[发明专利]一种基于无人机采集图像的环境监测方法和系统

权利要求书

1.一种基于无人机采集图像的环境监测方法，其特征在于：该方法包括以下步骤：

步骤S1：无人机采集遥感影像；

步骤S2：获取其他信息；

步骤S3：计算植被指数；

步骤S4：计算植被覆盖率；

步骤S5：计算环境评价指数；

步骤S6：建立环境监测模型；

步骤S7：可视化展示；

在步骤S1中，预先设定遥感影像的标准差阈值和遥感影像的相关性阈值，所述步骤S1包括步骤S11、步骤S12、步骤S13、步骤S14和步骤S15；

步骤S11：预先设定此次无人机采集的遥感影像为第一遥感影像p，第一遥感影像p由图像组成，计算图像的亮度差，所用公式为：

；

式中，是图像的亮度值，是图像的最大亮度值，是图像的最小亮度值；

步骤S12：计算第一遥感影像p的平均亮度值，所用公式为：

；

式中，是第一遥感影像p的平均亮度值，H是图像的矩阵行数，L是图像的矩阵列数；

步骤S13：计算第一遥感影像p的标准差，若不低于遥感影像的标准差阈值，则重新采集遥感影像并转至步骤S11；若低于遥感影像的标准差阈值，则转至步骤S14，所述计算第一遥感影像p的标准差的公式为：

；

式中，d是第一遥感影像p的标准差；

步骤S14：获取上次无人机采集的遥感影像并设为第二遥感影像q，第二遥感影像q由图像组成，计算两幅遥感影像的相关系数，所用公式为：

；

式中，r是两幅遥感影像的相关系数，是第二遥感影像q对应的平均亮度值；

步骤S15：若r不小于遥感影像的相关性阈值，则此次无人机采集遥感影像结束，若r小于遥感影像的相关性阈值，则重新采集遥感影像并转至步骤S11。

2.根据权利要求1所述的一种基于无人机采集图像的环境监测方法，其特征在于：在步骤S6中，基于历史环境数据利用优化算法建立环境监测模型，将步骤S2得到的地区温度、地区湿度、地区土地利用率、人口密度和步骤S4得到的植被覆盖率作为实时环境数据输入至环境监测模型，环境监测模型将实时环境数据分为环境正常数据和环境疑似异常数据并输出，对环境疑似异常数据进行预警并给出导致数据疑似异常的因素，利用优化算法建立环境监测模型的过程如下：

步骤S61：初始化参数样本数据集S，预先设定适应度阈值，随机生成n个参数样本数据并选取E个参数样本数据组成参数样本数据集；

步骤S62：初始化训练样本数据集，基于参数样本数据将训练数据利用python导入sklearn库，调用SVM函数建模，将模型对测试数据的分类正确率作为适应度值，将参数样本数据集中的参数样本数据根据适应度值降序排列，参数样本数据的适应度值是利用选择适应度值较优的前K个参数样本数据作为训练样本数据集，将适应度值最优的参数样本数据设为；

步骤S63：划分子训练样本数据集，将所述训练样本数据集划分为L个子训练样本数据集，每个子训练样本数据集的参数样本数据的个数为R，L和R满足；

步骤S64：预先设定最大迭代次数W，将每个所述子训练样本数据集中适应度值最优的参数样本数据设为，适应度值最差的参数样本数据设为；

步骤S65：基于更新子训练样本数据集中适应度最差的参数样本数据，所用公式为：

；

式中，是在子训练样本数据集中随机选择的参数样本数据，，λ和μ都是0到1范围内的随机数，λ和μ相互独立，是更新后的参数样本数据；

步骤S66：若的适应度值优于，则用取代，并转至步骤S610；否则，转至步骤S67；

步骤S67：基于更新子训练样本数据集中适应度最差的参数样本数据，所用公式为：

；

步骤S68：若适应度值优于，则用取代，并转至步骤S610，否则，转至步骤S69；

步骤S69：生成一个新的参数样本数据来取代，并转至步骤S610，所用公式为：

；

式中，是标准的Levy分布；

步骤S610：将及所有的适应度值与适应度阈值比较，若其中至少有一个不小于适应度阈值，则用python导入sklearn库，将适应度最高的参数样本数据作为参数，调用SVM函数用训练数据集建立环境监测模型，并结束，否则，转至步骤S611；

步骤S611：若当前迭代次数大于最大迭代次数，则转至步骤S61；否则，转至步骤S63。