本发明公开了一种基于激光雷达和深度学习路径寻优的生态预警系统及方法，系统包括生态预警船、岸基服务器；生态预警船包括核心控制模块、航行驱动模块、水质检测模块、智能避障取证模块、通信模块和电源模块；岸基服务器包括数据分析模块和路径规划模块；岸基服务器用于查看生态预警船位置，接收并分析生态预警船回传的数据，规划生态预警船路径，依据多点数据预测污染源中心位置；在岸基服务器数据分析和路径规划前提下，生态预警船在最优路径下完成水质监测和取样并对轻微污染进行处理。本发明能精准解决传统水质监测受环境限制大、采样周期长、资金花费多等问题，真正实现了人工智能在改善生态环境上的应用。
1.一种基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：包括生态预警船、岸基服务器；
所述生态预警船包括核心控制模块、航行驱动模块、水质检测模块、智能避障取证模块、通信模块和电源模块；所述岸基服务器包括数据分析模块和路径规划模块；
所述岸基服务器用于查看所述生态预警船位置，接收并分析所述生态预警船回传的数据，规划所述生态预警船路径，依据多点数据预测污染源中心位置；在所述岸基服务器数据分析和路径规划前提下，所述生态预警船在最优路径下完成水质监测和取样并对轻微污染进行处理；
所述岸基服务器规划所述生态预警船最优路径，具体实现过程是：设生态预警船的工作环境为二维平面，用源数据模型刻画生态预警船在工作过程中与环境的交互，并及时更新环境信息；设有M个自由度可以选择，在生态预警船行进过程中，一边搜索一边探索其周围路径可不可行，并把前几轮搜索得到的所有路径和产生的信息素都保存到历史记录中，生态预警船在后续搜索路径过程中查找这些历史记录，从中搜索当前位置前方一定范围内的历史路径点，根据路径点上的信息素计算每个备选方向被选择的概率；使用蚁群算法进行路径规划；在积累一定数据的基础上，通过深度学习分析历史数据，得到较优的参数取值和步长，加速路径规划过程，并预留出一定的安全余量，确保在加速寻优的过程中船只自身的安全。
2.根据权利要求1所述的基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：所述核心控制模块由STM32、编码器、陀螺仪以及GPS组成，通过GPS实时定位并与所述岸基服务器设定的路径比对进行误差修正，控制航行驱动模块中驱动马达的转速，实现所述生态预警船自主航行、路径跟随。
3.根据权利要求1所述的基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：所述航行驱动模块由无刷电调和380防水无刷电机组成，所述核心控制模块向电调输出频率一定占空比不同的PWM信号，控制电机的转速，实现所述生态预警船的推进、转向。
4.根据权利要求1所述的基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：所述水质检测模块为设置在船体底部的水质采集探头，在所述生态预警船运动过程中实时检测水质情况。
5.根据权利要求1所述的基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：所述智能避障取证模块由激光雷达、摄像头、超声波测距子模块组成；所述激光雷达置于生态预警船顶部，向周围发射激光束探测障碍物位置；所述摄像头置于生态预警船前端实时拍摄航行方向的影像，对污染源拍照取证，图像处理分析是否有障碍物的存在；所述超声波测距子模块测量障碍物与生态预警船的距离，反馈所有障碍物信息于所述核心控制模块进行规避处理。
6.根据权利要求1所述的基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：所述通信模块由LORA通信子模块、2.4G接收机、网桥组成；所述LORA子模块负责发送水质检测部分采集的水质信息、接收所述岸基服务器的路径设定；所述2.4G接收机接收手持遥控端发射的控制信号；所述网桥负责实时传输所述智能避障取证模块中摄像头的影像。
7. 根据权利要求1所述的基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：所述电源模块由锂电池及 DC/DC 降压模块组成。
8.根据权利要求1-7任意一项所述的基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：所述系统还包括移动控制端；
所述移动控制端采用2.4G通信原理，发射2.4G信号，利用PID技术控制航行驱动模块中驱动马达的转速，实现所述生态预警船的推进、转向。
9.一种基于激光雷达和深度学习路径寻优的生态预警方法，采用权利要求1-8任意一项所述的基于激光雷达和深度学习路径寻优的生态预警系统；其特征在于，包括以下步骤：步骤1：是否选择自动模式；
若否，则手动遥控所述生态预警船进行数据采集，然后执行下述步骤5；
步骤3：所述岸基服务器规划所述生态预警船最优路径；
其中所述岸基服务器规划所述生态预警船最优路径，具体实现过程是：设生态预警船的工作环境为二维平面，用源数据模型刻画生态预警船在工作过程中与环境的交互，并及时更新环境信息；设有M个自由度可以选择，在生态预警船行进过程中，一边搜索一边探索其周围路径可不可行，并把前几轮搜索得到的所有路径和产生的信息素都保存到历史记录中，生态预警船在后续搜索路径过程中查找这些历史记录，从中搜索当前位置前方一定范围内的历史路径点，根据路径点上的信息素计算每个备选方向被选择的概率；使用蚁群算法进行路径规划；在积累一定数据的基础上，通过深度学习分析历史数据，得到较优的参数取值和步长，加速路径规划过程，并预留出一定的安全余量，确保在加速寻优的过程中船只自身的安全；
步骤4：所述生态预警船在最优路径下完成水质监测和取样；
步骤5：所述岸基服务器接收并分析所述生态预警船回传的数据，根据数据可生成水域污染信息图。
基于激光雷达和深度学习路径寻优的生态预警系统及方法
技术领域
[0001] 本发明属于环保技术领域，涉及一种生态预警系统及方法，具体涉及一种基于激光雷达和深度学习路径寻优的生态预警系统及方法。
背景技术
[0002] 随着社会和经济的不断发展，我国的河流、湖泊、水库、运河等地表水域受到的污染越来越严重，湖泊萎缩退化、水体污染及富营养化、水域生态功能退化等一系列生态问题严重影响了居民的日常生活和可持续发展。在我国大部分河流、湖泊、水库、运河等湿地地区还是采用人工手段进行水文信息的采集。
[0003] 传统人工采集相关水域水质信息的弊端主要体现于：
[0004] 1、人工的局限性，在一些环境恶劣的区域，采样人员存在着人身安全问题，有些环境人无法到达。人工采样周期长，影响了采集样本的质量。
[0005] 2、对生态环境的破坏，在一些水域为了得到较为详实的数据采样人员要动用大型设备进行相关工作，对环境的破坏较大。
发明内容
[0006] 为了解决上述技术问题，本发明提供了一种基于激光雷达和深度学习路径寻优的生态预警系统及方法，其中生态预警船有手动控制和全自动巡航两种模式，手动控制模式下，具有遥控生态预警船与人为设置路径巡航两种形式。全自动巡航模式下，指定一个水域范围，由离散蚁群算法规划出最优路径，生态预警船自主巡航并进行采样操作，能够最大限度的减少能源损耗。
[0007] 本发明的系统所采用的技术方案是：一种基于激光雷达和深度学习路径寻优的生态预警系统，其特征在于：包括生态预警船、岸基服务器；
[0008] 所述生态预警船包括核心控制模块、航行驱动模块、水质检测模块、智能避障取证模块、通信模块和电源模块；所述岸基服务器包括数据分析模块和路径规划模块；
[0009] 所述岸基服务器用于查看所述生态预警船位置，接收并分析所述生态预警船回传的数据，规划所述生态预警船路径，依据多点数据预测污染源中心位置；在所述岸基服务器数据分析和路径规划前提下，所述生态预警船在最优路径下完成水质监测和取样并对轻微污染进行处理。
[0010] 本发明的方法所采用的技术方案是：一种基于激光雷达和深度学习路径寻优的生态预警方法，其特征在于，包括以下步骤：
[0011] 步骤1：是否选择自动模式；
[0012] 若是，则执行下述步骤2
[0013] 若否，则手动遥控所述生态预警船进行数据采集，然后执行下述步骤5；
[0014] 步骤2：用户通过移动控制端规划检测水域范围；
[0015] 步骤3：所述岸基服务器规划所述生态预警船最优路径；
[0016] 步骤4：所述生态预警船在最优路径下完成水质监测和取样；
[0017] 步骤5：所述岸基服务器接收并分析所述生态预警船回传的数据，根据数据可生成水域污染信息图。
[0018] 本发明能精准解决传统水质监测受环境限制大、采样周期长、资金花费多等问题，真正实现了人工智能在改善生态环境上的应用。
附图说明
[0019] 图1为本发明实施例的系统架构框图；
[0020] 图2为本发明实施例的系统硬件框图；
[0021] 图3为本发明实施例的方法流程图；
具体实施方式
[0022] 为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
[0023] 请见图1和图2，本发明提供的一种基于激光雷达和深度学习路径寻优的生态预警系统，包括生态预警船、岸基服务器；生态预警船包括核心控制模块、航行驱动模块、水质检测模块、智能避障取证模块、通信模块和电源模块；岸基服务器包括数据分析模块和路径规划模块；岸基服务器用于查看生态预警船位置，接收并分析生态预警船回传的数据，规划生态预警船路径，依据多点数据预测污染源中心位置；在岸基服务器数据分析和路径规划前提下，生态预警船在最优路径下完成水质监测和取样并对轻微污染进行处理。
[0024] 本实施例的核心控制模块由STM32、编码器、陀螺仪以及GPS组成，通过GPS实时定位并与岸基服务器设定的路径比对进行误差修正，控制航行驱动模块中驱动马达的转速，实现生态预警船自主航行、路径跟随。
[0025] 本实施例的航行驱动模块由无刷电调和380防水无刷电机组成，核心控制模块向电调输出频率一定占空比不同的PWM信号，控制电机的转速，实现生态预警船的推进、转向。
[0026] 本实施例的水质检测模块为设置在船体底部的水质采集探头，在生态预警船运动过程中实时检测水质情况。
[0027] 本实施例的智能避障取证模块由激光雷达、摄像头、超声波测距子模块组成；激光雷达置于生态预警船顶部，向周围发射激光束探测障碍物位置；摄像头置于生态预警船前端实时拍摄航行方向的影像，对污染源拍照取证，图像处理分析是否有障碍物的存在；超声波测距子模块测量障碍物与生态预警船的距离，反馈所有障碍物信息于核心控制模块进行规避处理。
[0028] 本实施例的通信模块由LORA通信子模块、2.4G接收机、网桥组成；LORA子模块负责发送水质检测部分采集的水质信息、接收岸基服务器的路径设定；2.4G接收机接收手持遥控端发射的控制信号；网桥负责实时传输智能避障取证模块中摄像头的影像。
[0029] 本实施例的电源模块由锂电池及DC/DC降压模块组成，是其他各部分正常工作所需能量的来源。
[0030] 本实施例的生态预警船有手动控制和全自动巡航两种模式，手动控制模式下，具有遥控生态预警船与人为设置路径巡航两种形式。全自动巡航模式下，指定一个水域范围，由离散蚁群算法规划出最优路径，生态预警船自主巡航并进行采样操作，能够最大限度的减少能源损耗。
[0031] 本系统还包括移动控制端；在手动控制模式下，移动控制端采用2.4G通信原理，利用移动控制端发射2.4G信号，接收机接收的信号，作为PID控制器的反馈量，PID的输出作为执行器即生态预警船驱动马达的输入，利用PID技术控制航行驱动模块中驱动马达的转速，实现生态预警船的推进、转向。
[0032] 在移动控制端安装有手机APP，用于用户登录、设备数据查看等。
[0033] 请见图3，本发明提供的一种基于激光雷达和深度学习路径寻优的生态预警方法，包括以下步骤：
[0034] 步骤1：是否选择自动模式；
[0035] 若是，则执行下述步骤2；
[0036] 若否，则手动遥控生态预警船进行数据采集，然后执行下述步骤5；
[0037] 步骤2：用户通过移动控制端规划检测水域范围；
[0038] 步骤3：岸基服务器规划生态预警船最优路径；
[0039] 生态预警船最优路径，具体实现过程是：设无人船的工作环境为二维平面，用源数据模型刻画生态预警船在工作过程中与环境的交互，并及时更新环境信息。设有M个自由度可以选择，在生态预警船行进过程中，一边搜索一边探索其周围路径可不可行，并把前几轮搜索得到的所有路径和产生的信息素都保存到历史记录中，生态预警船在后续搜索路径过程中查找这些历史记录，从中搜索当前位置前方一定范围内的历史路径点，根据路径点上的信息素计算每个备选方向被选择的概率。在离散蚁群算法中参数α是基本蚁群算法中已经具备的，它决定了信息素对蚂蚁的影响能力，而蚂蚁的前进速度是由步长来决定，合适的步长会让规划出来的路径短且平滑。在积累一定数据的基础上，通过深度学习分析历史数据，得到较优的参数取值和步长，加速路径规划过程，并预留出一定的安全余量，确保在加速寻优的过程中船只自身的安全。
[0040] 步骤4：生态预警船在最优路径下完成水质监测和取样；
[0041] 步骤5：岸基服务器接收并分析生态预警船回传的数据，根据数据可生成水域污染信息图。
[0042] 本实施例在具体工作时，首次由人工设置航线并输入水域电子地图，生态预警船根据GPS全球导航系统确定自身位置并与目标位置不断进行比较，通过核心控制模块来调整船的动力输出和航向达到遵循航线行驶的目的，在航行的过程中水质检测模块的各个传感器开始工作，当准确率和反应速度较快的水浊度传感器检测到异常时，船停下，待其他传感器工作稳定后，通过通信模块将相关水质检测指标和位置数据传回岸基服务器，岸基服务器对数据进行关联性计算处理，得出较为准确的水质分析结果，在生态预警船多次航行完成整个水域范围后，对多次采集到大量数据由岸基服务器对相关信息进行数据处理。生成水域污染分布图，同时根据本次水域污染分布，在下一次路径规划的时候，岸基服务器进行基于深度学习的路径寻优自主规划出航线，并将航线发送给生态预警船，根据此航线，在一定的准确度下，生态预警船可以以最短的路径尽可能的采集到污染程度最高的部分水域水质及位置，从而锁定排污点以及生态问题水域。生态预警船供电方式采用蓄电池，当电量不足时，生态预警船可以智能化的计算往返时间，在电量耗尽前返回岸边。当有特殊需要时，在岸基的控制中心可以通过遥控方式人工操作生态预警船来完成各项工作。视频监控可以辅助操控生态预警船以及对排污点进行取证。
[0043] 本实施例中几点需要重点说明的地方如下：
[0044] (1)通信原理
[0045] 搭建LPWLAN(低功率广域网络)，生态预警船与服务器采用lora模块转串口协议连接，实现全双工通信。能够无线传输实时数据，经过实际实验测量通讯距离可达500米。在更远处将使用基站搭建扩大通讯距离，或单片机暂存数据，实现超过通讯距离的数据保存等进入通讯距离后再上传到服务器。
[0046] (2)路径规划
[0047] 路径规划是由服务器实现的。用户需要事先设定好所要检测水质的水域范围，GPS定位与水域范围选择调用高德地图官方接口能够实现精确度达到1m。如果是第一次在该水域进行水质检测则采用全水域遍历式水质检测得到初步数据。若不是第一次在该水域进行水质检测则会结合已有的数据，使用蚁群算法进行路径规划。使得生态预警船航行路径最短，采集点最优。
[0048] (3)污染分布图生成
[0049] 在每一次生态预警船检测结束后都将生成相应的污染物分布图，污染物分布图可以直观的呈现地图上的污染点。污染严重程度都通过不同的颜色表示。可以从历史数据中查询出以往所检测的数据，位置坐标等。
[0050] 本发明能精准解决传统水质监测受环境限制大、采样周期长、资金花费多等问题，真正实现了人工智能在改善生态环境上的应用。
[0051] 应当理解的是，本说明书未详细阐述的部分均属于现有技术。
[0052] 应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
