基于卫星遥感的无人机蜂巢协同监测方法及系统与流程

摘要: 本发明属于环境监测,具体涉及一种基于卫星遥感的无人机蜂巢协同监测方法及系统。背景技术:1、生态环境监测作为生态文明建设的“千里眼”与“预警器”,是衔接生态认知、...
基于卫星遥感的无人机蜂巢协同监测方法及系统与流程

本发明属于环境监测,具体涉及一种基于卫星遥感的无人机蜂巢协同监测方法及系统。

背景技术:

1、生态环境监测作为生态文明建设的“千里眼”与“预警器”,是衔接生态认知、管理决策与治理行动的核心枢纽。在全球气候变化加剧、生物多样性锐减、极端灾害频发的背景下,其重要性已超越技术层面,成为支撑人类社会可持续发展的基础性工程。

2、传统地面监测(如气象站,水质监测站)依赖固定点位布局,难以覆盖偏远山区、无人区、海洋等复杂区域,形成监测盲区;卫星遥感虽然能大范围观测,但受轨道周期限制,如光学卫星重访周期多为1~3天,对突发灾害(如火灾、溃坝)或快速变化的生态过程(如病虫害扩散)等,无法实现实时监测;此外,光学遥感受云雾、光照条件影响较大,如南方雨季卫星影像云覆盖率高达40%,sar虽然能穿透云层但对植被冠层下目标(如地表积水)识别精度低。

3、现有的依赖人工判读遥感卫星影像目视识别火点,效率低且主观性强;深度学习网络在复杂场景下泛化能力不足,例如,火灾识别易将高温岩石、工业热源误判为火点,洪涝识别在云层遮挡区域因数据缺失导致漏判,难以应对高分辨率遥感图像的多尺寸、密集分布及复杂背景挑战。

4、因此,亟需提供一种协同监测方法及系统,以改善现有技术存在的上述缺陷。

技术实现思路

1、为了解决现有技术中存在的上述问题,本发明提供了一种基于卫星遥感的无人机蜂巢协同监测方法及系统。本发明要解决的技术问题通过以下技术方案实现:

2、第一方面,本发明提供一种基于卫星遥感的无人机蜂巢协同监测方法,包括:

3、通过卫星遥感,获取目标区域的影像数据;其中,目标区域的影像数据包括多张图像;

4、对多张图像进行预分割,每张图像分割成多个区域;针对同一张图像,计算区域之间的相似性,如果相似性大于阈值,则向两个区域之间添加连边,否则,不添加连边,构建图像无权网络;采用预设的网络标签传播算法,对图像无权网络进行社团划分,将属于同一社团的节点对应的区域进行合并,以实现图像分割,得到处理后的目标区域的影像数据;

5、根据处理后的目标区域的影像数据,结合目标区域的特征,确定目标区域的异常等级;

6、预设的无人机蜂巢响应于目标区域的异常等级,采用预设的路径规划算法,制定无人机的调度策略;至少一架无人机响应于调度策略,覆盖目标区域,采集目标区域的视频数据;

7、预设的无人机蜂巢响应于目标区域的视频数据,做出决策并采取应急响应措施。

8、第二方面,本发明还提供一种基于卫星遥感的无人机蜂巢协同监测方法,包括:

9、数据获取模块,用于通过卫星遥感,获取目标区域的影像数据;其中,目标区域的影像数据包括多张图像;

10、数据预处理模块,用于对多张图像进行预分割,每张图像分割成多个区域;针对同一张图像,计算区域之间的相似性,如果相似性大于阈值,则向两个区域之间添加连边,否则,不添加连边,构建图像无权网络;采用预设的网络标签传播算法,对图像无权网络进行社团划分,将属于同一社团的节点对应的区域进行合并,以实现图像分割,得到处理后的目标区域的影像数据;

11、等级判定模型,用于根据处理后的目标区域的影像数据,结合目标区域的特征,确定目标区域的异常等级;

12、调度策略制定模块,用于预设的无人机蜂巢响应于目标区域的异常等级,采用预设的路径规划算法,制定无人机的调度策略;至少一架无人机响应于调度策略,覆盖目标区域,采集目标区域的视频数据;

13、应急响应模块,用于预设的无人机蜂巢响应于目标区域的视频数据,做出决策并采取应急响应措施。

14、本发明的有益效果:

15、本发明提供的一种基于卫星遥感的无人机蜂巢协同监测方法及系统,通过获取目标区域的影像数据,采用分割算法对目标区域的影像数据进行分割,识别目标区域的异常,并确定目标区域的异常等级;根据目标区域的异常等级,无人机蜂巢制定无人机的调度策略,无人机响应于调度策略,覆盖目标区域,采集目标区域的异常数据;根据目标区域的异常数据,再做出决策并采取应急措施;如此,实现了环境监测的全链路设计,解决了传统环境监测中分割精度低、调度效率差、响应滞后等核心问题,使得本发明在提升检测准确性、作业效率与应急能力等方面具有显著优势。

16、以下将结合附图及实施例对本发明做进一步详细说明。

1.一种基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,包括:

2.根据权利要求1所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,对所述多张图像进行预分割,每张图像分割成多个区域,包括:

3.根据权利要求2所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,针对同一张图像,计算所述区域之间的相似性,如果相似性大于阈值,则向两个区域之间添加连边,否则,不添加连边,构建图像无权网络,包括:

4.根据权利要求1所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,采用预设的网络标签传播算法,对所述图像无权网络进行社团划分,将属于同一社团的节点对应的区域进行合并,以实现图像分割,包括:

5.根据权利要求1所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,根据所述处理后的目标区域的影像数据,结合目标区域的特征,确定目标区域的异常等级,包括:

6.根据权利要求1所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,还包括:

7.根据权利要求1所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,预设的无人机蜂巢响应于所述目标区域的异常等级,采用预设的路径规划算法,制定无人机的调度策略,包括:

8.根据权利要求7所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,还包括:采用三次bezier曲线对所述无人机的初始路径进行平缓,所述三次bezier曲线的参数方程表示为:

9.根据权利要求7所述的基于卫星遥感的无人机蜂巢协同监测方法,其特征在于,预设的无人机蜂巢响应于所述目标区域的异常等级,采用预设的路径规划算法,制定无人机的调度策略,还包括:

10.一种基于卫星遥感的无人机蜂巢协同监测系统,其特征在于,包括: