一种基于边缘计算的感算一体化水体分析系统及方法

本发明涉及水体检测，具体为一种基于边缘计算的感算一体化水体分析系统及方法。

背景技术：

1、水是生命之源，是人类生活、工业生产、农业灌溉等活动不可或缺的资源。然而，随着工业化、城市化进程的加速以及人口的增长，大量的污染物被排放到水体中，如工业废水、生活污水、农业面源污染等，导致水质恶化，对人类健康和生态环境构成了严重威胁。因此，准确、及时地监测水体质量，对于水资源的保护和管理至关重要。随着科技的不断进步，各种先进的分析仪器、传感器技术、信息技术等不断涌现，为水体检测技术的发展提供了有力的支持。目前，水体信息的监测方法主要以物理化学监测技术为主，传统的监测手段主要依靠在监测断面上布设的监测站点，利用人工或者半自动的监测手段来获取站点上的水资源信息，但这种方法需要投入的成本高、耗时长、覆盖水域也有限，并且水文站点的设置会受到自然坏境的影响，有些自然环境恶劣的地方难以设置水文站点，不能满足水体空间连续性监测监管的要求。现今大部分的水体检测主要依靠水质分析仪，但是水质分析仪造价昂贵并且使用并不便捷，对于小型的水体无法检测，随之诞生利用视觉传感器采集图像对水体进行检测，但依旧存在一些问题，视觉图像过分依赖环境因素，当天气阴沉或夜晚时光线较暗导致采集的图像不清晰，会极大的导致水体检测设备产生误判，无法提供精确的水体分析结果。

技术实现思路

1、本发明的目的在于提供一种基于边缘计算的感算一体化水体分析系统及方法，以解决现有技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于边缘计算的感算一体化水体分析方法，所述方法包括以下步骤：

4、s100、利用遥感技术采集水体环境数据，根据水体环境数据计算边缘水体检测设备最佳放置点，在最佳放置点放置边缘水体检测设备，构建得到分布式边缘检测网络；分布式边缘检测网络包括边缘水体检测设备和中心云端；

5、进一步的，构建得到分布式边缘检测网络的具体步骤为：

6、s101、利用遥感技术采集水体环境数据，提取水体环境中水体的边缘形状，将水体的边缘分割为由n个折线连接构成，设构成水体边缘的折线为，表示构成水体边缘的第1、2、3、...、n个折线，n为正整数；测量水体边缘中每个折线的连接点坐标为，表示水体边缘所有折线中第1、2、3、...、n个连接点，根据所有连接点计算得到边缘水体检测设备的最佳放置点，公式为：

7、；

8、公式中，表示计算的边缘水体检测设备的最佳放置点坐标，i表示n个连接点中任意一个，；

9、s102、在计算得到边缘水体检测设备的最佳放置点后，采集边缘水体检测设备中视觉传感器的最远可视距离为l，在最佳放置点放置第一个边缘水体检测设备，设每个边缘水体检测设备的检测范围为圆形，半径为l；当水体的面积大于最佳放置点的边缘水体检测设备的检测面积时，在第一个边缘水体检测设备周围相切的放置六个同样的边缘水体检测设备，使第一个边缘水体检测设备和相切的六个边缘水体检测设备构成一个正六边形的顶点和中心点，计算水体中需要放置的边缘水体检测设备数量，公式为：

10、；

11、公式中，sm表示水体中需要放置的边缘水体检测设备的数量，计算结果向下取整，q表示水体的面积，l表示边缘水体检测设备的最大检测距离；在水体中放置边缘水体检测设备后，使每个边缘水体检测设备与中心云端无线通信连接，构成分布式边缘检测网络。

12、利用无线通信和对水体环境进行分析构建分布式边缘检测网络可以快速响应异常情况，能够在靠近水体数据源的位置进行检测，减少了数据传输和处理的延迟，并且分布式边缘检测网络可以对水体进行连续监测，实时捕捉这些变化。利用多节点协同大大提高了检测精度。

13、s200、利用多光谱摄像头提取自然光的所有光线种类和对应的波段，通过采集水体样本，收集历史中水体内的物质种类，采集历史中利用多光谱摄像头拍摄的不同光线下的水体图像，提取每种光线下水体图像中最显著的物质种类，将光线种类和最显著物质种类进行匹配，生成光线-物质匹配数据库；

14、进一步的，生成光线-物质匹配数据库的具体步骤为：

15、s201、利用多光谱摄像头提取自然光中存在的所有光线种类为，表示自然光中存在的第1、2、3、...、m种光线，m为正整数；使用光谱仪对应测量自然光中每种光线的波段为，表示测量的自然光中第1、2、3、...、m种光线的波段，中q表示每种光线波段的最小值，p表示每种光线波段的最大值；

16、s202、收集水体中存在的所有物质种类为，表示收集的水体中存在的第1、2、3..、j种物质，j为正整数；采集历史中水体在不同光线下的图像数据，利用sobel 算子将图像数据进行灰度化，并计算不同光线下水体中每种物体边缘灰度值的梯度幅值为，表示计算的水体中第1、2、3、...、j种物质边缘灰度值的梯度幅值；判断图像中梯度幅值最大值对应的物质为最显著物质种类，依次计算每种光线下水体图像中的物质边缘灰度值的梯度幅值，得到每个光线下图像中最显著物质，将光线种类和物质种类进行匹配为，表示第1、2、3、...、m个光线和物质的匹配结果，利用匹配结果生成光线-物质匹配数据库。

17、水体中不同的物质在不同光线下的显示度并不相同，一些物质在某些光线下清晰度会大大提高，或者有显著的突出色；因此对不同光线下的最显著物质进行匹配，可以增加水体检测的准确信和广泛性，使检测设备在不同光线情况下均能对水体进行检测。

18、s300、收集历史中水体异常时每种光线下的水体图像，根据光线-物质匹配数据库中每种光线匹配的最显著物质计算每种光线下异常水体图像的最显著物质异常阈值；

19、进一步的，计算每种光线下异常水体图像的最显著物质异常阈值的具体步骤为：

20、s301、收集历史中水体异常和正常时每种光线下的水体图像，提取每种光线下图像中的最显著物质种类，将水体处于不同状态时的两种图像的最显著物质进行对比，设每种光线匹配的最显著物质包含状态数据为，表示每种光线匹配的最显著物质包含的第1、2、3、...、k种状态数据，k为正整数；经过对于两种状态下的最显著物质，提取出最显著物质在两种状态下差异最大的状态作为异常状态特征；经过对比得到每种光线匹配的最显著物质的异常状态特征为，表示对比得到的第1、2、3、...、m种光线匹配的最显著物质的异常状态特征；

21、s302、在判断得到每种光线匹配的最显著物质异常状态特征后，提取历史水体异常时图像数据中不同光线下最显著物质的异常状态特征，分别计算每种光线下最显著物质的异常阈值，公式为：

22、；

23、公式中，和表示分别每种光线下最显著物质异常阈值的上限和下限，e表示收集的历史中每种光线下图像内最显著物质异常状态特征值，h表示收集的历史异常状态特征值的数量，ep表示计算收集的历史中h个异常状态特征的平均值；经过计算得到每种光线下最显著物质的异常阈值为，表示计算的每种光线匹配的最显著物质的异常阈值。

24、s400、收集历史中水体异常时的视觉图像，利用水体异常时的视觉图像计算得到异常清晰度；利用边缘水体检测设备中的视觉传感器实时采集水体图像，得到实时水体图像的清晰度，利用异常清晰度对实时水体图像的清晰度进行浅层分析判断，并进行异常预警；

25、进一步的，利用异常清晰度对实时水体图像的清晰度进行浅层分析判断的具体步骤为：

26、s401、收集历史中水体异常时的视觉图像，将收集的水体异常时的视觉图像进行灰度化，计算收集的每个历史视觉图像的灰度值方差，公式为：，公式中，表示历史视觉图像的灰度值方差，d表示收集的历史视觉图像中灰度值的数量，h表示收集的历史中视觉图像中灰度值，表示历史视觉图像中灰度值平均值；经过计算得到收集的历史中每个视觉图像的灰度值方差；利用灰度值方差表示每个视觉图像的清晰度；

27、s402、利用历史中每个视觉图像的清晰度计算得到异常清晰度，公式为：，公式中，表示计算得到水体图像的异常清晰度，表示历史中所有视觉图像的清晰度平均值，表示历史中所有视觉图像的清晰度标准差；

28、s403、利用边缘水体检测设备中的视觉传感器实时采集水体图像，得到实时水体图像的清晰度为qs，利用计算的异常清晰度对实时水体图像清晰度进行浅层判断，当时，边缘水体检测设备判断水体存在异常风险，发出预警；当时，边缘水体检测设备判断水体正常。

29、在对水体首先进行浅层分析时，由于边缘水体检测设备的便捷性可以快速可以不通过信息传输快速的查找异常边缘位置，增加异常判断的实时性，并且在简单的异常判断中通过浅层分析即可处理，大大减少了系统的工作量，减少了能源消耗。

30、s500、在边缘水体检测设备发出预警后，实时采集自然光中不同波段的光线数量，边缘水体检测设备将光线数量和不同光线的图像数据发送给中心云端；中心云端选择数量最多的光线种类对应的最显著异常阈值对实时水体进行深度分析判断，输出最终判断结果。

31、进一步的，对实时水体进行深度分析判断的具体步骤为：

32、s501、在边缘水体检测设备发出预警后，利用光谱辐射计实时采集自然光中不同波段的光线数量，提取数量最多的光线波段，在光线-物质匹配数据库中查找实时最多的光线波段对应的光线种类rs和匹配的最显著物质种类ws；边缘水体检测设备利用光谱成像仪的单波长模式选定实时光线最多的波段，对应实时采集光线rs下水体图像并传输给中心云端；中心云端接收到实时水体图像后提取最显著物质ws的异常状态特征；并对实时水体图像中最显著物质ws的异常状态特征值进行计算得到实时异常状态特征值为es；

33、s502、利用实时最显著特征ws的异常阈值对实时异常状态特征值进行深度分析判断，当时，判断边缘水体检测设备预警的水体异常，将边缘水体检测设备的预警信号传输给用户；当时，判断边缘水体检测设备预警的水体不存在异常，向预警的边缘水体检测设备发送预警解除信号，边缘水体检测设备停止预警。

34、在浅层判断结束后进行深度判断可以对浅层判断后的结果进一步深化处理，防止浅层判断的片面性，浅层判断和深层判断的结合能够充分发挥两者的优势，浅层判断提供了一个较为宽泛的潜在边缘范围，避免了深层判断可能因为模型过于复杂而遗漏一些边缘的情况；深层判断则对浅层判断的结果进行筛选和细化，减少了浅层判断容易受到亮度等干扰而产生的误判。

35、一种基于边缘计算的感算一体化水体分析系统，感算一体化水体分析系统包括数据收集模块、边缘检测网络构建模块、光线匹配模块、阈值计算模块、浅层判断模块和深度判断模块；

36、所述数据收集模块用于对历史中水体异常的图像数据进行收集，对历史中自然光的种类和波段进行收集；

37、所述边缘检测网络构建模块用于对水体的环境数据进行分析，计算边缘水体检测设备的最佳放置点，在水体中放置边缘水体检测设备，构建分布式边缘检测网络；

38、所述光线匹配模块用于对自然光中存在的光线种类和波段进行分析，判断得到每种光线下最显著的水体物质；

39、所述阈值计算模块用于利用历史中不同光线下水体异常时的图像数据，得到每个光线最显著物质的异常状态特征，并计算得到异常阈值；

40、所述浅层判断模块用于利用边缘水体检测设备对水体进行浅层的异常判断并发出预警；

41、所述深度判断模块用于利用中心云端对发出预警的边缘水体检测设备的水体进行深度异常判断。

42、边缘检测网络构建模块包括最佳放置点单元和网络构建单元；

43、所述最佳放置点单元用于对水体环境数据进行分析，将水体边缘分割为折线，利用折线的连接点坐标计算得到最佳放置点；

44、所述网络构建单元用于利用最佳放置点在水体中放置边缘水体检测设备，并计算需要的设备数量。

45、浅层判断模块包括异常清晰度计算单元和浅层判断单元；

46、所述异常清晰度计算单元用于利用历史中异常的水体图像计算得到异常清晰度；

47、所述浅层判断单元用于采集实时水体图像，利用异常清晰度对实时水体进行浅层判断。

48、深度判断模块包括实时光线判断单元和深度判断单元；

49、所述实时光线判断单元用于对实时不同波段的光线数量进行判断，得到实时光线种类和最显著物质种类；

50、所述深度判断单元用于利用实时最显著物质的异常状态特征对水体的实时深度判断，根据判断结果对边缘水体检测设备的预警进行处理。

51、与现有技术相比，本发明的有益效果是：

52、1、本发明通过构建分布式边缘检测网络可以快速响应异常情况，能够在靠近水体数据源的位置进行检测，减少了数据传输和处理的延迟，并且分布式边缘检测网络可以对水体进行连续监测，实时捕捉这些变化。

53、2、本发明通过分析不同光线下匹配的最显著物质，实现在不同光线下利用匹配的最显著物质对水体进行判断，增加水体检测的准确信和广泛性，使检测设备在不同光线情况下均能对水体进行检测，避免单一光线判断时光线变化导致的水体判断失误。

54、3、本发明通过浅层判断和深度判断结合的方式对水体进行检测，浅层判断和深层判断的结合能够充分发挥两者的优势，浅层判断提供了一个较为宽泛的潜在边缘范围，避免了深层判断可能因为模型过于复杂而遗漏一些边缘的情况；深层判断则对浅层判断的结果进行筛选和细化，减少了浅层判断容易受到亮度等干扰而产生的误判。