一种基于ARM9的大气环境监测方法

技术领域

本发明属于在线监测技术领域，涉及一种基于ARM9的大气环境监测方法。

背景技术

近几年环境问题成为困扰人们生活的重要问题，雾霾、水污染严重影响着人们的身体健康。大气环境问题不仅是社会热门话题，也是关系到人们自身生存安全的严重问题。对大气环境参数进行有效监测具有非常重要的意义。目前国内监测仪器，处理核心多采用单片机、在技术、功能方面相对落后，存在不能多通道采集数据、不能进行大范围测量、显示功能单一。

发明内容

本发明的目的是提供一种基于ARM9的大气环境监测方法，解决了现有大气环境监测仪器单片机不能多通道采集数据，大范围测量的问题。

本发明所采用的技术方案是，一种基于ARM9的大气环境监测方法，通过在现有的嵌入式视频监控系统终端硬件资源上搭建监控系统实验平台，现有的嵌入式视频监控系统硬件包括Flash、SDRAM存储器、UART接口、SD卡、液晶显示器、网卡、CCD摄像头接口、USB接口、JTAG接口、温湿度传感器、光照强度传感器和尘埃颗粒传感器，ARM9处理器的核心平台上构建了U-Boot和Linux内核，对Linux系统在嵌入式设备上的移植，其特征在于，具体包括以下步骤：

步骤1、采集大气环境信息、并对数据进行存储与压缩。

步骤2、对原始信息进行滤波降噪图像预处理，对监控现场可能存在的复杂环境因素有较强的抗干扰能力。

步骤3、经过预处理之后，使用Socket网络通信，实现对大气环境的温度、湿度、光强、尘埃颗粒数据传输。

步骤4、通过Modbus规约与TCP/IP协议的实现ARM9与PC机之间的Modbus通信协议，使用Zigbee无线组网协议，把大范围内监测的各个点组成网络采集数据。

步骤5、监控信息的获取通过向着采集前端一体化、信号传输数字化、监控数据网络化共享、系统规模高度集成化，电路采用流水线结构，基于SRAM的行缓存完成算法避免用于帧缓存的大量SDRAM外部存储的使用，达致了视频预处理系统精简、高效的要求，并完成了在AlteraFPGA上的验证。

本发明的特征还在于，

步骤2中滤波降噪图像预处理用来恢复从采集得到的原始数据并提升其质量，高斯噪声与脉冲噪声是导致质量退化的重要因素，预处理过程中使用降噪算法与增强算法。

步骤2中针对高斯噪声和脉冲噪声分别采用了基于图像细节保护的高斯双边滤波降噪算法和基于多重决策论的降噪算法。

步骤2中通过考虑滤波窗口内像素的灰度差值以及位置权重来得出最终的滤波权重算子，采用高斯滤波去除画面中的高斯噪声。通过多重判定与决策选取滤波窗口内最为合理的像素点替换被污染的噪声点去除画面中的脉冲噪声。

步骤2中基于动态场景估计的自适应增强算法实现图像增强部分工作，采用拉普拉斯算子首先对图像细节进行锐化，根据不同的视频场景的估计结果构造不同的灰度映射曲线以拉伸图像的灰度动态范围，提升图像的对比度从而改善视频图像的质量。

步骤1中信号采集在前端时就将传感器获取的模拟信号转化为数字信号，通过合适的压缩算法对视频数据进行压缩，然后进行本地存储或者通过网络传输到远程的用户端，由用户直接对其进行远程控制，或是对视频信息进行后处理。

步骤1中用SQLite数据库存储数据。

本发明的有益效果是，通过基于ARM9的大气环境监测方法，结合温湿度传感器、光照强度传感器和尘埃颗粒传感器，能够掌握实时变化数据，进行实时数据处理与分析，提高了大气环境监测的运行及检修效率，针对性较强，效率高，费用低。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明一种基于ARM9的大气环境监测方法，通过在现有的嵌入式视频监控系统终端硬件资源上搭建监控系统实验平台，现有的嵌入式视频监控系统硬件包括Flash、SDRAM存储器、UART接口、SD卡、液晶显示器、网卡、CCD摄像头接口、USB接口、JTAG接口、温湿度传感器、光照强度传感器和尘埃颗粒传感器，ARM9处理器的核心平台上构建了U-Boot和Linux内核，对Linux系统在嵌入式设备上的移植。

步骤1、采集大气环境信息、并对数据进行存储与压缩。用SQLite数据库存储数据，占用空间小、易操作、存储容量大。

信号采集在前端时就将传感器获取的模拟信号转化为数字信号，通过合适的压缩算法对视频数据进行压缩，然后进行本地存储或者通过网络传输到远程的用户端，由用户直接对其进行远程控制，或是对视频信息进行后处理。

步骤2、对原始信息进行滤波降噪图像预处理，对监控现场可能存在的复杂环境因素有较强的抗干扰能力。

滤波降噪图像预处理用来恢复从采集得到的原始数据并提升其质量，高斯噪声与脉冲噪声是导致质量退化的重要因素，预处理过程中使用降噪算法与增强算法。

针对高斯噪声和脉冲噪声分别采用了基于图像细节保护的高斯双边滤波降噪算法和基于多重决策论的降噪算法。

通过考虑滤波窗口内像素的灰度差值以及位置权重来得出最终的滤波权重算子，采用高斯滤波去除画面中的高斯噪声。通过多重判定与决策选取滤波窗口内最为合理的像素点替换被污染的噪声点去除画面中的脉冲噪声。

基于动态场景估计的自适应增强算法实现图像增强部分工作，采用拉普拉斯算子首先对图像细节进行锐化，根据不同的视频场景的估计结果构造不同的灰度映射曲线以拉伸图像的灰度动态范围，提升图像的对比度从而改善视频图像的质量。

步骤3、经过预处理之后，使用Socket网络通信，实现对大气环境的温度、湿度、光强、尘埃颗粒数据传输。通过在传感设备采集环境实时状态数据，将环境中的温湿度、尘埃颗粒和光照强度的实时状态转化为具体的数据，使得在观察环境问题时更加直观。

步骤4、通过Modbus规约与TCP/IP协议的实现ARM9与PC机之间的Modbus通信协议，使用Zigbee无线组网协议，可把大范围内监测的各个点组成网络采集数据。

步骤5、监控信息的获取通过向着采集前端一体化、信号传输数字化、监控数据网络化共享、系统规模高度集成化，电路采用流水线结构，基于SRAM的行缓存完成算法避免用于帧缓存的大量SDRAM外部存储的使用，达致了视频预处理系统精简、高效的要求，并完成了在AlteraFPGA上的验证。

实施例1

本实施例在正常工作条件下，进行调试、测试，针对不同场合应用不同的信息处理结果进行实验对比分析，硬件上采用ARM9嵌入式微处理器代替功能单一的单片机，较高的处理速度、多样的外围接口，提高、丰富了系统功能；引入操作系统Linux，其内核小、功能强大有助于监测仪的任务调度；实验证明，本方法适合常见监控环境下的高质量信息取证，完全能够满足室内外安全监控领域的应用，高性能处理器、适合的操作系统和数字化的传感器也确保了系统的数据准确性、高效性和智能性。可靠性、成本、体积及功耗的严格要求。可广泛适用于医院、工厂等场所的环境数据采集。