基于無(wú)人機(jī)的施工揚(yáng)塵污染源自動(dòng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

馬國(guó)鑫，韓 豫，陸建飛，姚佳玥，尤少迪

1.江蘇大學(xué)土木工程與力學(xué)學(xué)院，江蘇 鎮(zhèn)江 212013 2.澳洲國(guó)立大學(xué)國(guó)家信息通信技術(shù)中心，澳大利亞 堪培拉 2600

施工揚(yáng)塵是由露天施工活動(dòng)產(chǎn)生，對(duì)生態(tài)環(huán)境和人體健康危害極大，其對(duì)城市PM2.5污染貢獻(xiàn)率可達(dá)13.1%[1]，也是大氣污染物PM10的主要來源之一[2]。各地政府對(duì)此均高度重視，出臺(tái)了一系列揚(yáng)塵污染監(jiān)測(cè)的方針和政策。然而，目前施工揚(yáng)塵污染監(jiān)測(cè)依靠人工巡查和定點(diǎn)監(jiān)測(cè)，效率不高且效果欠佳，缺乏更有效的監(jiān)測(cè)技術(shù)手段。因此，探索更為有效的監(jiān)測(cè)方法，對(duì)大氣污染的治理具有重要意義。

目前，施工環(huán)境監(jiān)測(cè)主要關(guān)注施工現(xiàn)場(chǎng)的揚(yáng)塵、材料廢棄物等[3-4]，其中，施工揚(yáng)塵管控是研究熱點(diǎn)[5]。監(jiān)測(cè)方式方面，儀器采樣是最主要方式，還可通過視頻監(jiān)測(cè)[6-8]。然而，上述方法雖精度較高，但易受干擾，效率不高。近年來，無(wú)人機(jī)采集圖像已被用于水污染監(jiān)測(cè)、化工氣體污染監(jiān)測(cè)、車輛識(shí)別、大廈變形監(jiān)測(cè)等[9-12]。本研究以圖像識(shí)別技術(shù)為核心支撐，設(shè)計(jì)了基于無(wú)人機(jī)的施工揚(yáng)塵污染源自動(dòng)監(jiān)測(cè)系統(tǒng)，并對(duì)系統(tǒng)進(jìn)行了測(cè)試。

1 系統(tǒng)需求與支撐技術(shù)

施工現(xiàn)場(chǎng)的復(fù)雜性和特殊性，導(dǎo)致施工環(huán)境監(jiān)督和管理工作面廣量大，因而帶來的安全問題也是關(guān)注的重點(diǎn)。為此，根據(jù)問題的特點(diǎn)及技術(shù)的匹配性，采用無(wú)人機(jī)技術(shù)和圖像識(shí)別技術(shù)作為主要支撐。

1.1 無(wú)人機(jī)技術(shù)

無(wú)人機(jī)作為圖像采集的載體，具有監(jiān)測(cè)范圍廣、效率高、環(huán)境適應(yīng)能力強(qiáng)等優(yōu)勢(shì)，可滿足上述任務(wù)要求。與人工監(jiān)測(cè)相比，可極大地減少安全事故的發(fā)生。

1.2 圖像識(shí)別技術(shù)

圖像識(shí)別作為污染源識(shí)別的核心技術(shù)，具有低成本、智能、高效等優(yōu)勢(shì)。與人工識(shí)別相比，可準(zhǔn)確、自動(dòng)地識(shí)別廣域內(nèi)的施工揚(yáng)塵污染源。

2 系統(tǒng)架構(gòu)

2.1 系統(tǒng)功能模塊與硬件構(gòu)成

本系統(tǒng)各子模塊及主要功能：

1)圖像采集模塊。采集施工揚(yáng)塵污染源監(jiān)測(cè)區(qū)域圖像。

2)圖像預(yù)處理及拼接模塊。實(shí)現(xiàn)圖像初篩、校正、平滑、增強(qiáng)，完成圖像拼接。

3)邊緣檢測(cè)模塊。提取圖像邊緣，合并類似區(qū)域。

4)存在性檢測(cè)及復(fù)核模塊。提取疑似污染源區(qū)域，并人工復(fù)核。

5)污染源特征提取模塊。提取圖像的RGB(紅色Red，綠色Green，藍(lán)色Blue)三通道值，并繪制相應(yīng)的顏色直方圖。

6)污染源特征比對(duì)模塊。確定污染源像素?cái)?shù)目、種類、面積。

7)污染源分布分析及輸出模塊。實(shí)現(xiàn)污染源分布情況的可視化，顯示污染源分布圖。

2.2 系統(tǒng)運(yùn)行流程

本系統(tǒng)具體運(yùn)行流程包括圖像采集、特征分析和結(jié)果輸出。

2.2.1 圖像采集

根據(jù)施工場(chǎng)地地理特征和施工特點(diǎn)，網(wǎng)格化劃分作業(yè)區(qū)域，確定圖像采集點(diǎn)和采樣方式，并控制無(wú)人機(jī)按照飛行路線進(jìn)行圖像采集，見圖1。

圖1 無(wú)人機(jī)路線及采集點(diǎn)設(shè)置Fig.1 UAV flying routes and image acquisition points

圖像采集方式：

在外圈各點(diǎn)(除四角點(diǎn))及內(nèi)網(wǎng)格點(diǎn)采用固定俯拍、三連拍的方式，且相機(jī)與地面呈90°；在最外圈四角點(diǎn)，采用鳥瞰方式旋轉(zhuǎn)90°拍攝、三連拍，相機(jī)與地面呈90°。

2.2.2 特征分析

1)圖像預(yù)處理。先畸變、正射校正完成初篩的圖像，再使用Gabor濾波法平滑圖像，繼而使用灰度變換法增強(qiáng)圖像顏色飽和度。

2)污染源圖像拼接。使用RGB特征相關(guān)的拼接算法，實(shí)現(xiàn)監(jiān)測(cè)區(qū)域俯拍圖像的自動(dòng)拼接。

3)圖像邊緣檢測(cè)。使用Canny邊緣檢測(cè)算法提取區(qū)域邊緣，實(shí)現(xiàn)圖像中類似區(qū)域的合并。

4)存在性檢驗(yàn)及復(fù)核。使用HSV(色調(diào)Hue，飽和度Saturation，明度Value)特征識(shí)別算法識(shí)別污染源疑似區(qū)域，并人工復(fù)核。

5)污染源特征提取。使用直方圖法提取標(biāo)準(zhǔn)和疑似污染源圖像的RGB值。

6)污染源特征比對(duì)。使用顏色直方圖對(duì)比識(shí)別污染源種類，并根據(jù)像素點(diǎn)數(shù)目計(jì)算污染源面積。

2.2.3 結(jié)果輸出

根據(jù)分析結(jié)果，分別使用紅、橙、綠標(biāo)注拆遷工地、裸土、已覆蓋區(qū)域，按照污染源面積占比劃分污染嚴(yán)重程度，顯示污染源分布圖。

3 核心算法

3.1 施工揚(yáng)塵污染源存在性檢驗(yàn)方法

RGB和HSV是2類顏色模型，前者使用一個(gè)三維空間中的點(diǎn)來表示一種顏色，可由三個(gè)分量形成的正方體表示，主要用于色彩的精確記錄；后者是根據(jù)顏色的直觀特性創(chuàng)建的一種顏色空間，可由一個(gè)六角錐體模型進(jìn)行描述，在顏色對(duì)比方面具有優(yōu)勢(shì)。

圖2 系統(tǒng)運(yùn)行流程圖Fig.2 System operation flow

鑒于HSV空間的優(yōu)勢(shì)，使用RGB2HSV和BGR2HSV函數(shù)，實(shí)現(xiàn)污染源圖像從RGB顏色空間向HSV顏色空間轉(zhuǎn)換。

首先，人工確定并采集標(biāo)準(zhǔn)污染源的圖像，并提取標(biāo)準(zhǔn)污染源的HSV和RGB特征。據(jù)此設(shè)定污染源的H、S、V區(qū)間值，使用矢量函數(shù)識(shí)別圖像中同時(shí)處于H、S、V 3個(gè)閾值中的像素點(diǎn)。最后，對(duì)圖像進(jìn)行直方圖均衡化處理，增強(qiáng)圖像對(duì)比度。由于在圖像識(shí)別過程中，讀取的圖像為彩色圖像，而直方圖均衡化需在HSV空間進(jìn)行，因此，使用equalizeHist、imgThresholded、merge等函數(shù)進(jìn)行圖像變換，提取圖像中的疑似污染源區(qū)域。

3.2 施工揚(yáng)塵污染源面積計(jì)算方法

施工揚(yáng)塵污染源的面積是衡量污染嚴(yán)重程度的重要指標(biāo)，在這一步驟中，通過計(jì)算圖像中疑似污染源像素點(diǎn)數(shù)目實(shí)現(xiàn)污染源面積計(jì)算。此過程分為圖像采集和圖像處理階段。

圖像采集階段：在平坦的地面設(shè)置1 m×1 m且與地面顏色有明顯差異的參照物，再控制無(wú)人機(jī)在固定高度采集參照物圖像，高度和采集方式與污染源圖像采集時(shí)一致。

圖像處理階段：使用Canny函數(shù)提取參照物的輪廓，并使用coutourArea函數(shù)計(jì)算參照物輪廓內(nèi)面積，即為100 m高度處1 m2參照物的像素點(diǎn)數(shù)目X。由于大面積的污染源區(qū)域?qū)τ诃h(huán)境的影響較大，故將大于50 000像素點(diǎn)的區(qū)域個(gè)數(shù)作為衡量污染嚴(yán)重性的標(biāo)準(zhǔn)。

然后，使用RGB2GR、RGBA2GRAY函數(shù)將污染源的RGB圖像強(qiáng)制轉(zhuǎn)化為灰度圖像，再使用threshold函數(shù)二值化圖像，并調(diào)用bSums函數(shù)統(tǒng)計(jì)非零像素點(diǎn)數(shù)目Y，計(jì)算污染源面積S=Y/X。

3.3 施工揚(yáng)塵污染源特征比對(duì)方法

通過對(duì)比標(biāo)準(zhǔn)污染源和疑似污染源圖像的RGB三通道直方圖，判定污染源種類。

先使用split函數(shù)將圖像分割為RGB三通道圖像，設(shè)定bin數(shù)目和取值范圍，繼而使用calcHist函數(shù)計(jì)算圖像顏色直方圖，并使用normalize函數(shù)實(shí)現(xiàn)直方圖歸一化。最后選擇衡量直方圖相似度的對(duì)比標(biāo)準(zhǔn)，再使用compareHist函數(shù)計(jì)算直方圖相似度。其中，compareHist函數(shù)提供了4個(gè)統(tǒng)計(jì)直方圖相似度衡量標(biāo)準(zhǔn)，分別為相關(guān)系數(shù)法、卡方相似法、直方圖相交法和巴氏距離法，在系統(tǒng)測(cè)試中將會(huì)做出適用性比較。

4 系統(tǒng)實(shí)現(xiàn)與測(cè)試

4.1 系統(tǒng)實(shí)現(xiàn)

4.1.1 硬件實(shí)現(xiàn)平臺(tái)

本系統(tǒng)以航拍四軸旋翼飛行器為圖像采集工具，還包含計(jì)算機(jī)、安裝無(wú)人機(jī)操控軟件的移動(dòng)設(shè)備。

4.1.2 軟件實(shí)現(xiàn)

本系統(tǒng)基于Visual Studio 2013平臺(tái)，將OpenCV視覺庫(kù)作為圖像處理的核心。Visual Studio 2013平臺(tái)可兼容C++、C等多種計(jì)算機(jī)語(yǔ)言，程序編寫簡(jiǎn)便。OpenCV Library(Open Source Computer Vision Library，開源計(jì)算機(jī)視覺庫(kù))作為一個(gè)開源的跨平臺(tái)視覺庫(kù)，能提供大量圖像處理的通用算法。

4.1.3 測(cè)試實(shí)現(xiàn)環(huán)境

為檢驗(yàn)系統(tǒng)性能，對(duì)系統(tǒng)進(jìn)行測(cè)試。將施工現(xiàn)場(chǎng)不同階段采集的圖像作為系統(tǒng)測(cè)試的對(duì)象。測(cè)試所使用的計(jì)算機(jī)配置為Intel core i5-3470 3.20 GHz處理器，16 GB RAM，Windows 7 64 bit操作系統(tǒng)，NVIDIA GeForce GTX 650 Ti顯卡，同時(shí)配置Visual Studio 2013、Matlab 2015b以及OpenCV2.4.9環(huán)境。

4.2 系統(tǒng)測(cè)試

利用上述方法、硬件、軟件及配置環(huán)境，進(jìn)行系統(tǒng)測(cè)試。

4.2.1 施工揚(yáng)塵污染源特征提取

人工采集與監(jiān)測(cè)區(qū)域條件相同的標(biāo)準(zhǔn)揚(yáng)塵污染源的圖像，使用顏色直方圖提取方法，提取標(biāo)準(zhǔn)施工揚(yáng)塵污染源的RGB顏色特征，如圖3所示。

圖3 標(biāo)準(zhǔn)污染源RGB顏色直方圖提取Fig.3 Extraction of standard pollution RGB histogram

4.2.2 施工揚(yáng)塵污染源存在性檢驗(yàn)

根據(jù)提取結(jié)果，使用RGB2HSV函數(shù)實(shí)現(xiàn)圖像從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換。設(shè)置HSV的閾值為H(15, 20)、S(80, 150)、V(0,255)，并分別對(duì)3 000×4 000 ppi(每英寸的像素點(diǎn)數(shù)目，下同)和300×400 ppi的圖像進(jìn)行污染源特征提取。

經(jīng)實(shí)驗(yàn)和分析發(fā)現(xiàn)，施工揚(yáng)塵污染源存在性檢驗(yàn)效果良好，系統(tǒng)運(yùn)行時(shí)間受圖像像素影響較大，相同像素大小的圖像處理時(shí)間相差不大。

4.2.3 施工揚(yáng)塵污染源面積計(jì)算

根據(jù)存在性檢驗(yàn)的結(jié)果，使用非零像素點(diǎn)計(jì)算方法，計(jì)算圖像中疑似施工揚(yáng)塵污染源的像素點(diǎn)數(shù)目，并依據(jù)飛行高度設(shè)定判斷閾值，判定污染源是否超標(biāo)。在本次系統(tǒng)測(cè)試中，無(wú)人機(jī)的飛行高度設(shè)置為100 m，若圖像中同一區(qū)域像素點(diǎn)數(shù)目超過50 000，即判定裸土超標(biāo)，測(cè)試結(jié)果見表1。

表1 污染源圖像像素點(diǎn)計(jì)算和污染源超標(biāo)判定

測(cè)試結(jié)果表明，示例1、2、3、7、9均存在污染源超標(biāo)情況。

4.2.4 施工揚(yáng)塵污染源特征比對(duì)

基于OpenCV視覺庫(kù)，使用直方圖對(duì)比方法進(jìn)行施工揚(yáng)塵污染源特征比對(duì)。先統(tǒng)一疑似污染源圖像尺寸為200×150 ppi，再根據(jù)污染源特征提取結(jié)果，對(duì)比標(biāo)準(zhǔn)污染源和疑似污染源圖像RGB三通道直方圖，比對(duì)結(jié)果見表2。

表2 施工揚(yáng)塵污染源特征比對(duì)結(jié)果

測(cè)試結(jié)果表明：以相關(guān)系數(shù)法作為評(píng)判標(biāo)準(zhǔn)較為理想，示例1、2、3、4、5、6與選取的標(biāo)準(zhǔn)污染源種類近似，示例7、9、10中的污染源種類與選取的標(biāo)準(zhǔn)污染源種類相似度不高，其中示例2、3、5的污染源種類與標(biāo)準(zhǔn)污染源種類相似程度較高。

5 討論

根據(jù)系統(tǒng)測(cè)試結(jié)果，分析系統(tǒng)3個(gè)主要流程，找出系統(tǒng)優(yōu)勢(shì)及不足，進(jìn)一步完善本系統(tǒng)。

1)施工揚(yáng)塵污染源存在性檢驗(yàn)。施工揚(yáng)塵污染源存在性檢驗(yàn)用于提取污染源區(qū)域圖像中疑似污染源的部分，是監(jiān)測(cè)的前提和基礎(chǔ)。人工采集標(biāo)準(zhǔn)施工揚(yáng)塵污染源，對(duì)100個(gè)圖像進(jìn)行了系統(tǒng)測(cè)試。測(cè)試發(fā)現(xiàn)，污染源存在性檢驗(yàn)的正確率為71%。在此過程中，因光線強(qiáng)弱不一導(dǎo)致的圖像明暗問題對(duì)污染源特征的提取有一定的影響，另外，與標(biāo)準(zhǔn)污染源HSV特征類似的物體也會(huì)導(dǎo)致提取錯(cuò)誤。對(duì)此，在無(wú)人機(jī)采集圖像時(shí)，需考慮天氣的影響，避免因光線強(qiáng)弱導(dǎo)致的圖像明暗不一。在污染源特征提取完成之后，應(yīng)加強(qiáng)人工復(fù)核。

2)施工揚(yáng)塵污染源面積計(jì)算。施工揚(yáng)塵污染源面積計(jì)算用于衡量污染嚴(yán)重程度，為確定監(jiān)測(cè)及處罰力度提供依據(jù)。測(cè)試發(fā)現(xiàn)，污染源面積計(jì)算效果較好，但受污染源提取準(zhǔn)確率影響較大。因小范圍的裸土對(duì)于環(huán)境的影響并不大，因此，可忽略小面積裸土，注重成片裸土的影響。對(duì)此，應(yīng)注重像素點(diǎn)閾值的設(shè)置、圖像采集高度與像素點(diǎn)閾值的關(guān)系。

3)施工揚(yáng)塵污染源特征比對(duì)。施工揚(yáng)塵污染源特征比對(duì)是確定污染源種類的重要依據(jù)，同時(shí)也為污染擴(kuò)散規(guī)律的研究提供參考依據(jù)。用該法對(duì)識(shí)別出的具有疑似污染源特征的圖像進(jìn)行了系統(tǒng)測(cè)試，發(fā)現(xiàn)污染源特征比對(duì)效率較好，相對(duì)穩(wěn)定。在此過程中，分別進(jìn)行污染源RGB三通道直方圖對(duì)比，污染源的明暗程度對(duì)于比對(duì)的效果影響程度較大，同時(shí)，受前期污染源特征提取的效果影響較大?？紤]到比對(duì)過程中像素點(diǎn)的數(shù)目問題，重新調(diào)整了圖像的像素，可能會(huì)對(duì)比對(duì)的結(jié)果產(chǎn)生一定影響。因此，仍需進(jìn)一步提高比對(duì)的準(zhǔn)確性，減少不必要的干擾。

6 結(jié)論

設(shè)計(jì)了一種施工揚(yáng)塵污染源自動(dòng)監(jiān)測(cè)系統(tǒng)。該系統(tǒng)通過無(wú)人機(jī)采集施工揚(yáng)塵污染源區(qū)域的圖像，使用圖像識(shí)別技術(shù)實(shí)現(xiàn)監(jiān)測(cè)區(qū)域內(nèi)施工揚(yáng)塵污染源的自動(dòng)識(shí)別，具有操作簡(jiǎn)單、成本低廉、監(jiān)測(cè)面積大的優(yōu)勢(shì)，彌補(bǔ)了傳統(tǒng)施工環(huán)境監(jiān)測(cè)領(lǐng)域自動(dòng)化水平不高的不足。

經(jīng)測(cè)試，本系統(tǒng)污染源存在性檢驗(yàn)正確率為71%，污染源面積計(jì)算效率較高，污染源特征比對(duì)效果相對(duì)穩(wěn)定。該系統(tǒng)具有操作簡(jiǎn)單、成本低廉的優(yōu)勢(shì)，可識(shí)別施工現(xiàn)場(chǎng)、運(yùn)輸車輛內(nèi)裸土等污染源，基本滿足污染源監(jiān)測(cè)的要求。

未來將通過統(tǒng)一光照強(qiáng)度、進(jìn)行人工復(fù)核提高污染源存在性檢驗(yàn)的效率，減少失誤率。但是，污染源特征的比對(duì)效果依賴像素值的設(shè)置，在后續(xù)研究中將就比對(duì)方法進(jìn)行進(jìn)一步研究，以完善本系統(tǒng)。

[1] 李銘煊, 秦瑋, 杭怡春,等. 北京昌平某地冬季大氣PM2.5元素污染特征分析[J]. 中國(guó)環(huán)境監(jiān)測(cè), 2016, 32(3):58-63.

LI Mingxuan, QIN Wei, HANG Yichun, et al. Study on the Pollution Characteristics of Particulate Matter Based on the Characteristic Elements in Changping of Beijing[J]. Environmental Monitoring in China, 2016,32(3):58-63.

[2] 許丹丹, 屈曉萍, 汪偉峰,等. 寧波PM10中有機(jī)碳和元素碳的季節(jié)變化及來源分析[J]. 中國(guó)環(huán)境監(jiān)測(cè), 2014, 30(1):49-52.

XU Dandan, QU Xiaoping, WANG Weifeng, et al. Characteristics of Organic and Elemental Carbon in PM10in Ningbo and Source Analysis[J]. Environmental Monitoring in China,2014, 30(1):49-52.

[3] 呂曉光. 建筑工程施工階段環(huán)境管理研究[D]. 天津：天津大學(xué), 2012.

[4] KOHLMAN-RABBANI E R, SHAPIRA A, MARTINS A R B, et al. Characterization and Evaluation of Dust on Building Construction Sites in Brazil[J]. Neurochemistry International, 2014, 5(1):1-8.

[5] 黃天健, 李小冬, 蘇舒,等. 建筑工程土方施工階段揚(yáng)塵污染監(jiān)測(cè)與分析[J]. 安全與環(huán)境學(xué)報(bào), 2014, 14(3):317-320.

HUANG Tianjian, LI Xiaodong, SU Shu. Monitoring and Control of the Dust Pollution on the Construction Site During the Earthwork Construction Stage[J]. Journal of Safety and Environment, 2014,14(3): 317-320.

[6] 趙晨陽(yáng). 建筑施工揚(yáng)塵監(jiān)測(cè)與危害程度評(píng)價(jià)研究[D]. 北京：首都經(jīng)濟(jì)貿(mào)易大學(xué), 2015.

[7] WU Z, ZHANG X, WU M. Mitigating Construction Dust Pollution: State of the Art and the Way Forward[J]. Journal of Cleaner Production, 2015, 112:1 658-1 666.

[8] 徐謙, 李令軍, 趙文慧,等. 北京市建筑施工裸地的空間分布及揚(yáng)塵效應(yīng)[J]. 中國(guó)環(huán)境監(jiān)測(cè), 2015, 31(5):78-85.

XU Qian, LI Lingjun, ZHAO Wenhui, et al. Spatial Distribution of Building Sites and Related Emissions of Particulate Across Beijing[J]. Environmental Monitoring in China, 2015, 31(5):78-85.

[9] 洪運(yùn)富, 楊海軍, 李營(yíng),等. 水源地污染源無(wú)人機(jī)遙感監(jiān)測(cè)[J]. 中國(guó)環(huán)境監(jiān)測(cè), 2015, 31(5):163-166.

HONG Yunfu, YANG Haijun, LI Ying, et al. Monitoring of Water Source using Unmanned Aerial Vehicle Remote Sensing Technology[J]. Environmental Monitoring in China, 2015,31(5): 163-166.

[10] 楊海軍, 黃耀歡. 化工污染氣體無(wú)人機(jī)遙感監(jiān)測(cè)[J]. 地球信息科學(xué)學(xué)報(bào), 2015, 17(10):1 269-1 274.

YANG Haijun, HUANG Yaohuan. Evaluating Atmospheric Pollution of Chemical Plant Based on Unmanned Aircraft Vehicle[J]. Journal of Geo-Information Science, 2015, 17(10):1 269-1 274.

[11] WANG L, CHEN F, YIN H. Detecting and Tracking Vehicles in Traffic by Unmanned Aerial Vehicles [EB/OL]. (2016-05-01) [2016-10-01].http://www.sciencedirect.com/science/article/pii/S09265805163 00887.

[12] CHEN B, CHEN Z, DENG L. Building Change Detection with RGB-D Map Generated from UAV Images[J]. Neurocomputing, 2016, 208:350-364.