CN117110214A - 一种基于无人机高光谱成像的水质分析系统及方法 - Google Patents
一种基于无人机高光谱成像的水质分析系统及方法 Download PDFInfo
- Publication number
- CN117110214A CN117110214A CN202311122851.9A CN202311122851A CN117110214A CN 117110214 A CN117110214 A CN 117110214A CN 202311122851 A CN202311122851 A CN 202311122851A CN 117110214 A CN117110214 A CN 117110214A
- Authority
- CN
- China
- Prior art keywords
- water quality
- unmanned aerial
- water
- aerial vehicle
- quality analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 110
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000000701 chemical imaging Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 6
- 241000282414 Homo sapiens Species 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于无人机高光谱成像的水质分析系统及方法，系统包括有高光谱摄像模块，用于拍摄水质环境图像；移动定位模块组，用于搭载所述高光谱摄像模块分别移动至预定位置进行拍摄，同时用于辅助各移动模块间的移动定位；数据采集模块，用于采集分析水质情况所需要的各种水体参数数据；预警模块，用于在出现异常水质情况时发出预警提醒；监控服务端，用于对采集的数据参数进行进一步处理，以得到分析结论；无线通信模块，用于在各模块之间传输数据信息。本发明基于无人机及其遥感技术可对大范围流动水域进行实时监测，提高了监测的时效性，且无人机机动灵活、自动化程度高、无人机之间协调有序，还能够对异常水域进行采样和打捞处理。
Description
技术领域
本发明涉及水质分析技术领域，尤其涉及一种基于无人机高光谱成像的水质分析系统及方法。
背景技术
随着社会的发展，流域环境保护越来越重要，发展流域应急监测技术逐渐受到重视。相比传统手工作业，探索智能设备在突发流域环境事故中实现大范围、快速、有效监测尤为重要。传统水体监测通常采用点监测的方式来考察整个流域，难以真实反映整体流域状况。随着无人机技术的发展，利用无人机搭载各类设备实行流域应急监测已成现实：搭载相机对水域进行摄像可观测大范围流域环境；搭载多光谱成像仪，生成的多光谱图像可快速寻找污染源与漂浮垃圾，实现水体透明度、油污及悬浮物等监测。无人机有着无人化、自动化与智能化的优势，使水质采样点与监测范围迅速增加，大大增加了监测数据量，提高了工作效率，同时避免人员涉水测量，保障了人员安全。
当前，基于无人机的水质分析系统及分析普遍是通过单个或少量的无人机按照预设巡航路线进行图像采集，对于流动水域的水质监测来说，时效性欠佳，而且无人机间的协同配合也少有研究，鉴于此，有必要研发一种更加高效的用于辅助水质检测和分析的系统及方法。
发明内容
本发明为了克服当前基于无人机的水质分析系统及分析普遍是通过单个或少量的无人机按照预设巡航路线进行图像采集，时效性欠佳，且无人机间缺乏协同配合的缺点，提供一种基于无人机高光谱成像的水质分析系统及方法。
本发明提供以下技术方案：
一种基于无人机高光谱成像的水质分析系统，包括有高光谱摄像模块，用于拍摄水质环境图像；移动定位模块组，用于搭载所述高光谱摄像模块分别移动至预定位置进行拍摄，同时用于辅助各移动模块间的移动定位；数据采集模块，用于采集分析水质情况所需要的各种水体参数数据；预警模块，用于在出现异常水质情况时发出预警提醒；监控服务端，用于对采集的数据参数进行进一步处理，以得到分析结论；无线通信模块，用于在各模块之间传输数据信息。
优选地，所述移动定位模块组由若干个无人机组成，其中至少一台设为主机，其他无人机设为副机，且所述主机配置有能够存放其他副机的舱室，所述副机上配置有水体采样单元和拾取单元。
优选地，所述无人机采用太阳能板进行辅助充电。
优选地，还包括红外探测模块，用于对高光谱图像中的异常像素中人类和机动设备进行排除。
本发明还提供一种基于无人机高光谱成像的水质分析方法，包括以下步骤：
S1、获取待测水域边界的坐标位置信息，建立待测水域上空的空间坐标系，根据主机的分辨率参数确定需要使用的副机的个数，并生成各空中预设定点的高度坐标；
S2、根据监测采样的频率控制主机和副机移动至待测水域的上方对应的空中预设定点上，开启高光谱摄像模块按预设频率对最大分辨率范围内的待测水域进行高光谱成像；
S3、将高光谱成像数据发送至监控服务端进行处理，根据预置的水质遥感反演模型将各无人机上获得的图像拼接生成多张待测水域的水质分析光谱图，并将第一张图像作为基准参考图像；
S4、将当前采集的水质分析光谱图与基准参考图像的像素进行比对，标记光谱图中的异常区域，获取异常区域平面中心的位置坐标，通过主机及其光谱图像辅助副机导航前往该位置点采集水体样本，将样本发送至预设检测点进行检测，得到水体样本参数；
S5、对水体样本参数进行分析处理，综合各个异常区域的数据，得到水质分析结果。
优选地，所述S4中获取异常区域平面中心的位置坐标，通过主机及其光谱图像辅助副机导航前往该位置点采集水体样本具体包括以下步骤：
S4.1、根据预设点的位置参数信息建立待测水域上空的空间坐标系，利用图谱和比例确定异常区域在空间坐标系中的水平坐标位置；
S4.2、选择最接近该水平坐标位置的一台无人机作为任务机，任务机移动至该水平坐标位置上方，实时更新水域中异常区域的位置坐标，并计算移动偏差值，将该偏差值同步至任务机中，以实现同步跟踪；
S4.3、下降所述任务机的垂直高度，同时通过高光谱实时发送光波探测与异常区域的垂直距离，当距离小于预设值时暂停移动，拍摄并传输异常区域目标物体的图像至监控服务端，等待接收打捞、采集或返回的指令；
S4.4、根据指令通过采样单元和拾取单元执行相应操作，在接收返回指令后反向执行移动程序，按原路返回至初始位置。
优选地，所述处理包括对数据进行大气校正、光谱定标、辐射定标、图像色彩矫正、图像几何矫正、图像配准和正射影像拼接。
优选地，所述异常区域的区分根据预设像素的差异率进行判断，所述打捞、采集或返回的指令由监控服务端的工作人员或AI模型发出。
优选地，在有多个异常区域时，对多个异常区域进行像素颜色和三维形状的比对，在相似度超过预设值时，对多个异常区域进行合并处理。
优选地，还包括将水质分析结果、历史操作指令与光谱图参数匹配对应并存储至监控服务端，在下次光谱图参数出现相似度超过预设比例时，通过预警模块发出预警信息，并执行对应的历史操作指令中相应的动作。
与现有技术相比，本发明的有益效果是：
本发明基于无人机及其遥感技术可对大范围流动水域进行实时监测，提高了监测的时效性，且无人机机动灵活、自动化程度高、无人机之间协调有序、拍摄视野广，将无人机与遥感技术相结合，可弥补传统监测方法的不足。本发明在发现水域水质异常之后，还能够根据监控端发出的指令，对异常污染物进行及时处理，能够大大减少了环保人员的工作量。在发现水域中出现异常区域时，先通过工作人员和AI模型的确认，再执行相应的动作指令，能够减少误判，随着异常区域相关参数数据和对应指令的历史积累，基于AI模型的训练优化，在逐渐减少人工的作业量的同时，也能保持较高的准确度，进而使得基于无人机高光谱成像的水质分析系统逐渐完善。
附图说明
图1为本发明一种基于无人机高光谱成像的水质分析方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
一种基于无人机高光谱成像的水质分析系统，参考图1所示，包括有高光谱摄像模块，用于拍摄水质环境图像；移动定位模块组，用于搭载所述高光谱摄像模块分别移动至预定位置进行拍摄，同时用于辅助各移动模块间的移动定位；数据采集模块，用于采集分析水质情况所需要的各种水体参数数据；预警模块，用于在出现异常水质情况时发出预警提醒；监控服务端，用于对采集的数据参数进行进一步处理，以得到分析结论；无线通信模块，用于在各模块之间传输数据信息。还包括红外探测模块，用于对高光谱图像中的异常像素中人类和机动设备进行排除。当通过高光谱摄像模块拍摄的检测画面中出现异常区域时，就需要借助红外探测模块，来对画面中可能出现的人类和机动设备进行排除，以此减少水体异常的误判。
具体地，本实施例中所述移动定位模块组由20架无人机组成，其中1架设为主机，其他19架无人机设为副机，且所述主机配置有能够存放其他副机的舱室，所述副机上配置有水体采样单元和拾取单元。主机上配置能够存放其他副机的舱室，能够提高机组的收纳和调度效率，需要注意的是，主机的运载能力需要远大于副机，副机上配置的水体采样单元和拾取单元，则可以对水域中的目标物体进行采集和拾取，减少环保人员的工作量。可选地，对所述无人机采用太阳能板进行辅助充电。
一种基于无人机高光谱成像的水质分析方法，包括以下步骤：
S1、获取待测水域边界的坐标位置信息，建立待测水域上空的空间坐标系，根据主机的分辨率参数确定需要使用的副机的个数，并生成各空中预设定点的高度坐标；所述预设定点为能够通过多个无人机组合拍摄整个待测水域的水质画面的所有无人机空中悬停的位置。
S2、根据监测采样的频率控制主机和副机移动至待测水域的上方对应的空中预设定点上，开启高光谱摄像模块按预设频率对最大分辨率范围内的待测水域进行高光谱成像；预设频率指的是可以几小时拍摄采样一次或者几天拍摄一次，具体频率根据实际需要而定。
S3、将高光谱成像数据发送至监控服务端进行处理，根据预置的水质遥感反演模型将各无人机上获得的图像拼接生成多张待测水域的水质分析光谱图，并将第一张图像作为基准参考图像；其中，所述处理包括对数据进行大气校正、光谱定标、辐射定标、图像色彩矫正、图像几何矫正、图像配准和正射影像拼接，根据反演模型生成水质分析光谱图的技术已比较成熟，在此不再赘述。
S4、将当前采集的水质分析光谱图与基准参考图像的像素进行比对，标记光谱图中的异常区域，获取异常区域平面中心的位置坐标，通过主机及其光谱图像辅助副机导航前往该位置点采集水体样本，将样本发送至预设检测点进行检测，得到水体样本参数；具体包括以下步骤：
S4.1、根据预设点的位置参数信息建立待测水域上空的空间坐标系，利用图谱和比例确定异常区域在空间坐标系中的水平坐标位置；即确定异常区域的水平一维坐标；
S4.2、选择最接近该水平坐标位置的一台无人机作为任务机，任务机移动至该水平坐标位置上方，实时更新水域中异常区域的位置坐标，并计算移动偏差值，将该偏差值同步至任务机中，以实现同步跟踪，偏差值可根据预设时间间隔内多张主机拍摄的水平面光谱图结合无人机的飞行速度确定；
S4.3、下降所述任务机的垂直高度，同时通过高光谱实时发送光波探测与异常区域的垂直距离，当距离小于预设值时暂停移动，拍摄并传输异常区域目标物体的图像至监控服务端，等待接收打捞、采集或返回的指令；
S4.4、根据指令通过采样单元和拾取单元执行相应操作，在接收返回指令后反向执行移动程序，按原路返回至初始位置，例如，在接收打捞指令后，通过拾取单元如机械手将异物打捞起来，再送至指定的地点，由于指令通过工作人员或AI确认后发出，遇到无法打捞的物体时，可以跳过打捞步骤，执行返回指令。
其中，所述异常区域的区分根据预设像素的差异率进行判断，设置差异率，是为了提高水体情况判断的容错率，在区别不够大时，并不会判断水体发生异常，所述打捞、采集或返回的指令由监控服务端的工作人员或AI模型发出，以此进一步提高动作执行的准确性，在有多个异常区域时，对多个异常区域进行像素颜色和三维形状的比对，在相似度超过预设值时，预设值根据情况自定义，对多个异常区域进行合并处理，通过合并处理减少运算量和工作量；
S5、对水体样本参数进行分析处理，综合各个异常区域的数据，得到水质分析结果。
作为另一种优选方案，还包括将水质分析结果、历史操作指令与光谱图参数匹配对应并存储至监控服务端，在下次光谱图参数出现相似度超过预设比例时，通过预警模块发出预警信息，并执行对应的历史操作指令中相应的动作。此优选方案已对系统进行逐步优化，随着异常区域相关参数数据和对应指令的历史积累，基于AI模型的训练优化，在逐渐减少人工的作业量的同时，也能保持较高的准确度。
以上所述实施例仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形、改进及替代，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于无人机高光谱成像的水质分析系统，其特征在于，包括有高光谱摄像模块，用于拍摄水质环境图像；移动定位模块组，用于搭载所述高光谱摄像模块分别移动至预定位置进行拍摄，同时用于辅助各移动模块间的移动定位；数据采集模块，用于采集分析水质情况所需要的各种水体参数数据；预警模块，用于在出现异常水质情况时发出预警提醒；监控服务端，用于对采集的数据参数进行进一步处理，以得到分析结论；无线通信模块，用于在各模块之间传输数据信息。
2.根据权利要求1所述的一种基于无人机高光谱成像的水质分析系统，其特征在于，所述移动定位模块组由若干个无人机组成，其中至少一台设为主机，其他无人机设为副机，且所述主机配置有能够存放其他副机的舱室，所述副机上配置有水体采样单元和拾取单元。
3.根据权利要求2所述的一种基于无人机高光谱成像的水质分析系统，其特征在于，所述无人机采用太阳能板进行辅助充电。
4.根据权利要求1所述的一种基于无人机高光谱成像的水质分析系统，其特征在于，还包括红外探测模块，用于对高光谱图像中的异常像素中人类和机动设备进行排除。
5.一种基于无人机高光谱成像的水质分析方法，包括以下步骤：
S1、获取待测水域边界的坐标位置信息，建立待测水域上空的空间坐标系，根据主机的分辨率参数确定需要使用的副机的个数，并生成各空中预设定点的高度坐标；
S2、根据监测采样的频率控制主机和副机移动至待测水域的上方对应的空中预设定点上，开启高光谱摄像模块按预设频率对最大分辨率范围内的待测水域进行高光谱成像；
S3、将高光谱成像数据发送至监控服务端进行处理，根据预置的水质遥感反演模型将各无人机上获得的图像拼接生成多张待测水域的水质分析光谱图，并将第一张图像作为基准参考图像；
S4、将当前采集的水质分析光谱图与基准参考图像的像素进行比对，标记光谱图中的异常区域，获取异常区域平面中心的位置坐标，通过主机及其光谱图像辅助副机导航前往该位置点采集水体样本，将样本发送至预设检测点进行检测，得到水体样本参数；
S5、对水体样本参数进行分析处理，综合各个异常区域的数据，得到水质分析结果。
6.根据权利要求5所述的一种基于无人机高光谱成像的水质分析方法，其特征在于，所述S4中获取异常区域平面中心的位置坐标，通过主机及其光谱图像辅助副机导航前往该位置点采集水体样本具体包括以下步骤：
S4.1、根据预设点的位置参数信息建立待测水域上空的空间坐标系，利用图谱和比例确定异常区域在空间坐标系中的水平坐标位置；
S4.2、选择最接近该水平坐标位置的一台无人机作为任务机，任务机移动至该水平坐标位置上方，实时更新水域中异常区域的位置坐标，并计算移动偏差值，将该偏差值同步至任务机中，以实现同步跟踪；
S4.3、下降所述任务机的垂直高度，同时通过高光谱实时发送光波探测与异常区域的垂直距离，当距离小于预设值时暂停移动，拍摄并传输异常区域目标物体的图像至监控服务端，等待接收打捞、采集或返回的指令；
S4.4、根据指令通过采样单元和拾取单元执行相应操作，在接收返回指令后反向执行移动程序，按原路返回至初始位置。
7.根据权利要求5所述的一种基于无人机高光谱成像的水质分析方法，其特征在于，所述处理包括对数据进行大气校正、光谱定标、辐射定标、图像色彩矫正、图像几何矫正、图像配准和正射影像拼接。
8.根据权利要求5所述的一种基于无人机高光谱成像的水质分析方法，其特征在于，所述异常区域的区分根据预设像素的差异率进行判断，所述打捞、采集或返回的指令由监控服务端的工作人员或AI模型发出。
9.根据权利要求5所述的一种基于无人机高光谱成像的水质分析方法，其特征在于，在有多个异常区域时，对多个异常区域进行像素颜色和三维形状的比对，在相似度超过预设值时，对多个异常区域进行合并处理。
10.根据权利要求5所述的一种基于无人机高光谱成像的水质分析方法，其特征在于，还包括将水质分析结果、历史操作指令与光谱图参数匹配对应并存储至监控服务端，在下次光谱图参数出现相似度超过预设比例时，通过预警模块发出预警信息，并执行对应的历史操作指令中相应的动作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311122851.9A CN117110214A (zh) | 2023-09-01 | 2023-09-01 | 一种基于无人机高光谱成像的水质分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311122851.9A CN117110214A (zh) | 2023-09-01 | 2023-09-01 | 一种基于无人机高光谱成像的水质分析系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117110214A true CN117110214A (zh) | 2023-11-24 |
Family
ID=88807328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311122851.9A Pending CN117110214A (zh) | 2023-09-01 | 2023-09-01 | 一种基于无人机高光谱成像的水质分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117110214A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118112200A (zh) * | 2024-02-20 | 2024-05-31 | 国网青海省电力公司 | 一种发电机及调相机内冷水多参数水质监测系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106005410A (zh) * | 2016-07-05 | 2016-10-12 | 国网浙江省电力公司衢州供电公司 | 一种新型子母无人机系统 |
| US20170200259A1 (en) * | 2014-01-15 | 2017-07-13 | Beijing Research Center For Information Technology In Agriculture | Drone-mounted imaging hyperspectral geometric correction method and system |
| CN108045582A (zh) * | 2017-12-15 | 2018-05-18 | 佛山市神风航空科技有限公司 | 一种用于检测、防治农作物病害的主副无人机系统 |
| CN109782797A (zh) * | 2019-01-03 | 2019-05-21 | 中国科学院自动化研究所 | 用于多点水质采样的多无人机协同方法、系统、装置 |
| CN110456013A (zh) * | 2019-06-05 | 2019-11-15 | 中山大学 | 一种河道水质监测系统及方法 |
| CN110825096A (zh) * | 2019-10-23 | 2020-02-21 | 军事科学院军事医学研究院环境医学与作业医学研究所 | 适用全天候水质监测的报警平台 |
| CN110887792A (zh) * | 2019-12-17 | 2020-03-17 | 深圳慧格科技服务咨询有限公司 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
| CN111158394A (zh) * | 2020-01-11 | 2020-05-15 | 湘潭大学 | 一种基于子母无人机的牧羊监测方法及系统 |
| CN111178148A (zh) * | 2019-12-06 | 2020-05-19 | 天津大学 | 一种基于无人机视觉系统的地面目标地理坐标定位方法 |
| CN112763426A (zh) * | 2020-12-23 | 2021-05-07 | 宁德卫星大数据科技有限公司 | 一种循环优化的高光谱大数据水质全天候动态监测方法 |
| CN112985913A (zh) * | 2021-03-22 | 2021-06-18 | 中国计量大学 | 一种基于多无人机的河口水质监测采样系统 |
| CN215415009U (zh) * | 2020-12-25 | 2022-01-04 | 深圳数研锦瀚智慧科技有限公司 | 一种无人机高光谱水质监测系统 |
| CN115266632A (zh) * | 2022-07-29 | 2022-11-01 | 阿尔爱思科技(苏州)有限公司 | 一种水体污染源无人机高光谱遥感排查方法 |
| CN115358695A (zh) * | 2022-07-06 | 2022-11-18 | 广西科技大学 | 基于高光谱遥感的农村面源黑臭水体监测技术 |
| CN116563733A (zh) * | 2023-05-10 | 2023-08-08 | 佛山市奥博环保技术有限公司 | 一种基于无人机高光谱与热红外的水质监测方法 |
-
2023
- 2023-09-01 CN CN202311122851.9A patent/CN117110214A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170200259A1 (en) * | 2014-01-15 | 2017-07-13 | Beijing Research Center For Information Technology In Agriculture | Drone-mounted imaging hyperspectral geometric correction method and system |
| CN106005410A (zh) * | 2016-07-05 | 2016-10-12 | 国网浙江省电力公司衢州供电公司 | 一种新型子母无人机系统 |
| CN108045582A (zh) * | 2017-12-15 | 2018-05-18 | 佛山市神风航空科技有限公司 | 一种用于检测、防治农作物病害的主副无人机系统 |
| CN109782797A (zh) * | 2019-01-03 | 2019-05-21 | 中国科学院自动化研究所 | 用于多点水质采样的多无人机协同方法、系统、装置 |
| CN110456013A (zh) * | 2019-06-05 | 2019-11-15 | 中山大学 | 一种河道水质监测系统及方法 |
| CN110825096A (zh) * | 2019-10-23 | 2020-02-21 | 军事科学院军事医学研究院环境医学与作业医学研究所 | 适用全天候水质监测的报警平台 |
| CN111178148A (zh) * | 2019-12-06 | 2020-05-19 | 天津大学 | 一种基于无人机视觉系统的地面目标地理坐标定位方法 |
| CN110887792A (zh) * | 2019-12-17 | 2020-03-17 | 深圳慧格科技服务咨询有限公司 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
| CN111158394A (zh) * | 2020-01-11 | 2020-05-15 | 湘潭大学 | 一种基于子母无人机的牧羊监测方法及系统 |
| CN112763426A (zh) * | 2020-12-23 | 2021-05-07 | 宁德卫星大数据科技有限公司 | 一种循环优化的高光谱大数据水质全天候动态监测方法 |
| CN215415009U (zh) * | 2020-12-25 | 2022-01-04 | 深圳数研锦瀚智慧科技有限公司 | 一种无人机高光谱水质监测系统 |
| CN112985913A (zh) * | 2021-03-22 | 2021-06-18 | 中国计量大学 | 一种基于多无人机的河口水质监测采样系统 |
| CN115358695A (zh) * | 2022-07-06 | 2022-11-18 | 广西科技大学 | 基于高光谱遥感的农村面源黑臭水体监测技术 |
| CN115266632A (zh) * | 2022-07-29 | 2022-11-01 | 阿尔爱思科技(苏州)有限公司 | 一种水体污染源无人机高光谱遥感排查方法 |
| CN116563733A (zh) * | 2023-05-10 | 2023-08-08 | 佛山市奥博环保技术有限公司 | 一种基于无人机高光谱与热红外的水质监测方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118112200A (zh) * | 2024-02-20 | 2024-05-31 | 国网青海省电力公司 | 一种发电机及调相机内冷水多参数水质监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110356976B (zh) | 基于模板匹配的港口无人集卡起重机精确对位系统及方法 | |
| CN103413313B (zh) | 基于电力机器人的双目视觉导航系统及方法 | |
| CN111339893B (zh) | 基于深度学习和无人机的管道检测系统及方法 | |
| CN111178148B (zh) | 一种基于无人机视觉系统的地面目标地理坐标定位方法 | |
| CN108317953A (zh) | 一种基于无人机的双目视觉目标表面3d检测方法及系统 | |
| CN103941746A (zh) | 无人机巡检图像处理系统及方法 | |
| CN112348034A (zh) | 基于无人机图像识别的起重机缺陷检测系统和工作方法 | |
| CN109747824B (zh) | 用于烟囱内部无人机避障的装置和避障方法 | |
| CN110673141A (zh) | 一种移动式机场道面异物检测方法及系统 | |
| CN113075686B (zh) | 一种基于多传感器融合的电缆沟智能巡检机器人建图方法 | |
| CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
| CN111709994B (zh) | 一种自主无人机视觉探测与引导系统及方法 | |
| CN210377164U (zh) | 一种空地协同作业系统 | |
| Kim et al. | As-is geometric data collection and 3D visualization through the collaboration between UAV and UGV | |
| CN112729248A (zh) | 一种基于无人机平台的遥感探测系统及方法 | |
| CN117110214A (zh) | 一种基于无人机高光谱成像的水质分析系统及方法 | |
| CN114241177A (zh) | 一种基于线阵扫描成像的机场道面表观图像检测系统 | |
| CN213518003U (zh) | 用于机场道面的巡检机器人以及巡检系统 | |
| CN114581342A (zh) | 图像增强方法、巡检机器人、远程终端及巡检运维系统 | |
| CN113674355A (zh) | 一种基于相机与激光雷达的目标识别与定位方法 | |
| CN109676618A (zh) | 安防巡检机器人及其自动巡检方法 | |
| CN113148156A (zh) | 一种具有激光智能避障功能的多旋翼无人机 | |
| CN111103608A (zh) | 一种用在林业勘测工作中的定位装置及方法 | |
| CN213750765U (zh) | 一种用于协同搜索视觉无人机及协同搜索平台 | |
| CN111121639B (zh) | 一种刚柔一体的建筑物狭窄空间的裂缝检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |