一种基于无人船校准无人机反演模型的河道水质巡检方法与流程
本发明涉及水污染溯源,特别涉及一种基于无人船校准无人机反演模型的河道水质巡检方法。
背景技术:
1、目前,对河道水质进行巡检与污染溯源的主流方法主要依赖于传统手段与初级的遥感技术。其一,依赖于人工巡检与实验室分析。即工作人员驾驶巡检船至预设点位进行人工采样,然后将水样送至实验室进行分析。该方法不仅耗时长,导致污染溯源周期长达数天甚至数周,效率低下,且由于是离散点状采样,难以全面反映河道的整体水质空间分布状况。其二,采用高光谱无人机遥感监测。该方法虽能实现大面积快速扫描,但其核心的水质参数反演模型通常依赖于静态校准,即在飞行前或后利用少量地面固定采样点的数据进行一次性校正。这种静态模型难以应对飞行过程中动态变化的大气条件(如云层、光照变化)和水体环境(如悬浮物浓度、波浪扰动),导致反演精度受限,易产生误差。其三,虽有无人机与无人船的共同应用案例,但多集中于简单的路径跟踪与影像拼接,未能将无人船的实时、动态原位检测数据深度融合用于高光谱反演模型的在线持续校准,无法构建一个能够自我修正、自适应环境的智能反演系统。
2、因此,现有的体系在效率、成本适用性和监测精度方面均存在显著瓶颈。
技术实现思路
1、本发明要解决上述的技术问题,提供一种基于无人船校准无人机反演模型的河道水质巡检方法。
2、本发明的技术方案是,一种基于无人船校准无人机反演模型的河道水质巡检方法,包括以下步骤:
3、无人船沿预设的航线进行走航采样,实时采集污染因子数据,并通过无线通信模块将数据传输至地面控制中心;
4、无人机搭载高光谱成像仪,对河道区域进行飞行扫描,获取高光谱影像数据,并进行预处理与特征提取;
5、基于无人船传输的实时污染因子数据,对无人机高光谱反演模型进行动态校准,构建污染因子与光谱特征之间的映射关系,输出水质参数反演值;
6、其中,所述动态校准算法包括在线迭代更新机制,根据无人船采样数据实时修正反演模型参数。
7、作为一种实施方式,所述在线迭代更新机制被配置为:
8、基于无人船与无人机的时空匹配数据,构建实时校准样本集,并设立一滑动窗口进行管理;
9、当新样本数或样本时间跨度达到预设阈值时,触发基于该窗口样本的模型增量更新,以小批量梯度下降算法修正反演模型参数;
10、其中,所述反演模型为双流注意力网络结构,并行处理高光谱特征序列与环境辅助参数,并通过注意力机制加权整合特征,以构建污染因子与光谱特征之间的非线性映射关系。
11、作为一种实施方式,所述反演模型包括卷积神经网络和长短期记忆网络,所述卷积神经网络处理高光谱特征序列,提取局部光谱特征,所述长短期记忆网络处理由无人船同步测量的环境辅助参数,通过注意力机制对所述局部光谱特征和所述环境辅助参数进行加权整合,以构建污染因子与光谱特征之间的非线性映射关系。
12、作为一种实施方式,所述无人船走航采样包括对ph、氨氮、cod、浊度中至少一种污染因子的实时检测,采样频率不低于1次/分钟。
13、作为一种实施方式,所述高光谱影像数据的预处理包括辐射定标、大气校正和图像去噪,所述高光谱影像数据的特征提取包括光谱角映射、包络线去除或一阶微分处理中的至少一种。
14、作为一种实施方式,所述动态校准算法还包括误差补偿机制。
15、作为一种实施方式,所述误差补偿机制被配置为:通过双波长补偿法对水流扰动和光照变化进行估计与补偿。
16、作为一种实施方式,所述误差补偿机制被配置为:通过扩张状态观测器对水流扰动和光照变化进行估计与补偿。
17、作为一种实施方式,所述无人船与无人机之间采用协同控制策略,所述无人船预设的航线路径根据所述无人机识别的高光谱异常区域进行动态调整。
18、作为一种实施方式,所述无人船和所述无人机之间通过5g通信实现数据实时传输。
19、本发明相比于现有技术的有益效果体现在以下三方面:
20、一、可以大面积快速巡检,缩短溯源周期
21、传统的方式需巡检船定点、人工采样、送回实验室数天后才出结果,效率低下。而本发明提供的河道水质巡检方法,通过无人机高速飞行进行面状扫描,替代了低速的点状人工采样。无人船走航提供实时真值,替代了耗时的实验室分析;云端模型自动处理与校准,替代了手动数据分析。这三个环节的效率提升叠加,大幅缩短溯源周期。
22、二、减少人工投入与设备损耗,适用于复杂水域
23、无人船和无人机替代了人工驾驶船只进行作业,显著降低了人力成本。对于水流湍急、暗礁丛生、浅滩或污染风险高的复杂水域,更是降低了安全风险。无人船和无人机平台灵活、小巧、可操作,天然适用于复杂水域场景。
24、三、通过实时校准修正误差,反演精度高
25、高光谱反演受大气干扰和水体干扰影响较大,导致模型容易失准。而本发明提供的河道水质巡检方法,引入了无人船实时数据流作为锚点。滑动窗口和增量更新机制确保了模型持续感知当前环境下的系统误差。当模型因干扰而产生偏差时,最新接收的无人船真值数据会立即通过梯度下降算法拉回模型的参数,使其输出重新校准到正确轨迹上。从而具备了抗干扰和自适应能力,始终保持高精度反演,这是静态模型无法实现的。
1.一种基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述在线迭代更新机制被配置为:
3.根据权利要求2所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述反演模型包括卷积神经网络和长短期记忆网络,所述卷积神经网络处理高光谱特征序列,提取局部光谱特征,所述长短期记忆网络处理由无人船同步测量的环境辅助参数,通过注意力机制对所述局部光谱特征和所述环境辅助参数进行加权整合,以构建污染因子与光谱特征之间的非线性映射关系。
4.根据权利要求2所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述无人船走航采样包括对ph、氨氮、cod、浊度中至少一种污染因子的实时检测,采样频率不低于1次/分钟。
5.根据权利要求2所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述高光谱影像数据的预处理包括辐射定标、大气校正和图像去噪,所述高光谱影像数据的特征提取包括光谱角映射、包络线去除或一阶微分处理中的至少一种。
6.根据权利要求1所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述动态校准算法还包括误差补偿机制。
7.根据权利要求1所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述误差补偿机制被配置为:通过双波长补偿法对水流扰动和光照变化进行估计与补偿。
8.根据权利要求1所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述误差补偿机制被配置为:通过扩张状态观测器对水流扰动和光照变化进行估计与补偿。
9.根据权利要求1所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述无人船与无人机之间采用协同控制策略,所述无人船预设的航线路径根据所述无人机识别的高光谱异常区域进行动态调整。
10.根据权利要求1所述的基于无人船校准无人机反演模型的河道水质巡检方法,其特征在于,所述无人船和所述无人机之间通过5g通信实现数据实时传输。
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