土壤修复状态智能化检测设备的制作方法

本发明涉及环境监控技术领域，更具体地，涉及一种土壤修复状态智能化检测设备。

背景技术：

土壤污染是个日趋严重的环境问题，直接威胁人类食品健康的安全和土壤生态功能的可持续发展。关于污染土壤的毒性和和风险评价已经引起广泛的关注，但是只有结合化学和生物学的方法才可以有效地检测土壤污染物与生物体之间的相互作用。

目前，土壤检测仪分包括以下几种：1)用于土壤前处理的土壤取样器、土壤振筛仪、环刀、土壤筛、土壤溶液取样器等；2)用于土壤养分检测的土壤ec计、土壤养分速测仪、台式近红外土壤养分速测仪、手持式土壤养分速测仪、尼龙筛、定氮仪、离子计、ph计、原子吸收分光光度计、铭空心阴极灯、乙块钢瓶、原子吸收光谱仪、原子荧光光度计、测汞仪、滴定仪、气相色谱仪、分光光度计、电导率仪、土壤盐分测定仪等；3)用于土壤水分检测的便携式土壤水分速测仪、土壤水分速测仪、便携式土壤墒情测定仪、土壤水分温度速测仪、烘干法红外水分测试仪、土壤水分温度速测仪等；4)用于土壤硬度检测的数字式土壤硬度计、指针式土壤硬度计、土壤紧实度测定仪等；5)用于土壤酸碱度检测的土壤ph计、指针式土壤酸度计、数字式土壤酸度计等。

现有技术中，申请号为cn201410220674.2的中国发明专利申请公开了一种基于物联网的企业雨水排放口监控系统，包括现场信息采集装置、物联网监控中心和应急处理装置，所述现场信息采集装置包括监控器、水质检测仪、一体化水泵；所述物联网监控中心包括中央处理器、控制器、显示器、应急报警装置、3g预警模块；所述应急处理装置包括回流水泵、若干电动阀门、应急池，所述现场信息采集装置、显示器、控制器和通信系统均与中央处理器连接，各个电动阀门均与控制器连接，所述应急报警装置和3g预警模块通过有线或无线方式与通信系统相连，所述监控器和水质检测仪安装在一体化泵站的进水口。然而，包括这种方式在内的现有技术都需要设置诸多土壤检测设备到现场，而这些设备的采购成本较高、安装成本较高，维护成本更高。

此外，时刻监控这些设备或者定期监控这些设备得到的数据，难以准确反映其是否出现了土壤二次污染的问题。尤其是针对当前的土壤而言，污染和修复过程一般都是较为缓慢的。上述土壤检测设备不适于固定地安装到这些现场，否则效率极低。而人为现场检测的成本也较高，检测活动受到环境、地理位置等诸多因素制约，从而人为现场检测得到的数据准确性存疑。

技术实现要素：

为了提高土壤修复检测和污染监控的效率，降低监控成本，本发明提供了一种土壤修复状态智能化检测设备，用于对林场或牧场遭受有机污染的土壤的治理过程中对土壤修复状态进行监控，包括：

视频信息获取单元，用于采用无人机方式拍摄待检测土壤区域的植被的图像信息，得到视频信息；

arm单元，用于根据所述视频信息获取单元获得的视频信息进行土壤的修复状态的检测；

智能化标识单元，用于根据预先存储的所述植被受不同有机污染物污染后恢复的特征，与所述arm单元的结果进行比对，从而确定有机污染物的可能类型。

进一步地，所述视频信息获取单元包括：

经纬度信息获得子单元，用于获得各个时刻的经纬度信息；

土壤修复状态确定子单元，用于确定土壤修复状态。

进一步地，所述经纬度信息获得子单元包括：

校正视频信息图像-经纬度信息包获得模块，用于获得待检测土壤区域的植被的视频信息进行校正，并得到校正后的视频信息对应的经纬度信息，根据校正后的视频信息图像-经纬度信息包。

进一步地，所述土壤修复状态确定子单元根据校正后的视频信息图像-经纬度信息包进行土壤修复状态的确定。

进一步地，所述校正视频信息图像-经纬度信息包获得模块包括：

假设t0时刻、t1时刻、t2时刻、……、tn时刻是所述视频信息中对应的n+1个连续时刻，其中n为大于4的自然数；

分帧模块，用于对视频信息进行分帧，分别将t0和t1时刻的视频信息转换为图像信息img0和img1，并获得低频子带信号的校正系数和高频子带信号的校正系数；

低频子带信号校正模块，用于根据低频子带信号的校正系数和高频子带信号的校正系数，对t2时刻、……、tn时刻的视频信息进行校正；

排序模块，用于对经过校正的t0时刻、t1时刻、t2时刻、……、tn时刻的视频信息进行排序；

视频信息图像-经纬度信息包生成模块，用于生成视频信息图像-经纬度信息包。

进一步地，所述分帧模块包括：

第一子带信号获得子模块，用于对img0和img1分别进行小波变换，得到依次对应于t0时刻和t1时刻的低频子带信号l0、高频子带信号l1、和高频子带信号h0、高频子带信号h1；

低频子带信号校正系数计算子模块，用于计算低频子带信号的校正系数c(x,y)l：

其中，该x和y分别表示t0时刻的帧图像中某个像素点的横坐标和纵坐标,βm表示修正矩阵的均值，ηm表示修正矩阵的方差，该修正矩阵为以为方差、为均值的2阶对角阵b；

滤波子模块，用于对高频子带信号通过高斯滤波器，得到h’0和h’1：

高频子带信号校正系数计算子模块，用于对于t0时刻的帧图像，计算位于(x，y)位置的像素的高频子带信号的校正系数c(x,y)h：

其中sδ表示以(x，y)为中心、为半径的圆域的面积，d表示矩阵a的模值的上整数，a表示以下矩阵：

其中i为矩阵a的模值的下整数。

进一步地，所述低频子带信号校正模块包括：

第二子带信号获得子模块，用于对t2时刻、……、tn时刻的视频信息进行小波变换，分别得到与这些视频信息一一对应的高频子带信号和低频子带信号；

第一高频校正子模块，用于对这些高频子带信号对于其对应的时刻的视频信息中的各个点，与c(x,y)h相减；

第二高频校正子模块，用于对这些低频子带信号对于其对应的时刻的视频信息中的各个点，与c(x,y)l相减；

校正视频信息获得子模块，用于将上述经过相减的高频子带信号和低频子带信号根据其对应的时刻，分别进行小波逆变换，得到与经过校正的t2时刻、……、tn时刻的视频信息。

进一步地，上述排序模块包括：

记录子模块，用于记录上述校正过程中，经过校正的各个高频子带信号；

卷积子模块，用于将各个高频子带信号按照时间先后顺序，进行两两卷积；

中位数计算子模块，用于计算卷积值的中位数；

最小卷积值确定子模块，用于确定与该中位数之差的绝对值最小的卷积值；

参考视频信息确定子模块，用于确定与该绝对值最小的卷积值相对应的、按照时间顺序排在后面的视频信息，作为t0时刻、t1时刻、t2时刻、……、tn时刻这n+1个时刻中的参考视频信息。

进一步地，所述视频信息图像-经纬度信息包生成模块包括：

封装子模块，用于将该参考视频信息与其在视频信息中对应的经纬度信息进行封装；

发送子模块，用于将该封装后的信息进行传输。

进一步地，所述土壤修复状态确定子单元包括：

接收子模块，用于接收封装后的信息并解开，获得参考视频信息以及与之相匹配的经纬度信息；

植被识别子模块，用于利用机器学习方式对参考视频信息进行植被识别；

生长特征识别子模块，用于对识别出的植被进行生长特征识别；

检测子模块，用于根据识别出的生长特征与参考生长特征进行比较，当低于阈值或者高于阈值时，确定为土壤恢复异常。

进一步地，所述生长特征包括：叶片颜色、植株主干、主干直径。

本发明的有益效果包括：能够通过无人机等设备进行航拍并利用机器学习方式，获得植被的颜色等生长特征和状态，进而对土壤在遭受污染后的恢复情况进行简单、快速的判断。由于这种恢复过程非常缓慢，经申请人在位于内蒙古境内的多处林地进行小规模试验，无人机的监测频率可以为一个月一次甚至两个月一次，不但从能耗上极大地降低了监测需求，而且从设备采购和维护成本上也极大地降低了监测成本。

附图说明

图1示出了本发明的设备的组成框图。

具体实施方式

如图1所示，根据本发明的优选实施例，本发明提供了一种土壤修复状态智能化检测设备，用于对林场或牧场遭受有机污染的土壤的治理过程中对土壤修复状态进行监控，包括：

视频信息获取单元，用于采用无人机方式拍摄待检测土壤区域的植被的图像信息，得到视频信息；

arm单元，用于根据所述视频信息获取单元获得的视频信息进行土壤的修复状态的检测；

智能化标识单元，用于根据预先存储的所述植被受不同有机污染物污染后恢复的特征，与所述arm单元的结果进行比对，从而确定有机污染物的可能类型。

优选地，所述视频信息获取单元包括：

经纬度信息获得子单元，用于获得各个时刻的经纬度信息；

土壤修复状态确定子单元，用于确定土壤修复状态。

优选地，所述经纬度信息获得子单元包括：

校正视频信息图像-经纬度信息包获得模块，用于获得待检测土壤区域的植被的视频信息进行校正，并得到校正后的视频信息对应的经纬度信息，根据校正后的视频信息图像-经纬度信息包。

优选地，所述土壤修复状态确定子单元根据校正后的视频信息图像-经纬度信息包进行土壤修复状态的确定。

优选地，所述校正视频信息图像-经纬度信息包获得模块包括：

假设t0时刻、t1时刻、t2时刻、……、tn时刻是所述视频信息中对应的n+1个连续时刻，其中n为大于4的自然数；

分帧模块，用于对视频信息进行分帧，分别将t0和t1时刻的视频信息转换为图像信息img0和img1，并获得低频子带信号的校正系数和高频子带信号的校正系数；

低频子带信号校正模块，用于根据低频子带信号的校正系数和高频子带信号的校正系数，对t2时刻、……、tn时刻的视频信息进行校正；

排序模块，用于对经过校正的t0时刻、t1时刻、t2时刻、……、tn时刻的视频信息进行排序；

视频信息图像-经纬度信息包生成模块，用于生成视频信息图像-经纬度信息包。

优选地，所述分帧模块包括：

第一子带信号获得子模块，用于对img0和img1分别进行小波变换，得到依次对应于t0时刻和t1时刻的低频子带信号l0、高频子带信号l1、和高频子带信号h0、高频子带信号h1；

低频子带信号校正系数计算子模块，用于计算低频子带信号的校正系数c(x,y)l：

其中，该x和y分别表示t0时刻的帧图像中某个像素点的横坐标和纵坐标,βm表示修正矩阵的均值，ηm表示修正矩阵的方差，该修正矩阵为以为方差、为均值的2阶对角阵b；

滤波子模块，用于对高频子带信号通过高斯滤波器，得到h’0和h’1：

高频子带信号校正系数计算子模块，用于对于t0时刻的帧图像，计算位于(x，y)位置的像素的高频子带信号的校正系数c(x,y)h：

其中sδ表示以(x，y)为中心、为半径的圆域的面积，d表示矩阵a的模值的上整数，a表示以下矩阵：

其中i为矩阵a的模值的下整数。

优选地，所述低频子带信号校正模块包括：

第二子带信号获得子模块，用于对t2时刻、……、tn时刻的视频信息进行小波变换，分别得到与这些视频信息一一对应的高频子带信号和低频子带信号；

第一高频校正子模块，用于对这些高频子带信号对于其对应的时刻的视频信息中的各个点，与c(x,y)h相减；

第二高频校正子模块，用于对这些低频子带信号对于其对应的时刻的视频信息中的各个点，与c(x,y)l相减；

校正视频信息获得子模块，用于将上述经过相减的高频子带信号和低频子带信号根据其对应的时刻，分别进行小波逆变换，得到与经过校正的t2时刻、……、tn时刻的视频信息。

优选地，上述排序模块包括：

记录子模块，用于记录上述校正过程中，经过校正的各个高频子带信号；

卷积子模块，用于将各个高频子带信号按照时间先后顺序，进行两两卷积；

中位数计算子模块，用于计算卷积值的中位数；

最小卷积值确定子模块，用于确定与该中位数之差的绝对值最小的卷积值；

参考视频信息确定子模块，用于确定与该绝对值最小的卷积值相对应的、按照时间顺序排在后面的视频信息，作为t0时刻、t1时刻、t2时刻、……、tn时刻这n+1个时刻中的参考视频信息。

优选地，所述视频信息图像-经纬度信息包生成模块包括：

封装子模块，用于将该参考视频信息与其在视频信息中对应的经纬度信息进行封装；

发送子模块，用于将该封装后的信息进行传输。

优选地，所述土壤修复状态确定子单元包括：

接收子模块，用于接收封装后的信息并解开，获得参考视频信息以及与之相匹配的经纬度信息；

植被识别子模块，用于利用机器学习方式对参考视频信息进行植被识别；

生长特征识别子模块，用于对识别出的植被进行生长特征识别；

检测子模块，用于根据识别出的生长特征与参考生长特征进行比较，当低于阈值或者高于阈值时，确定为土壤恢复异常。

优选地，所述生长特征包括：叶片颜色、植株主干、主干直径。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。