过无人机搭载所需设备；步骤S2，通过气体检测无人机对空中气体进行实时检测；步骤S3，发送数据至数据接收端；步骤S4，配置无中心自组网并将数据回传至数据处理端；步骤S5，对无人机状态进行检测；步骤S6，绘制热量分布图并分析；步骤S7，对气体浓度进行分析；步骤S8，对历史浓度分析结果进行分析，得到是否存在空气异常地区；本发明用于解决现有的无人机空气环境检测技术对气体浓度升高产生的影响分析不够全面以及数据回传不够稳定的问题。

Description

一种多气体环境无人机监测方法
技术领域
本发明涉及无人机环境检测技术领域，尤其涉及一种多气体环境无人机监测方法。
背景技术
环境检测技术，是指利用各种科学手段和方法，对自然环境、工业生产环境、室内环境等进行监测、分析和评估，以确定其污染物的种类、浓度和分布等信息，为环境保护、环境管理和环境规划提供科学依据和技术支持的一种技术；
现有的空气环境检测技术中，通常都是仅对空气中各种气体的浓度以及分布情况进行采集分析，忽略了气体浓度升高带来的其他方面的影响，比如在申请公开号为：“CN108956864A ”的发明专利中，公开了“一种基于无人机的气体浓度检测标识系统及其检测标识方法”，该方案在对气体浓度进行检测时，就是仅对气体浓度进行检测，而没有对其浓度超标所产生的影响进行分析，且现有的空气环境检测技术中，针对高空气体环境检测的技术，在进行数据回传的过程中还存在由于距离较远导致的延迟较高或传输不稳定的问题，现有的空气环境检测技术对气体浓度升高产生的影响分析全面以及数据回传不够稳定。
发明内容
针对现有技术存在的不足，本发明提供了一种多气体环境无人机监测方法，能够通过无人机搭载多功能气体检测装置进行控制气体采集，识别多种气体的浓度，通过配置中继无人机对数据进行中继，并配置无中心自组网，通过无中心自组网将数据回传至数据处理端，并将采集的数据以及对应的经纬度和高度录入历史检测数据库，再通过热成像技术获取热量分布区的热量分布图，同时通过对热量分布图进行灰度处理后分析其灰度值，得到热量分布区的热量分布情况，再通过对历史的检测记录进行分析，判断是否存在因气体浓度高导致的高热地区，以解决现有的无人机空气环境检测技术对气体浓度升高产生的影响分析不够全面以及数据回传不够稳定的问题。
为了实现上述目的，第一方面，本发明提供一种多气体环境无人机监测方法，包括如下步骤：
步骤S1，设置气体检测无人机和中继无人机，并将气体检测无人机和中继无人机进行数据连接；
步骤S2，通过气体检测无人机对空中气体进行实时检测，获取到的数据标记为实时检测数据；
步骤S3，将实时检测数据发送至数据接收端，同时获取发送结果，对发送结果进行分析，判断是否需要对实时检测数据进行中继发送，开启热成像视频采集，将热成像视频通过中继无人机发送至数据接收端；
步骤S4，配置无中心自组网，通过无中心自组网将数据接收端接收到的实时检测数据以及热成像视频发送至数据处理端；
步骤S5，对无人机状态进行检测，得到无人机是否存在故障；
步骤S6，基于热成像视频以及经纬度，绘制热量分布图，并对热量分布图进行分析，判断是否存在高热区域；
步骤S7，读取浓度数据库，获取标准气体浓度，通过对实时检测数据以及标准气体浓度进行分析得到气体的浓度分析结果；
步骤S8，建立历史检测数据库，将经纬度、高度、热量分布图、实时检测数据以及浓度分析结果录入历史检测数据库，读取历史浓度分析结果并对其进行分析，得到是否存在空气异常地区。
进一步地，所述步骤S1包括如下子步骤：
步骤S101，通过无人机搭载气体传感器以及红外热成像装置，并将其标记为气体检测无人机；
步骤S102，通过无人机搭载MESH设备，并将其标记为中继无人机。
进一步地，所述步骤S2包括如下子步骤：
步骤S201，基于GPS导航定位，控制气体检测无人机到达指定检测点；
步骤S202，通过气体检测无人机对空中气体进行实时检测，获取到的数据标记为实时检测数据；所述实时检测数据包括PM2.5浓度、PM10浓度、NO2浓度、CO浓度、O3浓度以及VOC浓度。
进一步地，所述步骤S3包括如下子步骤：
步骤S301，将实时检测数据发送至数据接收端，同时获取发送结果，若发送结果为发送成功，则输出发送成功信号；若发送结果为发送失败，则输出发送失败信号；
步骤S302，若输出发送成功信号，则判定实时检测数据不需要进行中继发送；若输出发送失败信号，则判定实时检测数据需要进行中继发送，并将实时检测数据发送至中继无人机；
步骤S303，开启热成像视频采集，将热成像视频发送至中继无人机；
步骤S304，中继无人机接收到实时检测数据或热成像视频后将其发送至数据接收端。
进一步地， 所述步骤S5包括如下子步骤：
步骤S501，获取无人机温度以及旋翼转速；
步骤S502，将无人机温度与第一温度阈值进行比对，若无人机温度小于等于第一温度阈值，则输出温度正常信号；若无人机温度大于第一温度阈值，则输出温度异常信号；
步骤S503，获取无人机飞行模式，若为第一飞行模式，则将额定转速设置为第一旋转速度；若为第二飞行模式，则将额定转速设置为第二旋转速度；若为第三飞行模式，则将额定转速设置为第三旋转速度；
步骤S504，将旋翼转速与额定转速进行差值计算并取绝对值，并将计算结果标记为转速差值，将转速差值与第一误差阈值进行比对，若转速差值小于等于第一误差阈值，则输出转速正常信号；若转速差值大于第一误差阈值，则输出转速异常信号；
步骤S505，若输出温度异常信号或转速异常信号，则发送无人机故障信号至维护端。
进一步地，所述步骤S6包括如下子步骤：
步骤S601，获取热成像视频的拍摄时间以及对应时间无人机的经纬度；
步骤S602，绘制热量分布图，将热成像视频中的成像颜色填充至热量分布图中对应的经纬度中；
步骤S603，对热量分布图进行区域划分并进行灰度处理，对热量分布图的灰度值进行分析，判断是否存在高热区域。
进一步地，所述步骤S603包括如下子步骤：
步骤S6031，对热量分布图按照第一分布距离进行区域划分，并将划分的区域标记为热量分布区，将热量分布图进行灰度化处理，获取热量分布区中每个像素点的灰度值；
步骤S6032，将灰度值与第一灰度阈值进行比对，若灰度值小于等于第一灰度阈值，则输出热量正常信号；若灰度值大于第一灰度阈值，则输出热量过高信号。
进一步地，所述步骤S6032还包括如下子步骤，步骤S60321，获取热量过高信号，统计其数量并标记为高热点数，将高热点数与第一点数阈值进行比对，若高热点数小于等于第一点数阈值，则输出热量分布正常信号；若高热点数大于第一点数阈值，则输出热量分布异常待定信号；
步骤S60322，若输出热量分布异常待定信号，则将输出热量过高信号的像素点标记为高热点，将相邻的高热点整合为高热像素区，获取高热像素区内的像素点的数量，标记为高热像素数，将高热像素数与第一相邻数进行比对，若高热像素数小于等于第一相邻数，则输出高热无风险信号；若高热像素数大于第一相邻数，则输出高热存在风险信号；
步骤S60323，若输出热量分布正常信号，则将热量分布区标记为正常区域；若输出高热存在风险信号，则将热量分布区标记为高热区域。
进一步地，所述步骤S7包括如下子步骤：
步骤S701，读取浓度数据库，获取标准气体浓度，所述标准气体浓度包括PM2.5标准浓度、PM10标准浓度、NO2标准浓度、CO标准浓度、O3标准浓度以及VOC标准浓度；
步骤S702，获取实时检测数据；
步骤S703，将PM2.5浓度与PM2.5标准浓度进行比对，若PM2.5浓度小于等于PM2.5标准浓度，则输出PM2.5浓度正常信号；若PM2.5浓度大于PM2.5标准浓度，则输出PM2.5浓度超标信号；
步骤S704，将PM10浓度与PM10标准浓度进行比对，若PM10浓度小于等于PM10标准浓度，则输出PM10浓度正常信号；若PM10浓度大于PM10标准浓度，则输出PM10浓度超标信号；
步骤S705，将NO2浓度与NO2标准浓度进行比对，若NO2浓度小于等于NO2标准浓度，则输出NO2浓度正常信号；若NO2浓度大于NO2标准浓度，则输出NO2浓度超标信号；
步骤S706，将CO浓度与CO标准浓度进行比对，若CO浓度小于等于CO标准浓度，则输出CO浓度正常信号；若CO浓度大于CO标准浓度，则输出CO浓度超标信号；
步骤S707，将O3浓度与O3标准浓度进行比对，若O3浓度小于等于O3标准浓度，则输出O3浓度正常信号；若O3浓度大于O3标准浓度，则输出O3浓度超标信号；
步骤S708，将VOC浓度与VOC标准浓度进行比对，若VOC浓度小于等于VOC标准浓度，则输出VOC浓度正常信号；若VOC浓度大于VOC标准浓度，则输出VOC浓度超标信号。
进一步地，所述步骤S8包括如下子步骤
步骤S801，建立历史检测数据库；
步骤S802，将经纬度、高度、热量分布图、实时检测数据以及浓度分析结果录入历史检测数据库；所述浓度分析结果为浓度正常信号以及浓度超标信号；
步骤S803，读取历史浓度分析结果，查找浓度超标信号对应的经纬度，标记为异常经纬度；
步骤S804，查找相同异常经纬度中的浓度超标信号，将浓度超标信号的数量标记为异常次数，将异常次数与第一数量阈值进行比对，若异常次数小于等于第一数量阈值，则输出地区正常信号；若异常次数大于第一数量阈值，则输出地区异常信号；
步骤S805，获取地区异常信号，同时获取对应的异常经纬度，读取热量分布图，查找异常经纬度的所属热量分布区并将其标记为空气异常地区，若空气异常地区为正常区域，则判定区域正常；若空气异常地区为高热区域，则判定区域异常。
第二方面，本发明提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行一种多气体环境无人机监测方法的步骤。
第三方面，本发明提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行一种多气体环境无人机监测方法的步骤。
本发明的有益效果：本发明通过使用无人机搭载MESH设备对数据进行中继发送，将数据从空中发送至地面端，再通过配置无中心自组网将数据回传至数据处理端，实现空对地，地对远的远距离数据传输，优势在于，不用受到网络的限制，远距离的数据传输也不会因为信号问题导致数据传输失败，提高了数据回传的及时性以及稳定性；
本发明通过对检测的区域进行区域划分，并对热量分布区进行热成像处理，得到热量分布区的热量分布图，再对热量分布图进行灰度化处理，再对其灰度值进行分析得到热量分布区的热量分布是否异常，同时采集空气中的气体成分以及气体浓度，同时根据热量分布区的热量分布以及气体浓度分析判断其热量分布异常是否由气体浓度较高所导致，优势在于，不仅对空气中的气体成分以及浓度进行了检测，同时还分析了气体浓度升高所带来的影响，帮助环境检测人员判断是否需要针对该热量分布区的气体采取措施，提高了空气环境检测的分析结果的全面性以及进行空气环境检测的实际应用价值；
本发明通过获取无人机旋翼的转速以及无人机的温度，对无人机的运行状态进行分析，判断无人机是否故障，优势在于，能够及时发现无人机存在的问题，防止无人机故障扩大导致无人机坠毁或失控，进一步导致居民的财产或人身安全受到影响，提高了使用无人机进行空中空气环境检测的安全性。
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：
图1为本发明的方法的步骤流程图；
图2为本发明的无中心自组网的连接示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
实施例一
本发明提供了一种多气体环境无人机监测方法，用于解决现有的无人机空气环境检测技术对气体浓度升高产生的影响分析不够全面以及数据回传不够稳定的问题。
请参阅图1所示，模型构建方法包括步骤S1，通过无人机搭载所需设备；步骤S2，通过气体检测无人机对空中气体进行实时检测；步骤S3，发送数据至数据接收端；步骤S4，配置无中心自组网并将数据回传至数据处理端；步骤S5，对无人机状态进行检测；步骤S6，绘制热量分布图并分析；步骤S7，对气体浓度进行分析；步骤S8，对历史浓度分析结果进行分析，得到是否存在空气异常地区；具体为：
步骤S1，设置气体检测无人机和中继无人机，并将气体检测无人机和中继无人机进行数据连接；步骤S1包括如下子步骤：
步骤S101，通过无人机搭载气体传感器以及红外热成像装置，并将其标记为气体检测无人机；
步骤S102，通过无人机搭载MESH设备，并将其标记为中继无人机；
具体实施中，无人机采用现有技术中的无人机，红外热成像装置采用现有的红外热成像仪，气体传感器采用现有的多功能气体检测仪，MESH设备采用现有的MESH电台。
步骤S2，通过气体检测无人机对空中气体进行实时检测，获取到的数据标记为实时检测数据；步骤S2包括如下子步骤：
步骤S201，基于GPS导航定位，控制气体检测无人机根据坐标信息到达指定检测点，坐标信息为经纬度以及高度；
步骤S202，通过气体检测无人机对空中气体进行实时检测，获取到的数据标记为实时检测数据；实时检测数据包括PM2.5浓度、PM10浓度、NO2浓度、CO浓度、O3浓度以及VOC浓度；
具体实施中，GPS导航定位系统采用现有的无人机定位系统，通过气体检测无人机对空中气体进行检测，得到PM2.5浓度为28㎍/m³、PM10浓度为35㎍/m³、NO2浓度为87㎍/m³、CO浓度为4mg/m³、O3浓度为76㎍/m³以及VOC浓度为55㎍/m³。
步骤S3，将实时检测数据发送至数据接收端，同时获取发送结果，对发送结果进行分析，判断是否需要对实时检测数据进行中继发送，开启热成像视频采集，将热成像视频通过中继无人机发送至数据接收端；步骤S3包括如下子步骤：
步骤S301，将实时检测数据发送至数据接收端，同时获取发送结果，若发送结果为发送成功，则输出发送成功信号；若发送结果为发送失败，则输出发送失败信号；
步骤S302，若输出发送成功信号，则判定实时检测数据不需要进行中继发送；若输出发送失败信号，则判定实时检测数据需要进行中继发送，并将实时检测数据发送至中继无人机；
具体实施中，将实时检测数据发送至数据接收端，获取到发送结果为发送失败信号，则判定实时检测数据需要进行中继发送，将实时检测数据发送至中继无人机；
步骤S303，开启热成像视频采集，将热成像视频发送至中继无人机；
步骤S304，中继无人机接收到实时检测数据或热成像视频后将其发送至数据接收端；
具体实施中，中继无人机接收到实时检测数据以及热成像视频后，通过MESH电台将其发送至地面的数据接收端。
请参阅图2，步骤S4，配置无中心自组网，通过无中心自组网将数据接收端接收到的实时检测数据以及热成像视频发送至数据处理端；
具体实施中，无中心自组网采用现有的无人机集群通信组网系统，地面的数据接收端接收到实时检测数据以及热成像视频后，通过无人机集群通信组网系统将其发送至数据处理端。
步骤S5，对无人机状态进行检测，得到无人机是否存在故障；步骤S5包括如下子步骤：
步骤S501，获取无人机温度以及旋翼转速；
步骤S502，将无人机温度与第一温度阈值进行比对，若无人机温度小于等于第一温度阈值，则输出温度正常信号；若无人机温度大于第一温度阈值，则输出温度异常信号；
具体实施中，第一温度阈值设置为45℃，获取到无人机温度为32℃，旋翼转速为4900r/min，则通过比对得到无人机温度小于第一温度阈值，则输出温度正常信号；
步骤S503，获取无人机飞行模式，若为第一飞行模式，则将额定转速设置为第一旋转速度；若为第二飞行模式，则将额定转速设置为第二旋转速度；若为第三飞行模式，则将额定转速设置为第三旋转速度；
步骤S504，将旋翼转速与额定转速进行差值计算并取绝对值，并将计算结果标记为转速差值，将转速差值与第一误差阈值进行比对，若转速差值小于等于第一误差阈值，则输出转速正常信号；若转速差值大于第一误差阈值，则输出转速异常信号；
具体实施中，第一飞行模式为下降状态，第二飞行模式为悬停状态，第三飞行模式为上升状态，第一旋转速度设置为4000r/min，第二旋转速度设置为5000r/min，第三旋转速度设置为6000r/min，第一误差阈值设置为200r/min，则通过计算得到转速差值为100r/min，通过比对得到转速差值小于第一误差阈值，则输出转速正常信号；
步骤S505，若输出温度异常信号或转速异常信号，则发送无人机故障信号至维护端；
具体实施中，获取到无人机输出温度正常信号以及转速正常信号，则输出无人机状态正常信号。
步骤S6，基于热成像视频以及经纬度，绘制热量分布图，并对热量分布图进行分析，判断是否存在高热区域；步骤S6包括如下子步骤：
步骤S601，获取热成像视频的拍摄时间以及对应时间无人机的经纬度；
步骤S602，绘制热量分布图，将热成像视频中的成像颜色填充至热量分布图中对应的经纬度中；
具体实施中，获取到拍摄时间为2023年6月5日13：28：42，通过查找得到拍摄时间对应的经纬度为（32.912526，117.403545），获取到热成像视频中该经纬度的成像颜色编号为#ff8a42，则将成像颜色填充至热量分布图中的经纬度为（32.912526，117.403545）的像素点；
步骤S603，对热量分布图进行区域划分并进行灰度处理，对热量分布图的灰度值进行分析，判断是否存在高热区域；步骤S603包括如下子步骤：
步骤S6031，对热量分布图按照第一分布距离进行区域划分，并将划分的区域标记为热量分布区，将热量分布图进行灰度化处理，获取热量分布区中每个像素点的灰度值；
步骤S6032，将灰度值与第一灰度阈值进行比对，若灰度值小于等于第一灰度阈值，则输出热量正常信号；若灰度值大于第一灰度阈值，则输出热量过高信号；
具体实施中，第一分布距离设置为2km，第一灰度阈值设置为150，将热量分布图进行灰度化处理，获取到热量分布区2的灰度值为148，则通过比对得到灰度值小于第一灰度阈值，则输出热量正常信号；获取到灰度值为155，通过比对得到灰度值大于第一灰度阈值，则输出热量过高信号。
步骤S6032还包括如下子步骤：步骤S60321，获取热量过高信号，统计其数量并标记为高热点数，将高热点数与第一点数阈值进行比对，若高热点数小于等于第一点数阈值，则输出热量分布正常信号；若高热点数大于第一点数阈值，则输出热量分布异常待定信号；
步骤S60322，若输出热量分布异常待定信号，则将输出热量过高信号的像素点标记为高热点，将相邻的高热点整合为高热像素区，获取高热像素区内的像素点的数量，标记为高热像素数，将高热像素数与第一相邻数进行比对，若高热像素数小于等于第一相邻数，则输出高热无风险信号；若高热像素数大于第一相邻数，则输出高热存在风险信号；
步骤S60323，若输出热量分布正常信号，则将热量分布区标记为正常区域；若输出高热存在风险信号，则将热量分布区标记为高热区域；
具体实施中，第一点数阈值设置为20，第一相邻数设置为10，统计到热量分布区2的高热点数为28，通过比对得到高热点数大于第一点数阈值，则输出热量分布异常待定信号，将相邻的高热点整合为高热像素区，获取到高热像素数为16，则输出高热存在风险信号，则热量分布区标记为高热区域。
步骤S7，读取浓度数据库，获取标准气体浓度，通过对实时检测数据以及标准气体浓度进行分析得到气体的浓度分析结果；步骤S7包括如下子步骤：
步骤S701，读取浓度数据库，获取标准气体浓度，标准气体浓度包括PM2.5标准浓度、PM10标准浓度、NO2标准浓度、CO标准浓度、O3标准浓度以及VOC标准浓度；
具体实施中，获取到PM2.5标准浓度为75㎍/m³、PM10标准浓度为50㎍/m³、NO2标准浓度为80㎍/m³、CO标准浓度为4mg/m³、O3标准浓度为100㎍/m³以及VOC标准浓度为70㎍/m³；
步骤S702，获取实时检测数据；
具体实施中，获取到PM2.5浓度为28㎍/m³、PM10浓度为35㎍/m³、NO2浓度为87㎍/m³、CO浓度为4mg/m³、O3浓度为76㎍/m³以及VOC浓度为55㎍/m³；
步骤S703，将PM2.5浓度与PM2.5标准浓度进行比对，若PM2.5浓度小于等于PM2.5标准浓度，则输出PM2.5浓度正常信号；若PM2.5浓度大于PM2.5标准浓度，则输出PM2.5浓度超标信号；
具体实施中，PM2.5浓度为28㎍/m³，PM2.5标准浓度为75㎍/m³，通过比对得到PM2.5浓度小于PM2.5标准浓度，则输出PM2.5浓度正常信号；
步骤S704，将PM10浓度与PM10标准浓度进行比对，若PM10浓度小于等于PM10标准浓度，则输出PM10浓度正常信号；若PM10浓度大于PM10标准浓度，则输出PM10浓度超标信号；
具体实施中，PM10浓度为35㎍/m³，PM10浓度为35㎍/m³，通过比对得到PM10浓度小于PM10标准浓度，则输出PM10浓度正常信号；
步骤S705，将NO2浓度与NO2标准浓度进行比对，若NO2浓度小于等于NO2标准浓度，则输出NO2浓度正常信号；若NO2浓度大于NO2标准浓度，则输出NO2浓度超标信号；
具体实施中，NO2浓度为87㎍/m³，NO2标准浓度为80㎍/m³，通过比对得到NO2浓度大于NO2标准浓度，则输出NO2浓度超标信号；
步骤S706，将CO浓度与CO标准浓度进行比对，若CO浓度小于等于CO标准浓度，则输出CO浓度正常信号；若CO浓度大于CO标准浓度，则输出CO浓度超标信号；
具体实施中，CO浓度为4mg/m³，CO标准浓度为4mg/m³，通过比对得到CO浓度等于CO标准浓度，则输出CO浓度正常信号；
步骤S707，将O3浓度与O3标准浓度进行比对，若O3浓度小于等于O3标准浓度，则输出O3浓度正常信号；若O3浓度大于O3标准浓度，则输出O3浓度超标信号；
具体实施中，O3浓度为76㎍/m³，O3标准浓度为100㎍/m³，通过比对得到O3浓度小于O3标准浓度，则输出O3浓度正常信号；
步骤S708，将VOC浓度与VOC标准浓度进行比对，若VOC浓度小于等于VOC标准浓度，则输出VOC浓度正常信号；若VOC浓度大于VOC标准浓度，则输出VOC浓度超标信号；
具体实施中，VOC浓度为55㎍/m³，VOC标准浓度为70㎍/m³，通过比对得到VOC浓度小于VOC标准浓度，则输出VOC浓度正常信号。
步骤S8，建立历史检测数据库，将经纬度、高度、热量分布图、实时检测数据以及浓度分析结果录入历史检测数据库，读取历史浓度分析结果并对其进行分析，得到是否存在空气异常地区；浓度分析结果为浓度正常信号以及浓度超标信号；步骤S8包括如下子步骤：
步骤S801，建立历史检测数据库；
步骤S802，将经纬度、高度、热量分布图、实时检测数据以及浓度分析结果录入历史检测数据库；浓度分析结果为浓度正常信号以及浓度超标信号；
具体实施中，将每一次检测得到的各项数据均录入历史检测数据库；
步骤S803，读取历史浓度分析结果，查找浓度超标信号对应的经纬度，标记为异常经纬度；
步骤S804，查找相同异常经纬度中的浓度超标信号，将浓度超标信号的数量标记为异常次数，将异常次数与第一数量阈值进行比对，若异常次数小于等于第一数量阈值，则输出地区正常信号；若异常次数大于第一数量阈值，则输出地区异常信号；
具体实施中，第一数量阈值设置为5读取到CO浓度超标信号的异常经纬度为（32.912526，117.403545）、（32.912526，117.403545）、（32.910626，117.402732）以及（32.904047，117.399482）；读取到NO2浓度超标信号的异常经纬度为（32.912526，117.403545）、（32.912526，117.403545）以及（32.921492，117.422469）；读取到PM2.5浓度超标信号的异常经纬度为（32.904047，117.399482）、（32.912526，117.403545）、（32.912526，117.403545）、（32.915158，117.400991）以及（32.912526，117.414632），通过查找得到经纬度（32.912526，117.403545）的异常次数为6，经纬度（32.910626，117.402732）的异常次数为1，经纬度（32.904047，117.399482）的异常次数为2，经纬度（32.921492，117.422469）的异常次数为1，经纬度（32.915158，117.400991）的异常次数为1，经纬度（32.912526，117.414632）的异常次数为1，则通过比对得到经纬度（32.912526，117.403545）的异常次数大于第一数量阈值，则输出地区异常信号；其余异常次数均小于第一数量阈值，则输出地区正常信号；
步骤S805，获取地区异常信号，同时获取对应的异常经纬度，读取热量分布图，查找异常经纬度的所属热量分布区并将其标记为空气异常地区，若空气异常地区为正常区域，则判定区域正常；若空气异常地区为高热区域，则判定区域异常；
若判定区域异常，则表示该地区由空气质量异常导致地区热量较高；
具体实施中，获取到地区异常信号的异常经纬度为（32.912526，117.403545），则通过查找得到其的热量分布区为热量分布区2，并将热量分布区2标记为空气异常地区，同时获取到热量分布区2为高热区域，则判定区域异常，该地区由空气质量异常导致地区热量较高。
实施例二
第二方面，本申请提供一种电子设备，包括处理器以及存储器，存储器存储有计算机可读取指令，当计算机可读取指令由处理器执行时，运行如上任意一项方法中的步骤。通过上述技术方案，处理器和存储器通过通信总线和/或其他形式的连接机构（未标出）互连并相互通讯，存储器存储有处理器可执行的计算机程序，当电子设备运行时，处理器执行该计算机程序，以执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：通过无人机搭载设备对气体进行检测以及对数据进行中继发送，配置无中心自组网对数据进行远距离回传，通过对检测点的气体浓度以及热量分布进行分析得到该检测点是否由气体浓度过高导致的热量部分异常。
实施例三
第三方面，本申请提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，运行如上任意一项方法中的步骤。通过上述技术方案，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：通过无人机搭载设备对气体进行检测以及对数据进行中继发送，配置无中心自组网对数据进行远距离回传，通过对检测点的气体浓度以及热量分布进行分析得到该检测点是否由气体浓度过高导致的热量部分异常。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory，简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Red Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-OnlyMemory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种多气体环境无人机监测方法，其特征在于，包括如下步骤：
步骤S1，设置气体检测无人机和中继无人机，并将气体检测无人机和中继无人机进行数据连接；
步骤S2，通过气体检测无人机对空中气体进行实时检测，获取到的数据标记为实时检测数据；
步骤S3，将实时检测数据发送至数据接收端，同时获取发送结果，对发送结果进行分析，判断是否需要对实时检测数据进行中继发送，开启热成像视频采集，将热成像视频通过中继无人机发送至数据接收端；
步骤S4，配置无中心自组网，通过无中心自组网将数据接收端接收到的实时检测数据以及热成像视频发送至数据处理端；
步骤S5，对无人机状态进行检测，得到无人机是否存在故障；
步骤S6，基于热成像视频以及经纬度，绘制热量分布图，并对热量分布图进行分析，判断是否存在高热区域；所述步骤S6包括如下子步骤：
步骤S601，获取热成像视频的拍摄时间以及对应时间无人机的经纬度；
步骤S602，绘制热量分布图，将热成像视频中的成像颜色填充至热量分布图中对应的经纬度中；
步骤S603，对热量分布图进行区域划分并进行灰度处理，对热量分布图的灰度值进行分析，判断是否存在高热区域；
所述步骤S603包括如下子步骤：
步骤S6031，对热量分布图按照第一分布距离进行区域划分，并将划分的区域标记为热量分布区，将热量分布图进行灰度化处理，获取热量分布区中每个像素点的灰度值；
步骤S6032，将灰度值与第一灰度阈值进行比对，若灰度值小于等于第一灰度阈值，则输出热量正常信号；若灰度值大于第一灰度阈值，则输出热量过高信号；
所述步骤S6032还包括如下子步骤：步骤S60321，获取热量过高信号，统计其数量并标记为高热点数，将高热点数与第一点数阈值进行比对，若高热点数小于等于第一点数阈值，则输出热量分布正常信号；若高热点数大于第一点数阈值，则输出热量分布异常待定信号；
步骤S60322，若输出热量分布异常待定信号，则将输出热量过高信号的像素点标记为高热点，将相邻的高热点整合为高热像素区，获取高热像素区内的像素点的数量，标记为高热像素数，将高热像素数与第一相邻数进行比对，若高热像素数小于等于第一相邻数，则输出高热无风险信号；若高热像素数大于第一相邻数，则输出高热存在风险信号；
步骤S60323，若输出热量分布正常信号，则将热量分布区标记为正常区域；若输出高热存在风险信号，则将热量分布区标记为高热区域；
步骤S7，读取浓度数据库，获取标准气体浓度，通过对实时检测数据以及标准气体浓度进行分析得到气体的浓度分析结果；
步骤S8，建立历史检测数据库，将经纬度、高度、热量分布图、实时检测数据以及浓度分析结果录入历史检测数据库，读取历史浓度分析结果并对其进行分析，得到是否存在空气异常地区；所述步骤S8包括如下子步骤
步骤S801，建立历史检测数据库；
步骤S802，将经纬度、高度、热量分布图、实时检测数据以及浓度分析结果录入历史检测数据库；所述浓度分析结果为浓度正常信号以及浓度超标信号；
步骤S803，读取历史浓度分析结果，查找浓度超标信号对应的经纬度，标记为异常经纬度；
步骤S804，查找相同异常经纬度中的浓度超标信号，将浓度超标信号的数量标记为异常次数，将异常次数与第一数量阈值进行比对，若异常次数小于等于第一数量阈值，则输出地区正常信号；若异常次数大于第一数量阈值，则输出地区异常信号；
步骤S805，获取地区异常信号，同时获取对应的异常经纬度，读取热量分布图，查找异常经纬度的所属热量分布区并将其标记为空气异常地区，若空气异常地区为正常区域，则判定区域正常；若空气异常地区为高热区域，则判定区域异常。
2.根据权利要求1所述的一种多气体环境无人机监测方法，其特征在于，所述步骤S1包括如下子步骤：
步骤S101，通过无人机搭载气体传感器以及红外热成像装置，并将其标记为气体检测无人机；
步骤S102，通过无人机搭载MESH设备，并将其标记为中继无人机。
3.根据权利要求2所述的一种多气体环境无人机监测方法，其特征在于，所述步骤S2包括如下子步骤：
步骤S201，基于GPS导航定位，控制气体检测无人机到达指定检测点；
步骤S202，通过气体检测无人机对空中气体进行实时检测，获取到的数据标记为实时检测数据；所述实时检测数据包括PM2.5浓度、PM10浓度、NO2浓度、CO浓度、O3浓度以及VOC浓度。
4.根据权利要求3所述的一种多气体环境无人机监测方法，其特征在于，所述步骤S3包括如下子步骤：
步骤S301，将实时检测数据发送至数据接收端，同时获取发送结果，若发送结果为发送成功，则输出发送成功信号；若发送结果为发送失败，则输出发送失败信号；
步骤S302，若输出发送成功信号，则判定实时检测数据不需要进行中继发送；若输出发送失败信号，则判定实时检测数据需要进行中继发送，并将实时检测数据发送至中继无人机；
步骤S303，开启热成像视频采集，将热成像视频发送至中继无人机；
步骤S304，中继无人机接收到实时检测数据或热成像视频后将其发送至数据接收端。
5. 根据权利要求4所述的一种多气体环境无人机监测方法，其特征在于， 所述步骤S5包括如下子步骤：
步骤S501，获取无人机温度以及旋翼转速；
步骤S502，将无人机温度与第一温度阈值进行比对，若无人机温度小于等于第一温度阈值，则输出温度正常信号；若无人机温度大于第一温度阈值，则输出温度异常信号；
步骤S503，获取无人机飞行模式，若为第一飞行模式，则将额定转速设置为第一旋转速度；若为第二飞行模式，则将额定转速设置为第二旋转速度；若为第三飞行模式，则将额定转速设置为第三旋转速度；
步骤S504，将旋翼转速与额定转速进行差值计算并取绝对值，并将计算结果标记为转速差值，将转速差值与第一误差阈值进行比对，若转速差值小于等于第一误差阈值，则输出转速正常信号；若转速差值大于第一误差阈值，则输出转速异常信号；
步骤S505，若输出温度异常信号或转速异常信号，则发送无人机故障信号至维护端。
6.根据权利要求5所述的一种多气体环境无人机监测方法，其特征在于，所述步骤S7包括如下子步骤：
步骤S701，读取浓度数据库，获取标准气体浓度，所述标准气体浓度包括PM2.5标准浓度、PM10标准浓度、NO2标准浓度、CO标准浓度、O3标准浓度以及VOC标准浓度；
步骤S702，获取实时检测数据；
步骤S703，将PM2.5浓度与PM2.5标准浓度进行比对，若PM2.5浓度小于等于PM2.5标准浓度，则输出PM2.5浓度正常信号；若PM2.5浓度大于PM2.5标准浓度，则输出PM2.5浓度超标信号；
步骤S704，将PM10浓度与PM10标准浓度进行比对，若PM10浓度小于等于PM10标准浓度，则输出PM10浓度正常信号；若PM10浓度大于PM10标准浓度，则输出PM10浓度超标信号；
步骤S705，将NO2浓度与NO2标准浓度进行比对，若NO2浓度小于等于NO2标准浓度，则输出NO2浓度正常信号；若NO2浓度大于NO2标准浓度，则输出NO2浓度超标信号；
步骤S706，将CO浓度与CO标准浓度进行比对，若CO浓度小于等于CO标准浓度，则输出CO浓度正常信号；若CO浓度大于CO标准浓度，则输出CO浓度超标信号；
步骤S707，将O3浓度与O3标准浓度进行比对，若O3浓度小于等于O3标准浓度，则输出O3浓度正常信号；若O3浓度大于O3标准浓度，则输出O3浓度超标信号；
步骤S708，将VOC浓度与VOC标准浓度进行比对，若VOC浓度小于等于VOC标准浓度，则输出VOC浓度正常信号；若VOC浓度大于VOC标准浓度，则输出VOC浓度超标信号。
7.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-6任一项所述方法中的步骤。
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，运行如权利要求1-6任一项所述方法中的步骤。
CN202311508254.XA 2023-11-14 2023-11-14 一种多气体环境无人机监测方法 Active CN117250319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311508254.XA CN117250319B (zh) 2023-11-14 2023-11-14 一种多气体环境无人机监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311508254.XA CN117250319B (zh) 2023-11-14 2023-11-14 一种多气体环境无人机监测方法

Publications (2)

Publication Number Publication Date
CN117250319A CN117250319A (zh) 2023-12-19
CN117250319B true CN117250319B (zh) 2024-03-01

Family

ID=89131621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311508254.XA Active CN117250319B (zh) 2023-11-14 2023-11-14 一种多气体环境无人机监测方法

Country Status (1)

Country Link
CN (1) CN117250319B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109270951A (zh) * 2018-08-02 2019-01-25 佛山世寰智能科技有限公司 一种无人机环境监测巡航方法及系统
CN110308104A (zh) * 2019-06-25 2019-10-08 生态环境部卫星环境应用中心 一种大气污染物no2浓度监测方法及系统
CN111121862A (zh) * 2019-09-29 2020-05-08 广西中遥空间信息技术有限公司 一种空天地一体化的大气环境监测系统及方法
CN111122784A (zh) * 2019-12-27 2020-05-08 仲恺农业工程学院 基于无人机的智能化空气质量监测系统及方法
WO2022226695A1 (zh) * 2021-04-25 2022-11-03 深圳市大疆创新科技有限公司 用于火灾场景的数据处理方法、装置和系统、无人机
CN115900958A (zh) * 2022-12-06 2023-04-04 中国自然资源航空物探遥感中心 一种基于热红外高光谱遥感的地热区域判定系统及方法
CN116153016A (zh) * 2023-04-23 2023-05-23 四川三思德科技有限公司 一种多传感器融合森林火灾实时监测与预警装置及其方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109270951A (zh) * 2018-08-02 2019-01-25 佛山世寰智能科技有限公司 一种无人机环境监测巡航方法及系统
CN110308104A (zh) * 2019-06-25 2019-10-08 生态环境部卫星环境应用中心 一种大气污染物no2浓度监测方法及系统
CN111121862A (zh) * 2019-09-29 2020-05-08 广西中遥空间信息技术有限公司 一种空天地一体化的大气环境监测系统及方法
CN111122784A (zh) * 2019-12-27 2020-05-08 仲恺农业工程学院 基于无人机的智能化空气质量监测系统及方法
WO2022226695A1 (zh) * 2021-04-25 2022-11-03 深圳市大疆创新科技有限公司 用于火灾场景的数据处理方法、装置和系统、无人机
CN115900958A (zh) * 2022-12-06 2023-04-04 中国自然资源航空物探遥感中心 一种基于热红外高光谱遥感的地热区域判定系统及方法
CN116153016A (zh) * 2023-04-23 2023-05-23 四川三思德科技有限公司 一种多传感器融合森林火灾实时监测与预警装置及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁承君 ; 宋赛 ; 冯玉伯 ; 陈雪 ; .基于无人机的立体大气环境监测系统设计.传感器与微系统.2020,(10),全文. *

Also Published As

Publication number Publication date
CN117250319A (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
EP3349126B1 (en) Method, device, storage medium, and apparatus for automatically discovering fuel station poi
CN110231833A (zh) 一种基于多无人机的油田巡检定点数据采集系统及方法
EP3594766B1 (en) Data collection system and data collection method
US20210405104A1 (en) Automobile battery failure prediction method and system
CN109657842A (zh) 空气污染物浓度的预测方法及装置、电子设备
US11782496B2 (en) Smart context subsampling on-device system
CN116030210B (zh) 碳排放数据统计方法、电子设备及存储介质
CN108180935B (zh) 传感器的故障检测方法及装置
CN114755367A (zh) 一种环保污染监测方法、系统、设备及介质
CN117250319B (zh) 一种多气体环境无人机监测方法
CN106802930B (zh) 一种输电线路杆塔模型地理位置的校验方法
CN104978323A (zh) 搜寻及分享行车记录影片的方法及其系统
CN108765954B (zh) 基于snn密度st-optics改进聚类算法的道路交通安全状况监测方法
JP2023057972A (ja) 動作監視システム
KR102432867B1 (ko) 스마트팜 센서류 고장검출 시스템 및 방법
CN105451171B (zh) 上传用户地理位置数据的方法及设备
CN111432329B (zh) 无线传感器网络的节点定位方法、装置和存储介质
KR100838272B1 (ko) 교통정보 수집 단말, 이를 이용한 교통정보 제공 시스템 및그 방법
CN117218859B (zh) 矿用车辆超速测算方法、系统、电子设备及存储介质
CN113327414B (zh) 车辆逆行检测方法、装置、计算机设备和存储介质
CN106909075A (zh) 一种利用gps数据分析驾驶行为的方法
CN118053287A (zh) 一种车辆异常实时监测管理系统
CN117789443A (zh) 一种用于露天矿场的车队管理系统
CN114006905A (zh) 信息传输方法、装置及系统
CN114266505A (zh) 一种基于大数据的矿井安全监测预警方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant