面向水体原位自校准的无人机集群水利工程监测系统的制作方法

本发明涉及水利工程监测，具体涉及一种面向水体原位自校准的无人机集群水利工程监测系统。

背景技术：

1、随着水利工程的存量规模不断扩大，大坝、堤防等水利设施的常态化安全监测面临着巨大挑战。传统的监测手段主要依赖人工巡检与定点传感器相结合的方式，虽引入了无人机技术，但仍存在以下亟待解决的技术瓶颈。

2、首先，数据采集质量受环境制约严重且缺乏原位校准机制。在针对高坝或长距离堤防的巡检中，常采用单机无人机进行航拍。然而，水利现场具有高湿、高雾、强吸收的特性，无人机搭载的多光谱及红外传感器易受水汽散射、太阳辐照度变化影响产生数据漂移，或因镜头沾染水汽导致色彩失真。现有的地面站系统缺乏对影像质量的实时闭环评价与物理校准机制，往往待数据回传后才发现因传感器漂移导致的无效数据，难以满足高精度识别坝体裂缝或渗漏的要求。

3、其次，监测模式滞后，缺乏动态风险评估能力。目前的水利监测多为周期性静态测量，例如，通过定期对比历史高程数据来判断坝体形变。这种方式无法敏锐捕捉两次测量间隙内的微小加速变形。同时，在水体污染监测方面，传统手段依赖人工采样化验，时效性差，且现有的光谱反演技术未考虑飞行过程中的实时校正，无法通过光谱数据实时、精准地反演水质恶化趋势，难以应对突发性的水华或管涌险情。

4、最后，系统智能化程度低，复杂场景适应性差。现有的无人机监测系统通常采用单一的链路传输方式，在偏远库区通信受限时难以作业。此外，针对廊道、闸门井等封闭空间，通常使用单一种类的气体传感器进行报警，易受交叉干扰导致误报，且缺乏有效的边缘计算能力对现场风险进行即时量化评估，给巡检人员的生命安全带来隐患。

5、因此，亟需一种基于无人机集群的水利工程监测系统，通过引入智能算法与协同架构，特别是解决野外复杂环境下传感器数据漂移和实时自校准的问题，以提升监测精度、预警能力及环境适应性。

技术实现思路

1、本发明针对水利工程监测中存在的环境复杂、传感器易受水汽干扰导致数据漂移、实时性要求高的技术问题，提供了一种面向水体原位自校准的无人机集群水利工程监测系统，提升了水利工程监测精度、预警能力及环境适应性。

2、本发明提供了一种面向水体原位自校准的无人机集群水利工程监测系统，所述系统包括：

3、无人机集群及挂载于各无人机上的多模态传感设备，其中，所述无人机集群包括日常巡检无人机、测绘监测无人机、水质巡查无人机及狭小空间补盲无人机，所述多模态传感设备用于采集多源监测数据；

4、边缘计算节点，部署于所述无人机集群的机载端或临近现场的地面站，用于对所述多模态传感设备输出的多源监测数据进行实时预处理、原位自校准；

5、云端数据处理中心，配置有工程适配模块、任务调度模块及数据分析模块，其中，所述工程适配模块用于根据目标水利工程的工程类型匹配对应的监测策略；所述任务调度模块基于所述监测策略动态生成巡航路径与载荷配置指令，并下发至所述无人机集群；所述数据分析模块内置有水利工程形变解译模型与水环境反演模型，用于根据校准后的监测数据计算坝体形变速率指数及水质污染概率，并根据计算结果动态调整所述巡航路径。

6、在一些实施例中，所述多模态传感设备包括：设置于所述日常巡检无人机上的可见光相机和红外热成像相机、设置于所述测绘监测无人机上的激光雷达传感设备、设置于所述水质巡查无人机上的多光谱传感设备及设置于所述狭小空间补盲无人机上的气体传感器。

7、在一些实施例中，所述边缘计算节点内置有原位自校准模块，用于在执行监测任务前，控制无人机悬停于监测区域内的静止水体上方，采集水体表面的多光谱反射率和水体表面温度，并基于水体光学特性先验库计算的理论反射率，计算校正增益系数：

8、=/；

9、其中，表示校正增益系数，表示采集的水体表面的多光谱反射率，表示理论反射率。

10、在一些实施例中，所述边缘计算节点，还用于对所述日常巡检无人机上的可见光相机输出的可见光影像进行基于高斯滤波的降噪处理，并利用所述校正增益系数对影像灰度值进行增益补偿后，并计算影像清晰度评分：

11、=；

12、其中，为影像清晰度评分，为校正后像素点灰度值，梯度，×为影像分辨率；当低于预设阈值时，触发无人机调整焦距或飞行高度，直至影像清晰度评分大于等于所述预设阈值；

13、所述边缘计算节点，还利用所述原位自校准模块采集的水体表面温度作为参考基准，计算坝体表面相对温差：

14、=-；

15、其中，为通过无人机上传感器监测的第个像素点的温度值，为原位自校准模块采集的水体表面温度；当大于预设温度值时，标记为疑似渗漏区域，并触发数据分析模块提升该区域的循环采样频率。

16、在一些实施例中，所述数据分析模块设置有水环境反演模型，其中，所述水环境反演模型被配置为基于所述水质巡查无人机上的多光谱传感设备输出的光监测数据执行水质评估，所述执行水质评估包括：

17、基于所述校正增益系数对所述光监测数据中的原始光反射率进行修正：

18、=，=；

19、其中，为原始红外波段反射率；为修正后的红外波段反射率；为原始红外波段反射率；为修正后的红外波段反射率；

20、基于修正后的红外波段反射率和近红外波段反射率计算归一化差值植被指数以反演叶绿素浓度：

21、ndvi=；

22、其中，ndvi为归一化差值植被指数；

23、基于所述归一化差值植被指数，结合浊度反演算法，计算水质污染概率：

24、=；

25、其中，为水质污染概率，为基于蓝绿光波段计算的浊度参数，、、为权重参数，是sigmoid激活函数；

26、当所述水质污染概率大于预设阈值时，判定该水域存在水华或者油膜污染风险。

27、在一些实施例中，所述数据分析模块被配置为：基于所述激光雷达监测设备输出的雷达数据，执行坝体形变分析流程：

28、获取当前周期的激光雷达监测设备采集的点云数据与历史基准点云数据；

29、对点云数据和历史基准点云数据进行迭代最近点算法icp配准，计算同名点的三维位移量；

30、基于所述三维位移量计算坝体形变速率指数：

31、=；

32、其中，为坝体形变速率指数，和分别为基座周期和当前周期的坐标，为时间间隔；

33、当所述坝体形变速率指数超过预设安全阈值时，发出形变预警。

34、在一些实施例中，所述狭小空间补盲无人机为微型多旋翼无人机，挂载的气体传感器至少包括co传感器与传感器；

35、所述数据分析模块内置有气体扩散预警模型，用于计算封闭空间内的综合气体危险指数：

36、=；

37、其中，为综合气体危险指数，和为实时监测浓度，和是职业暴露限值；当所述综合气体危险指数大于预设危险指数时，禁止人员进入并触发无人机进行复测。

38、8.根据权利要求1所述的系统，其特征在于，所述任务调度模块被配置为采用自适应人工智能ai算法动态调整巡航路径，其代价函数定义为：

39、=++；

40、其中，为从起点到节点n的实际路径成本，为启发函数，为节点n的风险权重值，为风险调节因子，所述任务调度模块优先值高的区域，并在路径规划中强制插入途经静止水体的悬停校准节点。

41、在一些实施例中，当所述工程适配模块判定目标工程为水坝工程时，执行如下监测策略：

42、所述任务调度模块优先调度所述日常巡检无人机对坝体进行贴面巡航，并计算渗漏低温带，并利用原位自校准后的红外数据计算渗漏低温带；

43、每间隔预设周期，调度所述测绘监测无人机采集三维点云数据，并计算坝体形变速率指数；

44、在汛期或库水位骤变工况下，触发所述狭小空间补盲无人机进入廊道及闸门井，计算综合气体危险指数，并将采集的广角影像回传至云端进行裂缝缺陷识别。

45、在一些实施例中，当所述工程适配模块判定目标工程为河道堤防工程时，执行如下监测策略：

46、所述任务调度模块调度所述日常巡检无人机沿堤线进行长距离带状巡航，利用所述边缘计算节点实时识别堤身裂缝与动物洞穴，并动态调整针对险工险段的巡航密度；

47、调度所述水质巡查无人机对河道断面进行光谱扫描，在每段扫描开始前利用邻近水体完成原位自校准，再计算水质污染概率，并在高水位工况下，联动所述日常巡检无人机的红外热成像相机，对堤脚与穿堤建筑物进行基于温差的管涌与渗漏初筛。

48、本发明与现有技术相比，具有如下的优点和有益效果：

49、（1、基于水体介质的原位自校准机制，利用静止水体作为天然辐射定标源，动态计算增益系数对多光谱及红外数据进行实时补偿，有效克服了高湿、高雾环境下传感器数据漂移及镜头污损导致的失真问题。

50、（2、通过引入水体表面温度作为参考黑体，动态修正红外热成像相机的发射率参数，解决了传统测温受大气透射率变化干扰的难题，结合局部窗口温差算法，显著排除了水面反光及环境辐射噪声，大幅降低了误报率。

51、（3、将原位自校准节点强制嵌入无人机巡航路径规划中，构建了“飞行-校准-监测”一体化的边缘计算架构，不仅消除了长距离巡检中累积的测量误差，还减少了原始无效数据的回传带宽占用，使得系统在通信受限的偏远水利枢纽仍能保持高精度、低延时的稳定运行。