一种基于人工智能的水环境异常排放监测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的水环境异常排放监测方法及系统，该方法包括分别采集第一区域和第二区域中河流的多组水质参数，每组水质参数包括由采集单元采集的水质指标和水体表面图像；分别获取在预设时间段内第一区域和第二区域中每个采集单元采集的所有水体表面图像的第一特征描述子序列和第二特征描述子序列；获取第一特征描述子序列和第二特征描述子序列的第一时间差，根据第一时间差得到第一区域与第二区域中相应采集单元的最佳匹配对；提取最佳匹配对所对应的水体表面图像的特征描述子，计算特征描述子之间的第一相似度，根据第一相似度的大小判断是否存在偷排行为，能够有效识别出私设的暗管的偷排行为。的暗管的偷排行为。的暗管的偷排行为。

【技术实现步骤摘要】
一种基于人工智能的水环境异常排放监测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的水环境异常排放监测方法及系统。

技术介绍

[0002]由于流域水资源具有跨域性，传统的属地原则治理的方式难以解决跨界流域的污染问题，为了破解跨界流域水污染的难题，目前推出了多种联防联控的机制，但是对于在跨界分界点附近的偷排现象是防不胜防；其中，偷排是指企业或者个人为了逃避监管，通过隐蔽的方式设置排污管道，并不经过法定排污口排放污染物。
[0003]对于偷排的识别问题，目前常规的做法是通过检测水污染处理设施中各个环节的运行状态参数，以识别各个环节的真实运行情况，例如水泵是否在运行、排水口是否在排污等，将这些运行状态参数与数据库中预存的标准的运行状态参数进行比较，判断是否存在偷排的现象。
[0004]专利技术人在实践中，发现上述现有技术存在以下缺陷：上述方法是针对已有的设施进行的状态监控，无法针对企业或个人为了偷排而私设的暗管进行监控，通过监控已有设施状态参数的方法无法判断偷排行为。
专利
技术实现思路

[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的水环境异常排放监测方法，其特征在于，包括：分别采集第一区域中河流的多组水质参数、第二区域中河流的多组水质参数，所述第一区域和第二区域为河流所流经的两个不同的行政区域；每组所述水质参数包括由采集单元采集的水质指标和水体表面图像；分别获取在预设时间段内所述第一区域中每个采集单元采集的所有所述水体表面图像的第一特征描述子序列、所述第二区域中每个采集单元采集的所有所述水体表面图像的第二特征描述子序列；获取所述第一特征描述子序列和所述第二特征描述子序列的第一时间差，根据所述第一时间差得到所述第一区域与第二区域中相应采集单元的最佳匹配对；提取所述最佳匹配对所对应的水体表面图像的特征描述子，计算特征描述子之间的第一相似度，根据第一相似度的大小判断是否存在偷排行为。2.根据权利要求1所述的一种基于人工智能的水环境异常排放监测方法，其特征在于，所述所有所述水体表面图像的第一特征描述子序列的获取方法包括：将每张所述水体表面图像输入孪生网络得到第一特征描述子，所有所述水体表面图像的第一特征描述子组成所述第一特征描述子序列。3.根据权利要求2所述的一种基于人工智能的水环境异常排放监测方法，其特征在于，孪生网络在训练数据集的获取步骤包括：获取所述河流的多组样本水质参数，提取每组所述样本水质参数中水体表面的样本图像的横向边缘响应之和以及纵向边缘响应之和，根据所述横向边缘响应之和以及纵向边缘响应之和的比值得到边缘系数；所述样本水质参数中的样本水质指标和所述样本图像的边缘系数为水质向量，对所述第一区域和第二区域的所述水质向量进行分类得到相似向量集和不相似向量集，相似向量集对应相似图像数据集、不相似向量集对应不相似图像数据集；所述相似图像数据集和不相似图像数据集组成所述训练数据集。4.根据权利要求3所述的一种基于人工智能的水环境异常排放监测方法，其特征在于，所述对所述第一区域和第二区域的所述水质向量进行分类得到相似向量集和不相似向量集的步骤包括：计算所述第一区域的水质向量与所述第二区域的水质向量之间的向量相似度，将所述向量相似度进行聚类得到所述相似向量...

【专利技术属性】
技术研发人员：黄静，薛强，李金伟，何鹏，李丽，
申请(专利权)人：江苏瑞立环保工程股份有限公司，
类型：发明
国别省市：