TWI726396B - 環境巡檢系統及其方法 - Google Patents
環境巡檢系統及其方法 Download PDFInfo
- Publication number
- TWI726396B TWI726396B TW108130283A TW108130283A TWI726396B TW I726396 B TWI726396 B TW I726396B TW 108130283 A TW108130283 A TW 108130283A TW 108130283 A TW108130283 A TW 108130283A TW I726396 B TWI726396 B TW I726396B
- Authority
- TW
- Taiwan
- Prior art keywords
- target area
- image
- area
- inspection
- normalized difference
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Remote Sensing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Astronomy & Astrophysics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一種環境巡檢系統,包含:一系統資料庫,儲存關聯於一巡檢區域的一綠光反射光譜影像、一近紅外光反射光譜影像以及一熱影像;以及一處理器,存取該系統資料庫,該處理器包含:一常態化差異水體指標影像模組,根據該綠光反射光譜影像與該近紅外光反射光譜影像得出關聯於該巡檢區域的一常態化差異水體指標影像;以及一影像判斷模組,根據該常態化差異水體指標影像判斷出一第一目標區域,根據該熱影像判斷出一第二目標區域,並根據該第一目標區域與該第二目標區域判斷出一第三目標區域。
Description
本發明係關於一種環境巡檢系統及其方法,特別係關於一種用於偵查積水區環境巡檢系統及其方法。
在戶外的積水區(例如積水的容器、小水窪等)中,容易孳生登革熱病媒蚊的幼蟲,進而爆發登革熱疫情。而目前並無準確的方法可有效率的針對一待巡檢區域進行積水區的巡檢。因此,急需一環境巡檢系統及方法用以有效率的協助偵查待巡檢區域是否存在積水區。
為了解決上述問題,本發明之一構想在於提供一種可有效率的協助偵查待巡檢區域是否存在積水區的環境巡檢系統及其方法。
基於前揭構想,本發明提供一種環境巡檢系統,包含:一系統資料庫,儲存關聯於一巡檢區域的一綠光反射光譜影像、一近紅外光反射光譜影像以及一熱影像;以及一處理器,存取該系統資料庫,該處理器包含:一常態化差異水體指標(Normalized Difference Water Index,NDWI)影像模組,根據該綠光反射光譜影像與該近紅外光反射光譜影像得出關聯於巡檢區域的一常態化差異水體指標影像;以及一影像判斷模組,根據該常態化差異水體指標影像判斷出該巡檢區域內的一第一目標區域,根據該熱影像判斷出該巡檢區域內的一第二目標區域,並根據該第一目標區域與該第二目標區域判斷出該巡檢區域內的一第三目標區域。
於本發明之一較佳實施例中,該綠光反射光譜影像、該近紅外光反射光譜影像以及該熱影像係取自一航拍影像。
於本發明之一較佳實施例中,該系統資料庫儲存關聯於該巡檢區域的一彩色影像;其中該處理器包含一顯示模組,該顯示模組於一顯示器上顯示該彩色影像,並將該第一目標區域及/或該第二目標區域及/或該第三目標區域對應標示於所顯示的該彩色影像上。
於本發明之一較佳實施例中,該系統資料庫儲存關聯於該巡檢區域的一彩色影像;其中該影像判斷模組於一彩色影像上判斷出一陰影區域,該影像判斷模組根據該陰影區域判斷出該第二目標區域;其中該彩色影像關聯於該巡檢區域。
於本發明之一較佳實施例中,該影像判斷模組係根據該熱影像與該第一目標區域判斷出該一第二目標區域。
於本發明之一較佳實施例中,該影像判斷模組係根據該常態化差異水體指標影像上該第一目標區域所對應的至少一常態化差異水體指標數值,以判斷出該第一目標區域;其中該影像判斷模組係根據該熱影像上該第二目標區域所對應的至少一溫度數值,以判斷出該第二目標區域。
於本發明之一較佳實施例中,該影像判斷模組根據一常態化差異水體指標閾值以判斷出該第一目標區域;其中該影像判斷模組根據一溫度閾值以判斷出該第二目標區域。
於本發明之一較佳實施例中,該影像判斷模組根據對應於該常態化差異水體指標影像的一第一加權值以及對應於該熱影像的一第二加權值以判斷出該第三目標區域。
於本發明之一較佳實施例中,該第三目標區域係該第一目標區域與該第二目標區域所重複的區域。
根據本發明之目的,再提供一種環境巡檢方法,包含:根據關聯於一巡檢區域的一綠光反射光譜影像與關聯於該巡檢區域的一近紅外光反射光譜影像得出關聯於該巡檢區域的一常態化差異水體指標影像;根據該常態化差異水體指標影像判斷出該巡檢區域內的一第一目標區域;根據該熱影像判斷出該巡檢區域內的一第二目標區域;以及根據該第一目標區域與該第二目標區域判斷出該巡檢區域內的一第三目標區域。
於本發明之一較佳實施例中,該綠光反射光譜影像、該近紅外光反射光譜影像以及該熱影像係取自一航拍影像。
於本發明之一較佳實施例中,該環境巡檢方法進一步包含將該第一目標區域及/或該第二目標區域及/或該第三目標區域對應標示於一彩色影像上,其中該彩色影像關聯於該巡檢區域。
於本發明之一較佳實施例中,該環境巡檢方法進一步包含於一彩色影像上判斷出一陰影區域;其中該第二目標區域係根據該陰影區域判斷而得;其中該彩色影像關聯於該巡檢區域。
於本發明之一較佳實施例中,該第二目標區域係根據該熱影像與該第一目標區域所判斷而得。
於本發明之一較佳實施例中,該第三目標區域係根據該第一目標區域、該第二目標區域與一彩色影像所判斷而得,其中該彩色影像關聯於該巡檢區域。
於本發明之一較佳實施例中,該第一目標區域係根據該常態化差異水體指標影像上該第一目標區域所對應的至少一常態化差異水體指標數值所判斷而得;其中該第二目標區域係根據該熱影像上該第二目標區域所對應的至少一溫度數值所判斷而得。
於本發明之一較佳實施例中,該第一目標區域係根據一常態化差異水體指標閾值所判斷而得;其中該第二目標區域係根據一溫度閾值所判斷而得。
於本發明之一較佳實施例中,該第三目標區域係根據對應於該常態化差異水體指標影像的一第一加權值以及對應於該熱影像的一第二加權值所判斷而得。
於本發明之一較佳實施例中,該第三目標區域係該第一目標區域與該第二目標區域所重複的區域。
本發明前述各方面及其它方面依據下述的非限制性具體實施例詳細說明以及參照附隨的圖式將更趨於明瞭。
請參閱第一圖,其例示說明了根據本發明環境巡檢系統一具體實施例的示意圖。如第一圖所示實施例,環境巡檢系統100包含系統資料庫110、處理器120以及顯示器130。其中,處理器120存取系統資料庫110,處理器120並包含常態化差異水體指標影像模組122、影像判斷模組124以及顯示模組126。在第一圖所示實施例中,系統資料庫110儲存了關聯於一巡檢區域的綠光反射光譜影像、近紅外光反射光譜影像、熱影像以及彩色影像。在一具體實施例中,綠光反射光譜影像、近紅外光反射光譜影像、熱影像以及彩色影像均係取自一航拍影像,例如飛機、無人機、衛星、熱氣球等空中載具所載的高空感測器或高空攝影機所拍攝的航拍影像。如此,使用者即可藉此針對不易檢察到的區域(例如屋頂、工地等不易進入的區域)進行是否存在積水區的判斷。在一具體實施例中,空中載具進行航拍的高度,應為能取得足以判斷一特定大小面積以上的積水區,例如飛航高度100m。之所以需要一特定大小面積以上的積水區,是因為小於一特定面積的積水區,由於水體量不夠而容易蒸發,蚊子幼蟲不易生長,故而可忽略面積小於此特定大小的積水區。在一具體實施例中,航拍所使用的攝像機或感測器,其彩色影像的解析度為3cm,熱影像的解析度為20cm,多光譜影像的解析度為10cm。應了解,飛航高度及各影像的解析度在此僅為示例,在不同具體實施例中,係可根據需求選用不同的飛航高度或各影像的解析度。
在本發明的不同實施例中,處理器120所包含的上述各模組可為一種硬體與軟體協同運作的資源,各模組的技術特徵可以複數個程式指令來表達,而各模組的技術效果可以一或多個處理器透過執行該些程式指令來實現。
在第一圖所示實施例中,常態化差異水體指標影像模組122可根據綠光反射光譜影像與近紅外光反射光譜影像得出關聯於該巡檢區域的常態化差異水體指標影像。在一具體實施例中,常態化差異水體指標影像模組122係將綠光反射光譜影像與近紅外光反射光譜影像上每一個對應的像素進行運算,進而得出關聯於該巡檢區域的常態化差異水體指標影像。其中,所關聯出的常態化差異水體指標影像其每一個像素均對應一常態化差異水體指標數值。在一具體實施例中,常態化差異水體指標影像其每一個像素所對應的常態化差異水體指標數值的運算公式如下:
(Green - NIR)/(Green + NIR)
其中,Green係指綠光反射光譜影像,NIR係指近紅外光反射光譜影像。
在第一圖所示實施例中,影像判斷模組124根據常態化差異水體指標影像判斷出巡檢區域內的一第一目標區域,根據熱影像判斷出巡檢區域內的一第二目標區域,並根據第一目標區域與第二目標區域判斷出巡檢區域內的一第三目標區域。在一具體實施例中,第三目標區域係第一目標區域與第二目標區域所重複的區域。
在一具體實施例中,影像判斷模組124係根據常態化差異水體指標影像上,第一目標區域所對應的至少一常態化差異水體指標數值,以判斷出第一目標區域。在一具體實施例中,影像判斷模組124係根據常態化差異水體指標影像上各像素所各自對應的常態化差異水體指標數值的大小,以判斷出第一目標區域。例如可將常態化差異水體指標影像中,常態化差異水體指標數值為前百分之25高(此百分比數值在此僅為例示,在不同具體實施例中,可根據需求調整此百分比數值)的像素,標示為第一目標區域(此即為可能的積水區)。由於水體在綠光波段有較強的反射,而對近紅外光波段的吸收很強,因此在常態化差異水體指標影像中具有較大的常態化差異水體指標數值的區域,其為積水區的可能性越高。
在一具體實施例中,影像判斷模組124係根據熱影像上,第二目標區域所對應的至少一溫度數值,以判斷出該第二目標區域。在一具體實施例中,熱影像其每一個像素均對應一溫度數值。影像判斷模組124係根據熱影像上各像素所各自對應的溫度數值的大小,以判斷出第二目標區域。例如可將熱影像中,溫度數值為前百分之25低(此百分比數值在此僅為例示,在不同具體實施例中,可根據需求調整此百分比數值)的像素,標示為第二目標區域(此即為可能的積水區)。由於積水區的溫度往往較低,因此在熱影像中具有較低的溫度數值的區域,其為積水區的可能性越高。在一具體實施例中,溫度數值並非為該像素所對應地區的實際溫度。在一具體實施例中,溫度數值僅係代表該像素所對應地區的輻射溫度強度。
在一具體實施例中,影像判斷模組124可先根據常態化差異水體指標影像判斷出第一目標區域,再接著根據第一目標區域於熱影像上判斷出第二目標區域。例如可先將第一目標區域對應至熱影像上,再根據熱影像上的第一目標區域判斷出第二目標區域。如此,熱影像上除了第一目標區域外的其它區域皆可不用再另行判斷是否為第二目標區域,藉此,將可節省整體的判斷時間。
在一具體實施例中,影像判斷模組124係根據一常態化差異水體指標閾值以自常態化差異水體指標影像中判斷出第一目標區域。例如可將常態化差異水體指標影像中,常態化差異水體指標數值高於常態化差異水體指標閾值的對應像素標示為第一目標區域(此即為可能的積水區)。在一具體實施例中,影像判斷模組124係根據一溫度閾值以自熱影像中判斷出第二目標區域。例如可將熱影像中,溫度數值低於溫度閾值的對應像素標示為第二目標區域(此即為可能的積水區)。在不同具體實施例中,常態化差異水體指標閾值與溫度閾值可為預定值,並可根據不同狀況而自行調整。
在一具體實施例中,影像判斷模組124並可根據對應於常態化差異水體指標影像的一第一加權值以及對應於熱影像的一第二加權值以判斷出該第三目標區域。使用者可根據常態化差異水體指標影像的判斷準確度以決定是否調高對應於常態化差異水體指標影像的第一加權值,或根據熱影像的判斷準確度以決定是否調高對應於熱影像的第二加權值。如此,若常態化差異水體指標影像的判斷準確度較高,則影像判斷模組124在判斷第三目標區域時,對於第二目標區域的參考程度也較高。在不同具體實施例中,使用者可根據季節、地形、建物類型、建物區所佔比例、植物區所佔比例等不同因子以決定第一加權值以及第二加權值。
在第一圖所示實施例中,顯示模組126可於顯示器130上顯示彩色影像,並可將第一目標區域及/或第二目標區域及/或第三目標區域對應標示於所顯示的該彩色影像上。如此,使用者即可根據標示於彩色影像上的第一目標區域及/或第二目標區域及/或第三目標區域以及彩色影像本身,更準確的判斷出巡檢區域的積水區。在一具體實施例中,顯示模組126可將彩色影像顯示於其他的顯示器上,例如使用者的手機、電腦、平板電腦等,但不以此為限。
在一具體實施例中,影像判斷模組124可於彩色影像上判斷出巡檢區域內的陰影區域,影像判斷模組124並可根據陰影區域以判斷出該第二目標區域。例如可將陰影區域對應於熱影像上,並調降熱影像上的對應陰影區域的溫度閾值以成為一陰影區溫度閾值後,再將熱影像上非陰影區域中,溫度數值低於溫度閾值的對應像素,以及熱影像上陰影區域中,溫度數值低於陰影區溫度閾值的對應像素標示為第二目標區域。
接著請參閱第二圖,其例示說明了根據本發明環境巡檢方法一具體實施例的流程圖。如第二圖所示實施例,環境巡檢方法200開始於步驟210,根據關聯於一巡檢區域的綠光反射光譜影像與關聯於該巡檢區域的近紅外光反射光譜影像得出關聯於該巡檢區域的常態化差異水體指標影像。在一具體實施例中,綠光反射光譜影像以及近紅外光反射光譜影像均係取自一航拍影像。
接著,進行步驟220,根據常態化差異水體指標影像判斷出巡檢區域內的一第一目標區域。在一具體實施例中,常態化差異水體指標數值較高的區域,其為積水區的可能性較高。在一具體實施例中,第一目標區域係根據常態化差異水體指標影像上的第一目標區域所對應的至少一常態化差異水體指標數值所判斷而得。在一具體實施例中,第一目標區域係根據一常態化差異水體指標閾值所判斷而得。例如可將常態化差異水體指標影像中,常態化差異水體指標數值高於常態化差異水體指標閾值的對應像素標示為第一目標區域。
接著,進行步驟230,根據熱影像判斷出巡檢區域內的一第二目標區域。在一具體實施例中,溫度數值較低的區域,其為積水區的可能性較高。在一具體實施例中,熱影像係取自一航拍影像。在一具體實施例中,第二目標區域係根據熱影像上的第二目標區域所對應的至少一溫度數值所判斷而得。在一具體實施例中,第二目標區域係根據一溫度閾值所判斷而得。例如可將熱影像中,溫度數值低於溫度閾值的對應像素標示為第二目標區域。在一具體實施例中,第二目標區域係根據熱影像與第一目標區域所判斷而得。在一具體實施例中,係先將第一目標區域對應至熱影像上,再根據熱影像上的第一目標區域判斷出第二目標區域。如此,熱影像上除了第一目標區域外的其它區域皆可不用再另行判斷是否為第二目標區域,藉此可節省整體的判斷時間。
接著,進行步驟240,根據第一目標區域與第二目標區域判斷出巡檢區域內的一第三目標區域。在一具體實施例中,可先在關聯於該巡檢區域的一彩色影像上判斷出一陰影區域,再接著根據陰影區域以判斷出第二目標區域。例如可將陰影區域對應於熱影像上,並調降熱影像上的對應陰影區域的溫度閾值以成為一陰影區溫度閾值後,再將熱影像上非陰影區域中,溫度數值低於溫度閾值的對應像素,以及熱影像上陰影區域中,溫度數值低於陰影區溫度閾值的對應像素標示為第二目標區域。在一具體實施例中,第三目標區域係第一目標區域與第二目標區域所重複的區域。在一具體實施例中,第三目標區域係根據對應於該常態化差異水體指標影像的一第一加權值以及對應於該熱影像的一第二加權值所判斷而得。在一具體實施例中,第三目標區域係根據第一目標區域、第二目標區域與關聯於該巡檢區域的一彩色影像所判斷而得。例如可由使用者或本發明之環境巡檢系統根據彩色影像上所標示的第一目標區域、第二目標區域,進一步判斷出可能為積水區的第三目標區域。
接著,進行步驟250,將第一目標區域及/或第二目標區域及/或第三目標區域對應標示於一彩色影像上,其中該彩色影像關聯於該巡檢區域。如此,使用者即可根據標示於彩色影像上的第一目標區域及/或第二目標區域及/或第三目標區域以及彩色影像本身,更準確的判斷出巡檢區域的積水區。在一具體實施例中,彩色影像係取自一航拍影像。
至此,本發明之環境巡檢系統及其方法已經由上述說明及圖式加以說明。然應了解,本發明各具體實施例僅是做為說明之用,在不脫離本發明申請專利範圍與精神下可進行各種改變,且均應包含於本發明之專利範圍中。因此,本說明書所描述的各具體實施例並非用以限制本發明,本發明之真實範圍與精神揭示於以下申請專利範圍。
100 環境巡檢系統
110 系統資料庫
120 處理器
122 常態化差異水體指標影像模組
124 影像判斷模組
126 顯示模組
130 顯示器
200 環境巡檢方法
210 步驟
220 步驟
230 步驟
240 步驟
250 步驟
第一圖為本發明環境巡檢系統一具體實施例的示意圖。
第二圖為本發明環境巡檢系統一具體實施例的流程圖。
無
100 環境巡檢系統
110 系統資料庫
120 處理器
122 常態化差異水體指標影像模組
124 影像判斷模組
126 顯示模組
130 顯示器
Claims (17)
- 一種環境巡檢系統,包含:一系統資料庫,儲存關聯於一巡檢區域的一綠光反射光譜影像、一近紅外光反射光譜影像以及一熱影像;以及一處理器,存取該系統資料庫,該處理器包含:一常態化差異水體指標影像模組,根據該綠光反射光譜影像與該近紅外光反射光譜影像得出關聯於該巡檢區域的一常態化差異水體指標影像;以及一影像判斷模組,根據該常態化差異水體指標影像判斷出該巡檢區域內的一第一目標區域,根據該熱影像判斷出該巡檢區域內的一第二目標區域,並根據該第一目標區域與該第二目標區域判斷出該巡檢區域內的一第三目標區域;其中該第三目標區域係該第一目標區域與該第二目標區域所重複的區域。
- 如申請專利範圍第1項所述之環境巡檢系統,其中該綠光反射光譜影像、該近紅外光反射光譜影像以及該熱影像係取自一航拍影像。
- 如申請專利範圍第1項所述之環境巡檢系統,其中該系統資料庫儲存關聯於該巡檢區域的一彩色影像;其中該處理器包含一顯示模組,該顯示模組於一顯示器上顯示該彩色影像,並將該第一目標區域及/或該第二目標區域及/或該第三目標區域對應標示於所顯示的該彩色影像上。
- 如申請專利範圍第1項所述之環境巡檢系統,其中該系統資料庫儲存關聯於該巡檢區域的一彩色影像;其中該影像判斷模組於一彩色影像上判斷出一陰影區域,該影像判斷模組根據該陰影區域判斷出該第二目標區域;其中該彩色影像關聯於該巡檢區域。
- 如申請專利範圍第1項所述之環境巡檢系統,其中該影像判斷模組係根據該熱影像與該第一目標區域判斷出該一第二目標區域。
- 如申請專利範圍第1項所述之環境巡檢系統,其中該影像判斷模組係根據該常態化差異水體指標影像上該第一目標區域所對應的至少一常態化差異水體指標數值,以判斷出該第一目標區域;其中該影像判斷模組係根據該熱影像上該第二目標區域所對應的至少一溫度數值,以判斷出該第二目標區域。
- 如申請專利範圍第1項所述之環境巡檢系統,其中該影像判斷模組根據一常態化差異水體指標閾值以判斷出該第一目標區域;其中該影像判斷模組根據一溫度閾值以判斷出該第二目標區域。
- 如申請專利範圍第1項所述之環境巡檢系統,其中該影像判斷模組根據對應於該常態化差異水體指標影像的一第一加權值以及對應於該熱影像的一第二加權值以判斷出該第三目標區域。
- 一種環境巡檢方法,包含: 根據關聯於一巡檢區域的一綠光反射光譜影像與關聯於該巡檢區域的一近紅外光反射光譜影像得出關聯於該巡檢區域的一常態化差異水體指標影像;根據該常態化差異水體指標影像判斷出該巡檢區域內的一第一目標區域;根據該熱影像判斷出該巡檢區域內的一第二目標區域;以及根據該第一目標區域與該第二目標區域判斷出該巡檢區域內的一第三目標區域;其中該第三目標區域係該第一目標區域與該第二目標區域所重複的區域。
- 如申請專利範圍第9項所述之環境巡檢方法,其中該綠光反射光譜影像、該近紅外光反射光譜影像以及該熱影像係取自一航拍影像。
- 如申請專利範圍第9項所述之環境巡檢方法,進一步包含將該第一目標區域及/或該第二目標區域及/或該第三目標區域對應標示於一彩色影像上,其中該彩色影像關聯於該巡檢區域。
- 如申請專利範圍第9項所述之環境巡檢方法,進一步包含於一彩色影像上判斷出一陰影區域;其中該第二目標區域係根據該陰影區域判斷而得;其中該彩色影像關聯於該巡檢區域。
- 如申請專利範圍第9項所述之環境巡檢方法,其中該第二目標區域係根據該熱影像與該第一目標區域所判斷而得。
- 如申請專利範圍第9項所述之環境巡檢方法,其中該第三目標區域係根據該第一目標區域、該第二目標區域與一彩色影像所判斷而得,其中該彩色影像關聯於該巡檢區域。
- 如申請專利範圍第9項所述之環境巡檢方法,其中該第一目標區域係根據該常態化差異水體指標影像上該第一目標區域所對應的至少一常態化差異水體指標數值所判斷而得;其中該第二目標區域係根據該熱影像上該第二目標區域所對應的至少一溫度數值所判斷而得。
- 如申請專利範圍第9項所述之環境巡檢方法,其中該第一目標區域係根據一常態化差異水體指標閾值所判斷而得;其中該第二目標區域係根據一溫度閾值所判斷而得。
- 如申請專利範圍第9項所述之環境巡檢方法,其中該第三目標區域係根據對應於該常態化差異水體指標影像的一第一加權值以及對應於該熱影像的一第二加權值所判斷而得。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108130283A TWI726396B (zh) | 2019-08-23 | 2019-08-23 | 環境巡檢系統及其方法 |
CN201910851466.5A CN112417935A (zh) | 2019-08-23 | 2019-09-10 | 环境巡检系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108130283A TWI726396B (zh) | 2019-08-23 | 2019-08-23 | 環境巡檢系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202109362A TW202109362A (zh) | 2021-03-01 |
TWI726396B true TWI726396B (zh) | 2021-05-01 |
Family
ID=74779649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108130283A TWI726396B (zh) | 2019-08-23 | 2019-08-23 | 環境巡檢系統及其方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112417935A (zh) |
TW (1) | TWI726396B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592863B (zh) * | 2021-09-28 | 2021-11-30 | 南通市德信致远环境科技有限公司 | 基于图像处理的城市道路积水检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140119639A1 (en) * | 2012-10-31 | 2014-05-01 | Microsoft Corporation | Water-body classification |
TW201437626A (zh) * | 2013-03-25 | 2014-10-01 | Sony Corp | 資訊處理系統,資訊處理系統之資訊處理方法,成像裝置及成像方法,以及程式 |
JP6184901B2 (ja) * | 2014-05-12 | 2017-08-23 | 株式会社日立ソリューションズ | 衛星画像データ処理装置、衛星画像データ処理システム、衛星画像データ処理方法及びプログラム |
CN108169142A (zh) * | 2017-12-20 | 2018-06-15 | 环境保护部卫星环境应用中心 | 基于遥感影像的水色异常快速定位方法和装置 |
CN108564056A (zh) * | 2018-04-25 | 2018-09-21 | 中国水利水电科学研究院 | 一种遥感影像水体识别提取的方法 |
WO2019008570A1 (en) * | 2017-07-02 | 2019-01-10 | Manna Irrigation Ltd. | METHODS AND SYSTEMS FOR GUIDING IRRIGATION |
US20190019008A1 (en) * | 2015-09-21 | 2019-01-17 | The Climate Corporation | Ponding water detection on satellite imagery |
CN109614924A (zh) * | 2018-12-07 | 2019-04-12 | 江西洪都航空工业集团有限责任公司 | 一种基于深度学习算法的水面垃圾检测方法 |
CN110147746A (zh) * | 2019-05-09 | 2019-08-20 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914692B (zh) * | 2014-04-21 | 2017-09-19 | 山东科技大学 | 一种用于煤矿周围地表水系的遥感识别方法 |
CN107330875B (zh) * | 2017-05-31 | 2020-04-21 | 河海大学 | 基于遥感图像正反向异质性的水体周边环境变化检测方法 |
CN109374537B (zh) * | 2018-09-30 | 2020-06-05 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体识别方法及装置 |
-
2019
- 2019-08-23 TW TW108130283A patent/TWI726396B/zh active
- 2019-09-10 CN CN201910851466.5A patent/CN112417935A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140119639A1 (en) * | 2012-10-31 | 2014-05-01 | Microsoft Corporation | Water-body classification |
TW201437626A (zh) * | 2013-03-25 | 2014-10-01 | Sony Corp | 資訊處理系統,資訊處理系統之資訊處理方法,成像裝置及成像方法,以及程式 |
JP6184901B2 (ja) * | 2014-05-12 | 2017-08-23 | 株式会社日立ソリューションズ | 衛星画像データ処理装置、衛星画像データ処理システム、衛星画像データ処理方法及びプログラム |
US20190019008A1 (en) * | 2015-09-21 | 2019-01-17 | The Climate Corporation | Ponding water detection on satellite imagery |
WO2019008570A1 (en) * | 2017-07-02 | 2019-01-10 | Manna Irrigation Ltd. | METHODS AND SYSTEMS FOR GUIDING IRRIGATION |
CN108169142A (zh) * | 2017-12-20 | 2018-06-15 | 环境保护部卫星环境应用中心 | 基于遥感影像的水色异常快速定位方法和装置 |
CN108564056A (zh) * | 2018-04-25 | 2018-09-21 | 中国水利水电科学研究院 | 一种遥感影像水体识别提取的方法 |
CN109614924A (zh) * | 2018-12-07 | 2019-04-12 | 江西洪都航空工业集团有限责任公司 | 一种基于深度学习算法的水面垃圾检测方法 |
CN110147746A (zh) * | 2019-05-09 | 2019-08-20 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112417935A (zh) | 2021-02-26 |
TW202109362A (zh) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11169028B2 (en) | Unmanned aerial system based thermal imaging and aggregation systems and methods | |
CN112435207B (zh) | 一种基于天空地一体化的森林火灾监测预警方法 | |
Chen et al. | Improving estimates of fractional vegetation cover based on UAV in alpine grassland on the Qinghai–Tibetan Plateau | |
CN111982291B (zh) | 一种基于无人机的火点定位方法、装置及系统 | |
US20170221241A1 (en) | System, method and apparatus for generating building maps | |
US8587664B2 (en) | Target identification and location system and a method thereof | |
JP2007171033A (ja) | 葉面積指数の間接測定方法および間接測定システム | |
US20150339811A1 (en) | Systems and methods for haziness detection | |
JP2017532579A (ja) | 空の観察領域内の雲を特定及び監視するための検出装置及び方法 | |
CN106949880B (zh) | 海拔起伏较大测区无人机影像局部重叠度过高处理的方法 | |
Honjo et al. | Sky view factor measurement by using a spherical camera | |
CN109919250B (zh) | 考虑土壤水分的蒸散发时空特征融合方法及装置 | |
WO2023125587A1 (zh) | 基于无人机的火情监测方法及装置 | |
CN106537409B (zh) | 确定影像的罗盘定位 | |
CN111932519A (zh) | 天气预测方法、装置、计算机设备和存储介质 | |
WO2021135854A1 (zh) | 一种使用无人机进行测距测量的方法和装置 | |
TWI726396B (zh) | 環境巡檢系統及其方法 | |
WO2023150888A1 (en) | System and method for firefighting and locating hotspots of a wildfire | |
CN109377476B (zh) | 遥感影像云检测特征参数的动态阈值获取方法及装置 | |
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
WO2018120735A1 (zh) | 定位方法及装置 | |
CN107576399A (zh) | 面向modis 林火探测的亮温预测方法和系统 | |
CN117152257B (zh) | 一种用于地面监控摄像机多维角度计算的方法和装置 | |
CN109146936A (zh) | 一种图像匹配方法、装置、定位方法及系统 | |
WO2021212319A1 (zh) | 红外图像处理方法、装置、系统及可移动平台 |