一种河湖水体智慧监测方法、设备、系统及可读存储介质技术方案

本申请涉及环境监测的技术领域，尤其是涉及一种河湖水体智慧监测方法、设备、系统及可读存储介质。这其中，河湖水体智慧监测方法包括，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；根据所述水质信息，生成污染警告。上述河湖水体智慧监测方法不仅能降低河湖水体智慧监测工作的人力成本，还能相应提升河湖水体智慧监测结果的时效性。

【技术实现步骤摘要】
一种河湖水体智慧监测方法、设备、系统及可读存储介质
本申请涉及环境监测的
，尤其是涉及一种河湖水体智慧监测方法、设备、系统及可读存储介质。
技术介绍
在河道管控过程中，会经由河湖水体智慧监测的方式，来获知河道中污染物的种类、浓度及变化趋势。在相关技术中，一般会通过人工监测的方式，来对河道内的水体进行监测；其具体过程为，监测人员在预定的时间节点去往河道附近进行水体采样，并通过实验设备对所采集水样进行成分分析，来测定水体内的高锰酸盐指数、溶氧量、氨氮、总磷以及总氮等参数。由于人工监测的方式要求监测人员定期前往河道附近作水体采样，所以会给监测人员带来较大的工作负担，这使得河湖水体智慧监测工作开展的人力成本较高；还因为监测人员的精力有限，所以使得在进行人工监测的过程中，相邻两次水体采样工作的时间间隔往往会相隔数天，这也造成河湖水体智慧监测结果的时效性较差。
技术实现思路
针对相关技术存在的不足，本申请提供一种河湖水体智慧监测方法、设备、系统及可读存储介质，其能降低河湖水体智慧监测工作的人力成本，并相应提升河湖水体智慧监测结果的时效性。本申请的上述专利技术目的是通过以下技术方案得以实现的：第一方面，本申请实施例提供了一种河湖水体智慧监测方法，该方法包括：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。相较于相关技术中，通过人工采样来对水体进行监测的方式，本申请所述方法通过预先设定的用于测量水体的高锰酸盐指数、溶氧量、酸碱度、浊度以及磷氮含量的测量设备，来对水体进行自动监测的方式，不仅能降低监测人员的工作强度，使河湖水体智慧监测工作的人力成本相应降低，还能提高河湖水体智慧监测结果的时效性；又因为河道内水体发生污染时，水体内的悬浮微粒浓度也会相应增加，所以可以通过定期采集并识别河道内水体的水下光源图像，来对河道内水体的浊度进行测定，这能间接判断河道内水体是否被污染；只有当河道内水体被判定为污染状态时，才会唤醒上述测量设备对河道内水体的成分作进一步监测，这使得上述测量设备在日常监测过程中，大部分时间都会处于待机状态，故而上述测量设备的维护频次会有所降低，这也相应减轻了监测人员的运维负担，因此河湖水体智慧监测工作的人力成本会得到进一步降低。可选的，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。可选的，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。第二方面，一种河湖水体智慧监测设备，该设备包括：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。可选的，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。可选的，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。第三方面，一种河湖水体智慧监测系统，该系统包括：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。可选的，所述图像处理装置具体用于：对所述采样装置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。可选的，所述系统还包括训练装置，所述训练装置具体用于：C1、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；C2、利用BP神经网络对所述训练图像进行识别，获得训练浊度；C3、将所述训练浊度与所述实际浊度进行比较，获得训练误差；C4、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；C5、对所述样本集中的每个训练图像不断重复步骤C1-C4，直到步骤C3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。第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，该程序指令被处理器执行时实现如上述第一方面所述的河湖水体智慧监测方法。综上所述，本申请包括以下有益技术效果：1.降低开展河湖水体智慧监测的人力成本；2.提高河湖水体智慧监测结果的时效性。附图说明图1是本申请实施例一中的一种河湖水体智慧监测方法的流程图；图2是本申请实施例二中的一种河湖水体智慧监测设备的本文档来自技高网...

【技术保护点】
1.一种河湖水体智慧监测方法，其中其特征在于，包括：/n定期采集河道的水下光源图像；/n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；/n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；/n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；/n根据所述水质信息，生成污染警告。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：浙江;33