[发明专利]一种河湖水体智慧监测方法、设备、系统及可读存储介质在审

专利信息
申请号: 202010955827.3 申请日: 2020-09-11
公开(公告)号: CN112067517A 公开(公告)日: 2020-12-11
发明(设计)人: 闻军能;温晨鹰;徐招名 申请(专利权)人: 杭州市地下管道开发有限公司
主分类号: G01N15/06 分类号: G01N15/06;G01N21/85;G01N33/18;G06K9/00;G06K9/46;G06N3/04;G06N3/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 310016 浙江省杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 湖水 智慧 监测 方法 设备 系统 可读 存储 介质
【权利要求书】:

1.一种河湖水体智慧监测方法,其中其特征在于,包括:

定期采集河道的水下光源图像;

对所述水下光源图像进行图像识别处理,获得所述河道内水体的浊度;

根据所述河道内水体的浊度,判断所述河道内的水体是否被污染,若是,则生成水质测量请求;

根据所述水质测量请求,获得水质信息,所述水质信息包括所述河道内水体的高锰酸盐指数、溶氧量、酸碱度、浊度以及磷氮含量;

根据所述水质信息,生成污染警告。

2.根据权利要求1所述的方法,其特征在于,所述对所述水下光源图像进行图像识别处理,获得所述河道内水体的浊度包括:

对所述水下光源图像进行过滤处理,获得低频特征信息;

利用预先训练好的分析模型对所述低频特征信息进行识别,获得所述河道内水体的浊度。

3.根据权利要求2所述的方法,其特征在于,所述分析模型的训练过程包括:

A1、从预先设定的样本集中获取训练图像和实际浊度,所述训练图像与实际浊度一一对应;

A2、利用BP神经网络对所述训练图像进行识别,获得训练浊度;

A3、将所述训练浊度与所述实际浊度进行比较,获得训练误差;

A4、根据所述训练误差,通过梯度下降算法,对BP神经网络中所有神经元的权值进行调整;

A5、对所述样本集中的每个训练图像不断重复步骤A1-A4,直到步骤A3中的训练误差小于误差阈值时,结束对BP神经网络的训练,得到训练好的分析模型。

4.一种河湖水体智慧监测设备,其特征在于,所述设备包括:

采样模块,用于定期采集河道的水下光源图像;

图像处理模块,用于对所述采样模块采集的水面进行图像识别处理,并获得所述河道内水体的浊度;

判断模块,用于根据所述图像处理模块获得的浊度,判断所述河道内水体是否被污染,若是,则生成水质测量请求;

测量模块,用于所述判断模块生成的水质测量请求,获得水质信息,所述水质信息包括所述河道内水体的高锰酸盐指数、溶氧量、酸碱度、浊度以及磷氮含量;

警告模块,用于根据所述测量模块获得的水质信息,生成污染警告。

5.根据权利要求4所述的设备,其特征在于,所述图像处理模块具体用于:

对所述采样模块获得的水下光源图像进行过滤处理,获得低频特征信息;

利用预先训练好的分析模型对所述低频特征信息进行识别,获得所述河道内水体的浊度。

6.根据权利要求5所述的设备,其特征在于,所述设备还包括训练模块,所述训练模块具体用于:

B1、从预先设定的样本集中获取训练图像和实际浊度,所述训练图像与实际浊度一一对应;

B2、利用BP神经网络对所述训练图像进行识别,获得训练浊度;

B3、将所述训练浊度与所述实际浊度进行比较,获得训练误差;

B4、根据所述训练误差,通过梯度下降算法,对BP神经网络中所有神经元的权值进行调整;

B5、对所述样本集中的每个训练图像不断重复步骤B1-B4,直到步骤B3中的训练误差小于误差阈值时,结束对BP神经网络的训练,得到训练好的分析模型。

7.一种河湖水体智慧监测系统,其特征在于,所述系统包括:

采样装置,用于定期采集河道的水下光源图像;

图像处理装置,用于对所述采样装置采集的水面进行图像识别处理,并获得所述河道内水体的浊度;

判断装置,用于根据所述图像处理装置获得的浊度,判断所述河道内水体是否被污染,若是,则生成水质测量请求;

测量装置,用于所述判断装置生成的水质测量请求,获得水质信息,所述水质信息包括所述河道内水体的高锰酸盐指数、溶氧量、酸碱度、浊度以及磷氮含量;

警告装置,用于根据所述测量装置获得的水质信息,生成污染警告。

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杭州市地下管道开发有限公司,未经杭州市地下管道开发有限公司许可,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/202010955827.3/1.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