CN112255696B - 红外无热化自动检测设备 - Google Patents
红外无热化自动检测设备 Download PDFInfo
- Publication number
- CN112255696B CN112255696B CN202011189187.6A CN202011189187A CN112255696B CN 112255696 B CN112255696 B CN 112255696B CN 202011189187 A CN202011189187 A CN 202011189187A CN 112255696 B CN112255696 B CN 112255696B
- Authority
- CN
- China
- Prior art keywords
- infrared
- operator
- scene
- athermalization
- image data
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 229910052594 sapphire Inorganic materials 0.000 claims abstract description 12
- 239000010980 sapphire Substances 0.000 claims abstract description 12
- 239000003112 inhibitor Substances 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000004088 simulation Methods 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000011056 performance test Methods 0.000 abstract 1
- 230000007613 environmental effect Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 238000003331 infrared imaging Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 description 2
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001595 contractor effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V13/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices covered by groups G01V1/00 – G01V11/00
Abstract
本发明的红外无热化自动检测设备,属于红外系统测试的技术领域,提供一种方便产品无热化检测的设备。其包括包括万向支架、安装在万向支架上的红外场景仪、环境温度控制箱和杂散光抑制器,所述环境温度控制箱侧壁设有蓝宝石光窗、内部放置有被测产品和温度控制器,所述红外场景仪上设有红外光窗。本发明用以完善产品无热化性能测试。
Description
技术领域
本发明属于红外成像系统无热化检测的技术领域,涉及一种红外无热化自动检测设备。
背景技术
近年来红外成像系统的发展日新月异。由于红外系统能够在夜间和恶劣天气下获得较为有效的图像信息,且隐蔽性较高,越来越多的军用侦察和告警类产品都采用了红外成像技术。作为现代化机载光电探测与对抗的核心设备——“机载红外搜索跟踪系统”就是采用了红外成像的原理。
由于红外光学材料的折射率温度系数dn/dT较大,通常比可见光材料高一个数量级以上,伴随着环境温度的变化,红外光学系统的材料的折射率也会产生变化,光学系统元器件的曲率、厚度和间隔随之也会产生改变,再加上光机结构的热胀冷缩效应,系统会产生离焦和其他像差,严重影响红外系统的成像质量。考虑到机载红外搜索跟踪系统往往工作在一个较大的温度变化区间内,成像质量受到温度波动影响较大,我们需要对产品的无热化设计,使得产品可以在没有人主观参与的情况下在不同的温度环境下保持清晰的成像。
故而需要设计一套不以人的主观意志为转移的自动化的无热化检测设备。
有鉴于此,特提出本发明。
发明内容
本发明的目的在于提供一种红外无热化自动检测设备,提供一种方便产品无热化性能检测或是否合格的设备。本案的技术方案有诸多技术有益效果,见下文介绍:
本案提供一种红外无热化自动检测设备,包括万向支架、安装在万向支架上的红外场景仪、环境温度控制箱和杂散光抑制器,所述环境温度控制箱侧壁设有蓝宝石光窗、内部放置有被测产品和温度控制器,所述红外场景仪上设有红外光窗,其中:
所述蓝宝石光窗,能够对红外光以高透过率传送被测产品;所述杂散光抑制器,能够阻挡外界光和抑制好抑制内部光反射;
所述红外场景仪的光图像穿过红外光窗在所述杂散光抑制器作用下,经所述蓝宝石光窗输送至所述环境温度控制箱内的被测产品上;
外部的无热检测工作站与所述控制器电连接,控制温度控制器工作;所述红外场景仪通过场景仿真工作站投放无热检测工作站所传送的图像数据。
优选的,在不同场景下向被测产品发送图像数据,无热检测工作站内安装有硬件装置,所述硬件装置包括处理器,所述处理器运行以下方法:
获取被测产品不同场景的图像数据,每个图像数据包括多个离焦量;
获取与当前图像数据相对应的温度数据;
采用不同的图像清晰度算子对每个图像数据进行清晰度评价计算,确定不同离焦量下且不同清晰度评价算子的每个图像的清晰度评价值;
计算出每个不同算子所对应的每个图像数据的最大清晰度值,确定无热化性能是否合格。
与现有技术相比,本发明提供的技术方案包括以下有益效果:
温度控制器调整环境的温度参数,外部的无热检测工作站与所述控制器电连接,控制温度控制器工作;所述红外场景仪通过场景仿真工作站投放无热检测工作站所传送的图像数据投放场景仿真工作站所仿真并传送至场景投影仪的红外场景图像数据,光经过所述蓝宝石光窗和杂散光抑制器,能够对红外光以高透过率传送被测产品并且能够阻挡外界光和抑制好抑制内部光反射,多种算子配合多种场景的组合计算使得被测产品的无热化性能检测精度得以提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明设置的结构示意图;
图2为JRM模拟的红外场景;
图3为清晰度计算方法的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本发明,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践方面。为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
如图1所示红外无热化自动检测设备,包括万向支架3、安装在万向支架3上的红外场景仪2、环境温度控制箱6和杂散光抑制器4,环境温度控制箱6侧壁设有蓝宝石光窗5、内部放置有被测产品和温度控制器,红外场景仪2上设有红外光窗,其中:
蓝宝石光窗5,能够对红外光以高透过率传送被测产品;杂散光抑制器4,能够阻挡外界光和抑制好抑制内部光反射;
红外场景仪2的红外辐射图像穿过红外光窗在杂散光抑制器4作用下,经蓝宝石光窗5输送至环境温度控制箱6内的被测产品上;
外部的无热检测工作站与控制器电连接,控制温度控制器工作;红外场景仪通过场景仿真工作站投放无热检测工作站所传送的图像数据。
温度控制器调整环境的温度参数,外部的无热检测工作站7与所述控制器电连接,控制温度控制器工作,通过场景仿真工作站投放无热检测工作站所传送的图像数据投放场景仿真工作站1所仿真并传送至场景投影仪2的红外场景图像数据,仿真工作站1与无热检测工作站7通讯连接,该通讯部分为现有技术,在此不再赘述。
作为本案所提供的具体实施方式,在不同场景下向被测产品发送图像数据,无热检测工作站内安装有硬件装置,所述硬件装置包括处理器,所述处理器运行以下方法:
待测产品放置在环境温度控制箱内,高低温模拟机载环境温度的变化范围为[-55°,70°]。在试验过程中,设置高低温箱的温度值,在设定的地温度下保温半个小时,使得高低温箱内温度趋于稳定,无热化检测工作站采集当前环境温度控制箱的环境温度,并记录下来;
无热化检测工作站通过RS422接口1控制被测产品的调焦机构,对光学系统的离焦量以一个固定的步长进行全程遍历,每调节一步焦距后,无热化检测工作站即通过视频采集卡连续采集当前焦距点下的视频3s,并将视频编号标记保存在无热化检测工作站中。同时无热化检测工作站还通过一路以太网接口控制场景仿真工作站切换场景,以进行不同场景下的循环测试。
通过无热化检测工作站中搭建的7种清晰度评价算法对10种场景可设置为更多,上限最多可到100循环计算,先计算每个算子在10个场景下的所有离焦量,计算标准差,将大于3倍标方差的数据剔除,计算出每种算子的平均离焦量和置信概率。然后对7种算子的平均离焦量进行标准差计算,剔除大于3倍标准差的离焦量数据,剩余的数据采用加权置信概率和焦距量乘积,并对所有乘积累加,最终计算出离焦量估计值。记录下当前的计算的离焦量估计值和采集到的当前环境温度信息,自动保存到无热化检测工作站的数据库中。在不同温度值下重复上述步骤,最后采集完整个温度区间下的离焦量以后,采用极限学习机算法对离焦量-温度曲线进行拟合。最后通过与光学设计值进行均方根误差、相关系数计算,得出被测红外系统无热化设计的优劣,具体的如下:
获取被测产品不同场景的图像数据,每个图像数据包括多个离焦量;
获取与当前图像数据相对应的温度数据;
采用不同的图像清晰度算子对每个图像数据进行清晰度评价计算,确定不同离焦量下且不同清晰度评价算子的每个图像的清晰度评价值;
计算出每个不同算子所对应的每个图像数据的最大清晰度值,确定无热化性能是否合格。
以下的实施例为,将焦距值分成50份,将无热化检测仪的输入场景设置为场景1,并采集各个焦距值下对应的图像。分别计算每个算子在50个焦距值下,7种算子的计算结果:图像或场景1的数据见多组表一:
焦距 | 算子1 | 算子2 | 算子3 | 算子4 | 算子5 | 算子6 | 算子7 |
焦距1 | x11(1) | x12(1) | x13(1) | x14(1) | x15(1) | x16(1) | x17(1) |
焦距2 | x11(2) | x12(2) | x13(2) | x14(2) | x15(2) | x16(2) | x17(2) |
焦距3 | x11(3) | x12(3) | x13(3) | x14(3) | x15(3) | x16(3) | x17(3) |
焦距4 | x11(4) | x12(4) | x13(4) | x14(4) | x15(4) | x16(4) | x17(4) |
焦距… | … | … | … | … | … | … | … |
焦距50 | x11(50) | x12(50) | x13(50) | x14(50) | x15(50) | x16(50) | x17(50) |
场景分别切换至场景2、3、4、5…10,重复第一步的步骤,能够计算10组第一步的矩阵。为了方便表示,假设场景i的结果如下:
场景2
焦距 | 算子1 | 算子2 | 算子3 | 算子4 | 算子5 | 算子6 | 算子7 |
焦距1 | x21(1) | x22(1) | x23(1) | x24(1) | x25(1) | x26(1) | x27(1) |
焦距2 | x21(2) | x22(2) | x23(2) | x24(2) | x25(2) | x26(2) | x27(2) |
焦距3 | x21(3) | x22(3) | x23(3) | x24(3) | x25(3) | x26(3) | x27(3) |
焦距4 | x21(4) | x22(4) | x23(4) | x24(4) | x25(4) | x26(4) | x27(4) |
焦距… | … | … | … | … | … | … | … |
焦距50 | x21(50) | x22(50) | x23(50) | x24(50) | x25(50) | x26(50) | x27(50) |
场景3
焦距 | 算子1 | 算子2 | 算子3 | 算子4 | 算子5 | 算子6 | 算子7 |
焦距1 | x31(1) | x32(1) | x33(1) | x44(1) | x45(1) | x46(1) | x47(1) |
焦距2 | x31(2) | x32(2) | x33(2) | x44(2) | x45(2) | x46(2) | x47(2) |
焦距3 | x31(3) | x32(3) | x33(3) | x44(3) | x45(3) | x46(3) | x47(3) |
焦距4 | x31(4) | x32(4) | x33(4) | x44(4) | x45(4) | x46(4) | x47(4) |
焦距… | … | … | … | … | … | … | … |
焦距50 | x31(50) | x32(50) | x33(50) | x44(50) | x45(50) | x46(50) | x47(50) |
…
场景i(第i个场景,i在1-10之间,为了通用化表示用)
焦距 | 算子1 | 算子2 | 算子3 | 算子4 | 算子5 | 算子6 | 算子7 |
焦距1 | xi1(1) | xi2(1) | xi3(1) | xi4(1) | xi5(1) | xi6(1) | xi7(1) |
焦距2 | xi1(2) | xi2(2) | xi3(2) | xi4(2) | xi5(2) | xi6(2) | xi7(2) |
焦距3 | xi1(3) | xi2(3) | xi3(3) | xi4(3) | xi5(3) | xi6(3) | xi7(3) |
焦距4 | xi1(4) | xi2(4) | xi3(4) | xi4(4) | xi5(4) | xi6(4) | xi7(4) |
焦距… | … | … | … | … | … | … | … |
焦距50 | xi1(50) | xi2(50) | xi3(50) | xi4(50) | xi5(50) | xi6(50) | xi7(50) |
表一
将所有的清晰度评价数值保存下来,记为xij(n)(其中i表示第i个场景,j标识第j个清晰度评价算子,n表示第n个调焦点)。
作为本案所提供的具体实施方式,所述确定最佳温度和离焦量的方法包括:
获取所有最大清晰度值所对应的第一离焦量,确定每个清晰度评价算子所对应的所有第二离焦量,剔除每个算子所对应的第二离焦量中异常值,异常值例如,离焦量大于预设倍数,如选用3倍离焦量标准差的离焦量,方差最小或是离散度高的数据;
通过求取最大值的方式,找到每个场景下,每个清晰度评价算子所对应的最清晰的点,记录为Yij(i表示第i个场景,j标识第j个清晰度评价算子)。i的范围为[1 10],j的范围为[1 7],见表二
场景 | 算子1 | 算子2 | 算子3 | 算子4 | 算子5 | 算子6 | 算子7 |
场景1 | Y11 | Y12 | Y13 | Y14 | Y15 | Y16 | Y17 |
场景2 | Y21 | Y22 | Y23 | Y24 | Y25 | Y26 | Y27 |
场景3 | Y31 | Y32 | Y33 | Y34 | Y35 | Y36 | Y37 |
场景4 | Y41 | Y42 | Y43 | Y44 | Y45 | Y46 | Y47 |
场景… | … | … | … | … | … | … | … |
场景10 | Y51 | Y52 | Y53 | Y54 | Y55 | Y56 | Y57 |
表二
提取出每个算子下,在10个场景下的清晰度评价值Zj,(以算子1为例,它在10个场景下的清晰度评价值为),见表三
场景 | 算子1 |
场景1 | Z1 |
场景2 | Z2 |
场景3 | Z3 |
场景4 | Z4 |
场景… | … |
场景10 | Z10 |
表三
计算每个算子的第二离焦量剔除异常值后的平均值,并确定所对应的置信度,所述置信度根据剔除后第二离焦量与第二离焦量总数的比值所确定,从而确定无热化性能是否合格,具体的如下:
计算Zj的标准差sigma,将这10个数值中大于3倍标准差的数值剔除,统计剔除的数量nj,剩下的结果取平均获得Zjmean,同时计算出这个平均值的置信概率:Pj=(10-nj)/10,对7个算子分别采用这种方法计算,分别可获得Zjmean、Pj共7组,见表四:
算子1 | 算子2 | 算子3 | 算子4 | 算子5 | 算子6 | 算子7 |
Z1mean | Z2mean | Z3mean | Z4mean | Z5mean | Z6mean | Z7mean |
P1 | P2 | P3 | P4 | P5 | P6 | P7 |
表四
这7组Zjmean数据求取标差sigma2,将这7组数值中大于3倍标准差的数值剔除,剩下的数据假设还有m个,m小于7,对应的概率分别为Pnk、平均值Zkmean,k取[1m]。对概率进行归一化处理,且满足:
每个平均值与所对应置信度的加权平均获得该温度点下的第三离焦量,第三离焦量为,一个温度下对应多个离焦量中的最佳离焦量,以其作为第三离焦量;
算子1 | 算子2 | 算子3 | 算子4 | 算子5 | 算子6 | 算子7 |
Z1mean | Z2mean | Z3mean | Z4mean | Z5mean | Z6mean | Z7mean |
P1k_new | P2k_new | P3k_new | P4k_new | P5k_new | P6k_new | P7k_new |
获取所有温度所对应的第三离焦量,通过拟合算法确定温度与第三离焦量第一变化关系;
然后对焦距值进行加权平均,即获得当前温度下的无热化离焦量:
重复所有温度点计算出F(T)的曲线;
获取被测产品所设计温度与离焦量第二变化关系,设计产品的变化关系,
确定两个变化关系的均方根差;
两个曲线的均方根差是否大于预设值(允许的误差值),如是,被测产品的无热化性能不合格并进行第一标记或发送第一反馈信息,如否,被测产品的无热化性能合格并进行第二标记或发送第二反馈信息。
具体工作原理:
1在场景仿真工作站内,采用3DMAX软件构建红外目标模型(包括机场、坦克车、建筑物等),采用JRM软件结合C++二次开发编写构建红外场景的软件,软件运行在场景仿真工作站(1)中,场景图像示意图如图1所示,并利用高算力GPU对场景生成加速,以获得实时渲染的效果。
2在场景仿真工作站设置有10-100种可以选择的固定画面场景(默认设置为10),每种场景都对应一个独一无二的编号,无热化检测仪可以通过以太网控制场景仿真工作站选择具体编号的场景。场景仿真工作站将渲染的仿真红外场景注入到红外场景投影仪中。红外场景投影仪采用用数字微镜器件(DMD)技术构成红外场景的生成,其中DMD的每个像素点就是一个微小镜片,每个镜片都可以通过电路控制偏转来调整反射线的强弱,来实现场景的构建。最终红外场景投影仪可以投射出所需要的红外场景辐射。
3通过调节可调节万向支架的调节旋纽,使得红外场景投影仪的光轴与环境温度控制箱内的被测产品的光轴平行。红外场景投影仪的投影的红外场景辐射经过杂散光抑制器和蓝宝石光窗以后投射入被测产品的光学视场内,使得被测产品能够成像出和红外场景投影仪投射内容一致的红外画面。
4无热化检测工作站首先控制场景投影仪投影出编号为1的仿真场景,并记录下当前的场景编号。随后无热化检测工作站通过RS422接口1控制环境温度控制箱的温度变化,首先设置当前温度为-55°,保温2小时到温以后,无热化检测工作站通过RS422接口1采集环境温度控制箱内的当前环境温度,并记录下来。同时无热化检测工作站通过RS422接口2对产品进行调焦控制,并采集当前产品的离焦量,记录到无热化检测工作站中。通过一路视频采集卡采集产品在当前离焦量下所产品的视频,每个离焦量下采集视频3s,并记录到无热化检测工作站中。把产品可以调节的离焦量分成50等份,遍历并采集记录每个离焦量下的视频,将视频一一对应编号保存到数据库中。
5无热化检测工作站采用如下7种清晰度评价算子,分别计算出当前温度下,每个离焦量对应的清晰度评价数值。7种算子计算的清晰度评价数值为别为x11(n)、x12(n)、x13(n)、x14(n)、x15(n)、x16(n)、x17(n),其中n就是步骤4中50等份的调焦量的第n份,n的范围为[1 50]。五种调焦算子的公式分别如下。
算子1:
其中Gx和Gy分别是红外图像和水平、垂直方向的sobel算子的卷积。
算子2:
算子3:
Glap(x,y)=f(x,y+1)+f(x,y+1)+f(x,y-1)-4f(x,y)
算子4:
RF和CF的计算公式如下:
算子5:
其中p(i)是每个灰度级的产生概率(产生频率/像素总数)。
算子6:
其中FFtreal和FFtimag分别是红外图像傅立叶变换以后的实部和虚步,这个算子也要傅立叶能量和。
算子7:
(f(x+2,y)-f(x,y))2>Th
6通过无热化检测工作站控制场景仿真工作站切换场景至场景2,再重复上述4和5的步骤计算50个焦距点下的所有清晰度评价值,重复计算所有的10个场景(可以设置为更多的场景),将所有的清晰度评价数值保存下来,记为xij(n)(其中i表示第i个场景,j标识第j个清晰度评价算子,n表示第n个调焦点)。
通过求取最大值的方式,找到每个场景下,每个清晰度评价算子所对应的最清晰的点,记录为Yij(i表示第i个场景,j标识第j个清晰度评价算子)。i的范围为[1 10],j的范围为[1 7]。
对于每个算子j,提取出它在10个场景下的清晰度评价值Zj,计算Zj的标准差sigma,将这10个数值中大于3倍标准差的数值剔除,统计剔除的数量nj,剩下的结果取平均获得Zjmean,同时计算出这个平均值的置信概率:Pj=(10-nj)/10。对7个算子分别采用这种方法计算,分别可获得Zjmean、Pj共7组。
对这7组Zjmean数据求取标差sigma2,将这7组数值中大于3倍标准差的数值剔除,剩下的数据假设还有m个,m小于7,对应的概率分别为Pnk、平均值Zkmean,k取[1m]。对概率进行归一化处理:
然后对焦距值进行加权平均,即获得当前温度下的无热化离焦量:
离焦量计算方法的流程图见附图3.
7温度/焦距曲线的获取:
通过无热化工作站控制环境温度工作箱改变高低温箱的温度,温度变化步长设置为5度,变换范围设置为-56°-70°。重复上述步骤4、5、6,最终可以计算出所有设置温度T下对应的无热化离焦量F(T)。
8温度/焦距曲线的拟合及无热化性能的评价:
利用极限学习机神经网络算法拟合出温度/焦距的曲线,极限学习机拟合的公式如下所示,对应一波温度/焦距焦距的点的集合,可以表示为如下公式:
随机产生一个前馈神经网络的构造,随机产生前馈神经网络的输入层权值和偏置,设置隐含层结点的个数L>=样本的个数,设置sigmoid函数做为前馈神经网络的隐含层激励函数。于是前馈神经网络的隐含层输出矩阵可以写成如下公式:
其中a为隐含层的权值b为隐含层的偏置,G(x)为sigmoid函数。
于是可以通过最小二乘法求得前馈神经网络的输出层权值,如下公式所示。
最终我们可以获得温度-焦距的拟合函数关系:
对该函数进行内插,可以获得相应的温度-焦距变化曲线:
利用均方根误差、相关系数、相对误差来评价无热化性能的优劣,两个评价量化因子的公式如下所示:
均方根误差:
相关系数:
以上对本发明所提供的产品进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离发明创造原理的前提下,还可以对发明进行若干改进和修饰,这些改进和修饰也落入发明权利要求的保护范围。
Claims (1)
1.一种红外无热化自动检测设备,其特征在于,包括万向支架、安装在万向支架上的红外场景仪、环境温度控制箱和杂散光抑制器,所述环境温度控制箱侧壁设有蓝宝石光窗、内部放置有被测产品和温度控制器,所述红外场景仪上设有红外光窗,其中:
所述蓝宝石光窗,能够对红外光以高透过率传送至被测产品的光学系统内;所述杂散光抑制器,能够阻挡外界光和抑制内部杂散光反射;
所述红外场景仪的光红外辐射图像穿过红外光窗,在所述杂散光抑制器作用下,经所述蓝宝石光窗输送至所述环境温度控制箱内的被测产品上;
外部的无热检测工作站与所述温度控制器电连接,控制温度控制器工作;所述红外场景仪投放通过场景仿真工作站所仿真并传送至红外场景仪的无热检测工作站所传送的图像数据,在不同场景下向被测产品发送图像数据,无热检测工作站内安装有硬件装置,所述硬件装置包括处理器,所述处理器运行以下方法:
获取被测产品不同场景的图像数据,每个图像数据包括多个离焦量;
获取与当前图像数据相对应的温度数据;
采用不同的图像清晰度算子对每个图像数据进行清晰度评价计算,确定不同离焦量下且不同清晰度评价算子的每个图像的清晰度评价值;
计算出每个不同算子所对应的每个图像数据的最大清晰度值,确定无热化性能是否合格,包括:在N个场景下,N取整且取值范围为10-100,计算所有场景的清晰度评价值Zj的标准差sigma,获取所有最大清晰度值所对应的第一离焦量,确定每个清晰度评价算子所对应的所有第二离焦量,剔除每个算子所对应的第二离焦量中异常值,其中,异常值为所有场景的清晰度评价值Zj中大于3倍标准差sigma的数值;
计算每个算子的第二离焦量剔除异常值后的平均值,并确定所对应的置信度,所述置信度根据剔除后第二离焦量与第二离焦量总数的比值所确定,包括:统计剔除的数量nj,未剔除的清晰度评价值Zj中取平均获得Zjmean,并计算出这个平均值的置信概率Pj,Pj=(N-nj)/ N;
根据所述计算每个算子的第二离焦量剔除异常值后的平均值确定无热化性能是否合格,包括:
每个平均值与所对应置信度的加权平均获得该温度点下的第三离焦量;
获取所有温度所对应的第三离焦量,通过拟合算法确定温度与第三离焦量第一变化关系;
获取被测产品所设计温度与离焦量第二变化关系,确定两个变化关系的均方根差;
两个曲线的均方根差是否大于预设值,如是,被测产品的无热化性能不合格并进行第一标记或发送第一反馈信息,如否,被测产品的无热化性能合格并进行第二标记或发送第二反馈信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189187.6A CN112255696B (zh) | 2020-10-30 | 2020-10-30 | 红外无热化自动检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189187.6A CN112255696B (zh) | 2020-10-30 | 2020-10-30 | 红外无热化自动检测设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112255696A CN112255696A (zh) | 2021-01-22 |
CN112255696B true CN112255696B (zh) | 2024-02-20 |
Family
ID=74269009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011189187.6A Active CN112255696B (zh) | 2020-10-30 | 2020-10-30 | 红外无热化自动检测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112255696B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011102838A (ja) * | 2009-11-10 | 2011-05-26 | Nikon Corp | 色消しアサーマルレンズ系及びこれを備える光学機器 |
CN203350514U (zh) * | 2013-08-01 | 2013-12-18 | 山东神戎电子股份有限公司 | 基于温度变化补偿的红外镜头 |
CN104568392A (zh) * | 2015-01-22 | 2015-04-29 | 哈尔滨工业大学 | 光学系统无热化设计效果评估系统及方法 |
CN106568577A (zh) * | 2016-10-18 | 2017-04-19 | 中国航空工业集团公司洛阳电光设备研究所 | 一种光学无热化设计检测系统及检测方法 |
CN106768885A (zh) * | 2016-12-16 | 2017-05-31 | 中国航空工业集团公司洛阳电光设备研究所 | 一种测试反射镜分辨率的装置及测试方法 |
CN107707906A (zh) * | 2017-09-29 | 2018-02-16 | 中国科学院长春光学精密机械与物理研究所 | 一种光学镜头在高空条件下离焦量的地面标定装置及方法 |
CN108051797A (zh) * | 2017-11-20 | 2018-05-18 | 中国航空工业集团公司洛阳电光设备研究所 | 一种机载光电探测设备的环境适应性测试系统 |
CN108663137A (zh) * | 2018-05-15 | 2018-10-16 | 北京控制工程研究所 | 一种星敏感器温场测量和指向温漂补偿方法 |
CN209167662U (zh) * | 2018-09-14 | 2019-07-26 | 北京蓝思泰克科技有限公司 | 一种枪瞄型长波红外无热化镜头 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016018478A2 (en) * | 2014-04-24 | 2016-02-04 | Cubic Corporation | Athermalized optics for laser wind sensing |
GB2570602B (en) * | 2015-06-18 | 2020-02-12 | Qioptiq Ltd | Parallax correction device and method in blended optical system for use over a range of temperatures |
US10782509B2 (en) * | 2018-09-14 | 2020-09-22 | Bae Systems Information And Electronic Systems Integration Inc. | Orthoscopic projection lens |
-
2020
- 2020-10-30 CN CN202011189187.6A patent/CN112255696B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011102838A (ja) * | 2009-11-10 | 2011-05-26 | Nikon Corp | 色消しアサーマルレンズ系及びこれを備える光学機器 |
CN203350514U (zh) * | 2013-08-01 | 2013-12-18 | 山东神戎电子股份有限公司 | 基于温度变化补偿的红外镜头 |
CN104568392A (zh) * | 2015-01-22 | 2015-04-29 | 哈尔滨工业大学 | 光学系统无热化设计效果评估系统及方法 |
CN106568577A (zh) * | 2016-10-18 | 2017-04-19 | 中国航空工业集团公司洛阳电光设备研究所 | 一种光学无热化设计检测系统及检测方法 |
CN106768885A (zh) * | 2016-12-16 | 2017-05-31 | 中国航空工业集团公司洛阳电光设备研究所 | 一种测试反射镜分辨率的装置及测试方法 |
CN107707906A (zh) * | 2017-09-29 | 2018-02-16 | 中国科学院长春光学精密机械与物理研究所 | 一种光学镜头在高空条件下离焦量的地面标定装置及方法 |
CN108051797A (zh) * | 2017-11-20 | 2018-05-18 | 中国航空工业集团公司洛阳电光设备研究所 | 一种机载光电探测设备的环境适应性测试系统 |
CN108663137A (zh) * | 2018-05-15 | 2018-10-16 | 北京控制工程研究所 | 一种星敏感器温场测量和指向温漂补偿方法 |
CN209167662U (zh) * | 2018-09-14 | 2019-07-26 | 北京蓝思泰克科技有限公司 | 一种枪瞄型长波红外无热化镜头 |
Non-Patent Citations (7)
Title |
---|
《Analysis and evaluation of the Full Disk Telescope refocusing mechanism for the Solar Orbiter mission》;Manuel Silva-López et al;optical engineering;第54卷(第8期);第1-11页 * |
《基于图像处理的自准直检焦方法》;李启辉等;激光与光电子学进展;第57卷(第2期);第1-7页 * |
《机载复杂红外光学系统无热化补偿方法研究》;刘欣等;电光与控制;第19卷(第7期);第68-70、93页 * |
《红外光学系统无热化效果评估系统设计》;张运强等;航空科学技术(第3期);第55-57页 * |
《红外透镜检测中的自动聚焦技术》;陈玉群等;红外与激光工程;第42卷(第8期);第2120-2125页 * |
《线列红外无热化检测系统及其图像清晰度评价方法》;郭晨龙等;电光与控制;第26卷(第12期);第60-61页 * |
《近高超声速高温蓝宝石窗口下中波红外成像退化分析仿真与性能测试实验》;彭志勇等;物理学报;第62卷(第23期);第1-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112255696A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353413B (zh) | 一种输电设备低漏报率缺陷识别方法 | |
CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
CN100433793C (zh) | 基于运动检测指导的红外焦平面非均匀性校正方法 | |
CN110567964B (zh) | 一种检测变电设备缺陷的方法、装置及存储介质 | |
CN111985143B (zh) | 一种基于Zernike多项式分解的全视场望远镜主动准直方法 | |
JP6599935B2 (ja) | 日射強度推定装置、日射強度推定システム及び日射強度推定方法 | |
CN112285664B (zh) | 一种雷达-飞行器体系对抗仿真置信度评估方法 | |
CN102170526B (zh) | 散焦模糊核计算及其散焦模糊图像清晰化处理方法 | |
CN110514298A (zh) | 一种基于地基云图的太阳辐照强度计算方法 | |
CN110008947A (zh) | 一种基于卷积神经网络的粮仓粮食数量监测方法及装置 | |
CN116229036B (zh) | 数据采集系统、方法、计算机设备及存储介质 | |
CN109146880A (zh) | 一种基于深度学习的电力设备检测方法 | |
CN106027911B (zh) | 一种对地观测星载可见光传输型相机的在轨调焦方法 | |
CN112255696B (zh) | 红外无热化自动检测设备 | |
CN107421717B (zh) | 一种红外成像仪最小可探测温差自动测试方法及装置 | |
CN114066981A (zh) | 一种无人机对地目标定位方法 | |
CN112668754A (zh) | 一种基于多源特征信息融合的电力设备缺陷诊断方法 | |
CN117372629A (zh) | 一种基于数字孪生的水库可视化数据监管控制系统及方法 | |
Yang et al. | Real‐time illumination adjustment for video deflectometers | |
CN112561807A (zh) | 一种基于卷积神经网络的端到端径向畸变校正方法 | |
CN110108302B (zh) | 一种提高原子团对抛精度的方法 | |
CN116152454A (zh) | 基于gis和三维建模的水利实时监测管理系统 | |
CN116363302A (zh) | 一种基于多视角几何的管道三维重建和坑洞量化方法 | |
CN113361826B (zh) | 一种基于多维特征融合和神经网络的树木生长预测系统 | |
CN114299153A (zh) | 一种超大电力设备的相机阵列同步标定方法及系统 |
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 |