基于现场采样的场地污染物智能识别系统及识别方法与流程

1.本发明涉及污染识别技术领域，具体涉及基于现场采样的场地污染物智能识别系统及识别方法。


背景技术：

2.随着环境问题日益突出，场地污染状况也愈发严重。由于在工业生产过程会产生不同的毒害污染物，包括重金属、农药、石油烃和溶剂类有机物等，而大部分场地处于复合污染状态，这给污染场地的调查增加了极大的难度。因此，预先对场地污染物的识别分类显得十分重要，也为后续的针对性处理修复提供了前提条件。
3.目前，场地污染物的识别方式主要是先抽样提取场地土壤样品，然后带回到实验中进行化验分析，整个识别过程十分费时费力，且所提取样品在运输过程中易受污染，导致识别准确性下降。


技术实现要素：

4.本发明的目的在于提供基于现场采样的场地污染物智能识别系统及识别方法，其解决了现有场地污染物识别方式存在的准确性低问题。
5.本发明通过以下技术方案来实现上述目的：
6.基于现场采样的场地污染物智能识别系统，所述系统包括：
7.采样模块，用于在现场对场地污染物进行采样；
8.图像模块，用于对采样的场地污染物进行图像检测，获取场地污染物的图像信息；
9.预处理模块，用于采用高斯滤波算法对获取的图像信息进行滤波处理；
10.提取模块，用于采用lbp特征提取法提取滤波处理后图像信息的纹理特征；
11.数据库模块，用于存储场地污染物类别与纹理特征的关联信息；
12.识别模块，用于将提取的纹理特征与数据库模块内存储的关联信息匹配，识别查找出所提取纹理特征对应的场地污染物类别；
13.输出模块，用于输出场地污染物类别结果。
14.进一步改进在于，所述采样模块包括：
15.收集单元，用于收集场地污染物；
16.振动单元，用于对场地污染物进行振动分散；
17.输送单元，用于将振动分散后的场地污染物输送经过图像模块的采集区域，并最终将场地污染物输送排出。
18.进一步改进在于，所述图像模块采用多个cmos图像传感器。
19.进一步改进在于，所述提取模块包括：
20.切割单元，用于通过预设的多种切割方式分别对图像信息进行切割，得到若干各不相同的子图像以及各子图像间的连接信息；
21.连接单元，用于分别将按同一切割方式切割得到的子图像连接为中间图像，并将
各个所述中间图像连接为最终图像；
22.提取单元，用于对所述最终图像进行局部二值模式lbp运算，并将得到的lbp特征作为所述图像信息的纹理特征。
23.进一步改进在于，所述系统还包括移动模块，用于承载整个系统并进行位置移动。
24.进一步改进在于，所述系统还包括定位模块，用于对系统的位置跟踪。
25.进一步改进在于，所述系统还包括无线通信模块，用于系统与外界的远距离通信。
26.本发明还提供了一种基于现场采样的场地污染物智能识别方法，该方法采用上述系统进行识别，具体步骤包括：
27.(1)在现场对场地污染物进行采样；
28.(2)对采样的场地污染物进行图像检测，获取场地污染物的图像信息；
29.(3)采用高斯滤波算法对获取的图像信息进行滤波处理；
30.(4)采用lbp特征提取法提取滤波处理后图像信息的纹理特征；
31.(5)预先存储场地污染物类别与纹理特征的关联信息；
32.(6)将提取的纹理特征与数据库模块内存储的关联信息匹配，识别查找出所提取纹理特征对应的场地污染物类别；
33.(7)输出场地污染物类别结果。
34.本发明的有益效果在于：本发明实现了场地污染物的现场采样和识别，有助于提高识别效率以及准确性；另外，本发明首次提出基于污染物图像信息的纹理特征进行分类识别，且在提取纹理特征时，对图像信息先切割再连接，得到包含子图像连接处纹理特征的连接图像，并以连接图像的纹理特征作为污染物图像的纹理特征，由此可提高提取以及识别的准确性。
附图说明
35.图1为基于现场采样的场地污染物智能识别系统的示意图；
36.图2为基于现场采样的场地污染物智能识别方法的示意图。
具体实施方式
37.下面结合附图对本技术作进一步详细描述，有必要在此指出的是，以下具体实施方式只用于对本技术进行进一步的说明，不能理解为对本技术保护范围的限制，该领域的技术人员可以根据上述申请内容对本技术作出一些非本质的改进和调整。
38.如图1所示，基于现场采样的场地污染物智能识别系统，所述系统包括：
39.采样模块，用于在现场对场地污染物进行采样；
40.图像模块，用于对采样的场地污染物进行图像检测，获取场地污染物的图像信息；
41.预处理模块，用于采用高斯滤波算法对获取的图像信息进行滤波处理；
42.提取模块，用于采用lbp特征提取法提取滤波处理后图像信息的纹理特征；
43.数据库模块，用于存储场地污染物类别与纹理特征的关联信息；
44.识别模块，用于将提取的纹理特征与数据库模块内存储的关联信息匹配，识别查找出所提取纹理特征对应的场地污染物类别；
45.输出模块，用于输出场地污染物类别结果，可以是视频、音频、报告等形式。
46.本发明中，所述采样模块包括：
47.收集单元，用于收集场地污染物；收集单元可以是气动吸取装置、机械挖取装置等，针对污染物的不同，采用不同的收集单元。
48.振动单元，用于对场地污染物进行振动分散；振动单元可以是振动电机，也可以采用振动棒，主要针对结块的污染物，将其振动分散，便于分开识别。
49.输送单元，用于将振动分散后的场地污染物输送经过图像模块的采集区域，并最终将场地污染物输送排出。输送单元可以采用机械输送带，或者输送管道，将图像模块安装在输送路径上，输送时图像模块采集污染物的图像信息。
50.本发明中，所述图像模块采用多个cmos图像传感器，分别布置在不同角度，提高采集的全面性、准确性。
51.本发明中，所述提取模块包括：
52.切割单元，用于通过预设的多种切割方式分别对图像信息进行切割，得到若干各不相同的子图像以及各子图像间的连接信息(按照不同的切割方式，分别记录得到的各子图像间的连接信息)；例如，在切割单元切割时，可以设置横向三条切割线(1/4处、2/4处、3/4处)和纵向三条切割线(1/4处、2/4处、3/4处)，将图像切割为4*4共16个子图像。
53.连接单元，用于分别将按同一切割方式切割得到的子图像连接为中间图像，并将各个所述中间图像连接为最终图像；优选的，在进行图像连接时，是根据记录的各子图像间的连接信息分别将按同一切割方式切割得到的子图像连接为中间图像。当然，还可以不按照各子图像在原待处理图像的连接关系进行连接。
54.提取单元，用于对所述最终图像进行局部二值模式lbp(local binary patterns，局部二值模式)运算，并将得到的lbp特征作为所述图像信息的纹理特征。
55.例如，原始的lbp算子定义在像素3*3的邻域内，以邻域中心像素为阈值，相邻的8个像素的灰度值与邻域中心的像素值进行比较，若周围像素大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经过比较可产生8位二进制数，将这8位二进制数依次排列形成一个二进制数字，这个二进制数字就是中心像素的lbp值，lbp值有256种。中心像素的lbp值反映了该像素周围区域的纹理信息。该过程用公式表示即为：
[0056][0057][0058]
另外需要注意的是，计算lbp特征的图像必须是灰度图，如果是彩色图，需要先转换成灰度图。
[0059]
优选的，本发明所述系统还包括移动模块，用于承载整个系统并进行位置移动。移动模块可以采用电动小车，或者飞行器，将其他模块安装在小车上，便于对不同区域的场地进行污染物识别。进一步的还可包括定位模块，例如北斗卫星定位系统，用于对系统的位置跟踪。进一步的还可包括无线通信模块，例如采用gsm远程传输装置，用于系统与外界的远距离通信，以实现对系统的远程遥控，以及对系统识别结果的传输分享。
[0060]
如图2所示，本发明还提供了一种基于现场采样的场地污染物智能识别方法，方法
采用上述系统进行识别，具体步骤包括：
[0061]
(1)在现场对场地污染物进行采样；
[0062]
(2)对采样的场地污染物进行图像检测，获取场地污染物的图像信息；
[0063]
(3)采用高斯滤波算法对获取的图像信息进行滤波处理；
[0064]
(4)采用lbp特征提取法提取滤波处理后图像信息的纹理特征；
[0065]
(5)预先存储场地污染物类别与纹理特征的关联信息；
[0066]
(6)将提取的纹理特征与数据库模块内存储的关联信息匹配，识别查找出所提取纹理特征对应的场地污染物类别；
[0067]
(7)输出场地污染物类别结果。
[0068]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

技术特征：
1.基于现场采样的场地污染物智能识别系统，其特征在于，所述系统包括：采样模块，用于在现场对场地污染物进行采样；图像模块，用于对采样的场地污染物进行图像检测，获取场地污染物的图像信息；预处理模块，用于采用高斯滤波算法对获取的图像信息进行滤波处理；提取模块，用于采用lbp特征提取法提取滤波处理后图像信息的纹理特征；数据库模块，用于存储场地污染物类别与纹理特征的关联信息；识别模块，用于将提取的纹理特征与数据库模块内存储的关联信息匹配，识别查找出所提取纹理特征对应的场地污染物类别；输出模块，用于输出场地污染物类别结果。2.根据权利要求1所述的基于现场采样的场地污染物智能识别系统，其特征在于，所述采样模块包括：收集单元，用于收集场地污染物；振动单元，用于对场地污染物进行振动分散；输送单元，用于将振动分散后的场地污染物输送经过图像模块的采集区域，并最终将场地污染物输送排出。3.根据权利要求1所述的基于现场采样的场地污染物智能识别系统，其特征在于，所述图像模块采用多个cmos图像传感器。4.根据权利要求1所述的基于现场采样的场地污染物智能识别系统，其特征在于，所述提取模块包括：切割单元，用于通过预设的多种切割方式分别对图像信息进行切割，得到若干各不相同的子图像以及各子图像间的连接信息；连接单元，用于分别将按同一切割方式切割得到的子图像连接为中间图像，并将各个所述中间图像连接为最终图像；提取单元，用于对所述最终图像进行局部二值模式lbp运算，并将得到的lbp特征作为所述图像信息的纹理特征。5.根据权利要求1所述的基于现场采样的场地污染物智能识别系统，其特征在于，所述系统还包括移动模块，用于承载整个系统并进行位置移动。6.根据权利要求1所述的基于现场采样的场地污染物智能识别系统，其特征在于，所述系统还包括定位模块，用于对系统的位置跟踪。7.根据权利要求1所述的基于现场采样的场地污染物智能识别系统，其特征在于，所述系统还包括无线通信模块，用于系统与外界的远距离通信。8.基于现场采样的场地污染物智能识别方法，其特征在于，所述方法采用权利要求1-7任一项所述系统进行识别，具体步骤包括：(1)在现场对场地污染物进行采样；(2)对采样的场地污染物进行图像检测，获取场地污染物的图像信息；(3)采用高斯滤波算法对获取的图像信息进行滤波处理；(4)采用lbp特征提取法提取滤波处理后图像信息的纹理特征；(5)预先存储场地污染物类别与纹理特征的关联信息；(6)将提取的纹理特征与数据库模块内存储的关联信息匹配，识别查找出所提取纹理
特征对应的场地污染物类别；(7)输出场地污染物类别结果。

技术总结
本发明公开了基于现场采样的场地污染物智能识别系统及识别方法，系统包括：采样模块，用于在现场对场地污染物进行采样；图像模块，用于对采样的场地污染物进行图像检测，获取场地污染物的图像信息；预处理模块，用于采用高斯滤波算法对获取的图像信息进行滤波处理；提取模块，用于采用LBP特征提取法提取滤波处理后图像信息的纹理特征；数据库模块，用于存储场地污染物类别与纹理特征的关联信息；识别模块，用于将提取的纹理特征与数据库模块内存储的关联信息匹配，识别查找出所提取纹理特征对应的场地污染物类别；输出模块，用于输出场地污染物类别结果。本发明实现了场地污染物的现场采样和识别，有助于提高识别效率以及准确性。性。性。


技术研发人员：陈玉东 甘信宏 赵珅 邓绍坡 李勖之 李明 丁达 尹爱经
受保护的技术使用者：生态环境部南京环境科学研究所
技术研发日：2021.10.21
技术公布日：2022/1/28