基于机器视觉分析的空气质量智能监测装置
文献发布时间:2023-06-19 19:30:30
技术领域
本发明具体涉及基于机器视觉分析的空气质量智能监测装置。
背景技术
随着人工智能技术的发展,计算机视觉技术已运用于空气质量监测,通过拍摄得到目标区域的环境图像,然后对该环境图像进行识别得到目标区域的空气质量监测结果,空气质量监测是指对存在于空气中的污染物质进行定点、连续或定时的采样和测量,空气检测的目的是为了及时、准确、全面地反映空气质量现状及发展趋势,并为空气管理、污染源控制、空气规划、空气评价提供科学依据。
中国专利CN110887941A公开了一种空气监测系统及其监测方法,包括空气检测装置、空气监测控制平台以及通过云服务器网络连接空气监测控制平台的空气监测APP;所述空气检测装置,用于对空气中有害成分进行检测;所述空气监测控制平台,用于接收空气检测装置检测到空气中有害成分的含量信息,并将该信息通过云服务器传递给空气监测APP;所述云服务器,用于接收空气监测APP发送的空气情况查询请求,并将该请求传递给空气监测控制平台;但是现有系统不能对机器视觉以及实时监测数据进行有效融合,使得监测点空气质量分析不精准,基于此,我们提出了基于机器视觉分析的空气质量智能监测装置。
发明内容
本发明的目的在于针对现有技术的不足之处,提供基于机器视觉分析的空气质量智能监测装置,解决了现有系统不能对机器视觉以及实时监测数据进行有效融合,使得监测点空气质量分析不精准的问题。
现有系统不能对机器视觉以及实时监测数据进行有效融合,使得监测点空气质量分析不精准,基于此,我们提出了基于机器视觉分析的空气质量智能监测装置,所述装置包括:可调节的智能监测终端,所述智能监测终端用于空气质量信息的获取;与智能监测终端通讯连接的信息预处理模块,所述数据预处理模块用于空气质量信息的预处理;视觉分析模块,获取预处理后包含空气质量信息的空气质量数据,基于机器视觉分析模型对空气质量进行分析判断,生成分析判断结果。本申请中设置有视觉分析模块,视觉分析模块能够基于机器视觉分析模型对空气质量进行分析判断,从而实现对监测区域更精准的分析判断,对机器视觉以及实时监测数据进行有效融合,显著提高了分析的精准度。
本发明是这样实现的,基于机器视觉分析的空气质量智能监测装置,所述基于机器视觉分析的空气质量智能监测装置包括:
可调节的智能监测终端,所述智能监测终端用于空气质量信息的获取;
与智能监测终端通讯连接的信息预处理模块,所述数据预处理模块用于空气质量信息的预处理;
视觉分析模块,获取预处理后包含空气质量信息的空气质量数据,基于机器视觉分析模型对空气质量进行分析判断,生成分析判断结果。
优选地,所述信息预处理模块包括:
信号获取单元,用于获取含有空气质量信息的监测信号,提取空气质量信息中特征信息;
信息筛选单元,获取空气质量信息中特征信息,提取特征信息匹配参数,筛除干扰特征信息;
信息归一化单元,提取筛除后的特征信息,基于预设的特征信息归一化规则对信息进行归一化处理。
优选地,所述信息预处理模块还包括:
路径匹配单元,响应归一化信息上传指令,获取无线网关与视觉分析模块的多组上传路径,响应于最优上传路径,执行信息上传任务。
优选地,所述视觉分析模块包括:
转码处理单元,响应于信息上传指令,获取预处理后的特征信息,识别转码协议中所包含的图像信息以及空气质量参数信息。
优选地,所述视觉分析模块还包括:
视觉分解单元,基于机器视觉分析模型对获取到的图像信息进行分解,将多组场景图像分别分解为不同尺寸的栅格图像;
属性定义单元,基于混合高斯背景建模法对分解后的栅格图像进行背景建模,通过背景差分法检测栅格图像中像素,识别栅格图像中像素,并对栅格图像中像素进行属性定义。
优选地,所述视觉分析模块还包括:
辅助分析单元,获取像素定义后的栅格图像,合并多组像素定义的栅格图像,基于机器视觉分析模型融合合并后的栅格图像以及空气质量参数信息,确定空气质量信息各污染物含量,发出污染物超标警报。
优选地,所述基于机器视觉分析模型融合合并后的栅格图像以及空气质量参数信息,确定空气质量信息各污染物浓度,发出污染物超标警报的方法,具体包括:
获取合并多组像素定义的栅格图像,分类计算各污染物初始浓度;
提取空气质量参数信息,以空气质量参数信息矫正污染物初始浓度;
判断矫正后的污染物初始浓度是否超过预设阈值,若超过,发出污染物超标警报,若未超过,将矫正后的污染物初始浓度存储。
优选地,所述智能监测终端包括:
终端支撑部,所述终端支撑部包括支撑基座、升降座以及支撑腿,其中,支撑基座的底部固定连接有多组支撑腿,支撑基座与升降座之间设置有多组用于调节所述升降座高度的升降调节件;
设置在所述升降座上的视觉获取部,所述视觉获取部用于实时获取监测区域内空气画面;
智能监测机构,设置在所述升降座内,用于空气污染物含量的实时监测获取。
优选地,所述视觉获取部包括:
至少一组视觉获取基座,所述视觉获取基座可拆卸安装在所述升降座内;
至少一组视觉获取件,视觉获取件安装在所述视觉获取基座内,用于获取实时监测画面。
优选地,所述智能监测机构包括:
智能监测座;
至少一组烟雾传感器,所述烟雾传感器安装在智能监测座上;
安装在智能监测座上的空气质量传感器,与烟雾传感器配合工作,用于分析探测空气污染物含量;
设置在智能监测座一侧的灰尘处理座,以及
安装在升降座内的旋转调节件,旋转调节件与灰尘处理座固定连接。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请中设置有视觉分析模块,视觉分析模块能够基于机器视觉分析模型对空气质量进行分析判断,从而实现对监测区域更精准的分析判断,对机器视觉以及实时监测数据进行有效融合,显著提高了分析的精准度。
附图说明
图1是本发明提供的基于机器视觉分析的空气质量智能监测装置的结构示意图。
图2是本发明提供的信息预处理模块的结构示意图。
图3是本发明提供的视觉分析模块的结构示意图。
图4示出了基于机器视觉分析模型融合合并后的栅格图像以及空气质量参数信息,确定空气质量信息各污染物浓度方法的实现流程示意图。
图5是本发明提供的智能监测终端的结构示意图。
图6是本发明提供的智能监测终端的轴测图。
图7是本发明提供的智能监测终端的俯视图。
图8示出了基于机器视觉分析的空气质量智能监测方法的实现流程示意图。
图9示出了对空气质量信息进行预处理方法的实现流程示意图。
图中:1-智能监测终端、11-支撑基座、12-支撑腿、13-升降调节件、14-升降座、2-视觉获取部、21-视觉获取基座、22-视觉获取件、3-传感器组、31-湿度传感器、32-温度传感器、4-智能监测机构、41-烟雾传感器、42-旋转调节件、43-空气质量传感器、44-灰尘处理座、45-智能监测座、100-信息预处理模块、110-信号获取单元、120-信息筛选单元、130-信息归一化单元、140-路径匹配单元、200-视觉分析模块、210-转码处理单元、220-视觉分解单元、230-属性定义单元、240-辅助分析单元。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
现有系统不能对机器视觉以及实时监测数据进行有效融合,使得监测点空气质量分析不精准,基于此,我们提出了基于机器视觉分析的空气质量智能监测装置,所述装置包括:可调节的智能监测终端1,所述智能监测终端1用于空气质量信息的获取;与智能监测终端1通讯连接的信息预处理模块100,所述数据预处理模块用于空气质量信息的预处理;视觉分析模块200,获取预处理后包含空气质量信息的空气质量数据,基于机器视觉分析模型对空气质量进行分析判断,生成分析判断结果。本申请中设置有视觉分析模块200,视觉分析模块200能够基于机器视觉分析模型对空气质量进行分析判断,从而实现对监测区域更精准的分析判断,对机器视觉以及实时监测数据进行有效融合,显著提高了分析的精准度。
本发明实施例提供了基于机器视觉分析的空气质量智能监测装置,如图1所示,示出了基于机器视觉分析的空气质量智能监测装置的结构示意图,所述基于机器视觉分析的空气质量智能监测装置,具体包括:
可调节的智能监测终端1,所述智能监测终端1用于空气质量信息的获取;
与智能监测终端1通讯连接的信息预处理模块100,所述数据预处理模块用于空气质量信息的预处理;
视觉分析模块200,获取预处理后包含空气质量信息的空气质量数据,基于机器视觉分析模型对空气质量进行分析判断,生成分析判断结果。
需要说明的是,在本申请中,智能监测终端1分布式安装在各个需要监测的监测点内,且智能监测终端1采用5G通讯或GPRS通讯连接的方式与信息预处理模块100通讯连接,视觉分析模块200基于以太网与信息预处理模块100连接。
示例性的,空气质量信息包括监测点的三维位置参数信息、颗粒物浓度、二氧化硫、一氧化碳、二氧化氮、臭氧、PM2.5、TSP浓度信息。
在本实施例中,本申请中设置有视觉分析模块200,视觉分析模块200能够基于机器视觉分析模型对空气质量进行分析判断,从而实现对监测区域更精准的分析判断,对机器视觉以及实时监测数据进行有效融合,显著提高了分析的精准度。
本发明实施例提供了信息预处理模块100,如图2所示,示出了信息预处理模块100的结构示意图,所述信息预处理模块100,具体包括:
信号获取单元110,用于获取含有空气质量信息的监测信号,提取空气质量信息中特征信息;
信息筛选单元120,获取空气质量信息中特征信息,提取特征信息匹配参数,筛除干扰特征信息;
信息归一化单元130,提取筛除后的特征信息,基于预设的特征信息归一化规则对信息进行归一化处理。
路径匹配单元140,响应归一化信息上传指令,获取无线网关与视觉分析模块200的多组上传路径,响应于最优上传路径,执行信息上传任务。
在本实施例中,信号获取单元110支持监测信号获取频率调制,在紧急状态下,每秒自动获取监测信号,同时,信号获取单元110与信息筛选单元120之间采用5G通讯连接。
需要说明的是,信息筛选单元120对空气质量信息中特征信息中干扰特征信息进行筛选的方式是信息筛选单元120添加过滤器进行筛选过滤,如特征信息中含有无效信息、多余信息以及缺失的信息,则过滤器对特征信息进行剔除。
本发明实施例提供了视觉分析模块200,如图3所示,示出了视觉分析模块200的结构示意图,所述视觉分析模块200,具体包括:
转码处理单元210,响应于信息上传指令,获取预处理后的特征信息,识别转码协议中所包含的图像信息以及空气质量参数信息。
视觉分解单元220,基于机器视觉分析模型对获取到的图像信息进行分解,将多组场景图像分别分解为不同尺寸的栅格图像。
示例性的,基于机器视觉分析模型对获取到的图像信息进行分解,将多组场景图像分别分解为不同尺寸的栅格图像是通过卷积分算法模型实现图像数据信息的分解。
属性定义单元230,基于混合高斯背景建模法对分解后的栅格图像进行背景建模,通过背景差分法检测栅格图像中像素,识别栅格图像中像素,并对栅格图像中像素进行属性定义。
辅助分析单元240,获取像素定义后的栅格图像,合并多组像素定义的栅格图像,基于机器视觉分析模型融合合并后的栅格图像以及空气质量参数信息,确定空气质量信息各污染物含量,发出污染物超标警报。
在本实施例中,所述转码处理单元210、视觉分解单元220、属性定义单元230以及辅助分析单元240之间支持TCP、MQTT、NTRIP通讯协议,且转码处理单元210的转码频率为2-20Hz,需要说明的是,转码处理单元210对将特征信息转换为可识别的标准CMR,RTCM2.X,RTCM3.X数据格式。
本发明实施例提供了基于机器视觉分析模型融合合并后的栅格图像以及空气质量参数信息,确定空气质量信息各污染物浓度,发出污染物超标警报的方法,如图4所示,示出了基于机器视觉分析模型融合合并后的栅格图像以及空气质量参数信息,确定空气质量信息各污染物浓度,发出污染物超标警报方法的实现流程示意图,所述基于机器视觉分析模型融合合并后的栅格图像以及空气质量参数信息,确定空气质量信息各污染物浓度,发出污染物超标警报的方法,具体包括:
步骤S101,获取合并多组像素定义的栅格图像,分类计算各污染物初始浓度;
步骤S102,提取空气质量参数信息,以空气质量参数信息矫正污染物初始浓度;
步骤S103,判断矫正后的污染物初始浓度是否超过预设阈值,若超过,发出污染物超标警报,若未超过,将矫正后的污染物初始浓度存储。
本发明实施例提供了智能监测终端1,如图5-7所示,示出了智能监测终端1的结构示意图,所述智能监测终端1,具体包括:
终端支撑部,所述终端支撑部包括支撑基座11、升降座14以及支撑腿12,其中,支撑基座11的底部固定连接有多组支撑腿12,支撑基座11与升降座14之间设置有多组用于调节所述升降座14高度的升降调节件13;
需要说明的是,升降调节件13可以为液压缸、气缸或电动推杆。
设置在所述升降座14上的视觉获取部2,所述视觉获取部2用于实时获取监测区域内空气画面;
智能监测机构4,设置在所述升降座14内,用于空气污染物含量的实时监测获取。
在本实施例中,所述支撑基座11、升降座14均采用内部中空的圆座或矩形座结构,支撑基座11与升降座14均可以采用钛合金材质制得,支撑腿12的数量可以为三组、四组、五组或六组,且支撑腿12可以倾斜设置,其顶部与支撑基座11之间铰接。
需要说明的是,在升降座14上还均布有多组传感器组3,所述传感器组3包括湿度传感器31以及温度传感器32,湿度传感器31与温度传感器32之间采用卡扣可拆卸连接,温度传感器32能够实时获取监测点的温度数据,而湿度传感器31能够实时获取监测点的湿度数据,同时设置有多组能够保证数据的精准度,避免因设置一组导致数据出现较大误差的现象。
在本申请中,所述视觉获取部2包括:
至少一组视觉获取基座21,所述视觉获取基座21可拆卸安装在所述升降座14内;
至少一组视觉获取件22,视觉获取件22安装在所述视觉获取基座21内,用于获取实时监测画面。
视觉获取基座21可以为矩形座,且视觉获取基座21采用卡扣均布在升降座14内,视觉获取件22可以为全景夜视摄像头,且视觉获取件22通过旋转电机与视觉获取基座21转动连接,视觉获取件22具有云录制功能,从而能够将监控画面实时上传至信息预处理模块100。
在本申请一个可选的实施例中,所述智能监测机构4包括:
智能监测座45;
至少一组烟雾传感器41,所述烟雾传感器41安装在智能监测座45上;
安装在智能监测座45上的空气质量传感器43,与烟雾传感器41配合工作,用于分析探测空气污染物含量;
设置在智能监测座45一侧的灰尘处理座44,以及
安装在升降座14内的旋转调节件42,旋转调节件42与灰尘处理座44固定连接。
需要说明的是,旋转调节件42可以为伺服电机,且旋转调节件42通过紧固螺栓固定安装在升降座14内,旋转调节件42的输出端过盈配合连接有灰尘处理座44,灰尘处理座44能够对抽入的灰尘进行过滤净化处理,灰尘处理座44内可以设置有过滤膜或活性炭过滤网。
本发明实施例提供了基于机器视觉分析的空气质量智能监测方法,如图8所示,示出了基于机器视觉分析的空气质量智能监测方法的实现流程示意图,所述基于机器视觉分析的空气质量智能监测方法,具体包括:
步骤S10,通过可调节的智能监测终端1实时获取空气质量信息;
步骤S20,对空气质量信息进行预处理,其中,预处理包括信息的筛选、归一化处理;
步骤S30,获取预处理后包含空气质量信息的空气质量数据,基于机器视觉分析模型对空气质量进行分析判断,生成分析判断结果。
在本实施例中,本申请中能够基于机器视觉分析模型对空气质量进行分析判断,从而实现对监测区域更精准的分析判断,对机器视觉以及实时监测数据进行有效融合,显著提高了分析的精准度。
本发明实施例提供了对空气质量信息进行预处理的方法,如图9所示,示出了对空气质量信息进行预处理方法的实现流程示意图,所述对空气质量信息进行预处理的方法,具体包括:
步骤S201,获取含有空气质量信息的监测信号,提取空气质量信息中特征信息;
步骤S202,获取空气质量信息中特征信息,提取特征信息匹配参数,筛除干扰特征信息;
步骤S203,提取筛除后的特征信息,基于预设的特征信息归一化规则对信息进行归一化处理。
步骤S204,响应于信息上传指令,获取预处理后的特征信息,识别转码协议中所包含的图像信息以及空气质量参数信息。
在本申请的另一方面,还提供了一种计算机可读存储介质。计算机可读存储介质存储有计算机程序指令,该计算机程序指令可以被处理器执行。该计算机程序指令被执行时实现上述任意一项实施例的方法。
同时,本发明实施例的另一方面,还提供了一种计算机设备,计算机设备包括存储器和处理器,该存储器中存储有计算机程序,该计算机程序被该处理器执行时实现上述任意一项实施例的方法。
存储器作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的基于机器视觉分析的空气质量智能监测方法对应的程序指令/模块。存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储基于机器视觉分析的空气质量智能监测方法的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的基于机器视觉分析的空气质量智能监测方法。
最后需要说明的是,本文的计算机可读存储介质(例如,存储器)可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接RambusRAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行:通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器,但是可替换地,处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
综上所述,本发明提供了基于机器视觉分析的空气质量智能监测装置,本申请中设置有视觉分析模块200,视觉分析模块200能够基于机器视觉分析模型对空气质量进行分析判断,从而实现对监测区域更精准的分析判断,对机器视觉以及实时监测数据进行有效融合,显著提高了分析的精准度。
需要说明的是,对于前述的各实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可能采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,涉及的动作和模块并不一定是本发明所必须的。
本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或通信连接可以是通过一些接口,装置或单元之间的间接耦合或通信连接,可以是电信或者其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本发明的技术方案,而非对发明的保护范围进行限制。显然,所描述的实施例仅仅是本发明部分实施例,而不是全部实施例。基于这些实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明,本领域普通技术人员依然可以在不冲突的情况下,不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整,从而得到不同的、本质未脱离本发明的构思的其他技术方案,这些技术方案也同样属于本发明所要保护的范围。
- 一种基于互联网技术下智能化的空气质量监测分析系统
- 一种基于机器视觉的高清电子屏生产质量智能监测分析系统