[发明专利]一种基于物联网的渗滤液污水监测系统

权利要求书

1.一种基于物联网的渗滤液污水监测系统，其特征在于，包括图像分析模块、气体分析模块、渗滤液分析模块以及控制终端；

所述图像分析模块获取垃圾堆积产生的渗滤液的图像，并通过使用CNN神经网络模型分析渗滤液为污水的概率；所述图像分析模块包括图像采集单元以及图像分析单元；所述图像分析模块在判断渗滤液为污水时，发送气体检测信号至气体分析模块；

所述气体分析模块用于采集空气中的气体，并对气体成分进行检测；所述气体分析模块包括第一控制单元、气体收集单元以及气体分析单元；所述气体分析模块检测空气中包含有害气体时，发送渗滤液分析信号至渗滤液分析模块；

所述渗滤液分析模块用于采集渗透液并分析渗滤液是否为有害污水；所述渗滤液分析模块包括第二控制单元，渗滤液采集单元以及渗滤液分析单元；所述渗滤液采集单元以及渗滤液分析单元为一一对应关系；所述渗滤液分析模块检测到液体中含有有害物质时，发送预警信号至控制终端；

所述控制终端用于训练判断渗滤液是否为污水的CNN神经网络模型以及在检验到渗滤液中具有有害物质时，向城市管理人员发起预警。

2.根据权利要求1所述的一种基于物联网的渗滤液污水监测系统，其特征在于，所述图像采集单元包括若干安装在垃圾堆放处周围的图像采集设备；每个图像采集设备实时获取视野内的地面视频数据；每个图像采集单元将采集的视频数据通过电气方式发送至对应的图像分析单元。

3.根据权利要求1所述的一种基于物联网的渗滤液污水监测系统，其特征在于，所述图像分析单元计算渗滤液有害概率包括以下步骤：

步骤S1：所述控制终端预先收集若干水流图片；并通过人工标注方式标注出其中的污水以及非污水；将污水标记为1，将非污水标记为0；

步骤S2：所述控制终端将水流图片作为输入，输入至CNN神经网络模型中；该CNN神经网络模型以预测的水流为污水的概率作为输出，预测的准确率作为训练目标；对CNN神经网络模型进行训练；CNN神经网络模型的参数设置以及参数调节根据实际经验配置；

步骤S3：所述控制终端将CNN神经网络模型准确率训练至98%时停止训练；将训练完成的CNN神经网络模型标记为M；所述控制终端将CNN神经网络模型M发送至每个图像分析单元；

步骤S4：每个所述图像分析单元接收图像采集单元发送的视频数据；每隔时间周期T，从视频数据中抽取一帧画面；将抽取的画面作为输入，输入至CNN神经网络模型M中，获得画面内渗滤液为污水的概率p；其中，所述时间周期T根据实际经验设置；

步骤S5：所述图像分析单元预设概率阈值P；判断概率p是否大于概率阈值P，若大于概率阈值P，则发送气体检测信号至气体分析模块。

4.根据权利要求1所述的一种基于物联网的渗滤液污水监测系统，其特征在于，所述气体收集单元包括安装在垃圾堆积处的若干空气采集设备；所述第一控制单元在接收到图像分析单元发送的气体检测信号后，启动所有空气采集设备对垃圾堆积处的空气进行采集；所述气体收集单元预设气体体积阈值V1；当空气采集设备采集的空气体积达到气体体积阈值V1时，停止采集；每个所述气体收集单元将采集的空气通过管道运输至对应的气体分析单元。

5.根据权利要求1所述的一种基于物联网的渗滤液污水监测系统，其特征在于，所述气体分析单元包括一套检验有害气体的气体检验设备；检验的有害气体类别根据渗滤液中常见的具有挥发性的物质种类设置；所述气体分析单元在接收到由气体收集单元传输的空气后，使用气体检验设备对空气进行检测；若检测到空气中含有任意一种有害气体，则发送渗滤液分析信号至渗滤液分析模块。

6.根据权利要求1所述的一种基于物联网的渗滤液污水监测系统，其特征在于，所述渗滤液采集单元包括根据实际经验安装在垃圾堆积处附近的液体汇流位置的液体采集设备；第二控制单元在接收到渗滤液分析信号后，控制液体采集设备采集汇流处的渗滤液液体；所述渗滤液采集单元预设液体体积阈值V2；当液体采集设备采集的液体体积达到液体体积阈值V2时，停止采集；每个所述渗滤液采集单元将采集的液体通过管道运输至对应的渗滤液分析单元。