详情

原文传递一种大气污染源区域定位分析方法及系统

专利名称：	一种大气污染源区域定位分析方法及系统
摘要：	本发明公开了一种大气污染源区域定位分析方法及系统。获得第一光谱图。基于所述二次检测光谱图和二次检测污染监测图像，通过光谱融合网络，提取光谱特征，结合图像特征，得到污染区域。将污染区域的污染浓度和二次检测污染监测图像的颜色建立关系，通过分割神经网络，分割污染区域，得到分割污染区域图像。基于所述分割污染区域图像对应的多个污染块，得到多个污染浓度。两次监测，防止漏检。光谱融合网络输出的是三维图。通过地面的检测点信息，按照聚类检测点信息进行初始通过闭合点线进行分割，再通过分割神经网络将，两者结合，得到更加准确的污染块和污染中心点。
专利类型：	发明专利
申请人：	山西低碳环保产业集团有限公司;山西省生态环境监测和应急保障中心(山西省生态环境科学研究院)
发明人：	冯琨;牛建军;兰杰;孙丽娟;朱丽娅;宋亚齐;张玉洽;古照
专利状态：	有效
申请日期：	2023-08-17T00:00:00+0800
发布日期：	2023-11-14T00:00:00+0800
申请号：	CN202311039879.6
公开号：	CN117054353A
代理机构：	北京绘聚高科知识产权代理事务所(普通合伙)
代理人：	张春慧
分类号：	G01N21/25;G06V10/26;G06V20/10;G06V10/44;G06V20/13;G01N21/01;G;G01;G06;G01N;G06V;G01N21;G06V10;G06V20;G01N21/25;G06V10/26;G06V20/10;G06V10/44;G06V20/13;G01N21/01
申请人地址：	030082 山西省太原市山西转型综合改革示范区唐槐产业园新化路8号;
主权项：	1.一种大气污染源区域定位分析方法，其特征在于，包括：获得第一光谱图；所述第一光谱图包括多个区域的信息的特征；根据第一光谱图，通过局部检测神经网络，进行二次检测，检测局部区域，得到二次检测光谱图和二次检测污染监测图像；基于所述二次检测光谱图和二次检测污染监测图像，通过光谱融合网络，提取光谱特征，结合图像特征，得到污染区域；将污染区域的污染浓度和二次检测污染监测图像的颜色建立关系，通过分割神经网络，分割污染区域，得到分割污染区域图像；所述分割污染区域图像包括多个不同污染程度的污染块和污染中心点；基于所述分割污染区域图像对应的多个污染块，得到多个污染浓度；一个污染浓度对应一个污染块；将所述多个污染浓度替换对应的分割污染区域图像中的值，标记污染中心点，得到污染源区域定位图像。 2.根据权利要求1所述的一种大气污染源区域定位分析方法，其特征在于，所述基于所述二次检测光谱图和二次检测污染监测图像，通过光谱融合网络，提取光谱特征，结合图像特征，得到污染区域，包括：将所述二次检测污染监测图像输入图像卷积网络，提取图像特征，得到污染监测特征图；所述污染监测特征图的尺寸与光谱特征图的尺寸相同；所述图像卷积网络最后一层卷积核的尺寸为与光谱特征图的尺寸相同；将所述二次检测光谱图和所述污染监测特征图进行叠加融合，得到融合特征图；将所述融合特征图输入光谱融合网络，提取特征，检测边界，得到污染区域；所述光谱融合网络包括入第一卷积网络、第二卷积网络和第三卷积网络。 3.根据权利要求1所述的一种大气污染源区域定位分析方法，其特征在于，所述将污染区域的污染浓度和二次检测污染监测图像的颜色建立关系，通过分割神经网络，分割污染区域，得到分割污染区域图像，包括：获得多个检测点信息；所述检测点信息为污染区域中进行检测的污染的浓度；将所述多个检测点信息进行聚类，得到多个聚类集合；所述聚类集合中的值表示污染的程度相同的值；通过多次将多个聚类集合中的值在二次检测污染监测图像对应的位置进行连接，得到大致区域图像；将所述大致区域图像和二次检测污染监测图像输入分割神经网络，预测浓度分布状况，得到分割污染区域图像。 4.根据权利要求2所述的一种大气污染源区域定位分析方法，其特征在于，所述光谱融合网络的训练方法，包括: 获得训练集；所述训练集包括多个训练特征图和对应的多个标注数据；所述训练特征图为光谱特征图和污染监测特征图融合得到的融合特征图；所述标注数据包括标注图和标注向量；所述标注图为三维图；所述标注图为用于将污染区域根据进行标注为1，污染区域之外的区域设为0的二值图；所述标注向量表示污染中心点是否存在和存在位置；将所述训练特征图输入第一卷积网络，提取融合特征，得到分割特征图；将所述分割特征图输入第二卷积网络，提取分割特征，进行多维判断，得到第二卷积图；所述第二卷积图为三维；所述第二卷积图的值表示一个区域的一个污染类别是否被污染；将第二卷积图通过插值法，插入数值，将第二卷积特征图转化为和光谱图相同尺寸，得到污染区域特征图；将所述分割特征图输入第三卷积网络，提取分割特征，将特征叠加为一维后进行分类，得到判别向量；所述判别向量中的值表示污染中心点是否存在和污染中心点的位置；将所述污染区域特征图和标注图求取损失，得到第一损失值；将所述判别向量和标注向量求损失，得到第二损失值；将所述第一损失值和第二损失值进行相加，得到损失值；获得光谱融合网络当前的训练迭代次数以及预先设定的所述光谱融合网络训练的最大迭代次数；当所述损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的光谱融合网络。 5.根据权利要求3所述的一种大气污染源区域定位分析方法，其特征在于，所述将所述大致区域图像和二次检测污染监测图像输入分割神经网络，预测浓度分布状况，得到分割污染区域图像，包括：将所述大致区域图像和二次检测污染监测图像进行叠加，得到三维数组；将所述三维数组输入分割神经网络，提取特征，得到分割污染区域图像；所述分割污染区域图像为将污染图像分为多个污染块的图像；所述分割神经网络为通过多个训练三维数组和标注分割污染区域图进行训练得到的；所述标注分割污染区域图为将污染区域分为多个污染块的图像。 6.根据权利要求1所述的一种大气污染源区域定位分析方法，其特征在于，所述基于所述分割污染区域图像对应的多个污染块，得到多个污染浓度，包括：将所述分割污染区域图像的污染块对应的检测点信息进行提取，得到多个检测浓度；将多个检测浓度求平均，得到污染浓度；通过多次将所述分割污染区域图像的多个污染块对应的检测点信息进行提取后求平均，得到多个污染浓度。 7.根据权利要求1所述的一种大气污染源区域定位分析方法，其特征在于，所述根据第一光谱图，通过局部检测神经网络，进行二次检测，检测局部区域，得到二次检测光谱图和二次检测污染监测图像，包括：将所述第一光谱图输入局部检测神经网络，提取光谱特征，得到第一光谱特征图；将所述第一光谱图中元素的值分别与光谱阈值进行比较，判断是否在设定的污染范围内，得到第一比值图；所述第一比值图中的值表示不同区域中是否存在污染和污染类型；将所述第一光谱特征图和所述第一比值图中的值进行或运算，得到第一污染图；若第一污染图中存在污染，将所述污染区域分割为多个相同尺寸的区域，进行光谱检测，得到二次检测光谱图像和二次检测污染监测图像。 8.一种大气污染源区域定位分析系统，其特征在于，包括：获取模块：获得第一光谱图；所述第一光谱图包括多个区域的信息的特征；所述区域的信息为多次向多个大气层中尺寸相同的区域通过光谱仪发射光线得到；二次检测模块：根据第一光谱图，通过局部检测神经网络，进行二次检测，检测局部区域，得到二次检测光谱图和二次检测污染监测图像；光谱融合模块：基于所述二次检测光谱图和二次检测污染监测图像，通过光谱融合网络，提取光谱特征，结合图像特征，得到污染区域；区域分割模块：将污染区域的污染浓度和二次检测污染监测图像的颜色建立关系，通过分割神经网络，分割污染区域，得到分割污染区域图像；所述分割污染区域图像包括多个不同污染程度的污染块和污染中心点；浓度计算模块：基于所述分割污染区域图像对应的多个污染块，得到多个污染浓度；一个污染浓度对应一个污染块；标记模块：将所述多个污染浓度替换对应的分割污染区域图像中的值，标记污染中心点，得到污染源区域定位图像。 9.根据权利要求8所述的一种大气污染源区域定位分析系统，其特征在于，所述基于所述二次检测光谱图和二次检测污染监测图像，通过光谱融合网络，提取光谱特征，结合图像特征，得到污染区域，包括：将所述二次检测污染监测图像输入图像卷积网络，提取图像特征，得到污染监测特征图；所述污染监测特征图的尺寸与光谱特征图的尺寸相同；所述图像卷积网络最后一层卷积核的尺寸为与光谱特征图的尺寸相同；将所述光谱特征图和所述污染监测特征图进行叠加融合，得到融合特征图；将所述融合特征图输入光谱融合网络，提取特征，检测边界，得到污染区域；所述光谱融合网络包括入第一卷积网络、第二卷积网络和第三卷积网络。 10.根据权利要求8所述的一种大气污染源区域定位分析系统，其特征在于，所述将污染区域的污染浓度和二次检测污染监测图像的颜色建立关系，通过分割神经网络，分割污染区域，得到分割污染区域图像，包括：获得多个检测点信息；所述检测点信息为污染区域中进行检测的污染的浓度；将所述多个检测点信息进行聚类，得到多个聚类集合；所述聚类集合中的值表示污染的程度相同的值；通过多次将多个聚类集合中的值在二次检测污染监测图像对应的位置进行连接，得到大致区域图像；将所述大致区域图像和二次检测污染监测图像输入分割神经网络，预测浓度分布状况，得到分割污染区域图像。
所属类别：	发明专利