[0001] 本发明涉及河道生态治理领域，具体涉及一种用于河道的生态治理系统。

[0002] 河道生态治理对于恢复河道功能，实现河道资源的有效利用，促进区域生态的良好发展有着重要的意义。目前，经常会出现向河道倾倒垃圾、排放污水、甚至在河道乱采乱挖的现象，造成河堤失稳，河道周边环境恶化，最终导致河道生态问题日益严重。

[0003] 现有的河道生态治理系统，经常会存在如下技术问题：第一，对于影响河道生态环境的现象缺少有效的监测手段，导致无法及时发现向河道倾倒垃圾、排放生活污水等现象；
第二，由于河道具有露天的天然属性，水质检测设备长期暴露在露天环境中，容易受到温度、粉尘、湿度、腐蚀性物质等因素的影响，进而导致检测准确率下降，进而容易导致发生误报；而更换这些水质检测设备需要较高的成本；
第三，现有的生态治理系统的主要功能集中在水质监测、分析、预警等方面，然而对于河道中水生动植物种群的构建缺乏有效的解决方案，主要依赖于人工的经验，因此难以实现大规模的推广和应用。

[0015] 下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

[0016] 另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

[0017] 需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

[0018] 需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

[0019] 本发明的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

[0020] 下面将参考附图并结合实施例来详细说明本发明。

[0021] 如图1所示，示出了本发明的一种用于河道的生态治理系统的结构示意图。其中，一种用于河道的生态治理系统包括多个水质检测设备101、多个环境监测设备102、无人机103和生态治理平台104。其中，多个水质检测设备101可以沿目标河道设置，从而可以用于采集目标河道的不同位置的水质数据并得到水质数据集，将水质数据集发送至生态治理平台104，水质数据集中的每个水质数据对应一个水质检测设备。其中，水质检测设备可以检测盐分、微量元素或放射性物质等多种排放物的浓度，相应的，水质数据包括多种排放物浓度。实践中，水质检测设备可以是单一设备，也可以包括多个检测子设备。每个水质数据可以是一个二元组，二元组包括位置标识和多种排放物浓度。多个水质检测设备101、多个环境监测设备102、无人机103与生态治理平台104可以通信连接，包括但不限于以下通信方式：有线、无线通信链路或者光纤电缆等等。

[0022] 多个环境监测设备102包括多个固体颗粒物监测设备和多个噪声传感器，多个固体颗粒物监测设备和多个噪声传感器沿目标河道成组设置，多个固体颗粒物监测设备用于采集目标河道的不同位置的固体颗粒物浓度并得到固体颗粒物浓度集，多个噪声传感器用于采集目标河道的不同位置的噪声值并得到噪声值集，其中，固体颗粒物浓度集中每个固体颗粒物浓度对应一个固体颗粒物监测设备，噪声值集中每个噪声值对应一个噪声传感器。其中，一个固体颗粒物监测设备和一个噪声传感器组成一个环境监测设备组。实践中，每个环境监测设备组中的固体颗粒物监测设备所采集的固体颗粒物浓度和噪声传感器所采集的噪声值组成一个环境监测数据组。固体颗粒物监测设备可以是固体颗粒物监测仪。

[0023] 无人机103搭载有图像采集设备，从而可以采集目标河道的图像，得到河道图像；无人机103可以是各种类型的无人机。根据需要，无人机还可以配置有飞行控制系统、导航系统、数据传输系统、语音播放系统等。

[0024] 生态治理平台104用于接收水质数据集，以及对水质数据集中的每个水质数据执行以下操作，以确定水质数据集中的至少一个异常水质数据：对水质数据中的多种排放物浓度进行分析以确定多种排放物浓度中的每种排放物浓度是否超过预设排放物浓度阈值，实践中，可以为每种排放物设置对应的预设排放物浓度阈值，从而对于每种排放物，可以将排放物浓度与该排放物对应的预设排放物浓度阈值进行比较，以确定是否超过预设排放物浓度阈值。在此基础上，若多种排放物浓度中存在大于预设排放物浓度阈值的一种或多种排放物浓度，将该水质数据确定为异常水质数据并将该异常水质数据中大于预设排放物浓度阈值的排放物浓度确定为异常排放物浓度。

[0025] 进一步的，生态治理平台104还用于根据至少一个异常水质数据，生成排放超标巡查任务信息以及将排放超标巡查任务信息发送至巡查终端，以使巡查终端对应的巡查人员执行巡查任务。

[0026] 实践中，可以预先配置污染源信息列表，污染源信息列表中的污染源信息包括污染源名称、污染源位置信息、污染源的排放物所属的排放物类别。根据需要，可以采用不同的分类标准对排放物进行分类从而得到排放物类别，例如，根据是否有放射性进行分类，排放物类别可以包括放射性排放物和非放射性排放物。从而，可以根据目标排放物浓度所对应的排放物类别在污染源信息列表中筛选对应的多个目标污染源信息。可以理解，目标污染源信息所包含的污染源的排放物所属的排放物类别与目标排放物浓度所对应的排放物类别相匹配。进一步的，根据目标污染源信息和异常水质数据所包括的位置标识（即对应的水质检测设备的位置信息），生成排放超标巡查任务信息以及将排放超标巡查任务信息发送至巡查终端。具体的，可以确定与异常水质数据所对应的水质检测设备的距离小于预设距离的目标污染源信息，并根据所确定的目标污染源信息所包括的污染源名称、污染源位置信息、污染源的排放物所属的排放物类别，生成排放超标巡查任务信息。例如，可以将所确定的目标污染源信息所包括的污染源名称、污染源位置信息、污染源的排放物所属的排放物类别确定为排放超标巡查任务信息。

[0027] 进一步的，生态治理平台还用于接收固体颗粒物浓度集和噪声值集，以及根据固体颗粒物浓度集和噪声值集确定目标河道是否存在固体垃圾排放行为。实践中，固体颗粒物监测设备和噪声传感器成组设置，每个环境监测设备组对应一个环境监测数据组。当某个环境监测数据组所包括的固体颗粒物浓度大于预设固体颗粒物浓度阈值，且该环境监测数据组所包括的噪声值大于预设噪声值阈值，则可以确定该环境监测数据组所对应的位置存在固体垃圾排放行为。

[0028] 若确定目标河道存在固体垃圾排放行为，生成图像拍摄任务并将图像拍摄任务发送至无人机，以使无人机执行图像拍摄任务以得到河道图像。例如，无人机可以在采集目标河道的图像时确定图像采集点位置信息，并将图像采集点位置信息发送至生态治理平台。从而生态治理平台可以根据图像采集点位置信息生成图像拍摄任务。例如，可以将图像采集点位置信息、预先设定的飞行高度以及拍摄参数确定为图像拍摄任务。

[0029] 在此基础上，生态治理平台还用于对河道图像进行识别，得到图像识别信息，图像识别信息包括固体垃圾排放行为标识信息和车牌信息，固体垃圾排放行为标识信息表征目标河道是否存在固体垃圾排放行为。例如，可以通过河道图像识别网络来进行河道图像识别，从而得到图像识别信息。其中，可以采用卷积神经网络作为河道图像识别网络的网络结构，并利用训练样本集合进行训练，从而得到上述河道图像识别网络。具体的，可以采用反向传播、随机梯度下降等深度学习算法进行训练，直至达到预设的迭代次数后，完成训练，得到上述河道图像识别网络。其中，训练样本集合中的训练样本包括样本图像和人工标注信息，人工标注信息包括样本图像中是否存在固体垃圾排放行为以及车牌信息。在训练过程中，以样本图像作为输入，将人工标注信息作为期望输出，从而不断调整河道图像识别网络的网络参数，直至完成训练，得到上述河道图像识别网络。

[0030] 进一步的，若固体垃圾排放行为标识信息表征目标河道存在固体垃圾排放行为，根据车牌信息生成提示语音，并将提示语音发送至无人机，通过无人机对提示语音进行播放以制止固体垃圾排放行为。

[0031] 例如，可以提示语音是通过以下步骤生成的：步骤一，获取预先配置的提示文本模板集合，提示文本模板集合中的每个提示文本模板对应一个行为类别标识；
步骤二，根据固体垃圾排放行为对应的行为类别标识，在提示文本模板集合中进行匹配，得到对应的目标提示文本模板，目标提示文本模板包括标准文本和占位符；
步骤三，将目标提示文本模板中的占位符替换为车牌信息，得到提示文本；
步骤四，对提示文本进行语音转换，得到提示语音。

[0032] 可选的，本发明的用于河道的生态治理系统还包括：水位测量设备，水位测量设备用于检测目标河道的水位值；以及生态治理平台还用于接收水位值以及将水位值与历史平均水位值进行比较，若水位值与历史平均水位值之间的差值大于预设差值阈值，生成水位预警信息。

[0033] 在一些实施例中，通过在河道设置水质检测设备以及环境监测设备，可以实现对于河道水质和河道周围环境的实时监测。具体来说，通过对水质数据中的多种排放物浓度以及位置信息进行综合分析，生成排放超标巡查任务信息，从而有效缩小了污染源的排查范围，从而巡查人员可以快速准确的确定向河道排放污水的污染源，以便及时制止该污染源继续向河道中排放污水，最大限度的减少对于河道的持续污染。除此之外，通过设置环境监测设备，可以采集固体颗粒物浓度和噪声值，由此可以及时发现固体垃圾倾倒行为。在此基础上，通过无人机采集河道图像并进行图像识别，从而可以进一步核实是否存在固体垃圾排放行为，若存在，可以通过无人机播放提示语音进行，从而及时制止固体垃圾排放行为，从而实现了对于影响河道生态环境的现象实时监控和及时治理。

[0034] 在一些实施例中，为了进一步解决背景技术部分所描述的技术问题二，即“由于河道具有露天的天然属性，水质检测设备长期暴露在露天环境中，容易受到温度、粉尘、湿度、腐蚀性物质等因素的影响，进而导致检测准确率下降，进而导致容易发生误报；而更换这些水质检测设备需要较高的成本”，本发明的一些实施例中，为了减少误报现象，通过以下子步骤生成排放超标巡查任务信息：子步骤一，生成异常水质数据集合中的每个异常水质数据所对应的异常级别，异常级别是根据异常水质数据所包含的异常排放物浓度的个数、每个异常排放物浓度与预设排放物浓度阈值之间的差值确定的。

[0035] 具体的，可以生成每个异常水质数据所对应的异常级别。具体的，对于某个异常水质数据，可以根据该异常水质数据所包含的异常排放物浓度的个数、浓度差（异常排放物浓度与预设排放物浓度阈值之间的差值）确定对应的异常级别。例如，可以获取预先配置的异常级别查询表，其中存储有不同的异常排放物浓度的个数（或数量区间）、不同的浓度差区间所对应的异常级别。实践中，异常排放物浓度的个数越少，浓度差越小，则异常级别越低；反之，异常级别越高。

[0036] 子步骤二，若异常水质数据对应的异常级别低于预设级别，根据异常水质数据中所包括的位置标识，从水质数据集中确定与异常水质数据存在上下游关系的水质数据并记作关联水质数据，确定关联水质数据是否为异常水质数据；子步骤三，若异常水质数据对应的关联水质数据不是异常水质数据，将异常水质数据从异常水质数据集合中删除，得到更新异常水质数据集合；
子步骤四，对于更新异常水质数据集合中的各个异常水质数据，按照所包含的位置标识进行排序，得到更新异常水质数据序列；
子步骤五，确定更新异常水质数据序列中的多个极值点，多个极值点组成候选异常水质数据集合；
子步骤六，对于候选异常水质数据集合中的每个异常水质数据，根据所包括异常排放物浓度所对应的排放物类别，在预先配置的污染源信息列表中筛选，得到对应的多个目标污染源信息，污染源信息列表中的污染源信息包括污染源名称、污染源位置信息、污染源的排放物所属的排放物类别，目标污染源信息所包含的污染源的排放物所属的排放物类别与目标排放物浓度所对应的排放物类别相匹配；
子步骤七，根据多个目标污染源信息所包括的污染源位置信息和异常水质数据所包括的位置标识，确定与异常水质数据所对应的水质检测设备的距离小于预设距离的目标污染源信息并记作待排查污染源信息；
子步骤八，根据待排查污染源信息，生成排放超标巡查任务信息。

[0037] 在这些实施例中，通过对存在上下游关系的水质数据综合判断，从而可以减少由于水质检测设备准确率下降而造成的单一位置的数据误报。在此基础上，通过识别更新异常水质数据序列中的多个极值点来确定候选异常水质数据集合，从而更加准确的确定污染源的位置，减少了由于水质检测设备准确率下降而造成的误报，节约了成本。

[0038] 在一些实施例中，为了进一步解决背景技术部分所描述的技术问题三，即“现有的生态治理系统的主要功能集中在水质监测、分析、预警等方面，然而对于河道中水生动植物种群的构建缺乏有效的解决方案，主要依赖于人工的经验，因此难以实现大规模的推广和应用”，本发明的一些实施例中，本发明的用于河道的生态治理系统还包括设置与河道水下的水下图像采集设备，水下图像采集设备用于采集水下图像，并将水下图像发送至生态治理平台。

[0039] 生态治理平台还用于执行以下处理步骤：步骤一，获取水下图像采集设备在治理前所采集的第一水下图像序列，其中，第一水下图像序列中的不同第一水下图像对应不同的采集时间点；
步骤二，对第一水下图像序列中的每个第一水下图像输入水生动植物种类识别模型，得到每个第一水下图像所对应的治理前水生动植物种类；各个第一水下图像所对应的治理前水生动植物种类组成候选水生动植物种类集合；
步骤三，根据预先构建的水生动植物种类标签词典，对于候选水生动植物种类集合中每个水生动植物种类进行标注，得到每个水生动植物种类的标签；每个水生动植物种类的标签表征该水生动植物种类对应的治理指标；
步骤四，对于上述候选水生动植物种类集合中标签相同的水生动植物种类划分为一个水生动植物种类组，得到多个水生动植物种类组，并统计每个水生动植物种类组中水生动植物种类的个数；
步骤五，获取治理前的第一时间区间内每个时间点对应的异常水质数据集合，多个时间点分别对应的异常水质数据集合组成异常水质数据集合序列；其中，每个时间点对应的异常水质数据集合是由生态治理平台对多个水质检测设备在该时间点所采集的水质数据集进行分析得到的；
步骤六，通过多个水生动植物种类组、每个水生动植物种类组中水生动植物种类的个数、异常水质数据集合序列构建输入特征；具体的，将每个水生动植物种类组对应的治理指标的标识作为一个特征维度，得到种类特征；之后将每个水生动植物种类组中水生动植物种类的个数作为数量特征插入对应的种类特征之后，得到组合特征；最后将异常水质数据集合序列处理为水质数据特征；并将组合特征与水质数据特征拼接得到输入特征。

[0040] 步骤七，将上述输入特征输入预先训练的水生动植物种类调整策略生成模型，得到调整策略信息；水生动植物种类调整策略生成模型可以是经过训练的回归网络，调整策略信息包括需要调整的水生动植物种类；步骤八，将调整策略信息发送至终端设备，以使终端设备对应的人员根据调整策略信息进行水生动植物种类调整。

[0041] 在一些实施例中，通过对水下图像进行分析，得到治理前水生动植物种类，并对通过治理前水生动植物种类和治理前的异常水质数据进行预测，从而得到调整策略，从而可以实现调整策略的自动生成，不需要依赖人工的经验，可以实现大规模的推广和应用。在此过程中，借助于预先构建的水生动植物种类标签词典对每个水生动植物种类进行标注，从而实现从治理指标层面对水生动植物种类进行分组和统计。实践中，治理指标作为河道生态处理的重要指标，通过从治理指标层面对水生动植物种类进行分组和统计并进一步构建输入特征，可以使得模型更多的学习到治理指标与调整策略之间的关联关系，从而有助于生成更加准确调整策略信息。

[0042] 以上描述仅为本发明的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。