CN114370944A - 一种具有标定和修正功能的实时在线温度监测方法及系统 - Google Patents
一种具有标定和修正功能的实时在线温度监测方法及系统 Download PDFInfo
- Publication number
- CN114370944A CN114370944A CN202210059117.1A CN202210059117A CN114370944A CN 114370944 A CN114370944 A CN 114370944A CN 202210059117 A CN202210059117 A CN 202210059117A CN 114370944 A CN114370944 A CN 114370944A
- Authority
- CN
- China
- Prior art keywords
- gray
- signal
- calibration
- light
- temperature
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000013528 artificial neural network Methods 0.000 claims abstract description 83
- 238000012549 training Methods 0.000 claims abstract description 46
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims description 71
- 238000009529 body temperature measurement Methods 0.000 claims description 43
- 238000004364 calculation method Methods 0.000 claims description 39
- 230000005855 radiation Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 9
- 238000009826 distribution Methods 0.000 abstract description 15
- 238000005375 photometry Methods 0.000 abstract description 2
- 239000000758 substrate Substances 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 1
- 238000000098 azimuthal photoelectron diffraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 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
- G01J5/60—Radiation pyrometry, e.g. infrared or optical thermometry using determination of colour temperature
- G01J5/602—Radiation pyrometry, e.g. infrared or optical thermometry using determination of colour temperature using selective, monochromatic or bandpass filtering
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开一种具有标定和修正功能的实时在线温度监测方法及系统,涉及红外光测技术领域,包括:标定阶段和测量阶段;标定阶段通过神经网络训练得到温度反演模型;测量阶段采集待测物标定区的倾斜角度、第一光强信号、第二光强信号和分束镜的分光比例;将待测物标定区的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜的分光比例作为温度反演模型的输入,计算得到待测物的温度值。本申请在温度反演模型的拟合中,加入了待测物倾斜、分束镜分光比例不精确等影响光强信号的因素,自动标定出待测物的倾斜角度、分束镜分光比例分布,使得利用神经网络拟合出的温度反演模型更加准确,从而使利用温度反演模型反演出的待测物的温度值更精确。
Description
技术领域
本发明涉及红外光测力学技术领域,更具体地,涉及一种具有标定和修正功能的实时在线温度监测方法及系统。
背景技术
测量材料表面温度场在航空航天、机械制造、核能等领域具有重要的意义,因此,具备先进的温度测量方法是促进航空航天、机械制造、核能领域发展的重要条件,也是探究材料的高温力学性能的重要保证。
目前,由于特殊的高温工况,传统接触式测温不仅响应速度慢、无法全场测温,而且还可能对温度场造成破坏。较之于传统的测温方法,以辐射测温为代表的非接触测温具有响应时间短、可实时动态测量的优点。其中,辐射测温方法之一的比色测温装置在近年来应用较多,在实际应用中,待测物体的倾斜、分束镜的分光比例分布的不精确以及待测物体辐射光面积小于光电探测器探测面积等因素,均会对光强信号的获取带来误差,进而会影响到最终的测温精度。但在现有的比色测温技术中,大多都没有考虑实际工况中待测物体的倾斜、分束镜的分光比例分布的不精确以及待测物体辐射光面积小于光电探测器探测面积等因素,因此,提出一种具有自标定和修正功能的实时在线温度监测系统及方法是温度测量技术领域亟需解决的问题。
发明内容
有鉴于此,本申请提供一种具有标定和修正功能的实时在线温度监测方法及系统,在温度反演模型的拟合过程中,加入了待测物倾斜、分束镜分光比例不精确等影响光强信号的因素,自动标定出待测物的倾斜角度、分束镜分光比例分布,使得利用神经网络拟合出的温度反演模型更加准确,从而使测量阶段利用温度反演模型反演出的待测物的温度值更精确。
为了解决上述技术问题,本申请有如下技术方案:
一方面,本申请提供一种具有标定和修正功能的实时在线温度监测方法,包括:标定阶段和测量阶段;
所述标定阶段包括:
在待测物标定区设置发光标定板,根据所述发光标定板的面积变化确定待测物标定区的倾斜角度;
利用分束镜将待测物辐射的初始光束分为反射光束和透射光束;
通过第一窄带滤光片获取所述反射光束中的第一反射信号,通过第二窄带滤光片获取所述透射光束中的第一透射信号;
利用第一相机接收所述第一反射信号,生成第一灰度图像;利用第二相机接收所述第一透射信号,生成第二灰度图像;
根据所述第一灰度图像和所述第二灰度图像计算所述分束镜的分光比例,并根据所述分束镜的分光比例计算第一反射信号和第一透射信号的强度比例;
将标定区的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型;将标定区的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型;
利用第一灰度修正模型得到第一灰度图像修正后的灰度值;利用第二灰度修正模型得到第二灰度图像修正后的灰度值;
将所述第一反射信号和第一透射信号的强度比例、所述第一灰度图像修正后的灰度值和所述第二灰度图像修正后的灰度值代入比色测温公式,计算得到修正后的温度值;
将修正后的温度值通过神经网络训练得到温度反演模型;
所述测量阶段包括:
在第一时段,采集待测物标定区的倾斜角度、第一光强信号、第二光强信号和分束镜的分光比例:
将待测物标定区的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜的分光比例作为温度反演模型的输入,计算得到待测物的温度值。
可选地,其中:
所述分束镜包括分光面;
根据所述第一灰度图像和所述第二灰度图像计算所述分束镜的分光比例,具体为:
可选地,其中:
根据所述分束镜的分光比例计算第一反射信号和第一透射信号的强度比例,具体为:
可选地,其中:
可选地,其中:
将标定区的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型,具体为:将待测物标定区的倾斜角度不等于0时第一灰度图像的灰度值作为神经网络的输入,将待测物标定区的倾斜角度等于0时第一灰度图像的灰度值作为神经网络的输出,训练得到第一灰度修正模型;
利用标定区的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型,具体为:将待测物标定区的倾斜角度不等于0时第二灰度图像的灰度值作为神经网络的输入,将待测物标定区的倾斜角度等于0时第二灰度图像的灰度值作为神经网络的输出,训练得到第二灰度修正模型。
可选地,其中:
将修正后的温度值通过神经网络训练得到温度反演模型,具体为:
利用第一光电探测器将所述第一反射信号转换为第一电信号,并传输至数据采集卡,所述数据采集卡计算得到第一光强信号;利用第二光电探测器将所述第一透射信号转换为第二电信号,并传输至所述数据采集卡,所述数据采集卡计算得到第二光强信号;
将第一光强信号和第二光强信号的比值、待测物标定区的倾斜角度、分束镜的分光比例作为神经网络的输入,修正后的温度值作为神经网络的输出,训练得到温度反演模型。
另一方面,本申请还提供一种具有标定和修正功能的实时在线温度监测系统,包括:信号采集模块和计算模块,所述信号采集模块和所述计算模块电连接;其中,所述信号采集模块包括:
分束镜,所述分束镜用于将待测物辐射的初始光束经分为反射光束和透射光束;
第一窄带滤光片和第二窄带滤光片,所述第一窄带滤光片用于获取所述反射光束中的第一反射信号,所述第二窄带滤光片用于获取所述透射光束中的第一透射信号;
第一相机和第二相机,所述第一相机用于接收所述第一反射信号,生成第一灰度图像,所述第二相机用于接收所述第一透射信号,生成第二灰度图像;
所述计算模块用于根据发光标定板的面积变化确定待测物标定区的倾斜角度;所述计算模块用于通过所述第一灰度图像和所述第二灰度图像计算所述分束镜的分光比例,并根据所述分束镜的分光比例计算第一反射信号和第一透射信号的强度比例;所述计算模块用于将标定区的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型,将标定区的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型;并利用第一灰度修正模型得到第一灰度图像修正后的灰度值;利用第二灰度修正模型得到第二灰度图像修正后的灰度值;
所述计算模块还用于将所述第一反射信号和第一透射信号的强度比例、所述第一灰度图像修正后的灰度值和所述第二灰度图像修正后的灰度值代入比色测温公式,计算得到修正后的温度值;并将修正后的温度值通过神经网络训练得到温度反演模型;
所述计算模块还用于在第一时段,将待测物标定区的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜的分光比例作为温度反演模型的输入,计算得到待测物的温度值。
可选地,其中:
所述信号采集模块还包括:第一光电探测器、第二光电探测器和数据采集卡,所述数据采集卡分别与所述第一光电探测器和第二光电探测器电连接;
所述第一光电探测器用于将所述第一反射信号转换为第一电信号,并传输至所述数据采集卡,所述数据采集卡计算得到第一光强信号;所述第二光电探测器用于将所述第一透射信号转换为第二电信号,并传输至所述数据采集卡,所述数据采集卡计算得到第二光强信号。与现有技术相比,本发明提供的一种具有标定和修正功能的实时在线温度监测方法及系统,至少实现了如下的有益效果:
(1)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,首先采集待测物标定区的倾斜角度,利用待测物标定区的倾斜角度、灰度图像的灰度值通过神经网络训练,得到灰度修正模型,利用灰度修正模型可以得到修正后的灰度值,利用修正后的灰度值可以计算得到修正后的温度值,在温度反演模型的拟合过程中,加入待测物倾斜对测温精度的影响因素,使得利用神经网络拟合出的温度反演模型更加准确,如此,可以使测量阶段利用温度反演模型反演出的待测物的温度值更精确,在实现实时在线温度监测的同时,还有利于提高测量精度。
(2)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,根据第一灰度图像和第二灰度图像的灰度值计算分束镜的分光比例,然后根据分束镜的分光比例可计算得到第一反射信号和第一透射信号的强度比例,对分光比例分布的不精确进行标定,在温度反演模型的拟合过程中,将分光比例分布不精确的因素加入,使得利用神经网络拟合出的温度反演模型更准确,如此,可以使测量阶段利用温度反演模型反演出的待测物的温度值更精确,在实现实时在线温度监测的同时,还有利于提高测量精度。
(3)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,在测量待测物的温度时,仅通过将第一光强信号和第二光强信号的比值、待测物标定区的倾斜角度、分束镜的分光比例作为温度反演模型的输入,即可计算得到待测物的温度值,在实现实时在线测温的同时,还有利于提高测量速度,并降低成本。
(4)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,利用相机精准的获取待测物标定区的灰度图像,当待测物标定区的面积小于光电探测器的探测区域时,利用待测物标定区的灰度图像,可以精确的计算出待测物标定区的温度值,避免了仅使用光电探测器测温时有效区域周围光强信号的影响,进一步提高了待测物的温度测量精度。
当然,实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1所示为本申请实施例所提供的具有标定和修正功能的实时在线温度监测方法的一种流程图;
图2所示为本申请实施例所提供的标定阶段的一种流程图;
图3所示为本申请实施例所提供的测量阶段的一种流程图;
图4所示为本申请实施例所提供的获取灰度图像的一种结构示意图;
图5所示为本申请实施例所提供的获取光强信号的一种结构示意图;
图6所示为本申请实施例所提供的具有标定和修正功能的实时在线温度监测系统的一种结构示意图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。此外,“耦接”一词在此包含任何直接及间接的电性耦接手段。因此,若文中描述一第一装置耦接于一第二装置,则代表所述第一装置可直接电性耦接于所述第二装置,或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
辐射测温方法之一的比色测温装置在近年来应用较多,在实际应用中,待测物体的倾斜、分束镜的分光比例分布的不精确以及待测物体辐射光面积小于光电探测器探测面积等因素,均会对光强信号的获取带来误差,进而会影响到最终的测温精度。但在现有的比色测温技术中,大多都没有考虑实际工况中待测物体的倾斜、分束镜的分光比例分布的不精确以及待测物体辐射光面积小于光电探测器探测面积等因素,因此,提出一种具有自标定和修正功能的实时在线温度监测系统及方法是温度测量技术领域亟需解决的问题。
有鉴于此,本申请提供一种具有标定和修正功能的实时在线温度监测方法及系统,在温度反演模型的拟合过程中,加入了待测物倾斜、分束镜分光比例不精确等影响光强信号的因素,自动标定出待测物的倾斜角度、分束镜分光比例分布,使得利用神经网络拟合出的温度反演模型更加准确,从而使测量阶段利用温度反演模型反演出的待测物的温度值更精确。
以下结合附图和具体实施例进行详细说明。
图1所示为本申请实施例所提供的具有标定和修正功能的实时在线温度监测方法的一种流程图,图2所示为本申请实施例所提供的标定阶段的一种流程图,图3所示为本申请实施例所提供的测量阶段的一种流程图,图4所示为本申请实施例所提供的获取灰度图像的一种结构示意图,图5所示为本申请实施例所提供的获取光强信号的一种结构示意图,请参考图1-图5,本申请实施例所提供的具有标定和修正功能的实时在线温度监测方法,包括:步骤1:标定阶段和步骤2:测量阶段;
步骤1标定阶段包括:
步骤11:在待测物101标定区102设置发光标定板(图中未示出),根据发光标定板的面积变化确定待测物101标定区102的倾斜角度;
步骤12:利用分束镜103将待测物101辐射的初始光束分为反射光束和透射光束;
步骤13:通过第一窄带滤光片104获取反射光束中的第一反射信号,通过第二窄带滤光片105获取透射光束中的第一透射信号;
步骤14:利用第一相机106接收第一反射信号,生成第一灰度图像;利用第二相机107接收第一透射信号,生成第二灰度图像;
步骤15:根据第一灰度图像和第二灰度图像计算分束镜103的分光比例,并根据分束镜103的分光比例计算第一反射信号和第一透射信号的强度比例;
步骤16:将标定区102的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型;将标定区102的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型;
步骤17:利用第一灰度修正模型得到第一灰度图像修正后的灰度值;利用第二灰度修正模型得到第二灰度图像修正后的灰度值;
步骤18:将第一反射信号和第一透射信号的强度比例、第一灰度图像修正后的灰度值和第二灰度图像修正后的灰度值代入比色测温公式,计算得到修正后的温度值;
步骤19:将用修正后的温度值通过神经网络训练得到温度反演模型;
步骤2测量阶段包括:
步骤21:在第一时段,采集待测物101标定区102的倾斜角度、第一光强信号、第二光强信号和分束镜103的分光比例;
步骤22:将待测物101标定区102的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜103的分光比例作为温度反演模型的输入,计算得到待测物101的温度值。
具体地,请参考图1,本申请实施例所提供的具有标定和修正功能的实时在线温度监测方法,包括步骤1标定阶段和步骤2测量阶段。在实际应用中,通常将物体放置于基底(图中未示出)上进行温度测量,当基底倾斜时,待测物101的标定区102也会倾斜,影响温度测量的精度。请参考图2和图4,本申请为了能够消除待测物101标定区102倾斜而影响最终测得的温度的精度,在标定阶段时,首先通过步骤11将发光标定板(图中未示出)放置于待测物101标定区102,当基底倾斜时,发光标定板的发光区域的面积会发生变化,假设发光标定板的发光区域为圆形,则基底倾斜时,发光区域变为椭圆形,根据过椭圆中心点的两条垂线的长度和位置变化即可推导出基底的倾斜角度,从而得到待测物101标定区102的倾斜角度。
需要说明的是,待测物101标定区102指的是发光区域,例如当待测物101上只有中间圆形区域辐射光束时,则将待测物101上中间圆形区域设为标定区102,而当待测物101的整个表面均可辐射光束,则待测物101的表面即为标定区102。
得到待测物101的倾斜角度后,在步骤12中,待测物101辐射的初始光束照射至分束镜103,分束镜103将初始光束分为反射光束和透射光束;反射光束和透射光束在步骤13中分别通过第一窄带滤光片104和第二窄带滤光片105,不同的滤光片可以通过不同波段的光,反射光束经过第一窄带滤光片104后得到与其带宽对应的第一反射信号,透射光束经过第二窄带滤光片105后得到与其带宽对应的第一透射信号。
请参考图4,在步骤14中,分别在反射通道和透射通道设置第一相机106和第二相机107,第一相机106接收第一反射信号,生成第一灰度图像;第二相机107接收第一透射信号,生成第二灰度图像。
需要说明的是,当待测物倾斜时,待测物101的辐射光束发生偏移,则经分光面1031后形成的反射光束和透射光束也会发生偏移,如图4中,与初始通道部分重叠的虚线框部分即分别为偏移后的初始通道、反射通道和透射通道。图4仅是为了示意性说明待测物101倾斜后,各个光束也会发生偏移,并不代表待测物101的实际倾斜角度。
当待测物101标定区102倾斜时,待测物101发出的辐射光束发生偏移,使得辐射光束与分束镜103的分光面1031之间的夹角发生变化,如初始夹角为θ,倾斜后辐射光束与分光面1031之间的夹角为β,产生夹角变化会造成分束镜103的分光比例不精确,也会影响测得的温度的精度。为了尽可能消除该因素造成的误差,本实施例在生成灰度图像后,在步骤15中根据第一灰度图像和第二灰度图像的灰度值计算分束镜103的分光比例,然后根据分束镜103的分光比例可计算得到第一反射信号和第一透射信号的强度比例,对分光比例分布的不精确进行标定,在训练温度反演模型时,将该因素加入,从而使得温度反演模型更准确。
通过步骤16,将标定区102的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型y1=f1(x),将标定区102的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型y2=f2(x)。得到灰度修正模型后,在步骤17中,将待测物101标定区102在各个倾斜角度下的第一灰度图像的灰度值代入第一灰度修正模型,即可得到第一灰度图像修正后的灰度值;同样地,将待测物101标定区102在各个倾斜角度下的第二灰度图像的灰度值代入第二灰度修正模型,即可得到第二灰度图像修正后的灰度值。
需要说明的是,上述步骤15生成的强度比例,步骤16和步骤17生成的修正后的灰度值,均是用于在步骤18中计算修正后的温度值,因此,步骤15和步骤16的顺序可以调换,如在步骤14生成第一灰度图像和第二灰度图像后,也可以先执行步骤16和步骤17,得到修正后的灰度值,然后再执行步骤15,计算强度比例。
在执行步骤18时,将第一反射信号和第一透射信号的强度比例、第一灰度图像修正后的灰度值和第二灰度图像修正后的灰度值代入比色测温公式,即可计算得到修正后的温度值。通过步骤19,将修正后的温度值代入神经网络,训练得到温度反演模型。
得到温度反演模型后,即可利用步骤2对待测物101的温度值进行测量。进行温度测量时,首先通过步骤21采集待测物101标定区102的倾斜角度、第一光强信号、第二光强信号和分束镜103的分光比例。需要说明的是,在步骤21中采集待测物101标定区102的倾斜角度、第一光强信号、第二光强信号和分束镜103的分光比例时,可参考标定阶段的步骤13至步骤15,其中,待测物101标定区102的倾斜角度的采集方法与步骤11提供的倾斜角度测量方法相同,分束镜103的分光比例的计算方法与步骤15中提供的分光比例的计算方法相同,此处不再进行赘述。
请参考图5,采集光强信号时,分别在反射通道和透射通道上设置第一光电探测器108和第二光电探测器109,分束镜103将待测物101辐射光分为反射光束和透射光束,反射光束经过第一窄带滤光片104后得到第一反射光束,透射光束经过第二窄带滤光片105后得到第一透射光束,第一光电探测器108将第一反射信号转换为第一电信号,并将第一电信号传输至数据采集卡110,通过数据采集卡110计算即可得到第一光强信号;第二光电探测器109将第一透射信号转换为第二电信号,并将第二电信号传输至数据采集卡110,数据采集卡110通过计算即可得到第二光强信号。此处的第一光电探测器108和第二光电探测器109可选用InGaAs基APD或者PIN光电二极管,其每秒采集帧数可达到百万量级。
采集到待测物101标定区102的倾斜角度、第一光强信号、第二光强信号以及分束镜103的分光比例后,在步骤22中,仅通过第一光强信号和第二光强信号的比值、待测物101标定区102的倾斜角度、分束镜103的分光比例作为温度反演模型的输入,即可计算得到待测物101的温度值,在实现在线测温的同时,还有利于提高测量速度,并降低成本。
本申请实施例所提供的具有标定和修正功能的实时在线温度监测方法,将待测物101标定区102的倾斜角度、灰度图像的灰度值通过神经网络训练,得到灰度修正模型,利用灰度修正模型可以得到修正后的灰度值,利用修正后的灰度值可以计算得到修正后的温度值,从而能够修正待测物101倾斜对温度值造成的影响,使得利用神经网络拟合出的温度反演模型可以更加准确,如此,可以使测量阶段利用温度反演模型反演出的待测物101的温度值更精确,实现了实时在线温度监测,提高了测量速度和精度。
此外,本申请利用相机精准的获取待测物101标定区102的灰度图像,当待测物101标定区102的面积小于光电探测器的探测区域时,利用待测物101标定区102的灰度图像,可以精确的计算出待测物101标定区102的温度值,避免了仅使用光电探测器测温时有效区域周围光强信号的影响,进一步提高了待测物101的温度测量精度。
可选地,请参考图2和图4,分束镜103包括分光面1031;步骤15中,根据第一灰度图像和第二灰度图像计算分束镜103的分光比例,具体为:初始光束与分光面1031的夹角为β,初始光束的波长为λ,第一反射光束的强度为初始光束的a(β,λ)倍,第一透射光束的强度为初始光束的b(β,λ)倍,分束镜103的分光比例为
具体地,请参考图2和图4,步骤15中计算分束镜103的分光比例时,初始光束以与分光面1031的夹角为β的角度进入分束镜103,第一窄带滤光片104和第二窄带滤光片105选用光衰减率和带宽相同且中心波长为λ的滤光片,第一反射光束的强度为初始光束的a(β,λ)倍,第一透射光束的强度为初始光束的b(β,λ)倍,第一反射光束到达第一相机106形成灰度值为n1的第一灰度图像,第一透射光束到达第二相机107形成灰度值为n2的第二灰度图像,则分束镜103的分光比例为f1=n1/n2,也即通过计算分束镜103的分光比例,对分光比例分布的不精确度进行标定,在训练温度反演模型时,将分光比例分布的不精确度加入,使得训练得到的温度反演模型更准确,从而使得通过温度反演模型反演得到的温度值更精确。
可选地,请参考图2和图4,步骤15中,根据分束镜103的分光比例计算第一反射信号和第一透射信号的强度比例,具体为:第一窄带滤光片104的波长为λ1,第二窄带滤光片105的波长为λ2,第一反射信号和第一透射信号的强度比例为
具体地,请参考图2和图4,步骤15中计算第一反射信号和第一透射信号的强度比例时,选择中心波长为λ1的滤光片作为第一窄带滤光片104,选择中心波长为λ2的滤光片作为第二窄带滤光片105,第一反射光束的强度为初始光束的a(β,λ1)倍,第一透射光束的强度为初始光束的b(β,λ2)倍,第一反射信号和第一透射信号的强度比例为通过计算实际测量过程中反射通道和透射通道的强度比例,并将强度比例数值代入比色测温公式中,利用强度比例和修正后的灰度值可计算得到修正后的温度值,从而能够修正待测物101倾斜对温度值造成的影响,使得利用神经网络拟合出的温度反演模型可以更加准确,进而使得通过温度反演模型反演得到的温度值更精确。
可选地,请参考图2和图4,步骤18中,比色测温公式为其中,G1为第一灰度图像修正后的灰度值,G2为第二灰度图像修正后的灰度值,K为比例系数,C2为第二辐射常数,f2为第一反射信号和第一透射信号的强度比例,T为精确的温度值。
具体地,请参考图2和图4,步骤18中比色测温公式为其中,G1为第一灰度图像修正后的灰度值,G2为第二灰度图像修正后的灰度值,K为比例系数,C2为第二辐射常数,f2为第一反射信号和第一透射信号的强度比例,T为精确的温度值。通过将强度比例和修正后的灰度值代入比色测温公式,即可计算得到修正后的温度值,从而能够修正待测物101倾斜对温度值造成的影响,使得利用神经网络拟合出的温度反演模型可以更加准确,进而使得通过温度反演模型反演得到的温度值更精确。
可选地,请参考图2和图4,步骤16中,将标定区102的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型,具体为:将待测物101标定区102的倾斜角度不等于0时第一灰度图像的灰度值作为神经网络的输入,将待测物101标定区102的倾斜角度等于0时第一灰度图像的灰度值作为神经网络的输出,训练得到第一灰度修正模型;步骤16中,将标定区102的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型,具体为:将待测物101标定区102的倾斜角度不等于0时第二灰度图像的灰度值作为神经网络的输入,将待测物101标定区102的倾斜角度等于0时第二灰度图像的灰度值作为神经网络的输出,训练得到第二灰度修正模型。
具体地,请参考图2和图4,待测物101标定区102的倾斜角度等于0,即代表该待测物101没有倾斜,也就是说,当待测物101标定区102的倾斜角度等于0时,测出的温度没有受角度倾斜因素的影响。因此,本实施例通过神经网络训练得到第一灰度修正模型时,将待测物101标定区102的倾斜角度等于0时第一灰度图像的灰度值作为神经网络的输出,将待测物101标定区102的倾斜角度为除0以外其他任意角度时第一灰度图像的灰度值作为神经网络的输入,经过多次拟合训练即可得到第一灰度修正模型。同样地,通过神经网络训练得到第二灰度修正模型时,将待测物101标定区102的倾斜角度等于0时第二灰度图像的灰度值作为神经网络的输出,将待测物101标定区102的倾斜角度不等于0时第二灰度图像的灰度值作为神经网络的输入,经过拟合训练即可得到第二灰度修正模型。
本实施例通过将待测物101标定区102在不同倾斜角度下的灰度值作为输入,将待测物101标定区102在没有倾斜角度时的灰度值作为输出,通过神经网络训练得到灰度修正模型,利用灰度修正模型可以得到修正后的灰度值,利用修正后的灰度值可以计算得到修正后的温度值,从而能够修正待测物101倾斜对温度值造成的影响,使得利用神经网络拟合出的温度反演模型可以更加准确。
可选地,请参考图2和图5,步骤19中,将修正后的温度值通过神经网络训练得到温度反演模型,具体为:利用第一光电探测器108将第一反射信号转换为第一电信号,并传输至数据采集卡110,数据采集卡110计算得到第一光强信号;利用第二光电探测器109将第一透射信号转换为第二电信号,并传输至数据采集卡110,数据采集卡110计算得到第二光强信号;将第一光强信号和第二光强信号的比值、待测物101标定区102的倾斜角度、分束镜103的分光比例作为神经网络的输入,修正后的温度值作为神经网络的输出,训练得到温度反演模型。
具体地,请参考图2和图5,待测物101的温度除了受其倾斜角度、分束镜103的分光比例的影响外,还与反射光束、透射光束的光强度有关。因此,本实施例在通过神经网训练温度反演模型时,加入了反射光束、透射光束的光强信号。在反射通道和透射通道上分别设置第一光电探测器108和第二光电探测器109,利用第一光电探测器108接收第一反射信号,将第一反射信号转换为第一电信号后传输至数据采集卡110,数据采集卡110可计算得到第一光强信号;利用第二光电探测器109接收第一透射信号,将第一透射信号转换为第二电信号后传输至数据采集卡110,数据采集卡110可计算得到第二光强信号。将第一光强信号和第二光强信号的比值、待测物101标定区102的倾斜角度、分束镜103的分光比例作为神经网络的输入,修正后的温度值作为神经网络的输出,经过多次拟合训练,得到温度反演模型。
本实施例中在拟合训练温度反演模型时,充分考虑可能会对温度的测量精度造成影响的因素,如待测物101标定区102的倾斜角度、分束镜103的分光比例以及反射光束、透射光束的光强度,并利用修正后的温度值作为神经网络的输出,使得拟合训练出的温度反演模型可以更加准确,从而能够在温度测量时,尽可能的消除待测物101倾斜角度、分束镜103的分光比例以及射光束、透射光束的光强度等因素对温度的测量精度造成的影响,有利于提高温度测量的精度。
基于同一发明构思,本申请实施例还提供一种具有标定和修正功能的实时在线温度监测系统100,图6所示为本申请实施例所提供的具有标定和修正功能的实时在线温度监测系统100的一种结构示意图,请参考图4-图6,本申请实施例所提供的具有标定和修正功能的实时在线温度监测系统100包括:信号采集模块10和计算模块20,信号采集模块10和计算模块20电连接;其中,信号采集模块10包括:
分束镜103,分束镜103用于将待测物101辐射的初始光束分为反射光束和透射光束;
第一窄带滤光片104和第二窄带滤光片105,第一窄带滤光片104用于获取反射光束中的第一反射信号,第二窄带滤光片105用于获取透射光束中的第一透射信号;
第一相机106和第二相机107,第一相机106用于接收第一反射信号,生成第一灰度图像,第二相机107用于接收第一透射信号,生成第二灰度图像;
计算模块20用于根据发光标定板(图中未示出)的面积变化确定待测物101标定区102的倾斜角度;计算模块20用于通过第一灰度图像和第二灰度图像计算分束镜103的分光比例,并根据分束镜103的分光比例计算第一反射信号和第一透射信号的强度比例;计算模块20用于将标定区102的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型,将标定区102的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型;并利用第一灰度修正模型得到第一灰度图像修正后的灰度值;利用第二灰度修正模型得到第二灰度图像修正后的灰度值;
计算模块20还用于将第一反射信号和第一透射信号的强度比例、第一灰度图像修正后的灰度值和第二灰度图像修正后的灰度值代入比色测温公式,计算得到修正后的温度值;并将修正后的温度值通过神经网络训练得到温度反演模型;
计算模块20还用于在第一时段,将待测物101标定区102的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜103的分光比例作为温度反演模型的输入,计算得到待测物101的温度值。
具体地,请参考图4-图6,本申请实施例所提供的具有标定和修正功能的实时在线温度监测系统,包括信号采集模块10和计算模块20,信号采集模块10和计算模块20电连接。在实际应用中,通常将物体放置于基底(图中未示出)上进行温度测量,当基底倾斜时,待测物101的标定区102也会倾斜,影响温度测量的精度。本申请为了能够避免待测物101标定区102倾斜而影响最终测量温度的精度,在标定阶段时,将发光标定板放置于待测物101标定区102,当基底倾斜时,发光标定板的发光区域的面积会发生变化,计算模块20根据发光标定板的面积变化可以计算出待测物101标定区102的倾斜角度。例如,假设发光标定板的发光区域为圆形,当基底倾斜时,发光区域变为椭圆形,根据过椭圆中心点的两条垂线的长度和位置变化即可推导计算出基底的倾斜角度,从而得到待测物101标定区102的倾斜角度。
需要说明的是,待测物101标定区102指的是待测区域,例如当待测物101上只有中间圆形区域辐射光束时,则将待测物101上中间圆形区域设为标定区102,而当待测物101的整个表面均可辐射光束,则待测物101的表面即为标定区102。
信号采集模块10包括分束镜103、第一窄带滤光片104和第二窄带滤光片105,待测物101辐射的初始光束照射至分束镜103,分束镜103将初始光束分为反射光束和透射光束;在反射通道上设置第一窄带滤光片104,透射光束上设置第二窄带滤光片105,不同的滤光片可以通过不同波段的光,反射光束经过第一窄带滤光片104后得到与其带宽对应的第一反射信号,透射光束经过第二窄带滤光片105后得到与其带宽对应的第一透射信号。
信号采集模块10还包括第一相机106和第二相机107,第一相机106接收第一反射信号,生成第一灰度图像;第二相机107接收第一透射信号,生成第二灰度图像。当待测物101标定区102倾斜时,分束镜103的分光面1031产生的夹角会造成分束镜103的分光比例不精确,也会影响测得的温度的精度。为了尽可能消除待测物101倾斜造成的测温误差,本实施例在生成灰度图像后,计算模块20根据第一灰度图像和第二灰度图像的灰度值计算分束镜103的分光比例,然后根据分束镜103的分光比例可计算得到第一反射信号和第一透射信号的强度比例,对分光比例分布的不精确度进行标定,在训练温度反演模型时,将该因素加入,从而使得训练得到的温度反演模型更准确。
在训练温度反演模型前,首先需要得到不同倾斜角度下较精确的温度值,而温度值与灰度图像的灰度值有关。因此,本实施例利用计算模块20将标定区102的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型y1=f1(x),将标定区102的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型y2=f2(x)。得到灰度修正模型后,将待测物101标定区102在各个倾斜角度下的第一灰度图像的灰度值代入第一灰度修正模型,即可得到第一灰度图像修正后的灰度值;同样地,将待测物101标定区102在各个倾斜角度下的第二灰度图像的灰度值代入第二灰度修正模型,即可得到第二灰度图像修正后的灰度值。
得到修正后的灰度值后,计算模块20将第一反射信号和第一透射信号的强度比例、第一灰度图像修正后的灰度值和第二灰度图像修正后的灰度值代入比色测温公式,即可计算得到修正后的温度值,将修正后的温度值代入神经网络,通过多次拟合训练即可得到温度反演模型。
得到温度反演模型后,即可对待测物101的温度值进行测量。进行温度测量时,首先通过采集模块采集待测物101标定区102的倾斜角度、第一光强信号、第二光强信号和分束镜103的分光比例。需要说明的是,采集模块采集待测物101标定区102的倾斜角度、第一光强信号、第二光强信号和分束镜103的分光比例时,可参考标定阶段的采集方法,待测物101标定区102的倾斜角度的采集方法与标定阶段提供的倾斜角度测量方法相同,分束镜103的分光比例的计算方法也与标定阶段中提供的分光比例的计算方法相同,此处不再进行赘述。
采集光强信号时,分别在反射通道和透射通道上设置第一光电探测器108和第二光电探测器109,分束镜103将待测物101辐射光分为反射光束和透射光束,反射光束经过第一窄带滤光片104后得到第一反射光束,透射光束经过第二窄带滤光片105后得到第一透射光束,第一光电探测器108将第一反射信号转换为第一电信号,并将第一电信号传输至数据采集卡,通过数据采集卡计算即可得到第一光强信号;第二光电探测器109将第一透射信号转换为第二电信号,并将第二电信号传输至数据采集卡,数据采集卡通过计算即可得到第二光强信号。
采集到待测物101标定区102的倾斜角度、第一光强信号、第二光强信号以及分束镜103的分光比例后,计算模块20将待测物101标定区102的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜103的分光比例作为温度反演模型的输入,计算得到待测物101的温度值。本申请中仅通过第一光强信号和第二光强信号的比值、待测物101标定区102的倾斜角度、分束镜103的分光比例作为温度反演模型的输入,即可计算得到待测物101的温度值,在实现在线测温的同时,还有利于提高测量速度,并降低成本。
本申请实施例所提供的具有标定和修正功能的实时在线温度监测系统100,将待测物101标定区102的倾斜角度、灰度图像的灰度值通过神经网络训练,得到灰度修正模型,利用灰度修正模型可以得到修正后的灰度值,利用修正后的灰度值可以计算得到修正后的温度值,从而能够修正待测物101倾斜对温度值造成的影响,使得利用神经网络拟合出的温度反演模型可以更加准确,如此,可以使测量阶段利用温度反演模型反演出的待测物101的温度值更精确,实现了实时在线温度监测,提高了测量速度和精度。
可选地,请参考图5,信号采集模块还包括:第一光电探测器108、第二光电探测器109和数据采集卡110,数据采集卡110分别与第一光电探测器108和第二光电探测器109电连接;第一光电探测器108用于将第一反射信号转换为第一电信号,并传输至数据采集卡110,数据采集卡110计算得到第一光强信号;第二光电探测器109用于将第一透射信号转换为第二电信号,并传输至数据采集卡110,数据采集卡110计算得到第二光强信号。
具体地,请参考图5,待测物101的温度除了受其倾斜角度、分束镜103的分光比例的影响外,还与反射光束、透射光束的光强度有关。因此,本实施例在通过神经网训练温度反演模型时,加入了反射光束、透射光束的光强信号。在反射通道和透射通道上分别设置第一光电探测器108和第二光电探测器109,利用第一光电探测器108接收第一反射信号,将第一反射信号转换为第一电信号后传输至数据采集卡110,数据采集卡110可计算得到第一光强信号;利用第二光电探测器109接收第一透射信号,将第一透射信号转换为第二电信号后传输至数据采集卡110,数据采集卡110可计算得到第二光强信号。计算模块20将第一光强信号和第二光强信号的比值、待测物101标定区102的倾斜角度、分束镜103的分光比例作为神经网络的输入,修正后的温度值作为神经网络的输出,经过多次拟合训练,得到温度反演模型。
本实施例中在拟合训练温度反演模型时,充分考虑可能会对温度的测量精度造成影响的因素,如待测物101标定区102的倾斜角度、分束镜103的分光比例以及反射光束、透射光束的光强度,并利用修正后的温度值作为神经网络的输出,使得拟合训练出的温度反演模型可以更加准确,从而能够在温度测量时,尽可能的消除待测物101倾斜角度、分束镜103的分光比例以及射光束、透射光束的光强度等因素对温度的测量精度造成的影响,有利于提高温度测量的精度。
通过以上各实施例可知,本申请存在的有益效果是:
(1)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,首先采集待测物标定区的倾斜角度,利用待测物标定区的倾斜角度、灰度图像的灰度值通过神经网络训练,得到灰度修正模型,利用灰度修正模型可以得到修正后的灰度值,利用修正后的灰度值可以计算得到修正后的温度值,在温度反演模型的拟合过程中,加入待测物倾斜对测温精度的影响因素,使得利用神经网络拟合出的温度反演模型更加准确,如此,可以使测量阶段利用温度反演模型反演出的待测物的温度值更精确,在实现实时在线温度监测的同时,还有利于提高测量精度。
(2)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,根据第一灰度图像和第二灰度图像的灰度值计算分束镜103的分光比例,然后根据分束镜103的分光比例可计算得到第一反射信号和第一透射信号的强度比例,对分光比例分布的不精确进行标定,在温度反演模型的拟合过程中,将分光比例分布不精确的因素加入,使得利用神经网络拟合出的温度反演模型更准确,如此,可以使测量阶段利用温度反演模型反演出的待测物的温度值更精确,在实现实时在线温度监测额同时,还有利于提高测量精度。
(3)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,在测量待测物的温度时,仅通过将第一光强信号和第二光强信号的比值、待测物标定区的倾斜角度、分束镜103的分光比例作为温度反演模型的输入,即可计算得到待测物的温度值,在实现实时在线测温的同时,还有利于提高测量速度,并降低成本。
(4)本申请所提供的具有标定和修正功能的实时在线温度监测方法及系统,利用相机精准的获取待测物标定区的灰度图像,当待测物标定区的面积小于光电探测器的探测区域时,利用待测物标定区的灰度图像,可以精确的计算出待测物标定区的温度值,避免了仅使用光电探测器测温时有效区域周围光强信号的影响,进一步提高了待测物的温度测量精度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
上述说明示出并描述了本申请的若干优选实施例,但如前所述,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求的保护范围内。
Claims (8)
1.一种具有标定和修正功能的实时在线温度监测方法,其特征在于,包括:标定阶段和测量阶段;
所述标定阶段包括:
在待测物标定区设置发光标定板,根据所述发光标定板的面积变化确定待测物标定区的倾斜角度;
利用分束镜将待测物辐射的初始光束分为反射光束和透射光束;
通过第一窄带滤光片获取所述反射光束中的第一反射信号,通过第二窄带滤光片获取所述透射光束中的第一透射信号;
利用第一相机接收所述第一反射信号,生成第一灰度图像;利用第二相机接收所述第一透射信号,生成第二灰度图像;
根据所述第一灰度图像和所述第二灰度图像计算所述分束镜的分光比例,并根据所述分束镜的分光比例计算第一反射信号和第一透射信号的强度比例;
将标定区的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型;将标定区的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型;
利用第一灰度修正模型得到第一灰度图像修正后的灰度值;利用第二灰度修正模型得到第二灰度图像修正后的灰度值;
将所述第一反射信号和第一透射信号的强度比例、所述第一灰度图像修正后的灰度值和所述第二灰度图像修正后的灰度值代入比色测温公式,计算得到修正后的温度值;
将修正后的温度值通过神经网络训练得到温度反演模型;
所述测量阶段包括:
在第一时段,采集待测物标定区的倾斜角度、第一光强信号、第二光强信号和分束镜的分光比例:
将待测物标定区的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜的分光比例作为温度反演模型的输入,计算得到待测物的温度值。
5.根据权利要求1所述的一种具有标定和修正功能的实时在线温度监测方法,其特征在于,
将标定区的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型,具体为:将待测物标定区的倾斜角度不等于0时第一灰度图像的灰度值作为神经网络的输入,将待测物标定区的倾斜角度等于0时第一灰度图像的灰度值作为神经网络的输出,训练得到第一灰度修正模型;
将标定区的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型,具体为:将待测物标定区的倾斜角度不等于0时第二灰度图像的灰度值作为神经网络的输入,将待测物标定区的倾斜角度等于0时第二灰度图像的灰度值作为神经网络的输出,训练得到第二灰度修正模型。
6.根据权利要求1所述的一种具有标定和修正功能的实时在线温度监测方法,其特征在于,将修正后的温度值通过神经网络训练得到温度反演模型,具体为:
利用第一光电探测器将所述第一反射信号转换为第一电信号,并传输至数据采集卡,所述数据采集卡计算得到第一光强信号;利用第二光电探测器将所述第一透射信号转换为第二电信号,并传输至所述数据采集卡,所述数据采集卡计算得到第二光强信号;
将第一光强信号和第二光强信号的比值、待测物标定区的倾斜角度、分束镜的分光比例作为神经网络的输入,修正后的温度值作为神经网络的输出,训练得到温度反演模型。
7.一种具有标定和修正功能的实时在线温度监测系统,其特征在于,包括:信号采集模块和计算模块,所述信号采集模块和所述计算模块电连接;其中,所述信号采集模块包括:
分束镜,所述分束镜用于将待测物辐射的初始光束经分为反射光束和透射光束;
第一窄带滤光片和第二窄带滤光片,所述第一窄带滤光片用于获取所述反射光束中的第一反射信号,所述第二窄带滤光片用于获取所述透射光束中的第一透射信号;
第一相机和第二相机,所述第一相机用于接收所述第一反射信号,生成第一灰度图像,所述第二相机用于接收所述第一透射信号,生成第二灰度图像;
所述计算模块用于根据发光标定板的面积变化确定待测物标定区的倾斜角度;所述计算模块用于通过所述第一灰度图像和所述第二灰度图像计算所述分束镜的分光比例,并根据所述分束镜的分光比例计算第一反射信号和第一透射信号的强度比例;所述计算模块用于将标定区的倾斜角度以及第一灰度图像的灰度值通过神经网络训练得到第一灰度修正模型,将标定区的倾斜角度以及第二灰度图像的灰度值通过神经网络训练得到第二灰度修正模型;并利用第一灰度修正模型得到第一灰度图像修正后的灰度值;利用第二灰度修正模型得到第二灰度图像修正后的灰度值;
所述计算模块还用于将所述第一反射信号和第一透射信号的强度比例、所述第一灰度图像修正后的灰度值和所述第二灰度图像修正后的灰度值代入比色测温公式,计算得到修正后的温度值;并将修正后的温度值通过神经网络训练得到温度反演模型;
所述计算模块还用于在第一时段,将待测物标定区的倾斜角度、第一光强信号和第二光强信号的比值、以及分束镜的分光比例作为温度反演模型的输入,计算得到待测物的温度值。
8.根据权利要求7所述的一种具有标定和修正功能的实时在线温度监测系统,其特征在于,所述信号采集模块还包括:第一光电探测器、第二光电探测器和数据采集卡,所述数据采集卡分别与所述第一光电探测器和第二光电探测器电连接;
所述第一光电探测器用于将所述第一反射信号转换为第一电信号,并传输至所述数据采集卡,所述数据采集卡计算得到第一光强信号;所述第二光电探测器用于将所述第一透射信号转换为第二电信号,并传输至所述数据采集卡,所述数据采集卡计算得到第二光强信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210059117.1A CN114370944B (zh) | 2022-01-19 | 2022-01-19 | 一种具有标定和修正功能的实时在线温度监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210059117.1A CN114370944B (zh) | 2022-01-19 | 2022-01-19 | 一种具有标定和修正功能的实时在线温度监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114370944A true CN114370944A (zh) | 2022-04-19 |
CN114370944B CN114370944B (zh) | 2023-07-25 |
Family
ID=81143430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210059117.1A Active CN114370944B (zh) | 2022-01-19 | 2022-01-19 | 一种具有标定和修正功能的实时在线温度监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114370944B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108871585A (zh) * | 2018-07-13 | 2018-11-23 | 北京理工大学 | 基于单相机的温度场测量系统及方法 |
CN110954222A (zh) * | 2019-12-18 | 2020-04-03 | 北京理工大学 | 一种基于单相机比色测温系统的优化测温方法 |
CN111351578A (zh) * | 2020-02-27 | 2020-06-30 | 北京理工大学 | 基于像素化双波段窄带滤光片阵列的温度测量系统及方法 |
WO2021196360A1 (zh) * | 2020-03-31 | 2021-10-07 | 深圳奥比中光科技有限公司 | 一种温度测量方法及系统 |
CN113566971A (zh) * | 2021-07-19 | 2021-10-29 | 中北大学 | 一种基于神经网络的多光谱高温瞬态测量系统 |
-
2022
- 2022-01-19 CN CN202210059117.1A patent/CN114370944B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108871585A (zh) * | 2018-07-13 | 2018-11-23 | 北京理工大学 | 基于单相机的温度场测量系统及方法 |
CN110954222A (zh) * | 2019-12-18 | 2020-04-03 | 北京理工大学 | 一种基于单相机比色测温系统的优化测温方法 |
CN111351578A (zh) * | 2020-02-27 | 2020-06-30 | 北京理工大学 | 基于像素化双波段窄带滤光片阵列的温度测量系统及方法 |
WO2021196360A1 (zh) * | 2020-03-31 | 2021-10-07 | 深圳奥比中光科技有限公司 | 一种温度测量方法及系统 |
CN113566971A (zh) * | 2021-07-19 | 2021-10-29 | 中北大学 | 一种基于神经网络的多光谱高温瞬态测量系统 |
Non-Patent Citations (1)
Title |
---|
李少辉: "图像比色法在炉膛火焰温度场实时监测的研究", 《光学技术》, vol. 28, no. 2, pages 145 - 147 * |
Also Published As
Publication number | Publication date |
---|---|
CN114370944B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4904088A (en) | Method and apparatus for determining radiation wavelengths and wavelength-corrected radiation power of monochromatic light sources | |
CN101324468B (zh) | 低杂散光快速光谱仪及其测量方法 | |
CN102486402B (zh) | 一种测量脉冲激光能量的方法及系统 | |
CN105758625B (zh) | 一种测量遥感仪器的线偏振灵敏度的装置及方法 | |
JP7382629B2 (ja) | 光学測定装置および波長校正方法 | |
CN109297685A (zh) | 一种用于大口径平行光管的光谱透过率测试装置及方法 | |
CN106017533A (zh) | 一种快速调谐实时校准光纤光栅解调装置及工作方法 | |
CN209147932U (zh) | 一种激光成像测距系统 | |
JPH06105217B2 (ja) | 分光測定法 | |
CN103968943B (zh) | 一种光纤光谱仪信噪比的精确测量方法 | |
JPS58103604A (ja) | フイルムの厚さ測定方法及び測定装置 | |
Firago et al. | Diffuse Reflectance Spectrophotometers Based on C12880MA and C11708MA Mini-Spectrometers Hamamatsu | |
CN114370944B (zh) | 一种具有标定和修正功能的实时在线温度监测方法及系统 | |
CN109187393A (zh) | 一种光谱检测仪和检测方法 | |
CN201034729Y (zh) | 一种快速光谱仪 | |
CN104065956B (zh) | 一种图像传感器的检测和标定装置及方法 | |
CN108692819B (zh) | 一种波长调谐哈特曼传感器的波前检测系统 | |
CN115790864A (zh) | 一种黑体响应率测试装置及方法 | |
CN115165125A (zh) | 一种近红外线光斑检测装置和方法 | |
JP4002199B2 (ja) | 光波距離計 | |
KR101091967B1 (ko) | 적분형 광검출기를 사용한 푸리에 계수 측정법 | |
CN114609073A (zh) | 一种高强度光谱的测量方法、系统和光谱测量装置 | |
CN207515908U (zh) | 一种多光路自定标偏振探测装置及系统 | |
JPH07260680A (ja) | 赤外線センサ | |
CN112857586A (zh) | 一种基于fpga的红外测温装置及温度补偿校准方法 |
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 |