[发明专利]基于无人飞艇的空气质量机器视觉在线监测系统及方法在审

专利信息
申请号: 202010274128.2 申请日: 2020-04-09
公开(公告)号: CN111340804A 公开(公告)日: 2020-06-26
发明(设计)人: 张炯;张中泽;孟博雯;谭怡然;杨仝锁;夏霜;胡念;韩若楠 申请(专利权)人: 山东大学
主分类号: G06T7/00 分类号: G06T7/00;G06T5/00;G06K9/62;B64B1/20;B64B1/22;B64B1/58;B60L8/00;G06N3/04
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 250061 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 无人 飞艇 空气质量 机器 视觉 在线 监测 系统 方法
【权利要求书】:

1.一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,包括:无人飞艇本体,设置在无人飞艇本体上的图像采集子系统,以及图像识别子系统;所述图像采集子系统被配置为每隔设定时间采集并存储天气的影像资料;所述图像采集子系统与图像识别子系统进行无线通信;所述图像识别子系统被配置为采用神经网络算法对接收到的图像进行识别,输出空气质量状况。

2.如权利要求1所述的一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,所述图像识别子系统对图像进行识别的过程包括:

基于采集到的不同地区的空气质量实拍图像,对所述图像进行图像标注,构建样本集;

对样本集数据进行增强及平滑去噪预处理;

构建图像识别模型,基于所述样本集对图像识别模型进行训练;

将图像采集子系统采集到的天气影像资料输入到训练好的图像识别模型中,输出空气质量分类结果。

3.如权利要求2所述的一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,构建的图像识别模型为Inception v3网络模型;删除所述Inception v3网络模型的最后一个全连接层,将剩余部分作为新数据集的特征提取层。

4.如权利要求2所述的一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,所述空气质量分类结果包括:优、良、轻度污染、中度污染、重度污染以及严重污染。

5.如权利要求1所述的一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,还包括:电源子系统,所述电源子系统包括铺设在无人飞艇体表层的太阳能电池板以及与其连接的蓄电池组;所述太阳能电池板获取的电能为图像采集子系统和无人飞艇提供电能,并将多余的电能存储的电池组中。

6.如权利要求1所述的一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,所述无人飞艇本体包括飞行控制器,所的飞行控制器接收GPS接收机发送的信号,并对其进行运算处理,最终输出控制信号给动力系统驱动装置,控制电机按照要求动作,实现各种飞行要求。

7.如权利要求6所述的一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,在地图上标注路径点,将路径点坐标发送至所述飞行控制器,使得所述无人飞艇按照设定的路径点飞行。

8.如权利要求1所述的一种基于无人飞艇的空气质量机器视觉在线监测系统,其特征在于,所述无人飞艇本体还包括:

设置在机身周围,用于实时采集无人飞艇本体不同状态参数的传感器;

用于与地面设备进行通信的无线通信模块;

用于存储气囊的储存舱;

用于通过充气和放气控制无人飞艇浮力平衡的气囊。

9.一种基于无人飞艇的空气质量机器视觉在线监测方法,其特征在于,包括:

每隔设定时间采集并存储天气的影像资料;

将采集到的天气影像资料输入到训练好的图像识别模型中,输出空气质量分类结果;

其中,对图像识别模型的训练过程包括:

基于采集到的不同地区的空气质量实拍图像,对所述图像进行图像标注,构建样本集;

对样本集数据进行增强及平滑去噪预处理;

构建图像识别模型,基于所述样本集对图像识别模型进行训练。

10.如权利要求9所述的一种基于无人飞艇的空气质量机器视觉在线监测方法,其特征在于,还包括对于无人飞艇的飞行控制过程,具体为:

在地图上标注路径点,控制无人飞艇沿设定的路径点飞行;

到达设定位置后,释放气囊并充气,使无人飞艇达到悬停的状态;

通过无人飞艇动力系统对机身位置进行微调;

监测任务完成后,通过无人飞艇动力系统控制无人飞艇运动至降落点,收回气囊。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010274128.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top