一种基于深度学习的分散式污染源监控管理云平台系统技术方案

本发明专利技术公开了一种基于深度学习的分散式污染源监控管理云平台系统，涉及污染源监控管理云平台系统领域，所述云平台系统基于多个污染源监测装置、互联网、云服务器、移动收集端和PC端。通过在污染源监测模块内设置的水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块，可实现对排放单位进行实时的水流量、风机运行状况、水泵运行状况、池体液位、池体水压和池体水温等进行实时的监测，不再需要环保部门前往排放单位进行现场检测等，可以精准实现实时在线监测分散型排放单位污染源的污染物产生量及环保设施的运行状态及排放量。污染物产生量及环保设施的运行状态及排放量。污染物产生量及环保设施的运行状态及排放量。

【技术实现步骤摘要】
一种基于深度学习的分散式污染源监控管理云平台系统


[0001]本专利技术涉及一种污染源监控管理云平台系统，特别涉及一种基于深度学习的分散式污染源监控管理云平台系统。

技术介绍

[0002]环境监测，是指环境监测机构对环境质量状况进行监视和测定的活动，环境监测是通过对反映环境质量的指标进行监视和测定，以确定环境污染状况和环境质量的高低，环境监测的内容主要包括物理指标的监测、化学指标的监测和生态系统的监测。
[0003]目前针环保部门对分散式小型污染源的环保监测大多采用人工实地考察检测的方法，实现对分散式小型污染源的实时环保监测很难，无法实时的监测记录污水处理设施的运行状况，很难发现排放单位无污染治理的不作为行为，比如偷排污水、该开启的污水处理设备未开或其它污水处理设备运转异常等，均可使排放单位达到偷排污水的行为，且环保部门很难做到及时的监测到进行相应处理。
[0004]因此如何精准切入污染源排放的关键技术工艺的数据监测，为环保监测提供明确的指标和技术手段，产品针对污染源处理工艺流程中的重点环节的设备关键运行参数进行监管是目前需要解决的问题，比如对产生污染的节点监管，主要是根据进口流量等参数实时记录污染源产生状况，如污水或废气的产生总量，再有是对治理污染的节点监管，主要是根据排放口的流量、水泵、风机的运行时间、池体的液位等参数实时监测，实现对排放单位实时的监测，依次，需要一种基于深度学习的分散式污染源监控管理云平台系统来解决上述问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于深度学习的分散式污染源监控管理云平台系统，以解决上述
技术介绍
中提出的目前针环保部门对分散式小型污染源的环保监测大多采用人工实地考察检测的方法，实现对分散式小型污染源的实时环保监测很难，无法实时的监测记录污水处理设施的运行状况，很难发现排放单位无污染治理的不作为行为，比如偷排污水、该开启的污水处理设备未开或其它污水处理设备运转异常等，均可使排放单位达到偷排污水的行为，且环保部门很难做到及时的监测到进行相应处理的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于深度学习的分散式污染源监控管理云平台系统，所述云平台系统基于多个污染源监测装置、互联网、云服务器、移动收集端和PC端；所述污染源监测装置包括数据处理模块、对比数据储存模块、污染源监测模块、监控摄像模块、供电模块、声光报警模块、信号通讯模块；所述污染源监测模块包括水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块；所述数据处理模块与对比数据储存模块、污染源监测模块、监控摄像模块和信号
通讯模块之间双向电连接，所述数据处理模块的输入端与供电模块的输出端电连接，所述数据处理模块的输出端与声光报警模块的输入端电连接，所述信号通讯模块与互联网之间网络连接，所述互联网与云服务器、移动手机端和PC端之间网络连接。
[0007]作为本专利技术的一种优选技术方案，所述方法基于以下步骤：S1、污染源监测模块内的水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块会实时的进行数据检测，且将检测到的数据传输到数据处理模块，此时数据处理模块会调取对比数据储存模块内储存的各数据范围值进行比对；S2、当数据处理模块检测到水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块中的一种或多种检测到数据异常时，会将异常信号通过信号通讯模块经由互联网传输到云服务端；S3、同时数据处理模块会启动声光报警模块发出警报；S4、云服务端接收到数据异常的信号后，云服务端内的异常数据分析模块会调取异常数据储存模块内以往的异常信号数据进行比对，然后给出异常数据的具体异常点，然后将具体异常点和具体的企业排放单位等推送给移动手机端和PC端；S5、相关人员通过移动手机端或PC端接收到异常点和企业排放单位后可进行进一步的处理。
[0008]作为本专利技术的一种优选技术方案，所述水流量检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块均安装在储水池体的不同部位，所述风机运行检测模块安装在风机上，所述水泵运行检测模块安装在水泵上。
[0009]作为本专利技术的一种优选技术方案，所述监控摄像模块包括监控摄像头，所述声光报警模块包括扬声器和警报灯。
[0010]作为本专利技术的一种优选技术方案，所述云服务端设置有异常数据分析模块和异常数据储存模块，且异常数据分析模块会对污染源监测装置传输来的异常数据进行分析，且异常数据分析模块每次对污染源监测装置传输来的异常数据进行分析后会储存在异常数据储存模块内，且异常数据分析模块每次对污染源监测装置传输来的异常数据进行分析后会对异常数据进行等级评定，且等级评定由高到低分为一级异常、二级异常和三级异常。
[0011]作为本专利技术的一种优选技术方案，所述信号通讯模块为4G或5G数据传输模块。
[0012]作为本专利技术的一种优选技术方案，所述污染源监测模块内的流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块一种或多种检测到数据异常后，数据处理模块在接收到信号后会控制监控摄像模块截取一定时间的视频录像传输到云服务端，然后经由云服务端传输到移动手机端和PC端。
[0013]作为本专利技术的一种优选技术方案，所述S1步骤中对比数据储存模块内储存的水流量、液位和水压等各数据范围值可根据池体的大小进行相应的预设。
[0014]作为本专利技术的一种优选技术方案，所述S4和S5的步骤中每个企业排放单位均具有相应的编号。
[0015]与现有技术相比，本专利技术的有益效果是：1、本专利技术通过在污染源监测模块内设置的水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块，可实现对
排放单位进行实时的水流量、风机运行状况、水泵运行状况、池体液位、池体水压和池体水温等进行实时的监测，不再需要环保部门前往排放单位进行现场检测等，可以精准实现实时在线监测分散型排放单位污染源的污染物产生量及环保设施的运行状态及排放量，并通过本装置内设的然后录通过设置的信号通讯模块可通过网络实现的接收监测到的数据传送至云平台端，并可无缝接入HJ212协议的平台，实现与环保管理部门及相关行业管理部门的数据共享，有效的提高了环保部门的监管效率及监管缺失，实现了分散式排放单位污染源的精准监管，大大提高了管理水平及监管范围。
[0016]2、本专利技术通过设置的多个污染源监测装置分散式布局在排放单位污染源，可自动将运行状态、设备运行异常报警、运行报表等数据分发给云平台端，然后环保部门可远程通过PC端或移动手机端登录云平台端访问设备数据，便于环保部门提高环保监管的管理水平，有效的降低了环保部门人员巡检的劳动成本，大大降低了污染企业的管理成本和运行成本，具有良好的社会效益和经济效益。
附图说明
[0017]图1为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的分散式污染源监控管理云平台系统，其特征在于：所述云平台系统基于多个污染源监测装置、互联网、云服务器、移动收集端和PC端；所述污染源监测装置包括数据处理模块、对比数据储存模块、污染源监测模块、监控摄像模块、供电模块、声光报警模块、信号通讯模块；所述污染源监测模块包括水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块；所述数据处理模块与对比数据储存模块、污染源监测模块、监控摄像模块和信号通讯模块之间双向电连接，所述数据处理模块的输入端与供电模块的输出端电连接，所述数据处理模块的输出端与声光报警模块的输入端电连接，所述信号通讯模块与互联网之间网络连接，所述互联网与云服务器、移动手机端和PC端之间网络连接。2.根据权利要求1所述的一种基于深度学习的分散式污染源监控管理云平台系统的监测方法，其特征在于：所述方法基于以下步骤：S1、污染源监测模块内的水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块会实时的进行数据检测，且将检测到的数据传输到数据处理模块，此时数据处理模块会调取对比数据储存模块内储存的各数据范围值进行比对；S2、当数据处理模块检测到水流量检测模块、风机运行检测模块、水泵运行检测模块、池体液位检测模块、池体水压检测模块和池体水温检测模块中的一种或多种检测到数据异常时，会将异常信号通过信号通讯模块经由互联网传输到云服务端；S3、同时数据处理模块会启动声光报警模块发出警报；S4、云服务端接收到数据异常的信号后，云服务端内的异常数据分析模块会调取异常数据储存模块内以往的异常信号数据进行比对，然后给出异常数据的具体异常点，然后将具体异常点和具体的企业排放单位等推送给移动手机端和PC端；S5、相关人员通过移动手机端或PC端接收到异常点和企业排放单位后可进行进一步的处理。3.根据权利要求1所述的一种基于深度学习的分散式...

【专利技术属性】
技术研发人员：高岩，苏展，王建业，吴顺丽，安浩平，李照宇，冯志新，张世娟，闫菡，赵达宏，
申请(专利权)人：河南省科学院高新技术研究中心，
类型：发明
国别省市：