一种数字乡村综合治理AI预警平台的制作方法

本发明涉及乡村综合治理领域，涉及到一种数字乡村综合治理ai预警平台。

背景技术：

1、乡村环境是农业生产、农田生态、农民居住等多个方面的综合体现，直接关系着农村居民的健康和生存环境。乡村环境治理不仅有助于保护农村生态系统和生物多样性，改善农村居民的生活环境和健康状况。因此，对乡村环境进行治理具有重要意义，能够保护和改善农村生态环境，促进农村可持续发展，提高农民的生活质量和福祉。

2、河流是乡村生态系统的重要组成部分，对维持生物多样性、土壤肥沃度和水资源供应起着至关重要的作用。此外，河流还扮演着水循环和水调节的重要角色，通过滋养湿地、保持地下水位和防止洪水等方式，维护着生态平衡和自然资源的可持续利用。因此，河流的健康状况直接影响着乡村的可持续发展和居民的生活质量，故对乡村河流进行监测治理具有现实意义。

3、现有的乡村河流监测治理方法存在一些不足：一方面，现有方法主要采用人工监管的方式，即依靠河长巡检，灵活性比较低，由于乡村河流作业区域广、环境复杂，使得巡检时间长、人工识别难度大，且效率也比较低，同时采用人工监管，无法做到及时预警，问题的处理和反馈不及时。

4、另一方面，现有方法监控数据的分析维度较为单一，仅针对乡村河流的某一类异常情况进行分析和预警，监测的覆盖面不够广泛，存在监管遗漏，进而难以保证乡村河流监管的全面性、可靠性和智能性。

技术实现思路

1、针对上述问题，本发明提出了一种数字乡村综合治理ai预警平台，实现对乡村综合治理的功能。

2、本发明解决其技术问题采用的技术方案是：本发明提供一种数字乡村综合治理ai预警平台，包括：河流摄像监控点布设模块：用于按照预设的原则对指定乡村河流进行划分，得到指定乡村河流的各河流段，将其记为各目标河流段，进一步在各目标河流段布设各摄像监控点。

3、河流视频信息采集模块：用于采集各目标河流段中各摄像监控点的视频影像。

4、河流污水排放监测分析模块：用于根据各目标河流段中各摄像监控点的视频影像，分析各目标河流段中各子区域的水体颜色异常系数，进一步获取各目标河流段中各污水排放点。

5、河流垃圾倾倒监测分析模块：用于根据各目标河流段中各摄像监控点的视频影像，分析各目标河流段中各子区域的水面垃圾隐患系数，获取各目标河流段中各垃圾倾倒点，并监测各目标河流段的各人员是否存在倾倒垃圾行为，进行预警。

6、河流两岸堤坝监测分析模块：用于根据各目标河流段中各摄像监控点的视频影像，分析各目标河流段中各段堤坝的损坏系数，获取各目标河流段中各堤坝受损点。

7、河流危险行为监测分析模块：用于根据各目标河流段中各摄像监控点的视频影像，监测各目标河流段的各人员是否存在危险行为，进行预警，并获取各目标河流段中存在危险行为的各人员的危险行为类型。

8、河流监测信息反馈模块：用于将各目标河流段中各污水排放点、各垃圾倾倒点、各堤坝受损点和存在危险行为的各人员的危险行为类型反馈至指定乡村的综合治理预警平台。

9、数据库：用于存储各目标河流段的历史图像、各类型异物的图像集合、倾倒垃圾对应的动作图像集合、河流堤坝的参考空间模型和各类型危险行为的动作图像集合。

10、在上述实施例的基础上，所述河流摄像监控点布设模块的具体分析过程为：s1：按照设定的长度对指定乡村河流进行等长度划分，得到指定乡村河流的各河流段，将其记为各目标河流段。

11、s2：获取设定长度河流段对应的摄像监控点数量，将其记为各目标河流段的预估摄像监控点数量，并表示为，表示第个目标河流段的编号，。

12、s3：设定目标河流段的邻近距离，获取各目标河流段两岸邻近距离内居民建筑的总数量，将其记为，并获取各目标河流段两岸邻近距离内各居民建筑与目标河流段之间的距离，将其记为，表示第个居民建筑的编号，。

13、通过分析公式得到各目标河流段的人口居住密集系数，其中表示预设的居民建筑数量阈值，表示居民建筑的数量，表示预设的居民建筑与目标河流段之间距离的阈值。

14、将各目标河流段的人口居住密集系数与预设的各人口居住密集系数范围对应的摄像监控点增设数量进行比对，筛选得到各目标河流段的摄像监控点增设数量，将其记为。

15、s4：通过分析公式得到各目标河流段的摄像监控点数量，进一步在各目标河流段布设各摄像监控点。

16、在上述实施例的基础上，所述河流污水排放监测分析模块的具体分析过程包括：根据各目标河流段中各摄像监控点的视频影像，获取各目标河流段的各角度图像，拼接得到各目标河流段的实景图像。

17、按照预设的等面积原则对各目标河流段进行网格式划分，得到各目标河流段中各子区域。

18、根据各目标河流段的实景图像，得到各目标河流段中各子区域的图像，利用图像处理技术获取各目标河流段中各子区域图像的各灰度值，进一步获取各目标河流段中各子区域图像的特征灰度值，将其记为，表示目标河流段中第个子区域的编号，。

19、获取各目标河流段中各子区域的各相邻子区域图像的特征灰度值，将其记为，表示第个相邻子区域的编号，。

20、提取数据库中存储的各目标河流段的历史图像，得到各目标河流段中各子区域的历史图像，进一步获取各目标河流段中各子区域历史图像的特征灰度值，将其记为。

21、在上述实施例的基础上，所述河流污水排放监测分析模块的具体分析过程还包括：通过分析公式得到各目标河流段中各子区域的水体颜色异常系数，其中分别表示预设的子区域的相邻子区域图像和历史图像的权值，表示相邻子区域的数量，表示子区域图像的特征灰度值与其相邻子区域图像的特征灰度值之间偏差的阈值，表示子区域图像的特征灰度值与子区域历史图像的特征灰度值之间偏差的阈值。

22、将各目标河流段中各子区域的水体颜色异常系数与预设的水体颜色异常系数阈值进行比较，若某目标河流段中某子区域的水体颜色异常系数大于预设的水体颜色异常系数阈值，则将该目标河流段中该子区域记为污水排放点，统计得到各目标河流段中各污水排放点。

23、在上述实施例的基础上，所述河流垃圾倾倒监测分析模块的分析过程包括：将各目标河流段中各子区域图像的各灰度值与预设的水面图像灰度值的参考范围进行比较，得到各目标河流段中各子区域图像的各异常灰度值，获取各目标河流段中各子区域图像中各异常灰度值对应区域的面积，将其记为各目标河流段中各子区域图像中各异物的面积，并表示为，表示第个异物的编号，。

24、获取各目标河流段中各子区域图像中各异物的图像，提取数据库中存储的各类型异物的图像集合，将各目标河流段中各子区域图像中各异物的图像与各类型异物的图像集合进行比对，筛选得到各目标河流段中各子区域图像中各异物的类型。

25、通过分析公式得到各目标河流段中各子区域的水面垃圾隐患系数，其中表示预设的水面异物面积阈值，表示预设的第个异物的类型对应的影响因子。

26、根据各目标河流段中各子区域的水面垃圾隐患系数，分析得到各目标河流段中各垃圾倾倒点。

27、在上述实施例的基础上，所述河流垃圾倾倒监测分析模块的分析过程还包括：根据各目标河流段中各摄像监控点的视频影像，得到各目标河流段中各人员的视频影像，进一步得到各目标河流段中各人员的各动作图像。

28、提取数据库中存储的倾倒垃圾对应的动作图像集合，将各目标河流段中各人员的各动作图像与倾倒垃圾对应的动作图像集合进行比对，分析各目标河流段中存在倾倒垃圾行为的各人员，将各目标河流段中存在倾倒垃圾行为的各人员的图像发送至指定乡村的综合治理预警平台，并通过各目标河流段安装的语音设备进行预警提示。

29、在上述实施例的基础上，所述河流两岸堤坝监测分析模块的具体分析过程为：按照预设的等长度原则对各目标河流段两岸的堤坝进行划分，得到各目标河流段的各段堤坝。

30、根据各目标河流段中各摄像监控点的视频影像，获取各目标河流段中各段堤坝的实景图像，构建各目标河流段中各段堤坝的空间模型。

31、提取数据库中存储的河流堤坝的参考空间模型，将各目标河流段中各段堤坝的空间模型与参考空间模型进行比对，得到各目标河流段中各段堤坝的空间模型与参考空间模型的拟合度，将其记为，表示第段堤坝的编号，。

32、通过分析公式得到各目标河流段中各段堤坝的损坏系数，其中表示自然常数，表示预设的河流堤坝空间模型拟合度的阈值。

33、根据各目标河流段中各段堤坝的损坏系数，获取各目标河流段中各堤坝受损点。

34、在上述实施例的基础上，所述河流危险行为监测分析模块的具体分析过程为：提取数据库中存储的各类型危险行为的动作图像集合，将各目标河流段中各人员的各动作图像与各类型危险行为的动作图像集合进行比对，判断各目标河流段中各人员是否存在危险行为，进一步获取各目标河流段中存在危险行为的各人员的危险行为类型，并通过各目标河流段安装的语音设备进行预警提示。

35、相对于现有技术，本发明所述的一种数字乡村综合治理ai预警平台以下有益效果：1.本发明通过采用全天候自动化视频监控的方式对各河流段进行不间断的监测分析，灵活性比较高，降低河长的巡检难度和任务量，提高巡检效率，并且及时做出事中判断和预警提示，避免监管遗漏，最大化提高河流监管的效率。

36、2.本发明通过对乡村河流的污水排放、垃圾倾倒、堤坝损坏和人员危险行为等多类异常情况进行分析和预警，使得监测覆盖面更广泛，避免存在监管遗漏，实现大面积、高精度、高时效地对乡村河流典型问题进行监管，在释放河长工作量的同时，用高科技精准锁定各河流段，提高乡村水环境治理与保护的效率。