一种交通工程施工扬尘智能识别与溯源系统及方法与流程
本发明涉及交通工程,尤其涉及一种交通工程施工扬尘智能识别与溯源系统及方法。
背景技术:
1、随着交通基础设施建设的快速发展,公路、桥梁、隧道等线性工程施工扬尘污染已成为影响区域空气质量和居民生活的重要环境问题。现有技术中,固定点位在线监测、ai视频识别、无人机巡查等手段已逐步应用于施工扬尘监管。
2、然而,上述技术手段各自为政,形成数据孤岛:固定监测点提供精准浓度数据但无法溯源,ai视频识别提供行为证据但无法量化污染程度,无人机巡查提供宏观视图但难以与微观数据对应。当扬尘浓度超标时,管理人员仍需人工调阅大量视频或无人机画面进行分析溯源,耗时耗力,无法快速、自动地锁定污染源。
技术实现思路
1、本发明提供了交通工程施工扬尘智能识别与溯源方法,可有效解决背景技术中的问题。
2、为了达到上述目的,本发明所采用的技术方案是:
3、一种交通工程施工扬尘智能识别与溯源系统,所述系统包括:
4、数据采集层,包括若干固定式扬尘监测终端、若干ai行为识别摄像机和至少一套无人机自动巡查系统,用于实时获取施工区域的扬尘浓度数据、气象数据、视频图像数据以及无人机巡查影像数据;
5、数据融合与智能分析层,用于将所述数据采集层获取的多源数据进行时空对齐,并在扬尘浓度超过预设阈值时触发溯源分析,锁定最可能的污染源;
6、应用与服务层,用于输出包含污染源信息的预警信息,或根据扬尘事件等级触发抑尘设备或向所述无人机自动巡查系统下发复核任务。
7、进一步地,所述数据融合与智能分析层,包括:
8、数据预处理与时空对齐模块,用于接收所述数据采集层的多源数据,进行清洗、校正,并根据统一的时空基准进行对齐;
9、多模态事件融合识别模块,内置融合识别模型,用于将对齐后的扬尘浓度数据、气象数据与扬尘风险行为事件进行关联分析,判断扬尘事件的真实性、严重性及扩散趋势;
10、智能溯源分析模块,内置溯源分析模型,用于结合风向和风速动态划定疑似污染源区域,检索该区域内由所述ai行为识别摄像机或无人机自动巡查系统采集的扬尘风险行为事件,通过多证据比对与置信度评分锁定污染源。
11、进一步地,所述智能溯源分析模块的工作流程,包括:
12、根据报警的固定式扬尘监测终端位置、实时风向和风速,动态划定疑似污染源区域;
13、检索报警时间点之前的预设时间窗口内,位于所述疑似污染源区域内的ai行为识别摄像机所记录的扬尘风险行为事件,构成第一证据集;
14、若第一证据集为空,则调取无人机自动巡查系统在所述时间窗口内对所述疑似污染源区域的巡查影像,通过ai图像识别算法识别扬尘风险行为事件,构成第二证据集;
15、对第一证据集和第二证据集中的每个事件,基于该事件发生位置与报警终端位置的距离、事件类型与扬尘产生的关联度、ai识别置信度进行综合评估,根据评估结果确定主要污染源。
16、进一步地,所述应用与服务层在锁定主要污染源后,还用于将包含污染源位置、事件类型及现场图像的指令发送至对应的喷淋抑尘控制系统。
17、进一步地,所述ai行为识别摄像机和无人机自动巡查系统识别的扬尘风险行为事件至少包括:裸土未覆盖、渣土车未密闭运输、石灰露天堆放或消解、土方或拆除作业无湿法、场地道路严重积尘的一种或多种。
18、一种交通工程施工扬尘智能识别与溯源方法,应用于上述系统,包括:
19、通过所述数据采集层获取扬尘浓度数据、气象数据、ai行为识别事件数据以及无人机巡查影像数据;
20、将获取的多源数据进行时空对齐与标准化处理;
21、当任一固定点扬尘浓度超过预设阈值时,触发溯源分析;
22、结合实时气象数据动态划定疑似污染源区域,并检索该区域内多源数据中的扬尘风险行为事件;
23、对检索到的所述扬尘风险行为事件进行多证据融合与置信度评分,根据评分结果锁定污染源并生成证据链;
24、输出溯源结果,并根据扬尘事件等级触发抑尘设备或巡查复核任务。
25、进一步地,动态划定疑似污染源区域,包括:以报警点为中心,基于风速确定搜索半径以生成初始区域,再根据风向保留该区域内下风向的扇形区域作为最终搜索区域。
26、进一步地,多证据融合与置信度评分的计算公式为:
27、;
28、其中,为检索到的扬尘风险行为事件;为事件的置信度评分;为事件发生位置与污染源区域中心的距离归一化得分;为事件类型与扬尘产生的关联度得分;为ai识别置信度得分;为事件发生时间与报警时间的接近程度得分;、、和为预设的权重系数。
29、进一步地,所述证据链,包括:污染发生时间、污染源地点、现场图像、扬尘浓度变化曲线以及污染原因分析。
30、进一步地,所述触发抑尘设备或巡查复核任务,包括:当所述扬尘事件被判定为确认扬尘事件时,触发抑尘设备进行降尘;当所述扬尘事件被判定为疑似扬尘事件时,触发无人机自动巡查系统进行复核。
31、通过本发明的技术方案,可实现以下技术效果:
32、通过将固定监测浓度数据、ai视频行为事件、无人机巡查影像及气象数据深度融合,实现扬尘污染的自动溯源,无需人工调阅视频,溯源效率大幅提升。结合实时风向、风速动态划定扇形搜索区域,并采用多证据加权评分模型进行综合判断,有效避免了光照、雨雾等环境因素干扰,显著降低误报率。同时,系统可根据扬尘事件等级自动触发抑尘设备或派遣无人机复核,形成“监测-溯源-处置”闭环联动,提升了施工扬尘管控的智能化水平和响应速度。
33、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
1.一种交通工程施工扬尘智能识别与溯源系统,其特征在于,所述系统包括:
2.根据权利要求1所述的交通工程施工扬尘智能识别与溯源系统,其特征在于,所述数据融合与智能分析层,包括:
3.根据权利要求1所述的交通工程施工扬尘智能识别与溯源系统,其特征在于,所述智能溯源分析模块的工作流程,包括:
4.根据权利要求1所述的交通工程施工扬尘智能识别与溯源系统,其特征在于,所述应用与服务层在锁定主要污染源后,还用于将包含污染源位置、事件类型及现场图像的指令发送至对应的喷淋抑尘控制系统。
5.根据权利要求1所述的交通工程施工扬尘智能识别与溯源系统,其特征在于, 所述ai行为识别摄像机和无人机自动巡查系统识别的扬尘风险行为事件至少包括:裸土未覆盖、渣土车未密闭运输、石灰露天堆放或消解、土方或拆除作业无湿法、场地道路严重积尘的一种或多种。
6.一种交通工程施工扬尘智能识别与溯源方法,应用于如权利要求1-5所述的系统,其特征在于,包括:
7.根据权利要求6所述的交通工程施工扬尘智能识别与溯源方法,其特征在于,动态划定疑似污染源区域,包括:以报警点为中心,基于风速确定搜索半径以生成初始区域,再根据风向保留该区域内下风向的扇形区域作为最终搜索区域。
8.根据权利要求6所述的交通工程施工扬尘智能识别与溯源方法,其特征在于,多证据融合与置信度评分的计算公式为:
9.根据权利要求6所述的交通工程施工扬尘智能识别与溯源方法,其特征在于,所述证据链,包括:污染发生时间、污染源地点、现场图像、扬尘浓度变化曲线以及污染原因分析。
10.根据权利要求6所述的交通工程施工扬尘智能识别与溯源方法,其特征在于,所述触发抑尘设备或巡查复核任务,包括:当所述扬尘事件被判定为确认扬尘事件时,触发抑尘设备进行降尘;当所述扬尘事件被判定为疑似扬尘事件时,触发无人机自动巡查系统进行复核。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com