一种水系监测方法和系统

技术领域

本发明属于水域监控技术领域，尤其涉及一种水系监测方法和系统。

背景技术

水灾是自然灾害之一，会破坏土壤和植被，进而影响人类活动，因此需要关注天气、河流和土壤等因素，以防止或者降低水灾的产生。

水灾的产生，由天气、河流和土壤等多个因素共同作用而产生，已有的监控手段，主要是通过人工方式测量水道、天气的各种参数来判断是否出现水灾，这个判断的过程延迟高且判断结果主要在当前区域，局限性高。

发明内容

为了解决或者改善上述问题，本发明提供了一种水系监测方法和系统，具体技术方案如下：

本发明提供一种水系监测方法，包括：根据水系分布，确定当前水道的上游水道，并获取所述当前水道的水域图像；获取所述上游水道的水质变化数据，选择对应的图像处理模型；基于所述水域图像和所述图像处理模型，输出指定的水系监测数据。

优选的，方法还包括：根据所述上游水道的注水量和对应的地理参数，筛选得到分支水道并赋予对应的水质权值；对应的，所述获取所述上游水道的水质变化数据，包括：获取所述分支水道的水质变化数据，并结合所述水质权值，选择对应的图像处理模型。

优选的，所述地理参数包括地理类型、植被数据和土壤数据；基于预设的参数权值处理所述地理参数和所述注水量，得到所述水质权值，其中，所述参数权值用于描述所述地理参数对水的颜色产生影响的效果和程度。

优选的，所述图像处理模型基于神经网络，用于识别所述水域图像中水道形状以及水道颜色，根据所述水道形状和所述水道颜色，输出所述水系监测数据；根据所述当前水道的注水量设置注入阈值，以从所述上游水道中筛选得到注水量大于所述注入阈值的所述分支水道。

优选的，所述水系监测数据，包括水位信息；所述水质变化数据，包括溶解物类型和含量，漂浮物类型和数量，混合物类型和比例；对应的，所述图像处理模型，用于根据所述水质变化数据确定对应的图像特征数据，基于所述图像特征数据识别所述水域图像中水道形状以及所述水道颜色；根据所述水道形状和所述水道颜色，输出所述水位信息。

本发明提供一种水系监测系统，包括：第一模块，用于根据水系分布，确定当前水道的上游水道，并获取所述当前水道的水域图像；第二模块，用于获取所述上游水道的水质变化数据，选择对应的图像处理模型；第三模块，用于基于所述水域图像和所述图像处理模型，输出指定的水系监测数据。

优选的，所述第二模块，还用于根据所述上游水道的注水量和对应的地理参数，筛选得到分支水道并赋予对应的水质权值；对应的，所述获取所述上游水道的水质变化数据，包括：获取所述分支水道的水质变化数据，并结合所述水质权值，选择对应的图像处理模型。

优选的，所述地理参数包括地理类型、植被数据和土壤数据；基于预设的参数权值处理所述地理参数和所述注水量，得到所述水质权值，其中，所述参数权值用于描述所述地理参数对水的颜色产生影响的效果和程度。

优选的，所述图像处理模型基于神经网络，用于识别所述水域图像中水道形状以及水道颜色，根据所述水道形状和所述水道颜色，输出所述水系监测数据；根据所述当前水道的注水量设置注入阈值，以从所述上游水道中筛选得到注水量大于所述注入阈值的所述分支水道。

优选的，所述水系监测数据，包括水位信息；所述水质变化数据，包括溶解物类型和含量，漂浮物类型和数量，混合物类型和比例；对应的，所述图像处理模型，用于根据所述水质变化数据确定对应的图像特征数据，基于所述图像特征数据识别所述水域图像中水道形状以及所述水道颜色；根据所述水道形状和所述水道颜色，输出所述水位信息。

本发明的有益效果为：根据水系分布，确定当前水道的上游水道，能够将判断范围扩大到整个水系，可以提高判断准确性和范围，并获取所述当前水道的水域图像，以便于进行当前区域的数据采集；获取所述上游水道的水质变化数据，选择对应的图像处理模型，可以提高数据处理的效率和准确性；基于所述水域图像和所述图像处理模型，输出指定的水系监测数据，可以提高监测水系的能力和效率。

附图说明

图1是根据本发明的一种水系监测方法的示意图；

图2是根据本发明的一种水系监测系统的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

为了解决或者改善对背景所提出的问题，本发明提供如图1所示的一种水系监测方法，包括：S1、根据水系分布，确定当前水道的上游水道，并获取所述当前水道的水域图像；S2、获取所述上游水道的水质变化数据，选择对应的图像处理模型；S3、基于所述水域图像和所述图像处理模型，输出指定的水系监测数据。

流域内所有河流、湖泊等各种水体组成的水网系统，称作水系。水系中会包括单独的湖泊，即单纯靠地下水和天降水形成的死水，这类单独的湖泊，基本只会受大雨的影响，所以仅靠人工监测就能够判断是否会产生水灾。

因为江河等水系，属于活水，其水的变化会受上游的影响。为了提高对复杂水系的灾害预测能力，并不能仅关注于一个点，根据水系分布，可以确定当前河道的地理形态，以便于从整体来确定局部。其中，水系分布为根据实地测量和空中测量得到水流通道位置和连接关系；当前水道为作为监测目标的河、江、湖泊等活水；上游水道是将水注入当前位置的河、江、湖泊的河、江、湖泊；当前水域图像为水流过的区域的图像。

水质变化数据是水相关的测量数据，可以包括水流量、蒸发量、水中混合物、溶解物等数据。水灾会导致的危害类型包括地形的改变、土壤性质的变化；其产生的原因不一定相同，例如水流速度过快，会导致土壤流失；水位太高会导致突然松密度变化；水蒸发过多会导致干旱；不同的混合物在沉淀时会改变土壤组成或者会影响土壤流失速度；不同的溶解物会改变土壤的结构和组成。不同的水质变化数据，其显示出来的外观不一样，例如，混有树枝等杂物的水，杂物会浮在水面；出现污染时，水的颜色不一样，可能会有泡沫。这些不同的水质变化情况，其产生的现象区别较大，采用不同的图像处理模型可以提高识别的准确性和效率。

方法还包括：根据所述上游水道的注水量和对应的地理参数，筛选得到分支水道并赋予对应的水质权值；对应的，所述获取所述上游水道的水质变化数据，包括：获取所述分支水道的水质变化数据，并结合所述水质权值，选择对应的图像处理模型。

以河流为例，当前的河段可能是有多条上游水道，不同的上游水道注入当前河道的水量不一样，一般来说，注水量越大，则对当前河道的影响能力越大。此外，注水量并非恒定，在实践中，影响注水量的因素除了本身遭遇下雨的降水量之外，还包括本身土地对水的吸容能力，例如，A区域为山地无植被，B区域为平原多植被，两者在遭遇同一降水时，对下游的注水量的变化会有区别，一般来说，A保水能力低，B相对高；例如，C区域为工业区域，D为农业区域，不同区域可能产生污染类型不一样。具体来说，地理参数包括地形、生态环境和人类活动类型等会影响到保水量或者水质的要素。根据对当前河道的影响能力的大小，设置水质权值，可以明确上游对下游的影响能力，通过结合所述水质权值选择合适的图像处理模型，可以提高识别的效率。

所述地理参数包括地理类型、植被数据和土壤数据；基于预设的参数权值处理所述地理参数和所述注水量，得到所述水质权值，其中，所述参数权值用于描述所述地理参数对水的颜色产生影响的效果和程度。

地理类型包括水域所在位置以及其形状的类型，例如位于山地、平原、谷地等，形状包括直线、Z形和曲线等。不同的地理类型下，流经的液体的颜色会有一定的区别，例如，山地由于岩石较多，泥土较少，水的颜色保持清澈，平原由于泥土较多，水的颜色会浑浊出现黄色、绿色、灰色等颜色。直线情况下，由于水流对河岸的冲击较少，水的颜色保持清澈，Z形和曲线的情况下，水流对河岸的冲击较大，容易使土流失。植被越多，则水越清。土壤数据包括土壤类型、土壤结构、泥土和岩石组合等。可以根据实验或者经验，为这些地理参数和其组合设置参数权值，以计算得到水质权值。

所述图像处理模型基于神经网络，用于识别所述水域图像中水道形状以及水道颜色，根据所述水道形状和所述水道颜色，输出所述水系监测数据；根据所述当前水道的注水量设置注入阈值，以从所述上游水道中筛选得到注水量大于所述注入阈值的所述分支水道。

排除注水量太小的水道，可以降低数据处理量。

所述水系监测数据，包括水位信息；所述水质变化数据，包括溶解物类型和含量，漂浮物类型和数量，混合物类型和比例；对应的，所述图像处理模型，用于根据所述水质变化数据确定对应的图像特征数据，基于所述图像特征数据识别所述水域图像中水道形状以及所述水道颜色；根据所述水道形状和所述水道颜色，输出所述水位信息。

水位的变化，会导致水道形状产生变化，根据这一变化和周围的参照物可以计算水位的变化；此外，需要监测的水道有可能处于复杂的环境，例如位于峡谷，或者周围生长有密林，导致无法合适获取水道形状的变化，或者不同水位下水道形状和周围参照物共同形成的图像一致，导致识别异常。通过引用水道颜色，可以将这种情况区别出来，提高识别的准确性。

本发明提供如图2所示的一种水系监测系统，包括：第一模块1，用于根据水系分布，确定当前水道的上游水道，并获取所述当前水道的水域图像；第二模块2，用于获取所述上游水道的水质变化数据，选择对应的图像处理模型；第三模块3，用于基于所述水域图像和所述图像处理模型，输出指定的水系监测数据。

所述第二模块，还用于根据所述上游水道的注水量和对应的地理参数，筛选得到分支水道并赋予对应的水质权值；对应的，所述获取所述上游水道的水质变化数据，包括：获取所述分支水道的水质变化数据，并结合所述水质权值，选择对应的图像处理模型。

所述地理参数包括地理类型、植被数据和土壤数据；基于预设的参数权值处理所述地理参数和所述注水量，得到所述水质权值，其中，所述参数权值用于描述所述地理参数对水的颜色产生影响的效果和程度。

所述图像处理模型基于神经网络，用于识别所述水域图像中水道形状以及水道颜色，根据所述水道形状和所述水道颜色，输出所述水系监测数据；根据所述当前水道的注水量设置注入阈值，以从所述上游水道中筛选得到注水量大于所述注入阈值的所述分支水道。

所述水系监测数据，包括水位信息；所述水质变化数据，包括溶解物类型和含量，漂浮物类型和数量，混合物类型和比例；对应的，所述图像处理模型，用于根据所述水质变化数据确定对应的图像特征数据，基于所述图像特征数据识别所述水域图像中水道形状以及所述水道颜色；根据所述水道形状和所述水道颜色，输出所述水位信息。

本领域普通技术人员可以意识到，结合本实施例中所公开的实施例描述的各示例的单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。