CN103226731A - 一种热分布图像在线预测方法 - Google Patents
一种热分布图像在线预测方法 Download PDFInfo
- Publication number
- CN103226731A CN103226731A CN2013100902928A CN201310090292A CN103226731A CN 103226731 A CN103226731 A CN 103226731A CN 2013100902928 A CN2013100902928 A CN 2013100902928A CN 201310090292 A CN201310090292 A CN 201310090292A CN 103226731 A CN103226731 A CN 103226731A
- Authority
- CN
- China
- Prior art keywords
- temperature
- thermal
- hotness
- heat
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Radiation Pyrometers (AREA)
Abstract
一种热分布图像在线预测方法,属于故障检测与诊断技术领域,其特征在于是一种基于红外成像技术,利用有限元分析手段,对数字图像处理、热力学理论和热成像模拟,在热源参数不确定的条件下,对热分布的变化进行热力学分析并给出预测,进而合成逼真热分布图像的方法,该方法充分利用热分布图像内部的热学动态特征在红外成像技术中得到广泛的应用,在温度监测预警领域,对温度变化的趋势进行预测,甚至通过热分布图中的动态数值特征定量的给出未来时域内的温度变化特性,那么温度预警时间会更进一步提前,为设备抢修争取宝贵的时间,生产安全受到更进一步的保障,为企业带来可观的经济效益,为国家解决发展做出一定贡献。
Description
技术领域
本发明是一种热分布图像在线预测方法,属于故障检测与诊断技术领域,基于红外成像技术,具体涉及数字图像处理、热力学计算和热成像模拟,是在热源参数不确定的条件下,对热分布的变化进行热力学分析并给出定量预测,进而合成逼真热分布图像的方法。
背景技术
随着热成像技术的发展和成熟,凭借其在温度检测领域中安全、实时、易用的优势,在各领域中都产生了瞩目的效益,如矿用机电设备监测、电子电路的故障定位、高压电力设备的故障排查、人体医疗诊断、工业散热设计、卫星拍摄地表研究等,热成像技术已经在国家发展过程中从战术地位提升为战略地位。但是在红外成像技术的广泛的应用中没有充分的利用热分布图像内部的热学动态特征,尚未较好的与热力学理论结合应用。目前故障检测与诊断领域,尚未实现对温度变化的趋势进行准确的预测,急需一种方法能够对热分布图中的动态数值特征进行分析处理,并定量的给出未来时域内的温度变化特性,进一步改善红外故障检测技术的效率,提前排除生产安全隐患,降低由设备故障导致的人员伤亡和经济损失。
发明内容
本发明是一种热分布图像在线预测方法,目的在于为解决上述现有技术中急需解决的问题,从而公开一种基于红外成像技术,涉及数字图像处理、热力学计算和热成像模拟,在热源参数不确定的条件下,对红外热图像中的信息进行动态特征提取、数值计算分析、拟合生成二维函数、构建三维特征数组、依系统输入时间参数对三维特征数组进行数值提取以合成热分布灰度图和模拟红外色彩还原的方法。
本发明是一种热分布图像在线预测方法,其特征在于是一种基于红外成像技术,涉及数字图像处理、热力学计算和热成像模拟,在热源参数不确定的条件下,对红外热图像中的信息进行动态特征提取、数值计算分析、拟合生成二维函数、构建三维特征数组、依系统输入时间参数对三维特征数组进行数值提取以合成热分布灰度图和模拟红外色彩还原的方法,整个过程针对硬件性能进行自动适配以保证实时性,输出结果是未来时间区域内的标准热分布图像,通过计算机处理模拟热分布图像的运动过程,实现了对热分布图像在线预测,具体步骤为:
(1)抽取采样点
红外视觉传感器对热感目标以ΔT为时间周期进行捕捉并传输到计算机中心上,若T1时刻完成第一幅热图像采集,当T2=T1+ΔT时刻完成第二幅热图像采集,此时对2幅热图像抽样采集样点温度,抽样原则是在保证图像处理的实时性前提下,为减少热图像中有效信息的损失,确保最终由抽样点拟合出的预测热图像在细节上更细腻准确,采用隔c行隔r列的抽样原则;
(2)提取特征值
根据(1)给出的采样点计算温度变化速率,由第一幅热图像抽样点的灰度值计算出温度值t1i,其中i=0,1,2,…n,第二幅热图像采样点的灰度值计算出温度值t2i,其中i=0,1,2,…n,取热图像中靠近热感目标的周围空气温度tc,计算采样点的平均温度变化速率
(3)温度数据处理
下面分别计算采样点以热对流、热辐射两种形式损失的能量流速,以热传导形式吸收的能量流速,
计算每一个采样点与周围空气的热对流能量流速,使用牛顿热对流换热公式:qc=hc(ts-t0),其中hc是对流换热系数,ts高温体表温度,t0空气温度,这里hc是已知常量,t0即是热感目标周围空气温度tc,ts即是热感目标表面的点温度t2i,将各参数带入公式可求得采样点与周围空气的热对流能量流速qci;
接下来计算热辐射形式的能量损失,使用斯特藩-玻尔兹曼黑体热辐射定律:
公式中λ为辐射到环境中波的波长,C1=2πhc2,c为光的传播速度,T为黑体绝对温度,σ为常数称为斯特藩-玻尔兹曼常数。对Mbλ(T)在全部波长区间积分得出一个采样点单位时间辐射到周围环境的热能量公式:
将t2i代入公式可以计算出每一个采样点通过热辐射的形式流失到周围环境的热能量流速Mbi,再通过比热容公式Q吸=cmΔt计算出此点的温度升高所吸收的净能量值,最后依据能量守恒定律求出热感目标内部的热传导能量总流速q0=q吸+qc+Mb;
(4)输出温度期望值
由于热感目标的导热率相对很大,此处在热感目标内部温度相对稳定的条件下,q值可以认为是恒值,依能量守恒定律有经过积分得到一个温度Ti与时间t的一个函数关系集合,因为T2时刻每一个采样点的温度值是已经条件,将(T2,t2i)作为特解代入通解中最终计算出T2时刻之后任一时间采样点的温度值。按照以上原理针对每一个采样点进行计算,在计算机中将各采样点的温度函数合成三维数组t[c][r][T],其表示的意义是c行r列的采样点在T=T2+ΔT时刻的温度值,若令为零,通过计算得出的t2i就是各采样点在达到温度稳定状态时的温度值;
(5)图像还原
关于提取任意时刻热感目标的热图像分布方法,将T确定条件下的所有t[c][r]数组项提取,通过重建平滑处理即得到一张表现T时刻的热分布灰度图,依热学图像的成像规则,对此灰度图进行模拟色彩还原最后合成一幅标准色彩的T时刻热感目标的热分布图像,再通过计算机实现模拟热分布图像的动态显示。
本发明一种热分布图像在线预测方法的优点在于:完善了红外成像技术在测温预警领域应用中的不足之处。数值处理模块设计完成后封装成包,在用户使用时只需将接口连接后处理结果以逼真的热分布图像动态呈现。具有安装简易、实时性高、应用广泛的优点。能够依据热感目标表面温度特征推算出未来时域的变化趋势,获得最终平衡态的温度分布,提前预知热感表面任意点的预期温度,使温度预警时间更进一步提前,为设备抢修争取宝贵的时间,为生产人员的安全提供进一步的保障,为企业带来经济效益,为国家发展带来贡献。
具体实施方式:
实施前要在热感目标前方安装一台红外视觉传感器,视觉传感器具有定时捕捉热图像并传输到计算机中心的功能,测温范围在-20℃~300℃,温度分辨率小于0.1℃,数据传输电缆做好电磁屏蔽,优化传输电缆的长度降低信号衰减量,视觉传感器的安装位置以能够使视觉传感器成像的范围包括热感目标与靠近热感目标的周围空气环境为标准,要求距离地面一定高度防止人员走动对热像仪产生干扰,调整视觉传感器光圈和焦距保证采集到的热分布图像清晰准确。
具体实施步骤:
(1)抽取采样点
红外视觉传感器内部芯片控制下进行定时间隔捕捉,并在内部处理后通过屏蔽数据电缆传输到计算机中心处理,拍摄的时间间隔为30s,计算机中心通过USB接口与红外视觉传感器内部芯片进行通信,采用均匀隔行隔列的方式抽取红外视觉传感器两次捕捉图像中的10×10个采样点作为热感目标的样本进行处理;
(2)提取特征值
红外视觉传感器的数据流中提取出的10×10个采样点的温度特征值如下表:
(3)温度数据处理
温度数值处理依据本发明中所述的原理,使用Matlab对采样点的热学特征值处理方法进行开发,定义输入参数t1、t2、ΔT、tc,定义变量q=cm(t2-t1)/ΔT+hc(t2-tc)+kσ[(t2)4-(tc)4],针对热学方程调用ode45求解器采用Runge-Kutta算法完成对采样点的温度特征的计算并预测出该点温度随时间的变化。完成Matlab算法开发后生成高效率的C语言代码嵌入到Visual C++6.0中调用来实现平台中的数值计算模块;
(4)输出温度期望值
在(2)中提取的100×100个采样点的温度特征值经过上述模块的分析处理后输出结果为下表:
(5)图像还原
获得样点在不同时刻的温度值之后进行图像的模拟还原,首先进行离散点的曲线拟合,根据采样点S1、S2…S100的温度值拟合出中间热学参数未知的点进而生成与红外视觉传感器所捕捉的分布图像尺寸相同的灰度图,由于人眼对色彩的敏感度比灰度更高,而且色彩能够逼真的表现热分布图像,所以要根据红外成像的着色标准进行模拟色彩还原,图像合成后自动存储到计算机中心的数据库中,在监控平台可以根据实际需求,通过设定时间参数对数据库中存储的热分布图像进行调取。使用Visual C++6.0在MFC框架下完成计算机软件编程通过ActiveX Data Objects接口配合SQL Server数据库实现热分布图像随时间的动态显示功能,形成一套功能完整的热分布图像在线预测监控平台。
Claims (1)
1.一种热分布图像在线预测方法,其特征在于是一种基于红外成像技术,利用有限元分析手段,对数字图像处理、热力学理论和热成像模拟,在热源参数不确定的条件下,对热分布的变化进行热力学分析并给出预测,进而合成逼真热分布图像的方法,该方法是对红外热图像中的信息进行动态特征提取、数值计算分析、拟合生成二维函数、构建三维特征数组、依系统输入时间参数对三维特征数组进行数值提取以合成热分布灰度图和模拟红外色彩还原,整个过程针对硬件性能进行自动适配以保证实时性,输出结果是未来时间区域内的标准热分布图像,通过计算机处理模拟热分布图像的运动过程,实现了对热分布图像在线预测,具体步骤为:
(1)在热感目标前方安装一台红外热像仪,热像仪具有定时捕捉热图像并传输到计算机中心的功能,热像仪的安装位置以能够使热像仪成像的范围包括热感目标与靠近热感目标的周围空气环境为标准,热像仪对热感目标以ΔT为时间周期进行捕捉并传输到计算机中心上,若T1时刻完成第一幅热图像采集,当T2=T1+ΔT时刻完成第二幅热图像采集,此时对2幅热图像抽样采集样点温度,抽样原则是在保证图像处理的实时性前提下,尽可能减少热图像中有效信息的损失,以确保最终由抽样点拟合出的预测热图像在细节上更细腻准确,此处采用隔c行隔r列的抽样原则,并对此抽样点集合进行计算处理;
(2)由第一幅热图像抽样点的灰度值计算出温度值t1i,其中i=0,1,2,…n,第二幅热图像采样点的灰度值计算出温度值t2i,其中i=0,1,2,…n,取热图像中靠近热感目标的周围空气温度tc,计算采样点的平均温度变化速率和计算采样点以热对流、热辐射、热传导三种形式吸收与损失的能量流速,计算每一个采样点与周围空气的热对流能量流速,使用牛顿热对流换热公式:qc=hc(ts-t0),其中hc是对流换热系数,ts高温体表温度,t0空气温度,这里hc是已知常量,t0即是热感目标周围空气温度tc,ts即是热感目标表面的点温度t2i。将各参数带入公式可求得采样点与周围空气的热对流能量流速qci;
接下来使用斯特藩-玻尔兹曼黑体热辐射定律:
公式中λ为辐射到环境中波的波长,C1=2πhc2,c为光的传播速度,T为黑体绝对温度,σ为常数称为斯特藩-玻尔兹曼常数。对Mbλ(T)在全部波长区间积分得出一个采样点单位时间辐射到周围环境的热能量公式:
在具体实施时,还需要与热感目标的辐射系数作积,辐射系数可查表获得。将t2i代入公式可以计算出每一个采样点通过热辐射的形式流失到周围环境的热能量流速Mbi。
再通过比热容公式Q吸=cmΔt计算出此点的温度升高所吸收的净能量值。最后依据能量守恒定律求出热感目标内部的热传导能量总流速q0=q吸+qc+Mb。
由于热感目标的导热率相对很大,此处在热感目标内部温度相对稳定的条件下,q值可以认为是恒值。依能量守恒定律有经过积分可以得到一个温度Ti与时间t的一个函数关系集合,因为T2时刻每一个采样点的温度值是已经条件,将(T2,t2i)作为特解代入通解中最终计算出T2时刻之后任一时间采样点的温度值。按照以上原理针对每一个采样点进行计算,在计算机中将各采样点的温度函数合成三维数组t[c][r][T],其表示的意义是c行r列的采样点在T=T2+ΔT时刻的温度值。若令零,通过计算得出的t2i就是各采样点在达到温度稳定状态时的温度值;
由第一幅热图像抽样点的灰度值计算出温度值t1i,其中i=0,1,2,…n。第二幅热图像采样点的灰度值计算出温度值t2i,其中i=0,1,2,…n。取热图像中靠近热感目标的周围空气温度tc。
计算采样点以热对流、热辐射、热传导三种形式吸收与损失的能量流速:
计算每一个采样点与周围空气的热对流能量流速,使用牛顿热对流换热公式:qc=hc(ts-t0),其中hc是对流换热系数,ts高温体表温度,t0空气温度。这里hc是已知常量,t0即是热感目标周围空气温度tc,ts即是热感目标表面的点温度t2i。将各参数带入公式可求得采样点与周围空气的热对流能量流速qci;
(3)接下来使用斯特藩-玻尔兹曼黑体热辐射定律:
公式中λ为辐射到环境中波的波长,C1=2πhc2,c为光的传播速度,T为黑体绝对温度,σ为常数称为斯特藩-玻尔兹曼常数。对Mbλ(T)在全部波长区间积分得出一个采样点单位时间辐射到周围环境的热能量公式:
将t2i代入公式可以计算出每一个采样点通过热辐射的形式流失到周围环境的热能量流速Mbi;
(4)再通过比热容公式Q吸=cmΔt计算出此点的温度升高所吸收的净能量值。最后依据能量守恒定律求出热感目标内部的热传导能量总流速q0=q吸+qc+Mb,由于热感目标的导热率相对很大,此处在热感目标内部温度相对稳定的条件下,q值可以认为是恒值,依能量守恒定律有经过积分可以得到一个温度Ti与时间t的一个函数关系集合,因为T2时刻每一个采样点的温度值是已经条件,将(T2,t2i)作为特解代入通解中最终计算出T2时刻之后任一时间采样点的温度值,针对每一个采样点进行计算,在计算机中将各采样点的温度函数合成三维数组t[c][r][T],其表示的意义是c行r列的采样点在T=T2+ΔT时刻的温度值,若令为零,通过计算得出的t2i就是各采样点在达到温度稳定状态时的温度值;
(5)关于提取任意时刻热感目标的热图像分布方法,将T确定条件下的所有t[c][r]数组项提取,通过重建平滑处理即得到一张表现T时刻的热分布灰度图,依热学图像的成像规则,对此灰度图进行模拟色彩还原最后合成一幅标准色彩的T时刻热感目标的热分布图像,再通过计算机实现模拟热分布图像的动态显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100902928A CN103226731A (zh) | 2013-03-20 | 2013-03-20 | 一种热分布图像在线预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100902928A CN103226731A (zh) | 2013-03-20 | 2013-03-20 | 一种热分布图像在线预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103226731A true CN103226731A (zh) | 2013-07-31 |
Family
ID=48837171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100902928A Pending CN103226731A (zh) | 2013-03-20 | 2013-03-20 | 一种热分布图像在线预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103226731A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614094A (zh) * | 2013-11-05 | 2015-05-13 | 深圳中兴力维技术有限公司 | 机房温度监控实现方法及其装置 |
CN104793072A (zh) * | 2015-03-28 | 2015-07-22 | 合肥天海电气技术有限公司 | 基于热图谱分析法的电气设备故障诊断系统 |
CN105705923A (zh) * | 2013-09-22 | 2016-06-22 | 微软技术许可有限责任公司 | 监视设备的表面温度 |
CN106504197A (zh) * | 2015-09-08 | 2017-03-15 | 安讯士有限公司 | 用于增强热图像中局部对比度的方法和设备 |
TWI579581B (zh) * | 2016-03-30 | 2017-04-21 | 漢科系統科技股份有限公司 | 熱源檢測裝置、系統及其方法 |
CN106679816A (zh) * | 2016-12-09 | 2017-05-17 | 捷开通讯(深圳)有限公司 | 一种手机温度检测方法及系统 |
CN107764400A (zh) * | 2016-08-18 | 2018-03-06 | 斯考拉股份公司 | 用于确定条状物的温度的方法 |
CN108225566A (zh) * | 2016-12-21 | 2018-06-29 | 发那科株式会社 | 图像显示装置 |
CN108391087A (zh) * | 2018-03-06 | 2018-08-10 | 安徽大学 | 一种基于炉内工件本征色彩还原的高温工业电视系统 |
CN108983626A (zh) * | 2018-07-24 | 2018-12-11 | 珠海格力电器股份有限公司 | 设备的控制方法及设备、存储介质、电子装置 |
CN110017901A (zh) * | 2019-04-01 | 2019-07-16 | 华北电力大学 | 一种电力系统中电气设备运行状态的红外图谱诊断方法 |
CN112415968A (zh) * | 2020-11-19 | 2021-02-26 | 华润三九(枣庄)药业有限公司 | 一种基于区块链的中药生产信息化管理系统 |
CN113537264A (zh) * | 2020-04-21 | 2021-10-22 | 阿里巴巴集团控股有限公司 | 空间的应用状态检测方法、管理方法、装置及设备 |
CN114021499A (zh) * | 2021-11-05 | 2022-02-08 | 沈阳飞机设计研究所扬州协同创新研究院有限公司 | 基于fvm-tlbfs方法的飞行器热防护结构热传导计算方法 |
CN116500086A (zh) * | 2023-06-28 | 2023-07-28 | 深圳市鑫典金光电科技有限公司 | 一种基于深度学习的铜复铝散热底板生产评价方法及系统 |
US12034281B2 (en) | 2021-04-14 | 2024-07-09 | Abb Schweiz Ag | Fault detection system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1943824A (zh) * | 2006-09-08 | 2007-04-11 | 浙江工业大学 | 基于全方位视觉传感器的自动消防灭火装置 |
US20090323039A1 (en) * | 2008-06-27 | 2009-12-31 | Asml Netherlands B.V. | Correction Method for Non-Uniform Reticle Heating in a Lithographic Apparatus |
CN102008349A (zh) * | 2009-09-04 | 2011-04-13 | 美国西门子医疗解决公司 | 使用医学诊断超声的温度预测 |
-
2013
- 2013-03-20 CN CN2013100902928A patent/CN103226731A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1943824A (zh) * | 2006-09-08 | 2007-04-11 | 浙江工业大学 | 基于全方位视觉传感器的自动消防灭火装置 |
US20090323039A1 (en) * | 2008-06-27 | 2009-12-31 | Asml Netherlands B.V. | Correction Method for Non-Uniform Reticle Heating in a Lithographic Apparatus |
CN102008349A (zh) * | 2009-09-04 | 2011-04-13 | 美国西门子医疗解决公司 | 使用医学诊断超声的温度预测 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105705923A (zh) * | 2013-09-22 | 2016-06-22 | 微软技术许可有限责任公司 | 监视设备的表面温度 |
CN105705923B (zh) * | 2013-09-22 | 2018-07-17 | 微软技术许可有限责任公司 | 监视设备的表面温度 |
US10488873B2 (en) | 2013-09-22 | 2019-11-26 | Microsoft Technology Licensing, Llc | Monitoring surface temperature of devices |
CN104614094B (zh) * | 2013-11-05 | 2019-09-20 | 深圳力维智联技术有限公司 | 机房温度监控实现方法及其装置 |
CN104614094A (zh) * | 2013-11-05 | 2015-05-13 | 深圳中兴力维技术有限公司 | 机房温度监控实现方法及其装置 |
CN104793072A (zh) * | 2015-03-28 | 2015-07-22 | 合肥天海电气技术有限公司 | 基于热图谱分析法的电气设备故障诊断系统 |
CN106504197A (zh) * | 2015-09-08 | 2017-03-15 | 安讯士有限公司 | 用于增强热图像中局部对比度的方法和设备 |
CN106504197B (zh) * | 2015-09-08 | 2018-06-19 | 安讯士有限公司 | 用于增强热图像中局部对比度的方法和设备 |
TWI579581B (zh) * | 2016-03-30 | 2017-04-21 | 漢科系統科技股份有限公司 | 熱源檢測裝置、系統及其方法 |
CN107764400A (zh) * | 2016-08-18 | 2018-03-06 | 斯考拉股份公司 | 用于确定条状物的温度的方法 |
CN106679816A (zh) * | 2016-12-09 | 2017-05-17 | 捷开通讯(深圳)有限公司 | 一种手机温度检测方法及系统 |
CN108225566A (zh) * | 2016-12-21 | 2018-06-29 | 发那科株式会社 | 图像显示装置 |
CN108391087A (zh) * | 2018-03-06 | 2018-08-10 | 安徽大学 | 一种基于炉内工件本征色彩还原的高温工业电视系统 |
CN108391087B (zh) * | 2018-03-06 | 2020-10-30 | 安徽大学 | 一种基于炉内工件本征色彩还原的高温工业电视系统 |
CN108983626A (zh) * | 2018-07-24 | 2018-12-11 | 珠海格力电器股份有限公司 | 设备的控制方法及设备、存储介质、电子装置 |
CN110017901A (zh) * | 2019-04-01 | 2019-07-16 | 华北电力大学 | 一种电力系统中电气设备运行状态的红外图谱诊断方法 |
CN113537264A (zh) * | 2020-04-21 | 2021-10-22 | 阿里巴巴集团控股有限公司 | 空间的应用状态检测方法、管理方法、装置及设备 |
CN113537264B (zh) * | 2020-04-21 | 2022-09-20 | 阿里巴巴集团控股有限公司 | 空间的应用状态检测方法、管理方法、装置及设备 |
CN112415968A (zh) * | 2020-11-19 | 2021-02-26 | 华润三九(枣庄)药业有限公司 | 一种基于区块链的中药生产信息化管理系统 |
US12034281B2 (en) | 2021-04-14 | 2024-07-09 | Abb Schweiz Ag | Fault detection system |
CN114021499A (zh) * | 2021-11-05 | 2022-02-08 | 沈阳飞机设计研究所扬州协同创新研究院有限公司 | 基于fvm-tlbfs方法的飞行器热防护结构热传导计算方法 |
CN116500086A (zh) * | 2023-06-28 | 2023-07-28 | 深圳市鑫典金光电科技有限公司 | 一种基于深度学习的铜复铝散热底板生产评价方法及系统 |
CN116500086B (zh) * | 2023-06-28 | 2023-09-05 | 深圳市鑫典金光电科技有限公司 | 一种基于深度学习的铜复铝散热底板生产评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103226731A (zh) | 一种热分布图像在线预测方法 | |
US9218690B2 (en) | Method for simulating hyperspectral imagery | |
Vicari et al. | LAV@ HAZARD: a web-GIS interface for volcanic hazard assessment | |
Zhang et al. | Ensemble-based release estimation for accidental river pollution with known source position | |
Zhou et al. | Ensemble transform Kalman filter (ETKF) for large-scale wildland fire spread simulation using FARSITE tool and state estimation method | |
Munkhammar et al. | An autocorrelation-based copula model for generating realistic clear-sky index time-series | |
CN105157876A (zh) | 一种基于液体变焦透镜的火焰三维温度场测量装置及方法 | |
Zheng et al. | Weather image-based short-term dense wind speed forecast with a ConvLSTM-LSTM deep learning model | |
Jiang et al. | Data fusion of atmospheric ozone remote sensing Lidar according to deep learning | |
Isaksson | Reduction of Temperature Forecast Errors with Deep Neural Networks | |
Lavrova | Forecasting the state of components of smart grids for early detection of cyberattacks | |
Sun et al. | Flame edge detection method based on a convolutional neural network | |
Beezley et al. | Real-time data driven wildland fire modeling | |
Kala et al. | Overview of computational testbed for evaluating electro-optical/infrared sensor systems | |
Podorozhniak et al. | Multispectral images processing using systems on chips | |
CN114943800B (zh) | 基于相空间的穿透散射介质目标三维重构方法 | |
Peters et al. | Signature evaluation for thermal infrared countermine and IED detection systems | |
Jiang et al. | Infrared image generation method based on visible light remote sensing image | |
Xiao et al. | Temperature field reconstruction of on-orbit aircraft based on multi-source frequency domain information fusion | |
Iwabuchi et al. | Deep learning of cloud structure and three-dimensional radiative transfer for cloud remote sensing | |
Dubourg et al. | Uncertainty treatment in dispersion modelling of accidental releases | |
Roothaert | Improving Data Assimilation Approach for Estimating CO2 Surface Fluxes Using ML | |
Sharma et al. | Data-Driven Weather Forecast Using Deep Convolution Neural Network. | |
He et al. | Quantitative determination of SO2 flux from industrial chimney through Machine vision with plume model verification | |
Liu et al. | Small Fire Detection Algorithm based on Dynamic Image Blocks and Features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130731 |
|
WD01 | Invention patent application deemed withdrawn after publication |