一种气溶胶激光雷达水平扫描监测污染热点区域识别方法技术

本发明专利技术涉及污染热点区域识别，具体涉及一种气溶胶激光雷达水平扫描监测污染热点区域识别方法，获取雷达扫描监测数据，并绘制成颜色对比明显的扫描图谱；调用雷达扫描图谱分类模型，通过雷达扫描图谱分类模型对绘制得到的扫描图谱进行分类，得到扫描图谱分类结果；基于扫描图谱分类结果调用雷达扫描图谱污染热点区域识别模型，通过雷达扫描图谱污染热点区域识别模型对绘制得到的扫描图谱进行污染热点区域识别，得到污染热点区域识别结果；根据污染热点区域识别结果计算污染热点区域相关信息，并对扫描图谱及污染热点区域进行综合展示；本发明专利技术提供的技术方案能够有效克服现有技术所存在的无法准确识别分辨不同污染类型的污染热点区域的缺陷。污染热点区域的缺陷。污染热点区域的缺陷。

【技术实现步骤摘要】
一种气溶胶激光雷达水平扫描监测污染热点区域识别方法


[0001]本专利技术涉及污染热点区域识别，具体涉及一种气溶胶激光雷达水平扫描监测污染热点区域识别方法。

技术介绍

[0002]目前，在大气环境监测与污染溯源领域，各类监测设备和监测手段不断涌现。大气气溶胶激光雷达具有监测数据频次高、时效性强、监测高度高、监测距离远等特点，在大气环境监测中可进行垂直监测与扫描监测，通过雷达扫描监测数据形成的扫描图谱能够对污染高值区域进行直观显示，从而确定污染位置、污染面积及污染类型等相关信息。
[0003]现有的气溶胶激光雷达设备在一定程度上都存在智能化程度不高的问题，需要由人工对扫描图谱进行分析判断，设备的使用效果和预警实时性等方面的作用都大打折扣，并且使用设备所耗费的人力物力成本也居高不下。如何快速有效地自动识别提取扫描图谱中的污染热点区域、自动标绘污染热点区域的轮廓、自动计算污染热点区域的污染面积等，都是业内长期以来一直难以攻克的技术难题。
[0004]而目前采用相关数学方法的信号分析手段进行污染相关信息的计算分析，普遍存在适应性差及效果不佳的问题，仅能够在非常理想的具有典型特征的雷达数据情况下使用，并且在面对存在多个污染热点区域等复杂情况时，难以准确识别分辨不同污染类型的污染热点区域。由于扫描图谱受相关现场使用条件、外在气象条件以及内在设备局限等因素的影响，会导致扫描结果呈现出较大的差异性和不确定性，数据及信号的规律采用常规方法难以进行捕捉和分析，因此这些方法在实际环境监测过程中很难达到令人满意的效果。/>
技术实现思路

[0005]针对现有技术所存在的上述缺点，本专利技术提供了一种气溶胶激光雷达水平扫描监测污染热点区域识别方法，能够有效克服现有技术所存在的无法准确识别分辨不同污染类型的污染热点区域的缺陷。
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：一种气溶胶激光雷达水平扫描监测污染热点区域识别方法，包括以下步骤：S1、获取雷达扫描监测数据，并绘制成颜色对比明显的扫描图谱；S2、调用雷达扫描图谱分类模型，通过雷达扫描图谱分类模型对绘制得到的扫描图谱进行分类，得到扫描图谱分类结果；S3、基于扫描图谱分类结果调用雷达扫描图谱污染热点区域识别模型，通过雷达扫描图谱污染热点区域识别模型对绘制得到的扫描图谱进行污染热点区域识别，得到污染热点区域识别结果；S4、根据污染热点区域识别结果计算污染热点区域相关信息，并对扫描图谱及污染热点区域进行综合展示。
[0007]优选地，S1中获取雷达扫描监测数据，并绘制成颜色对比明显的扫描图谱，包括：S11、气溶胶激光雷达进行水平扫描监测，通过激光雷达监测的反演算法得到水平扫描监测各角度的大气消光系数廓线；S12、水平扫描监测结束后，对本次扫描结果的大气消光系数数据进行计算，得到消光系数扫描图谱的绘制参数；S13、根据大气消光系数廓线的空间分辨率及扫描角度信息，结合消光系数扫描图谱的绘制参数，基于大气消光系数数值与颜色的对应关系，绘制出颜色对比明显的扫描图谱。
[0008]优选地，S12中水平扫描监测结束后，对本次扫描结果的大气消光系数数据进行计算，得到消光系数扫描图谱的绘制参数，包括：S121、将水平扫描监测各角度的大气消光系数廓线中一定高度范围内的大气消光系数数据组成一个集合，并进行排序；S122、从集合中取出位于序列中间位置的设定数量的大气消光系数数据，并计算这些大气消光系数数据的平均值，得到大气消光系数强度中值；S123、对大气消光系数强度中值进行数值档位区间划分，并结合气溶胶激光雷达的系统情况和实际经验，对应给出该数值档位区间的消光系数扫描图谱的绘制参数。
[0009]优选地，S2中调用雷达扫描图谱分类模型，通过雷达扫描图谱分类模型对绘制得到的扫描图谱进行分类，得到扫描图谱分类结果，包括：建立雷达扫描图谱分类数据集，并利用雷达扫描图谱分类数据集对雷达扫描图谱分类模型进行模型训练，具体包括：S21、采集雷达扫描图谱分类训练数据集和雷达扫描图谱分类验证数据集，并对雷达扫描图谱分类训练数据集进行分类标注；S22、设置模型训练的全局参数；S23、读取雷达扫描图谱分类训练数据集中的训练图像，将训练图像转换为浮点数组，并对训练图像进行归一化，同时对各训练图像进行标签设置；S24、对训练图像进行图像扩增，扩充雷达扫描图谱分类训练数据集大小；S25、调用雷达扫描图谱分类模型，并利用雷达扫描图谱分类训练数据集进行模型训练；S26、不断调整模型训练的全局参数，以获得最优的识别率，将最优的雷达扫描图谱分类模型保存至模型文件中；S27、加载模型文件，并利用雷达扫描图谱分类验证数据集进行验证，分析模型分类效果；S28、导出模型文件以备后续调用。
[0010]优选地，所述雷达扫描图谱分类模型为深度学习框架TensorFlow中基于卷积神经网络CNN算法的ResNet50残差网络模型。
[0011]优选地，S3中通过雷达扫描图谱污染热点区域识别模型对绘制得到的扫描图谱进行污染热点区域识别，得到污染热点区域识别结果，包括：建立雷达扫描图谱污染热点区域识别数据集，并利用雷达扫描图谱污染热点区域识别数据集对雷达扫描图谱污染热点区域识别模型进行模型训练，具体包括：
S31、采集雷达扫描图谱污染热点区域识别训练数据集和雷达扫描图谱污染热点区域识别验证数据集；S32、读取雷达扫描图谱污染热点区域识别训练数据集中的训练图像，对训练图像进行污染热点区域标注，并将训练图像与验证图像转换为模型训练所需的目标数据格式；S33、设置模型训练的全局参数；S34、调用雷达扫描图谱污染热点区域识别模型，并利用雷达扫描图谱污染热点区域识别训练数据集进行模型训练，训练完成后得到最终检查点文件；S35、加载检查点文件，并利用雷达扫描图谱污染热点区域识别验证数据集进行验证，分析模型识别效果；S36、导出检查点文件以备后续调用。
[0012]优选地，所述雷达扫描图谱污染热点区域识别模型为深度学习框架TensorFlow中使用图像语义分割算法的DeepLabV3+模型。
[0013]优选地，S3中基于扫描图谱分类结果调用雷达扫描图谱污染热点区域识别模型，包括：当扫描图谱分类结果为正常扫描图谱时，调用雷达扫描图谱污染热点区域识别模型。
[0014]优选地，S4中根据污染热点区域识别结果计算污染热点区域相关信息，并对扫描图谱及污染热点区域进行综合展示，包括：S41、对污染热点区域识别结果进行分析，保留具有一定置信度的污染热点区域识别结果；S42、根据污染热点区域识别结果返回的遮罩层二维数组确定污染热点区域；S43、基于各污染热点区域的遮罩层二维数组进行轮廓多边形计算，得到各污染热点区域的轮廓多边形坐标数组；S44、根据各污染热点区域的轮廓多边形坐标数组，结合雷达扫描中心点的经纬度信息计算出轮廓多边形经纬度，并进行污染热点区域的面积及重心位置计算；S45、在平台中进行扫描图谱及污染热点区域结合电子地图的综合展示，对各污染热点区域进行轮廓标绘，并详细展示污染热点区域的污染类型、污染面积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种气溶胶激光雷达水平扫描监测污染热点区域识别方法，其特征在于：包括以下步骤：S1、获取雷达扫描监测数据，并绘制成颜色对比明显的扫描图谱；S2、调用雷达扫描图谱分类模型，通过雷达扫描图谱分类模型对绘制得到的扫描图谱进行分类，得到扫描图谱分类结果；S3、基于扫描图谱分类结果调用雷达扫描图谱污染热点区域识别模型，通过雷达扫描图谱污染热点区域识别模型对绘制得到的扫描图谱进行污染热点区域识别，得到污染热点区域识别结果；S4、根据污染热点区域识别结果计算污染热点区域相关信息，并对扫描图谱及污染热点区域进行综合展示。2.根据权利要求1所述的气溶胶激光雷达水平扫描监测污染热点区域识别方法，其特征在于：S1中获取雷达扫描监测数据，并绘制成颜色对比明显的扫描图谱，包括：S11、气溶胶激光雷达进行水平扫描监测，通过激光雷达监测的反演算法得到水平扫描监测各角度的大气消光系数廓线；S12、水平扫描监测结束后，对本次扫描结果的大气消光系数数据进行计算，得到消光系数扫描图谱的绘制参数；S13、根据大气消光系数廓线的空间分辨率及扫描角度信息，结合消光系数扫描图谱的绘制参数，基于大气消光系数数值与颜色的对应关系，绘制出颜色对比明显的扫描图谱。3.根据权利要求2所述的气溶胶激光雷达水平扫描监测污染热点区域识别方法，其特征在于：S12中水平扫描监测结束后，对本次扫描结果的大气消光系数数据进行计算，得到消光系数扫描图谱的绘制参数，包括：S121、将水平扫描监测各角度的大气消光系数廓线中一定高度范围内的大气消光系数数据组成一个集合，并进行排序；S122、从集合中取出位于序列中间位置的设定数量的大气消光系数数据，并计算这些大气消光系数数据的平均值，得到大气消光系数强度中值；S123、对大气消光系数强度中值进行数值档位区间划分，并结合气溶胶激光雷达的系统情况和实际经验，对应给出该数值档位区间的消光系数扫描图谱的绘制参数。4.根据权利要求1所述的气溶胶激光雷达水平扫描监测污染热点区域识别方法，其特征在于：S2中调用雷达扫描图谱分类模型，通过雷达扫描图谱分类模型对绘制得到的扫描图谱进行分类，得到扫描图谱分类结果，包括：建立雷达扫描图谱分类数据集，并利用雷达扫描图谱分类数据集对雷达扫描图谱分类模型进行模型训练，具体包括：S21、采集雷达扫描图谱分类训练数据集和雷达扫描图谱分类验证数据集，并对雷达扫描图谱分类训练数据集进行分类标注；S22、设置模型训练的全局参数；S23、读取雷达扫描图谱分类训练数据集中的训练图像，将训练图像转换为浮点数组，并对训练图像进行归一化，同时对各训练图像进行标签设置；S24、对训练图像进行图像扩增，扩充雷达扫描图谱分类训练数据集大小；S25、调用雷达扫描图谱分类模型，并利用雷达扫描图谱分类训练数据集进行模型训
练；S26、不断调整模型训练的全局参数，以获得最优的识别率，将最优的雷达扫描图谱分类模型保存至模型文件中；S27、加载模型文件，并利用雷达扫描图谱分类验证数据集进行验证，分析模型分类效果；S28、导出模型文件以备后续调用。5.根据权利要求4所述的气溶胶激光雷达水平扫描监测污染热点区域识别方法，其特...

【专利技术属性】
技术研发人员：张帅，施奇兵，王耀东，彭杰，
申请(专利权)人：合肥中科光博量子科技有限公司，
类型：发明
国别省市：