CN111337132A - 一种温度测量方法、装置以及数字图像采集设备 - Google Patents
一种温度测量方法、装置以及数字图像采集设备 Download PDFInfo
- Publication number
- CN111337132A CN111337132A CN202010133642.4A CN202010133642A CN111337132A CN 111337132 A CN111337132 A CN 111337132A CN 202010133642 A CN202010133642 A CN 202010133642A CN 111337132 A CN111337132 A CN 111337132A
- Authority
- CN
- China
- Prior art keywords
- image
- temperature
- exposure time
- exposure
- measured object
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 57
- 238000001228 spectrum Methods 0.000 claims abstract description 13
- 229910000831 Steel Inorganic materials 0.000 claims description 71
- 239000010959 steel Substances 0.000 claims description 71
- 238000012545 processing Methods 0.000 claims description 53
- 230000005855 radiation Effects 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 14
- 239000012535 impurity Substances 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 31
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 20
- 238000010191 image analysis Methods 0.000 description 20
- 238000003723 Smelting Methods 0.000 description 11
- 229910052742 iron Inorganic materials 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000000779 smoke Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000000428 dust Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005058 metal casting Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 229910000720 Silicomanganese Inorganic materials 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- QCJQWJKKTGJDCM-UHFFFAOYSA-N [P].[S] Chemical compound [P].[S] QCJQWJKKTGJDCM-UHFFFAOYSA-N 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0003—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0037—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the heat emitted by liquids
- G01J5/004—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the heat emitted by liquids by molten metals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请实施例提供一种温度测量方法、装置及数字图像采集设备,所述方法包括:获取采集图像的自动曝光参数,其中,所述采集图像是由图像采集设备根据被测对象所辐射的光谱生成的;根据所述自动曝光参数确定所述被测对象的温度。本申请实施例改善了接触式测温的诸多弊端,同时克服了采用红外测量受阻的技术问题,导致红外测量受阻的原因包括:由于混入杂质等造成红外测温观测通道受阻或者由于工业现场震动造成的红外照射角度偏移很难矫正回位。采用本申请的实施例可以在远离被测对象的位置,对被测对象或者容纳被测对象的容器口等拍摄图像,基于图像的拍摄参数来确定被测对象温度,进而可以对被测对象的实时温度进行连续的非接触式的测量。
Description
技术领域
本申请涉及温度测量领域,具体而言,涉及一种温度测量方法、装置以及数字图像采集设备。
背景技术
温度测量是现代工业领域(例如,钢铁熔炼及铸造)的重要基础领域,关乎国计民生的方方面面。对于钢铁熔炼和铸造的分支领域废钢回炉重铸的基本产业流程是将废铁块投入高温熔炉熔化成钢水,然后投入浇注模具中直接制成气缸、连接轴等基本工业零件。在这个工业流程中对温度测量(例如,钢水的温度测量)有核心需求。例如,在钢水达到1480℃(需要测量的温度)左右要进行碳硅锰硫磷五大元素配比工作,在这个温度范围下元素配料的(高)吸收融合率和(低)烧蚀率达到相对最佳比例;以及钢水出炉温度控制在1540℃(需要测量的温度)可确保后续钢水转运和浇注工序顺畅,达到较低的钢水凝固回炉率和较高的熔炼能耗费效比。
当前针对现代工业领域的测温手段较少,尤其针对钢水这类高温目标的温度测量手段较少。目前在产业一线上最常见的手段还是使用便携式测温仪这种基于热电偶的接触式测量方式,其他还有无线式测温仪实际上也是使用热电偶测温枪伸入钢水液面下然后数据发回无线终端。利用各种类型的测温棒进行接触式测量是冶炼产线上的主流测温方式,如钢水钢包测温装置等只是用机械设备替换人工来控制测温棒伸入了抽出。非接触式的高温物体测量方法目前极少应用到产业现场,例如测温原理是通过物体某一狭窄波长范围内发生的辐射能量来决定目标温度的大小的红外测温仪。
本申请发明人在研发过程中发现,以热电偶为代表的接触式测量方法只能在工业生产(例如,整个金属熔炼)过程中进行温度测量采样,次数极少无法做到全程且实时的温度监测,而且每次温度采样都伴随着接触材料烧损,长期积累的测温耗材成本又进一步限制了工业生产(例如,金属熔炼)过程中的测温采样频率。而采样过程中工人必须接近被测温对象(例如,钢铁熔炼的炉口)是极大的安全隐患,即使以机械操作测温棒替代人工也伴随着安全风险和高昂的设备运行维护成本。红外测温相对来说安全系数高很多,但是面临问题包括:在生产过程中由于原料混入杂质熔炉炉口大量生成的粉尘烟雾会阻隔红外测温设备的观测通道;红外测温仪的观测通道容易被开关炉盖所遮挡,工业现场长期剧烈的震动造成照射角度偏移后很难矫正回位,且红外测温设备功能过于单一等。
发明内容
本申请实施例的目的在于提供一种温度测量方法、装置以及数字图像采集设备,本申请实施例将计算机视觉技术拓展出新的测温用途,本申请实施例通过获取图像采集设备的自动曝光参数来确定被测对象的温度,据此能够帮助钢铁等金属熔铸或者其他需要温度测量的行业提升生产效率和安全保障。
第一方面,本申请实施例提供一种温度测量方法,所述方法包括:获取采集图像的自动曝光参数,其中,所述采集图像是由图像采集设备根据被测对象所辐射的光谱生成的;根据所述自动曝光参数确定所述被测对象的温度。
本申请实施例通过计算机视觉技术拓展出新的测温用途,通过自动曝光参数来确定被测对象的温度,补足了现有高温物体测温技术短板,据此能够帮助钢铁等金属熔铸行业提升生产效率和安全保障。本申请实施例采用非接触式远距离测量,使得高温损害和钢水飞溅的负面影响减低到最小,免除电偶等耗材成本,技术部署难度和成本均较低。
在一些实施例中,所述获取采集图像的自动曝光参数,包括:获取图像的曝光时间;所述根据所述曝光参数确定所述被测对象的温度,包括:根据所述曝光时间确定所述被测对象的温度。
本申请实施例改善了接触式测温的诸多弊端,同时克服了采用红外测量受阻的技术问题,导致红外测量受阻的原因包括:由于混入杂质等造成红外测温观测通道受阻或者由于工业现场震动造成的红外照射角度偏移很难矫正回位。采用本申请的实施例可以在远离被测对象(例如,被测对象为钢水时,可以在距离钢水的炉口5米之外)的位置,对被测对象或者容纳被测对象的容器口等拍摄图像,基于图像的拍摄曝光时间参数来确定被测对象温度,进而可以对被测对象的实时温度进行连续的非接触式的测量。
在一些实施例中,所述方法还包括:获取第N帧图像;判断所述第N帧图像的曝光情况;根据所述曝光情况确定第N+1帧图像的曝光时间,以调整所述图像采集设备的曝光时间;所述获取图像的曝光时间,包括:当所确定的连续多帧图像的曝光时间相同时,获取所述曝光时间;其中,N为大于零的整数。
本申请实施例可以通过反复多次调整图像的曝光时间,来确定稳定状态下的曝光时间值,进而根据稳定状态下的曝光时间值来计算被测对象温度,提高了根据曝光时间确定被测对象温度的准确度。
在一些实施例中,所述判断所述第N帧图像的曝光情况,包括:根据所述第N帧图像的色域直方图,判断所述第N帧图像是否存在过曝光情况或曝光不足的情况;所述根据所述曝光情况确定第N+1帧图像的曝光时间,包括:当存在所述过曝光情况时,则减小所述第N帧图像的曝光时间,得到第N+1帧图像的曝光时间;当存在所述曝光不足的情况时,则增加所述第N帧图像的曝光时间,得到所述第N+1帧图像的曝光时间;当所述第N帧图像不存在所述过曝光情况且不存在所述曝光不足的情况时,则将所述第N帧图像的曝光时间确定为所述第N+1帧图像的曝光时间。
本申请实施例提供了一种根据图像的色域直方图进行图像曝光情况识别的方法,并提供了各种曝光情况下对曝光参数值的调整方向,采用稳态时的曝光时间来计算被测温对象的温度可以提高温度测量的精度。
在一些实施例中,所述根据所述第N帧图像的色域直方图,判断所述第N帧图像是否存在过曝光情况或曝光不足的情况,包括:根据设定的阈值像素值划分所述第N帧图像,得到目标色域直方图和背景色域直方图;当统计得到的所述目标色域直方图的所有像素的峰值大于或等于第一阈值,则判定所述第N帧图像存在过曝情况;当统计得到的所述目标色域直方图的所有像素的峰值小于第二阈值,且统计得到的所述背景色域直方图的所有像素的峰值小于第三阈值,则判定所述第N帧图像存在曝光不足情况。
本申请实施例提供了一种根据目标色域直方图和背景色域直方图进行曝光情况识别的技术方案,能够快速的识别图像中存在的过曝光情况或者曝光不足的情况。
在一些实施例中,所述判断所述第N帧图像的曝光情况之前,所述方法还包括:根据卷积算子对所述第N帧图像包含的干扰信息进行平滑过滤。
本申请实施例通过过滤等方法来抑制拍摄图像中的烟尘火焰等干扰信息,可以提高测量结果的可靠性和准确性,同时图像采集设备(例如,相机)采集到的图像也可以输出给其他功能的软件系统或模块以提高硬件设备的泛用性,并且在长期使用镜头偏移后,工人可自己参考实时图像矫正镜头视角,系统维护更加便利。
在一些实施例中,所述被测对象为钢水,所述图像为包含钢水的炉口图像;所述获取图像的曝光时间,包括:获取所述炉口图像的曝光时间;所述根据所述曝光时间确定所述被测对象的温度,包括:根据所述曝光时间确定所述钢水的温度。
本申请实施例通过计算机视觉技术采用非接触式远距离测量,可以将高温损害和钢水飞溅的负面影响减低到最小,免除电偶等耗材成本,而且采用目前市面上常见的任何一种工业相机都可作为硬件载体,技术部署难度和成本均较低。
在一些实施例中,所述根据所述曝光时间确定所述被测对象的温度,包括:根据温度算法和所述曝光时间计算所述被测对象的温度,其中,所述温度算法根据采样得到的多组被测对象温度和所述图像采集设备的自动曝光参数的对比数据,以软件标定的形式拟合得到。
由于本发明的算法方程式系数是由软件标定的方式计算得出,对于不同的测量目标(例如,900℃以上的高温自发光物体,如铜,镍,锰,钴等,或者固定发光物如灯丝、电热丝等)可以采取重新标定的方式让公式计算结果拟合对应目标的辐射响应曲线,以达到对其他成分金属、合金或非金属材料进行测温的泛用目的。
在一些实施例中,所述自动曝光参数为曝光时间,所述温度算法根据采样得到的所述多组被测对象温度和所述曝光时间的对比数据,以软件标定的形式拟合得到。
本申请实施例在图像采集设备采集图像(即摄像)的过程中,为确保拍摄图像为曝光适度状态,本申请实施例选择调整曝光时间参数来获取清晰图像,并基于曝光时间来确定被测对象温度。
在一些实施例中,所述算法为所述被测对象的温度和所述曝光时间之间的M元M次方程,其中,M≥3;所述温度算法根据采样得到的多组所述被测对象温度和所述曝光时间的对比数据,以软件标定的形式拟合得到,包括:在所述被测对象的目标温度区间范围内,采集多组样本数据,其中,所述一组样本数据包括一个温度采样值和一个曝光时间采样值;根据所述多组样本数据求解所述M元M次方程的方程系数。
本申请实施例通过以简单的带标定系数M元M次方程式拟合目标温度区间小范围内的变化规律,避免模拟复杂的环境因素和辐射公式。
在一些实施例中,所述根据所述多组样本数据求解所述M元M次方程的方程系数,包括:采用均值化方式修正所述样本数据的分布;根据所述多组样本数据和所述M元M次方程形成超定方程组;求解所述超定方程组,得出所述M元M次方程的方程式系数,得到所述温度算法大对应的测温公式;所述根据所述曝光时间确定所述被测对象的温度,包括:根据所述曝光时间和所述测温公式计算所述被测对象的温度。
本申请实施例通过以数据采样和软件标定的方式适应不同的目标材料和测温场景。
第二方面,本申请实施例提供一种温度测量装置,所述装置包括:曝光时间获取单元,被配置为获取采集图像的自动曝光参数,其中,所述采集图像是由图像采集设备根据被测对象所辐射的光谱生成的;温度确定单元,被配置为根据所述自动曝光参数确定所述被测对象的温度。
第三方面,本申请实施例提供一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时可实现上述第一方面所述的方法。
第四方面,本申请实施例提供一种信息处理设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述程序时可实现上述第一方面所述的方法。
第五方面本申请实施例提供一种数字图像采集设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述程序可实现如下方法:根据辐射光谱生成第N帧图像;判断所述第N帧图像的曝光情况;根据所述曝光情况确定第N+1帧图像的曝光时间,以控制感光元件成像;当所确定的连续多帧图像的曝光时间相同时,向处理设备提供所述曝光时间;其中,N为大于零的整数。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的温度测量系统的组成示意图;
图2为本申请实施例提供的一种温度测量方法的流程图;
图3是本申请实施例提供的另一种温度测量方法的流程图;
图4是本申请实施例提供的统计钢水的炉口图片的色域直方图得到的结果;
图5是本申请实施例提供的钢水温度测量方法对应的系统的交互过程示意图;
图6是本申请实施例提供的又一种钢水温度测量方法对应的系统的交互过程示意图;
图7是本申请实施例提供的确定稳定态曝光时间的交互流程图;
图8是本申请实施例提供的钢水温度测量方法的示例流程图;
图9是本申请实施例提供的温度测量装置的组成框图;
图10是本申请实施例提供的信息处理设备的组成框图;
图11是本申请实施例提供的数字图像采集设备的组成框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1提供了本申请实施例的温度测量系统的示意图。图1中温度测量系统包括图像采集设备101以及处理设备102,其中图像采集设备101以及处理设备102通过有线方式连接也可以通过无线方式连接。
图像采集设备101被配置为采集包含被测温对象的容器口或者被测温对象的多帧图像。例如,假设被测温对象为高温铁水或者钢水,图像采集设备101可以采集加热铁水或者钢水的熔炉口的图像。例如,图像采集设备101可以为工业相机或者普通的家用相机。处理设备102可以包括计算机等智能处理终端。
图像采集设备101与被拍摄对象(例如,上述容器口或者被测温对象)可以保持较远距离。例如,工业相机距离包含钢水的炉口的距离可以为五米或者六米以上。
在一些示例中,由处理设备102来控制图像采集设备101的自动曝光过程,之后再由处理设备102来根据稳定态的自动曝光参数来确定被测对象温度。当由处理设备102来控制图像采集设备101的自动曝光过程时(即由处理设备102根据图像曝光情况计算各帧的自动曝光参数值),图像采集设备101通过有线或无线连接方式向处理设备101发送其采集得到的每帧图像,相应的处理设备102通过有线或无线连接接收来自于图像采集设备101的图像并根据当前帧的图像曝光情况来生成下一帧图像的自动曝光参数,之后向图像采集设备101反馈下一帧图像的自动曝光参数以控制图像采集设备101完成下一帧图像拍摄。当处理设备102根据接收的来自于图像采集设备101的多帧图像的曝光情况计算得到的连续多帧的自动曝光参数均相同时,由处理设备102根据稳定态的自动曝光参数值来计算被测对象温度。
在另一些示例中,图像采集设备101可以通过自身程序来完成自动曝光过程,之后再将稳定态的自动曝光参数发送至处理设备102,由处理设备102来根据稳定态的自动曝光参数来确定被测对象温度。当由图像采集设备101自身控制来完成自动曝光过程时(即由图像采集设备101根据图像曝光情况计算各帧的自动曝光参数值),图像采集设备101通过采集的当前帧的图像的曝光情况来生成下一帧图像的自动曝光参数,当图像采集设备101计算得到的连续多帧(即连续多帧拍摄的图像均不存在过曝光或者曝光不足的情况时)的自动曝光参数均相同时,则图像采集设备101会通过与处理设备102之间的有线或者无线连接向处理设备102发送稳定态的自动曝光参数值,之后处理设备102会根据稳定态的自动曝光参数值计算被测对象的温度。
本申请实施例可以采用图像采集设备101(例如,相机)的光感强度来确定被测对象的温度的原理解释如下。物体发出辐射能量的大小与发射率有一定关系,发射率越大,物体发出的红外线能量越大。物体的发射率与物体表面的状态也有一定关系(例如,物体表面的粗糙度、亮暗程度)或者物体的不同材质都会影响发射率,所以在使用单色测温仪时,常会有一张不同材质的发射率表。对于本申请实施例来说,本申请实施例的测温系统主要关注材质较固定的特定目标物(例如,液态铁或者钢等),而混杂于目标物(例如,铁水或者钢水)中的微量元素(例如,混杂于钢水或铁水中的碳、硅、锰、硫以及磷五大元素)等其他成分所占比例极小,且这些成分的含量变化也较小。因此本申请实施例可以脱离繁杂的理论辐射公式的约束,在工业现场综合考虑环境干扰、光感芯片响应曲线以及光波穿透玻璃损耗等多重现实因素,采样出被测温对象的多组温度(例如,铁水或者钢水的多组温度)和图像采集设备101(例如,相机)的光感强度(即自动曝光参数值)的对比数据,以软件标定的形式拟合出目标物的温度和辐射强度对应的简易方程,达到符合精度要求的测量温度的目的。
如图2所示,本申请实施例提供一种温度测量方法200,该温度测量方法200可以由图1的处理设备102来执行。图2的温度测量方法包括:S201获取采集图像的自动曝光参数,其中,所述采集图像是由图像采集设备101根据被测对象所辐射的光谱生成的;以及S202根据所述自动曝光参数确定所述被测对象的温度。
需要说明的是,在外界环境固定的情况下,本申请实施例的自动曝光参数可以包括光圈大小、曝光时间或者信号增益这三个。本申请实施例的被测对象辐射的光谱区间不限于近红外和可见光区间,可以根据被测对象的种类以及图像采集设备101的响应曲线切换到中红外、远红外、紫外等其他光谱辐射波段。
在一些示例中,当由处理设备102控制图像采集设备101的自动曝光过程时(即由处理设备102根据图像曝光情况计算各帧的自动曝光参数值,详见下文),处理设备102从自身获取计算得到的自动曝光参数。在另一些示例中,当由图像采集设备101自身完成自动曝光过程控制时(即由图像采集设备101根据图像曝光情况计算各帧的自动曝光参数值),则处理设备102从图像采集设备101获取稳定态(即由图像采集设备101根据图像曝光情况得到连续多帧的自动曝光参数值均相同时)的自动曝光参数。
在一些示例中,S202可以根据自动曝光参数和预先确定的自动曝光参数与温度之间的函数关系式来确定所述被测对象的温度。其中,预先确定的自动曝光参数与温度之间的函数可以通过下文的软件标定的方式根据多组样本数据得到,例如下文的公式(2)。
本申请实施例通过计算机视觉技术拓展出新的测温用途,具体来说本申请实施例通过自动曝光参数来确定被测对象的温度,据此能够帮助钢铁等金属熔铸行业或者非金属行业提升生产效率和安全保障。本申请实施例可以采用处理设备102上执行的软件方法采用非接触式远距离测量,进而将高温损害和钢水飞溅的负面影响减低到最小,免除电偶等耗材成本,而且采用目前市面上常见的任何一种工业相机都可作为硬件载体(即,图像采集设备101),技术部署难度和成本均较低。
下面结合上述的三个自动曝光参数进一步简要介绍本申请实施例的工作原理。曝光强度主要表现为图像的亮度,其中曝光强度与图像采集设备101接收到的辐射能量成正比。实际拍摄过程中图像采集设备101(例如,摄像机)可以通过调整辐射进入面积(即上述光圈大小),接收辐射时长(即上述曝光时间)以及图像采集设备101内部对电信号施加的增益(即上述信号增益)来保证图像采集设备101所接收到的辐射能量为一个合适水平,从而转换成一个稳定强度的电信号并生成曝光合理的清晰图像。本申请实施例用L表示辐射强度,F表示光圈值,P表示曝光时间,I为增益,k代表感光元件受辐射产生的电信号强度的敏感系数且k为一个常数,在图像采集设备101拍摄每帧图像的过程中以上五个参数之间存在如下公式(1)所述的关系。
在图像采集设备101采集图像的过程中,为确保拍摄的图像为曝光适度状态(即不存在过曝光或者曝光不足的情况),当辐射强度L上升时需要对应调整等式(1)中其他参数以维持平衡。本申请实施例发明人发现,光圈F为难以精确控制的物理量,增益I的调整伴生电信号噪声的缩放,因此都不适用于精确控制辐射通量。因此,本申请一些实施例选择调整曝光时间值来获取被测对象的较精确的温度。容易理解的是,对于对温度测量要求精度不高的场合,也可以通过光圈大小或者信号增益来确定被测对象温度。本申请实施例并不限定具体采用三个自动曝光参数(即曝光时间、光圈大小以及信号增益)中的哪一个参数来确定被测对象温度。
下面以自动曝光参数中的曝光时间为例来示例性说明本申请实施例的温度测量方法200。
如图3所示,本申请实施例提供一种温度测量方法200,所述方法200也可以在处理设备102上执行。温度测量方法200可以包括:S101获取图像的曝光时间,其中,所述图像由图像采集设备101根据被测对象所辐射的光谱生成;以及S102根据所述曝光时间确定所述被测对象的温度。
在一些示例中,当由处理设备102控制图像采集设备101的自动曝光过程时(即由处理设备102根据图像曝光情况计算各帧的曝光时间值),处理设备102从自身获取图像采集设备101采集图像的曝光时间。在另一些示例中,当由图像采集设备101自身完成自动曝光过程控制时(即由图像采集设备101根据图像曝光情况计算各帧的曝光时间值),则处理设备102从图像采集设备101获取稳定态(即由图像采集设备101根据图像曝光情况得到连续多帧的曝光时间值均相同时)的曝光时间。
图3的S202可以根据自动曝光参数和预先确定的曝光时间与温度之间的函数关系式来确定所述被测对象的温度。预先确定的曝光时间与温度之间的函数可以通过下文的软件标定的方式根据多组样本数据得到,具体请详见下文。也就是说,图3的S102通过获取曝光时间和被测对象温度之间的方程关系来发现两者之间的规律,之后可以通过确定稳定态的图像的曝光时间来计算被测对象的温度。
本申请实施例的测温方法改善了现有的接触式测温的诸多弊端。同时克服了由于混入杂质等导致观测通道受阻或者工业现场由于震动造成的照射角度偏移很难矫正回位,导致采用红外测量受阻的技术问题。例如,目标物为钢水和铁水时,采用本申请的实施例可以在远离炉口(例如,5米之外)的位置对熔炉钢水实时温度进行连续的非接触式的测量。
下面结合几个示例进一步示例性说明图3示出的温度测量方法200。
图3的温度测量方法200在S101之前还可以包括:获取第N帧图像;判断所述第N帧图像的曝光情况;以及根据所述曝光情况确定第N+1帧图像的曝光时间,以调整所述图像采集设备101的曝光时间。当所确定的连续多帧(例如,连续两帧、三帧或者连续四帧以上)图像的曝光时间相同时,获取所述曝光时间;其中,N为大于零的整数。
作为一个示例,假设计算连续两帧的曝光时间相同即为上述的稳定态时,则当确定连续两帧图像的曝光时间相同时,处理设备102根据这两帧的曝光时间来计算被测对象的温度。具体地,图1的处理设备102从图像采集设备101获取第1帧图像,假设第1帧图像不存在曝光问题(即不存在过曝光或者曝光不足的情况),则处理设备102确定第2帧图像的曝光时间与第1帧图像的曝光时间相同,之后处理设备102会根据得到的第2帧(或者第1帧)图像的曝光时间来计算被测对象的温度。
可选的,图3的判断所述第N帧图像的曝光情况,还可以包括:根据所述第N帧图像的色域直方图,判断所述第N帧图像是否存在过曝光情况或曝光不足的情况;所述根据所述曝光情况确定第N+1帧图像的曝光时间,包括:当存在所述过曝光情况时,则减小所述第N帧图像的曝光时间,得到第N+1帧图像的曝光时间;当存在所述曝光不足的情况时,则增加所述第N帧图像的曝光时间,得到所述第N+1帧图像的曝光时间;当所述第N帧图像不存在所述过曝光情况且不存在所述曝光不足的情况时,则将所述第N帧图像的曝光时间确定为所述第N+1帧图像的曝光时间。
作为一个示例,所述根据所述第N帧图像的色域直方图,判断所述第N帧图像是否存在过曝光情况或曝光不足的情况,包括:根据设定的像素阈值划分所述第N帧图像,得到目标色域直方图和背景色域直方图;当统计所述目标色域直方图的所有像素得到的所有峰值大于或等于第一阈值,则判定所述第N帧图像存在过曝情况;当统计所述目标色域直方图得到的所有像素的峰值小于第二阈值,且统计所述背景色域直方图得到的所有像素的峰值小于第三阈值,则判定所述第N帧图像存在曝光不足情况。
下面解释上个示例中的像素阈值、第一阈值、第二阈值以及第三阈值的含义。
像素阈值可以采用如下公式来计算得到。首先,根据某一种颜色(例如,红色)色域直方图统计结果划分出图像上的低像素值聚集区作为背景信息,记录背景信息的像素峰值为B,并假设当前被测对象或包含被测对象容器口(例如,钢水或者炉口)的图像的色域统计峰值为M。例如,可以根据如下公式计算得到上述像素阈值:(B+M)/2。
第一阈值为一个大于或等于上述峰值M的非常高的色阶值。例如,对于以色阶范围0-255的常规相机为例,含有钢水的炉口图像的第一阈值可以设置为250甚至是255。
第二阈值为一个低于上述第一阈值的较低的色阶值。例如,对于以色阶范围0-255的常规相机为例,包含钢水的炉口图像的第二阈值可以设置为245或者240。
第三阈值为一个与上述背景信息的像素峰值B接近的色阶值。例如,对于以色阶范围0-255的常规相机为例,包含钢水的炉口图像的第三阈值可以设置为50。
需要说明的是,本领域技术人员根据不同的被测对象来确定上述像素阈值、第一阈值、第二阈值以及第三阈值的具体取值,本申请并不对这些阈值的具体取值进行限定。
下面以色阶范围0-255的常规相机图像以及被测对象钢水为例示例说明上述像素阈值、第一阈值、第二阈值以及第三阈值并阐述上个示例的技术方案。
根据多帧炉口图像的红色色域直方图统计结果划分出低像素值聚集区为背景信息(色阶值低于图4左边的峰值),记录背景信息的峰值B(即图4左边的峰值),并设当前钢水图像色域统计峰值为M(即图4右边的峰值),以(B+M)/2(即上述像素阈值)为分界点从图像中分割出目标色域直方图与背景色域直方图。
如果某一帧图像的目标色域直方图的统计峰值M位于250(即上述第一阈值)以上甚至255(即上述第一阈值)的上限值则判定该帧为图像过曝,判定开始降低曝光时间,每次降低的曝光时间量可以相等,也可不相等。例如,假设每次降低的曝光时间均相等,且单次降低幅度用公式可以表示为:P*(M-250)*0.04,其中P为当前帧的曝光时间。
如某一帧图像的目标色域直方图的统计峰值M<245且背景信息的峰值B<50,判定该帧图像曝光不足,曝光值开始增加,每次增加的曝光时间量可以相等,也可不相等。例如,假设每次降低的曝光时间均相等,且每次增加幅度用公式可以表示为:P*(50-B)*0.02,其中P为当前帧的曝光时间。
持续调整曝光时间至曝光时间稳定为止。
可选的,图3的S101中所述根据所述第N帧图像的直方图判断所述第N帧图像的曝光情况之前,所述方法200还包括:根据卷积算子对所述第N帧图像包含的干扰信息进行平滑过滤。
例如,被测对象为钢水,图像采集设备101获取的是钢水熔炉炉口的图像并向处理单元102发送拍摄的图像。处理单元102接收当前帧的图像后,首先使用卷积算子对粉尘颗粒、烟雾、火焰等干扰信息进行平滑过滤,然后再开始计算各色域直方图,以进一步判断接收的这帧图像是否存在过曝光或者曝光不足的情况。
下面结合几个示例进一步阐述图3示出的S202。
图3中的S202根据所述曝光时间确定所述被测对象的温度还可以包括:根据温度算法和所述曝光时间计算所述被测对象的温度,其中,所述温度算法根据采样得到的多组所述被测对象温度和所述图像采集设备的自动曝光参数的对比数据,以软件标定的形式拟合得到。
可选的,在一个示例中,所述图像采集设备的自动曝光参数为曝光时间,所述温度算法根据采样得到的多组所述被测对象温度和所述曝光时间的对比数据,以软件标定的形式拟合得到。本申请实施例之所以选择曝光时间作为确定温度的参数至少包括如下原因:在图像采集设备101采集图像的过程中,为确保拍摄的图像为曝光适度状态,当辐射强度上升时需要对应调整上述公式(2)中其他参数以维持平衡。本申请实施例发明人发现,光圈F为难以精确控制的物理量,增益I的调整伴生电信号噪声的缩放,因此都不适用于精确控制辐射通量。因此,本申请一些实施例选择调整曝光时间值来获取被测对象的较精确的温度。
作为又一个示例,上述温度算法为所述被测对象的温度和所述曝光时间之间的M元M次方程,其中,M≥3;所述温度算法根据采样得到的多组所述被测对象温度和所述曝光时间的对比数据,以软件标定的形式拟合得到,包括:在所述被测对象的目标温度区间范围内,采集多组样本数据,其中,所述一组样本数据包括一个温度采样值和一个曝光时间采样值;根据所述多组样本数据求解所述M元M次方程的方程系数。
目标温度区间为被测对象的平均温度与一个合理区间范围构成的范围区间。例如,假设合理区间范围为150度,可以采用如下公式表示目标温度区间范围:被测对象的平均温度±150℃。例如,被测对象的温度平均温度可以为900℃以上,温度变化范围为100℃,则目标温度区间为900±100℃。需要说明的是,温度变化范围越大温度拟合误差越大。被测对象可以包括一种或多种成分,如果属于多种成分的情况主要成分含量显著(例如,铁水中混合其他元素比例从1%增大到10%)变化就需要重新标定确定方程式的系数。
需要说明的是,采样多组对比数据的密度和梯度可以依据工业现场的实际精度需求来调整。采样密度指某特定目标温度区间范围下采集多少组温度和曝光时间的对应数据,梯度指温度差阶范围。例如,假设一个特定目标温度区间范围为1400-1600度,对于处于1400-1405这个温度范围内采集10个数,则采样密度为10次,梯度为5度。
由于本发明的温度算法对应的方程的方程式系数是由软件标定的方式计算得出的,因此对于不同的测量目标可以采取重新标定的方式(即重新获取不同测量目标的多组对比数据并根据多组数据来求解多元多次方程的系数)让公式计算结果拟合对应目标的辐射响应曲线,以达到对其他成分金属(例如,除铁水或者钢水之外)、合金或非金属材料进行测温的泛用目的。
可选的,所述根据所述多组样本数据求解所述M元M次方程的方程系数可以包括:采用均值化方式修正所述样本数据的分布;根据所述多组样本数据和所述M元M次方程形成超定方程组;求解所述超定方程组,得出所述M元M次方程的方程式系数,得到测温公式;所述根据所述曝光时间确定所述被测对象的温度,包括:根据所述曝光时间和所述测温公式计算所述被测对象的温度。例如,形成方程数超过未知数十倍以上的超定方程组。本申请实施例以简单的带标定系数的M元M次(例如,3元3次)方程式拟合目标温度区间的小范围内的变化规律,避免模拟复杂的环境因素和辐射公式,有效降低了测温的技术复杂度。
下面以钢水为被测对象,以图像采集设备101采集的钢水熔炉炉口的图像为例示例性阐述上述图3的技术方案包括的S201以及S202。
假设被测对象为钢水,图像采集设备101采集的图像为包含钢水的炉口图像。处理设备102可以执行如下步骤来确定被测对象的温度:S101获取图像采集设备101拍摄所述炉口图像的曝光时间;S102,根据所述曝光时间确定所述钢水的温度。
首先,介绍采用软件标定确定钢水的温度与熔炉炉口图像的曝光时间之间的方程(即得到上述温度算法),也就是确定钢水的测温公式。
本申请实施例提供了一个基于可变系数的3元3次方程来推导温度和曝光值(辐射强度)的关系,其中T代表目标温度,P代表图像采集设备101(例如,相机)的自动曝光参数(例如,自动曝光参数包括曝光时间参数,单位可以为微秒),a、b、c为方程组系数。
T=a*P3+b*P2+c*P (2)
假设上述的P为曝光时间参数,上述公式(2)需要经过标定确定方程式的系数后才能使用,标定步骤为:
步骤1.利用传统测温技术(例如,红外测温、热电偶测温或者人工通过肉眼观察等方式)在目标温度区间范围(即“目标温度±100℃”范围内)连续采集多个钢水温度和相机的曝光时间之间的样本数据,其中,采样密度和梯度依据工业现场的实际精度需求调整。需要说明的是,本申请人发明人在研究过程中考察到废钢回炉工业项目场景下是目标温度的变化范围为100度,因此以此(即“目标温度±100℃”范围内)作为实践样例范围。
步骤2.以均值化方式修正样本数据分布,加强目标温度(即被测钢水的平均温度)附近的采样值权重。
步骤3.将温度采样值和曝光时间采样值分别导入上述公式(2)的温度变量T和曝光时间变量P(P的单位为微妙等时间单位),形成方程数超过未知数(a、b、c)十倍以上的超定方程组。
步骤4.解超定方程,计算出方程式(2)的系数a、b、c,得出测温公式,完成软件标定。
其次,结合图1、图5、图6、图7、图8、处理设备102、图像采集设备101以及上述温度测量公式(1)对钢水温度进行测量的过程进行介绍。
图8步骤501由图像采集设备101拍摄炉口图像。具体过程解释如下。
在一个示例中,图5图像采集设备101通过相机感光元件捕捉到熔炉近红外及红光波段辐射,生成炉口成像图像并传递给处理设备102。处理设备102包括用于调整曝光时间的图像分析单元1021以及根据稳态曝光时间和上述得到的三元三次方程求解钢水温度的温度计算单元1022。
在另一个示例中,图6的图像采集设备101通过相机感光元件1011捕捉到熔炉近红外及红光波段辐射,生成炉口成像图像并传递给图像分析单元1012。图像分析单元1012用于控制图像采集设备101的自动曝光过程。例如,图像分析单元1012通过调整曝光时间来控制图像采集设备101的自动曝光。之后图像分析单元1012会将稳态的曝光时间发送至处理设备102,由处理设备102根据曝光时间和上述公式(2)来计算钢水温度。
图8步骤502烟尘等干扰消除。具体过程解释如下:图5的图像分析单元1021或者图6的图像分析单元1012获取熔炉炉口图像后,首先使用卷积算子对粉尘颗粒、烟雾、火焰等干扰信息进行平滑过滤,然后计算各色域直方图。
图8还包括步骤503计算图像色阶以及步骤504计算当前帧的曝光时间。具体过程解释如下。图5的图像分析单元1021或者图6的图像分析单元1012依据色域直方图的统计信息和炉口图像分析结果,采用自动温度算法推导出当前帧的曝光调整值(例如,曝光调整值可以为下一帧图像的曝光时间)。下面两段以色阶范围0-255的常规相机获取的炉口图像为例示例性说明采用自动温度算法确定下一帧的曝光时间的过程。
首先,根据炉口图像的红色色域直方图统计结果(如图4)划分出低像素值聚集区为背景信息,记录背景峰值B(即图4中左边峰值对应的色阶值),并设当前钢水图像的色域统计峰值为M(即图4中右边峰值对应的色阶值),以(B+M)/2为像素阈值分割出炉口图像的目标色域直方图与背景色域直方图。
其次,计算色阶(即计算M和B)。如果统计目标色域直方图得到的峰值色阶M位于250以上,甚至255时,则判定为图像过曝,开始降低曝光时间得到下一帧的曝光时间。例如,单次降低幅度为现有曝光时间P*(M-250)*0.04。如图像峰值色阶M<245且背景峰值色阶B<50,判定图像曝光不足,曝光时间开始增加,得到下一帧的曝光时间。例如,单次增加幅度为现有曝光时间P*(50-B)*0.02。持续调整曝光时间至稳定(稳定就是说即使不调整连续多帧的图像的曝光时间,采集的图像也不存在过曝光或者曝光不足的情况时)为止。
图8步骤505判断曝光是否稳定(稳定即计算得到的连续多帧的曝光时间相同),当曝光稳定时则执行图8的步骤506来计算钢水温度,否则执行步骤508来调整图像采集设备101的曝光时间。步骤506计算钢水温度,也就是依据稳定状态的曝光时间值和上述公式(2)计算得到当前测量到的温度值。
作为一个示例,当曝光时间保持了3个以上连续帧不用调整时则判断为稳态,处于稳定态时图5的图像分析单元1021将稳态曝光时间输出到图5温度计算单元1022,之后温度计算单元1022会根据稳态时的曝光时间和上述公式(2)来计算钢水温度(即执行图8的步骤506)。作为又一示例,当曝光时间保持了4个以上连续帧不用调整时则判断为稳态,处于稳定态时图6的图像分析单元1012将稳态曝光时间输出到图6处理设备102,之后处理设备102会根据稳态时的曝光时间和上述公式(2)来计算钢水温度(即执行图8的步骤506)。需要说明的是,如果图5的图像分析单元1021判断没有达到上述稳态时,则图像分析单元1021会控制图像采集设备101调整曝光参数值,重新拍摄下一帧图像直至达到稳态。或者如果图6的图像分析单元1012判断没有达到上述稳态时,则图像分析单元1012会感光元件调整曝光参数值,重新拍摄下一帧图像直至达到稳态。
下面结合图7进行示例性稳定态的获取过程,图7采用工业相机(即上述图像采集设备101)拍摄第1帧炉口图像,然后工业相机发送第1帧炉口图像至处理设备102。处理设备102的图像分析单元1021判断第1帧图像的曝光情况,根据所述曝光情况确定第2帧图像的曝光时间;图像分析单元1021向工业相机反馈计算得到的第2帧图像的曝光时间。工业相机根据第2帧图像的曝光时间拍摄第2帧图像,将拍摄的第2帧图像发送至处理设备102的图像处理单元1021。重复上述步骤,直至连续三帧的曝光时间均相同(例如,图7的第2帧图像的曝光时间、第3帧图像的曝光时间以及第4帧图像的曝光时间)时,根据这三帧的曝光时间和上述确定的测温公式(2)来计算钢水温度。
图8步骤508曝光调整。示例性过程可以为:图5的图像采集设备101根据处理设备102上的图像分析单元1021反馈的曝光时间调整值,修改曝光参数直到曝光时间参数稳定(即连续多帧图像的曝光时间不用进行增大或者减小的调整)为止。或者图6的图像采集设备包括的图像分析单元1012根据炉口图像的曝光情况计算下一帧图像的曝光时间,并通过下一帧的曝光时间来控制感光元件生成的图像。
图8的步骤507结果输出即由图5或者图6的处理设备102进行当前温度输出,也就是说由处理设备102输出计算得到钢水温度。
请参考图9,图9示出了本申请实施例提供的温度测量装置700,应理解,该装置700与上述图2或图3方法200实施例对应,能够执行上述方法实施例涉及的各个步骤,该装置700的具体功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。装置700包括至少一个能以软件或固件的形式存储于存储器中或固化在装置700的操作系统中的软件功能模块,该温度测量装置700,包括:曝光时间获取单元701,被配置为获取采集图像的自动曝光参数,其中,所述采集图像是由图像采集设备根据被测对象所辐射的光谱生成的;温度确定单元702,被配置为根据所述自动曝光参数确定所述被测对象的温度。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置700的具体工作过程,可以参考前述图2或者图3的方法200中的对应过程,在此不再过多赘述。
本申请实施例还提供一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时可实现图2或图3所述的方法200。
如图10所示,本申请实施例还提供一种信息处理设备800,包括存储器810、处理器820以及存储在所述存储器810上并可在所述处理器820上运行的计算机程序,其中,所述处理器820执行所述程序时可实现图2或图3所示的方法200。
例如,处理器820通过总线830从存储器810读取程序至少能够实现上述图3方法200的如下步骤:S101获取图像的曝光时间,其中,所述图像由图像采集设备101根据被测对象所辐射的光谱生成;以及S102根据所述曝光时间确定所述被测对象的温度。
如图11所示,本申请实施例提供一种数字图像采集设备900(即图1的图像采集设备101),包括镜头940、成像单元950(即图6的感光元件)、存储器910、处理器920以及存储在所述存储器910上并可在所述处理器920上运行的计算机程序,其中,所述处理器920执行所述程序可实现如下方法(即图6的图像分析单元1012实现的功能):根据辐射光谱生成第N帧图像(例如,根据辐射光谱生成被测对象的图像或者生成包含被测对象的容器口的图像);判断所述第N帧图像的曝光情况;根据所述曝光情况确定第N+1帧图像的曝光时间,以控制感光元件成像;当所确定的连续多帧图像的曝光时间相同时,向处理设备(例如,图1的处理设备102)提供所述曝光时间;其中,N为大于零的整数。针对如何判断所述第N帧图像的曝光情况或者如何根据所述曝光情况确定第N+1帧图像的曝光时间的过程可以参考上述技术方案的内容。在此不做过多赘述。
例如,被测对象为钢水,数字图像采集设备900首先采集钢水熔炉炉口的图像,之后再用卷积算子对粉尘颗粒、烟雾、火焰等干扰信息进行平滑过滤,过滤后再开始计算各色域直方图,以进一步判断采集的这帧图像是否存在过曝光或者曝光不足的情况。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (15)
1.一种温度测量方法,其特征在于,所述方法包括:
获取采集图像的自动曝光参数,其中,所述采集图像是由图像采集设备根据被测对象所辐射的光谱生成的;
根据所述自动曝光参数确定所述被测对象的温度。
2.如权利要求1所述的温度测量方法,其特征在于,
所述获取采集图像的自动曝光参数,包括:获取图像的曝光时间;
所述根据所述曝光参数确定所述被测对象的温度,包括:根据所述曝光时间确定所述被测对象的温度。
3.如权利要求2所述的温度测量方法,其特征在于,所述方法还包括:
获取第N帧图像;
判断所述第N帧图像的曝光情况;
根据所述曝光情况确定第N+1帧图像的曝光时间,以调整所述图像采集设备的曝光时间;
所述获取图像的曝光时间,包括:当所确定的连续多帧图像的曝光时间相同时,获取所述曝光时间;
其中,N为大于零的整数。
4.如权利要求3所述的温度测量方法,其特征在于,
所述判断所述第N帧图像的曝光情况,包括:根据所述第N帧图像的色域直方图,判断所述第N帧图像是否存在过曝光情况或曝光不足的情况;
所述根据所述曝光情况确定第N+1帧图像的曝光时间,包括:
当存在所述过曝光情况时,则减小所述第N帧图像的曝光时间,得到第N+1帧图像的曝光时间;
当存在所述曝光不足的情况时,则增加所述第N帧图像的曝光时间,得到所述第N+1帧图像的曝光时间;
当所述第N帧图像不存在所述过曝光情况且不存在所述曝光不足的情况时,则将所述第N帧图像的曝光时间确定为所述第N+1帧图像的曝光时间。
5.如权利要求4所述的温度测量方法,其特征在于,所述根据所述第N帧图像的色域直方图,判断所述第N帧图像是否存在过曝光情况或曝光不足的情况,包括:
根据设定的像素阈值划分所述第N帧图像,得到目标色域直方图和背景色域直方图;
当统计得到的所述目标色域直方图的所有像素的峰值大于或等于第一阈值,则判定所述第N帧图像存在过曝情况;
当统计得到的所述目标色域直方图的所有像素的峰值小于第二阈值,且统计得到的所述背景色域直方图的所有像素的峰值小于第三阈值,则判定所述第N帧图像存在曝光不足情况。
6.如权利要求3所述的温度测量方法,其特征在于,所述判断所述第N帧图像的曝光情况之前,所述方法还包括:根据卷积算子对所述第N帧图像包含的干扰信息进行平滑过滤。
7.如权利要求2所述的温度测量方法,其特征在于,所述被测对象为钢水,所述图像为包含钢水的炉口图像;
所述获取图像的曝光时间,包括:获取所述炉口图像的曝光时间;
所述根据所述曝光时间确定所述被测对象的温度,包括:根据所述曝光时间确定所述钢水的温度。
8.如权利要求2所述的温度测量方法,其特征在于,所述根据所述曝光时间确定所述被测对象的温度,包括:根据温度算法和所述曝光时间计算所述被测对象的温度,其中,所述温度算法根据采样得到的多组被测对象温度和所述图像采集设备的自动曝光参数的对比数据,以软件标定的形式拟合得到。
9.如权利要求8所述的温度测量方法,其特征在于,所述自动曝光参数为曝光时间,所述温度算法根据采样得到的所述多组被测对象的温度和所述曝光时间的对比数据,以软件标定的形式拟合得到。
10.如权利要求9所述的温度测量方法,其特征在于,
所述温度算法为所述被测对象的温度和所述曝光时间之间的M元M次方程,其中,M≥3;
所述温度算法根据采样得到的所述多组被测对象的温度和所述曝光时间的对比数据,以软件标定的形式拟合得到,包括:
在所述被测对象的目标温度区间范围内,采集多组样本数据,其中,所述一组样本数据包括一个温度采样值和与所述一个温度采样值对应的一个曝光时间采样值;
根据所述多组样本数据求解所述M元M次方程的方程系数。
11.如权利要求10所述的温度测量方法,其特征在于,
所述根据所述多组样本数据求解所述M元M次方程的方程系数,包括:
采用均值化方式修正所述样本数据的分布;
根据所述多组样本数据和所述M元M次方程形成超定方程组;
求解所述超定方程组,得出所述M元M次方程的方程式系数,得到所述温度算法对应的测温公式;
所述根据所述曝光时间确定所述被测对象的温度,包括:根据所述曝光时间和所述测温公式计算所述被测对象的温度。
12.一种温度测量装置,其特征在于,所述装置包括:
曝光时间获取单元,被配置为获取采集图像的自动曝光参数,其中,图像采集设备根据被测对象所辐射的光谱生成所述采集图像;
温度确定单元,被配置为根据所述自动曝光参数确定所述被测对象的温度。
13.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时可实现权利要求1-11中任意一条权利要求所述的方法。
14.一种信息处理设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述程序时可实现权利要求1-11中任意一条权利要求所述的方法。
15.一种数字图像采集设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述程序可实现如下方法:
根据辐射光谱生成第N帧图像;
判断所述第N帧图像的曝光情况;
根据所述曝光情况确定第N+1帧图像的曝光时间,以控制感光元件成像;
当所确定的连续多帧图像的曝光时间相同时,向处理设备提供所述曝光时间;
其中,N为大于零的整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133642.4A CN111337132B (zh) | 2020-02-28 | 2020-02-28 | 一种温度测量方法、装置以及数字图像采集设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133642.4A CN111337132B (zh) | 2020-02-28 | 2020-02-28 | 一种温度测量方法、装置以及数字图像采集设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111337132A true CN111337132A (zh) | 2020-06-26 |
CN111337132B CN111337132B (zh) | 2021-08-27 |
Family
ID=71182027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010133642.4A Active CN111337132B (zh) | 2020-02-28 | 2020-02-28 | 一种温度测量方法、装置以及数字图像采集设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111337132B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113411510A (zh) * | 2021-06-21 | 2021-09-17 | 北京清影机器视觉技术有限公司 | 一种基于图像质量评价和红热锻件的相机自动曝光算法 |
CN113418615A (zh) * | 2021-06-21 | 2021-09-21 | 北京清影机器视觉技术有限公司 | 一种基于相机的红热锻件温度自动测量方法 |
CN117537930A (zh) * | 2023-10-31 | 2024-02-09 | 雷玺智能科技(上海)有限公司 | 一种基于红外热成像的阵列测温方法及管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008439A (ja) * | 2007-06-26 | 2009-01-15 | Nippon Steel Corp | 温度分布測定方法及び装置 |
CN102694981A (zh) * | 2012-05-11 | 2012-09-26 | 中国科学院西安光学精密机械研究所 | 基于自适应阈值分割的直方图均衡化的自动曝光方法 |
CN103604503A (zh) * | 2013-06-17 | 2014-02-26 | 中国航天科工集团第三研究院第八三五八研究所 | 一种积分时间动态调整的高精度非均匀性校正方法 |
JP2014202528A (ja) * | 2013-04-02 | 2014-10-27 | Jfeスチール株式会社 | 温度測定装置および温度測定方法 |
CN104180908A (zh) * | 2014-08-07 | 2014-12-03 | 华能国际电力股份有限公司 | 一种raw图像辐射测温装置及方法 |
CN105847708A (zh) * | 2016-05-26 | 2016-08-10 | 武汉大学 | 基于图像直方图分析的线阵相机自动曝光调整方法及系统 |
CN108663122A (zh) * | 2018-05-29 | 2018-10-16 | 中国科学院光电技术研究所 | 一种基于神经网络的适应积分时间动态调整的红外焦平面阵列非均匀性校正方法 |
-
2020
- 2020-02-28 CN CN202010133642.4A patent/CN111337132B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008439A (ja) * | 2007-06-26 | 2009-01-15 | Nippon Steel Corp | 温度分布測定方法及び装置 |
CN102694981A (zh) * | 2012-05-11 | 2012-09-26 | 中国科学院西安光学精密机械研究所 | 基于自适应阈值分割的直方图均衡化的自动曝光方法 |
JP2014202528A (ja) * | 2013-04-02 | 2014-10-27 | Jfeスチール株式会社 | 温度測定装置および温度測定方法 |
CN103604503A (zh) * | 2013-06-17 | 2014-02-26 | 中国航天科工集团第三研究院第八三五八研究所 | 一种积分时间动态调整的高精度非均匀性校正方法 |
CN104180908A (zh) * | 2014-08-07 | 2014-12-03 | 华能国际电力股份有限公司 | 一种raw图像辐射测温装置及方法 |
CN105847708A (zh) * | 2016-05-26 | 2016-08-10 | 武汉大学 | 基于图像直方图分析的线阵相机自动曝光调整方法及系统 |
CN108663122A (zh) * | 2018-05-29 | 2018-10-16 | 中国科学院光电技术研究所 | 一种基于神经网络的适应积分时间动态调整的红外焦平面阵列非均匀性校正方法 |
Non-Patent Citations (1)
Title |
---|
白海城: "连铸坯表面温度场图像测温仪的研制与应用", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113411510A (zh) * | 2021-06-21 | 2021-09-17 | 北京清影机器视觉技术有限公司 | 一种基于图像质量评价和红热锻件的相机自动曝光算法 |
CN113418615A (zh) * | 2021-06-21 | 2021-09-21 | 北京清影机器视觉技术有限公司 | 一种基于相机的红热锻件温度自动测量方法 |
CN113411510B (zh) * | 2021-06-21 | 2022-08-12 | 北京清影机器视觉技术有限公司 | 一种基于图像质量评价和红热锻件的相机自动曝光算法 |
CN117537930A (zh) * | 2023-10-31 | 2024-02-09 | 雷玺智能科技(上海)有限公司 | 一种基于红外热成像的阵列测温方法及管理系统 |
CN117537930B (zh) * | 2023-10-31 | 2024-05-07 | 雷玺智能科技(上海)有限公司 | 一种基于红外热成像的阵列测温方法及管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111337132B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111337132B (zh) | 一种温度测量方法、装置以及数字图像采集设备 | |
JP4516854B2 (ja) | 高炉出銑温度測定方法及び測定装置 | |
CN102795627B (zh) | 多晶硅还原炉多参量在线监测与优化控制装置及方法 | |
WO2010064727A1 (ja) | 溶銑温度の検知方法及びこれを用いた高炉の操業方法 | |
US9696210B2 (en) | Extended temperature range mapping process of a furnace enclosure using various device settings | |
CN108279071A (zh) | 基于比色测温法的全视场熔池温度场检测系统 | |
CN111707382B (zh) | 一种温度变形同步测量的动态光学补偿方法及装置 | |
US7580076B2 (en) | Devices and methods for calculating pixel values representative of a scene | |
CN106755683A (zh) | 一种基于比色法的高炉燃烧带温度场检测装置 | |
CN107238442B (zh) | 不带温度稳定器的探测器测温调温方法 | |
TWI442032B (zh) | 非接觸式溫度量測方法 | |
JP2009008439A (ja) | 温度分布測定方法及び装置 | |
JP2018200199A (ja) | 出銑温度測定装置および該方法 | |
TWI465702B (zh) | 非接觸式溫度量測方法 | |
WO2006017544A2 (en) | Sensor apparatus and method for noise reduction | |
Fabijańska et al. | Computer vision system for high temperature measurements of surface properties | |
CN113340446B (zh) | 一种真空水平连铸熔炼炉实时测温方法及系统 | |
CN106716991B (zh) | 红外线摄像装置、图像处理方法及记录介质 | |
JP2006126062A (ja) | 溶融金属の温度計測方法及び装置 | |
RU2238529C1 (ru) | Способ бесконтактного измерения температуры поверхности нагретых тел | |
WO2021038811A1 (ja) | 不純物検出装置、不純物検出方法、及びコンピュータプログラム | |
Kaplinsky et al. | Recent advances in the development of a multiwavelength imaging pyrometer | |
CN107888832A (zh) | 相机图像实时记录系统 | |
Junhong et al. | Research on slab surface temperature-measurement of continuous casting based on CCD imaging | |
CN117387778B (zh) | 一种测温方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |