人工智能在环境监测中的应用分析

段玲玲 赵铭珊

摘要：随着环境恶化带来的温室反应、土壤沙化和盐碱化等各种环境问题的增多，人们终于意识到保护环境的重要性，并着手开展保护环境的实际行动。然而，将任重而道远的环境保护工作完全依托于人力，是很难获取预期效果的，要想让环境保护工作早见成效，就必须与时俱进，将新型科學技术与设备仪器有效应用于环保工作。因此，文章以人工智能在环境监测中的应用为中心点，详细展开研究分析。

关键词：人工智能;环境监测;传感器

中图分类号：X831 文献标识码：A 文章编号：2095-672X（2020）10-0-02

DOI：10.16647/j.cnki.cn15-1369/X.2020.10.101

Abstract：With the increase of various environmental problems such as greenhouse reaction，soil desertification and salinization caused by environmental degradation，people finally realize the importance of protecting the environment and embark on practical actions to protect the environment.And Daoyuans environmental protection work is entirely dependent on manpower，and it is difficult to obtain the expected results.If environmental protection work is to achieve early results，it must keep pace with the times and effectively apply new scientific technologies，equipment and instruments to environmental protection work.Therefore，this article focuses on the application of artificial intelligence in environmental monitoring as a central point to carry out detailed research and analysis.

Key words：Artificial intelligence;Environmental monitoring;Sensors

1 大气环境监测人工智能平台的搭建

在大气环境监测中应用人工智能，合理创建人工智能大气环境监测系统是重要的应用途径。整体的大气环境监测系统，由具备传感效果的感知层和承担纽带作用的网络层以及进行数据处理的应用层三部分组成，下面就针对这三部分进行一一介绍。

1.1 感知层

通俗地说，感知层算是大气环境监测系统的触角，由于环境监测有多种监测内容，因此感知层中有针对性地设置了多个种类的传感器，各种传感器相互协作，针对监测区域大气中温湿度、压力以及悬浮物等进行监测。感知层属于是受监控区域布置的大量传感节点组合形成的传感网络，每个传感节点都具备无线通信功能，通过自组织方式构成分布式智能化网络系统。在大气环境监测的感知层中，应用了传感器技术、无线通信技术等多种先进技术，借助网络层将监测结果传输到应用层，为工作人员对大气环境的评判提供可靠依据。

1.2 网络层

大气环境监测系统网络层属于感知层与应用层的传输媒介，网络层中设有多个网络节点，各网络节点相互连接组成强大的信息传输网络，负责感知层和应用层之间的数据信息传递。网络层中具有多个不同的信息传输路径，传输路径由通信子网络节点连接形成，感知层各种信息传递至网络层的网络节点时，还需要合理选择信息传输通道，在此过程中需要参考路由算法的性能指标、通信子网构成、路由算法利用方式以及网络信息来源和具体的路由选择策略。

1.3 应用层

大气环境监测系统中的应用层，在整个监测系统中的功用是分析处理感知层所收集的各项数据信息，并将处理结果以人们需要的方式进行显示。通常情况下，电脑是应用层的主要信息显示设备，工作人员根据应用层显示的各项信息了解和掌握受监测区域的大气环境条件，同时采取相应的大气环境治理措施，实现大气环境监测的最终目的。概括地说，大气环境监测系统的应用层有两个工作内容，首先，管理和处理感知层采集的相关信息，而后将信息进行展现;其次，对经过处理的各项信息进行应用，具体方式就是将所得数据信息融合到行业应用中，提升应用单位的智能化程度。以大气中的臭氧监测举例说明，在受监测区域安设臭氧传感器实时监测臭氧浓度，在线监测设备收集大气中的臭氧数据，而后通过大气环境监测系统的网络层将相关数据传输到环境监测部门的电脑上，借助电脑的信息处理软件分析和判断所获取的数据信息，进而以信息处理结果为参考依据，有针对性地制定并执行大气治理方法。

2 水环境监测人工智能平台的搭建

水资源是人类与其他各种生物的生存要素之一，目前，水环境污染已经到了相当严重的地步，水环境治理势在必行，与大气环境治理相同，水环境治理也需要首先进行水质监测，而水环境监测可以说是水质监测的必选手段，利用水环境监测可以检测出水体中的污染物，了解和掌握水质状况，在此基础上采取相应的治理措施。水环境监测的有效开展，能够通过对所得信息的分析，掌握水中污染物的来源以及分布状态等。就当前而言，各环境监测单位通常会应用化学法、光电法和卫星影像等方式进行水环境监测，然而以上方式几乎都有及时性不足、资金耗用量大等弊端，因此，存在监测效果不尽如人意的问题，在各行各业普遍应用人工智能技术的新时代，水环境监测也很有必要予以积极应用，搭建一个合理的水环境监测人工智能平台。

2.1 平台设计

要想搭建一个有效的水环境监测人工智能平台，首先就要严格按照平台设计原则进行设计，单独设计每一个模块，充分实现各模块的相互独立性，确保不会对后期的模塊升级形成妨碍。再者，还要保证模块之间接口参数的标准化和结构化，促使各模块可以毫无阻碍地相互调换，以便提高模块在不同系统中的适用性。此外，最好选用通用的模块组成构件，为系统升级做好准备。

2.2 平台功能结构和技术框架

在水环境监测人工智能平台的搭建中，要想有效弥补传统监测方式的缺陷，可以在水环境监测中应用GPU并行计算机技术和深度学习算法方式，合理连接智能设备，真正做到智能化水环境监测。利用视频监控方式获取水环境监测数据，再把所有数据传送至云服务器，通过具体的数据分析实时掌握水环境的实际状况。在水环境监测中，将GPU图像计算构架和监测系统有效连接在一起，可以促使水环境监测的实时性得到提升，从而实现图像处理算法的最佳效率。

2.3 核心算法参数配置

搭建水环境监测人工智能平台，需要借助调整模型、优化算法以及更新权重和偏差参数促进运算效率的提升，应用梯度下降法进行卷积神经网络训练，误差函数对全部权值和偏置值的梯度则应用误差反向传播进行计算，确保计算结果的可靠性。再者，系统的设计算法同样需要应用梯度下降法训练网络参数。在水环境监测系统中，可以运用交叉熵获取卷积神经网络的损失函数。

2.4 现场设备及其内部逻辑功能设计

在整体的水环境监测系统中，主要有两部分应用模块，其一是载入模型结构和参数，此处所说的模型是在卷积神经网络智能检测算法训练完成后所存储的文件，系统中的模型可以通过算法参数配置的区别进行选择;其二是通过智能检测系统分析检测产品图像信息。只有利用深度学习框架Tensor Flow才能够实现以上两项内容。

逻辑分配模块：后台模块和现场控制模块将信息传输至逻辑分析模块中，将所得信息借助模块分析功能进行分析处理过，最后进行信息的合理分发。

现场控制：QT提供的现场控制界面中可以实时显示系统具体运行情况和返回的检测结果，在此基础上进行参数配置和模型推送等操作，有效控制智能检测系统。此外，还可以对数据采集模块和报警模块进行调度配置。进行数据采集时，图像信息的获取往往是应用工业相机进行，而图像采集参数则通过工业相机的SDK进行控制。报警设备会在出现系统运行故障，以及检测系统零件出现问题时会发出警报。

3 土壤环境监测人工智能平台的搭建

土壤环境监测与其他环境监测一样，必须首先建立土壤环境监测系统，整体系统分为无线传感器网络和监测中心两个部分，在无线传感器网络中安设相关传感器，传感器节点以及路由节点和协调器节点互相串联，散布在受监测区域的各个角落，其中传感器节点担负着土壤各项信息的采集工作，路由节点是传感器节点和协调器节点之间的信息通道，主管通信工作，而协调器节点则是负责将路由节点传送的信息传递到土壤环境监测中心，最后监测人员根据各项土壤信息评估土壤具体状态，并施行相应的保护或者治理措施。

4 结语

通过以上论述，对环境监测应用人工智能的优势有了一定了解，所以说，为了切实提高环境监测效率，增强环境检测结果的准确性与可靠性，推动环保工作的有效进行，将人工智能应用于环境监测是最明智的选择。

参考文献

[1]雷健.人工智能在水环境监测的关键技术研究与工程实践[J].价值工程，2019，38（22）：215-219.

[2]王振豪，梁爽，李若飞，等.人工智能在大气环境监测的应用研究进展[J].环境与发展，2019，31（08）：174-176.

[3]姜喆.人工智能在环境监测中的应用[J].节能与环保，2020（Z1）：99-100.

[4]黄定东.新时期环境监测信息化建设研究[J].环境与发展，2019，31（06）：159-160.

收稿日期：2020-08-01

作者简介：段玲玲（1983-），女，汉族，硕士研究生，工程师，研究方向为环境监测工作。