CN115824427A - 温度校正方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供了一种温度校正方法、装置、设备及存储介质，其中，该方法包括：对测温仪采集的初始温度进行修正，得到修正后温度，并根据回归模型对修正后温度进行校正，得到校正后温度，其中回归模型基于多个环境信息变量及其显著交互项建立，显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计后得到。通过对环境信息变量和测温仪的采集温度进行处理，得到多个显著交互项，并加入多个显著交互项建立回归模型，可以使得回归模型对环境信息变量具备更高的适应性，并且由于考虑到了环境信息变量，也可以提高校正温度的可靠性，从而提高测温仪在不同环境信息变量下测温的精确性。

Description

温度校正方法、装置、设备及存储介质

技术领域

本申请涉及测温技术领域，具体而言，涉及一种温度校正方法、装置、设备及存储介质。

背景技术

目前测温仪的应用已经十分广泛，常见的测温仪包括接触式测温仪和非接触式测温仪，常见的非接触式测温仪例如红外测温仪，红外测温仪可以通过传感器接收红外线，通过感应温度估计真实温度。

由于非接触式测温仪便捷高效的特点，因此已被广泛应用于公共场所，例如医院、车站、超市等。但是，非接触式测温仪与外界环境密切相关，当外界环境的温度、湿度等发生变化时，测温仪就难以保持较稳定的测量精度。

因此，如何提高非接触式测温仪的测温精度和稳定性成为了亟待解决的问题。

发明内容

本申请的目的在于，针对上述现有技术中的不足，提供一种温度校正方法、装置、设备及存储介质，以解决现有技术中非接触式测温仪的测温精度和稳定性差的问题。

为实现上述目的，本申请采用的技术方案如下：

第一方面，本申请提供了一种温度校正方法，所述方法包括：

对测温仪采集的初始温度进行修正，得到修正后初始温度；

将所述修正后初始温度输入预先建立的回归模型中，得到校正后温度，将所述校正后温度作为所述测温仪的待输出温度；

其中，所述回归模型基于多个环境信息变量及各所述环境信息变量的多个显著交互项建立，所述多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计和方差分析处理后得到。

可选的，所述将所述初始温度输入预先建立的回归模型中，得到校正后温度之前，还包括：

根据多个环境信息变量确定多个交互项，并对所述多个交互项进行方差分析，得到各所述交互项的相伴概率值；

根据各所述交互项的相伴概率值和预设的显著性水平，确定多个显著交互项；

根据所述环境信息变量及所述环境信息变量的多个显著交互项，建立所述回归模型。

可选的，所述根据多个环境信息变量确定多个交互项，包括：

对所述环境信息变量和测温仪的采集温度查找预设的映射关系表，得到各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值；

对各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值进行正交实验设计，得到所述多个交互项。

可选的，所述环境水平值包括：环境温度值、湿度值、光照强度值、风速值；

所述对各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值进行正交实验设计，得到所述多个交互项，包括：

对所述温度值和所述湿度值、光照强度值、风速值以及所述测温仪的采集温度的温度水平值进行正交实验设计，得到测温仪采集温度的多个交互项。

可选的，所述根据各所述交互项的相伴概率值和预设的显著性水平，确定多个显著交互项，包括：

将所述交互项的相伴概率值和显著性水平比较，若所述交互项的相伴概率值小于所述显著性水平，则将所述交互项确定为所述显著交互项。

可选的，所述根据所述环境信息变量及所述环境信息变量的多个显著交互项，建立所述回归模型：

对所述环境信息变量及所述环境信息变量的多个显著交互项进行多元线性回归，得到所述回归模型。

可选的，所述对测温仪采集的初始温度进行修正，得到修正后初始温度，包括：

读取测温仪当前采集的初始温度，所述初始温度包括整数值以及三位小数值；

若所述三位小数值中的第一位小数值为奇数，则将所述初始温度中的整数值以及第一位小数值作为所述修正后初始温度；

若所述三位小数值中的第一位小数值为偶数，则对后两位小数值进行进位，得到新的第一位小数值，将所述初始温度中的整数值以及新的第一位小数值作为所述修正后初始温度。

第二方面，本申请提供了一种温度校正装置，所述装置包括：

修正模块，用于对测温仪采集的初始温度进行修正，得到修正后初始温度；

校正模块，用于将所述修正后初始温度输入预先建立的回归模型中，得到校正后温度，将所述校正后温度作为所述测温仪的待输出温度；

其中，所述回归模型基于多个环境信息变量及各所述环境信息变量的多个显著交互项建立，所述多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计和方差分析处理后得到。

可选的，所述校正模块具体用于：

根据多个环境信息变量确定多个交互项，并对所述多个交互项进行方差分析，得到各所述交互项的相伴概率值；

根据各所述交互项的相伴概率值和预设的显著性水平，确定多个显著交互项；

根据所述环境信息变量及所述环境信息变量的多个显著交互项，建立所述回归模型。

可选的，所述校正模块具体用于：

对所述环境信息变量和测温仪的采集温度查找预设的映射关系表，得到各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值；

对各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值进行正交实验设计，得到所述多个交互项。

可选的，所述环境水平值包括：环境温度值、湿度值、光照强度值、风速值；

所述校正模块具体用于：

对所述温度值和所述湿度值、光照强度值、风速值以及所述测温仪的采集温度的温度水平值进行正交实验设计，得到测温仪采集温度的多个交互项。

可选的，所述校正模块具体用于：

将所述交互项的相伴概率值和显著性水平比较，若所述交互项的相伴概率值小于所述显著性水平，则将所述交互项确定为所述显著交互项。

可选的，所述校正模块还具体用于：

对所述环境信息变量及所述环境信息变量的多个显著交互项进行多元线性回归，得到所述回归模型。

可选的，所述修正模块具体用于：

读取测温仪当前采集的初始温度，所述初始温度包括整数值以及三位小数值；

若所述三位小数值中的第一位小数值为奇数，则将所述初始温度中的整数值以及第一位小数值作为所述修正后初始温度；

若所述三位小数值中的第一位小数值为偶数，则对后两位小数值进行进位，得到新的第一位小数值，将所述初始温度中的整数值以及新的第一位小数值作为所述修正后初始温度。

第三方面，本申请提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述温度校正方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述温度校正方法的步骤。

本申请的有益效果是：对测温仪采集的初始温度进行修正，得到修正后温度，并根据回归模型对修正后温度进行校正，得到校正后温度，其中回归模型基于多个环境信息变量及其显著交互项建立，多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计和方差分析处理后得到。通过对环境信息变量和测温仪的采集温度进行处理，得到多个显著交互项，并基于多个环境信息变量及其显著交互项建立回归模型，可以使得回归模型对环境信息变量具备更高的适应性，并且由于考虑到了环境信息变量，也可以提高校正温度的可靠性，从而提高测温仪在不同环境信息变量下测温的精确性。

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示出了本申请实施例提供的一种应用场景示意图；

图2示出了本申请实施例提供的一种温度校正方法的流程图；

图3示出了本申请实施例提供的一种建立回归模型方法的流程图；

图4示出了本申请实施例提供的一种确定交互项的流程图；

图5示出了本申请实施例提供的一种修正初始温度的流程图；

图6示出了本申请实施例提供的一种温度校正装置的结构示意图；

图7示出了本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。 此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

非接触式测温仪目前已经得到了广泛的应用，常见的应用场景例如医院、超市等公共场所的红外线测温仪，通过传感器接收红外线，并通过感应温度估计真实温度。

但是，由于非接触式测温仪与外界环境密切相关，当外界环境发生变化时，非接触式测温仪就难以保持较稳定的精度。

以红外线测温仪为例，当环境温度在25度左右时，检测结果是比较准确的，若环境温度低于20度时，人员体表温度必然降低，而且会低于其实际体温，目前通常将37.3度作为发热的界值，那么即使实际体温已经高于37.3度，但体表温度远低于此温，而被漏检，另外，若环境温度高于30度时，实际体温低于37.3度，但体表温度远高于此温，从而造成很多人员被误筛选出来，又需要复核，从而增加人员无用的工作量。

因此，如何在环境温度不稳定的情况下，提高非接触式测温仪的测温精度就成为了亟待解决的问题。

基于上述问题，本申请提出一种温度校正方法，可以应用于非接触式测温仪中。如图1所示，是本申请给出的一种应用场景，测温仪采集环境信息变量和用户的初始温度，根据环境信息变量和初始温度建立回归模型，并根据回归模型对初始温度进行校正，得到校正后的温度并输出给用户。

接下来结合图2对本申请的温度校正方法做进一步说明，该方法的执行主体可以是图1中的测温仪。如图2所示，该方法包括：

S201：对测温仪采集的初始温度进行修正，得到修正后初始温度。

可选的，测温仪采集的初始温度可以是在温度校正前，测温仪采集到的用户的体表温度。

可选的，为了控制环境协变量对测温仪采集的初始温度的影响，可以对采集到的初始温度进行修正，得到修正后初始温度。

可选的，环境协变量例如可以包括：测量距离、测量区域、镜头遮挡程度、人体表面温差等，这些变量不易被人为操控，但是会影响到最终采集的初始温度的值。

其中，镜头遮挡程度可以被表示为名义变量，示例性的，镜头遮挡程度表示为

，取值范围为

，表示四种不同程度的遮挡：

时表示烟雾、灰尘、蒸汽等不遮住镜头，

表示遮住镜头达到一定程度。而随着烟尘等遮挡物含量的增加，

的值会不断增加。

人体表面温差可以被表示为虚拟变量，示例性的，将人体表面温差程度表示为

，

时表示表面温差过大，

时表示表面温差较小。

值得注意的是，环境协变量应当对温度校正的干扰尽可能小，因此，可以将环境协变量降为一维，记

，

是人体真实温度，

，

表示协变量给定下超过37.3℃（即发热）的条件概率，此时可以通过调整测温仪的实际布置场景尽量减小条件概率的值。

示例性的，为了控制环境协变量的干扰，可以选定环境温度、湿度、光照强度和风速变化不大的情况下，通过干预保证测试对象的真实温度和体表温度相对稳定。设置

个不同的应用场景

，确保不同的

下

的变化尽可能小，即

。

为了控制环境协变量的影响，可以在实际使用中限制测温仪的使用场景，红外测温系统应置于空旷、通风的场所，使用该系统时不透过玻璃门、窗户等进行测量，使用前和使用中途用洁净干燥的布擦拭镜头表面，若出现烟尘等干扰物需停止工作，待干扰物散去后重新校准进行测量。并且测量时若待测者存在丝巾、面罩、冰袖等衣物遮挡时，测量人员需提醒对方摘去遮挡物对表面皮肤进行测量；若待测者来自高温差环境（如太阳直射的室外或开了空调的车辆），需引导待测者等待观察后再度测量。

S202：将修正后初始温度输入预先建立的回归模型中，得到校正后温度，将校正后温度作为测温仪的待输出温度；

其中，回归模型基于多个环境信息变量及各环境信息变量的多个显著交互项建立，多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计和方差分析处理后得到。

可选的，环境信息变量可以是测温仪周围的环境数据，例如测温仪周围的环境温度、环境湿度、光照强度、风速等。

示例性的，对于风速的测量，可以采用超声波风速仪测量方法中的相位法，通过两个换能器测量超声波在顺风和逆风时产生的相位差来获得风速信息，这种方法很好地避免了测量时间差这一微小量, 从而可以提高精度。风向与两个换能器a与b之间的连线呈平行状态, 设两者距离为d,声波的角频率为ω，超声波在顺风和逆风情况下的路径传播时间分别为

和

，顺风时的相位为:

，逆风时的相位为：

，又有，

，联立可得，

.其中，

表示相位差，

表示风速，

表示超声波在空气中的传播速度。光照强度可采用数字光照强度采集模块完成光照信息的采集,用单片机作为中央处理器来完成光照强度数据的输入。用温度计和半导体制冷露点计分别完成对环境温度和湿度的测量。

可选的，交互项可以是环境信息变量和测温仪的采集温度等变量的交互作用的数学表示，显著交互项可以是这些数学表示中交互作用较强，即对最终的温度校正作用明显的交互项。

可选的，回归模型可以对输入的环境信息变量和采集温度进行计算处理，得到当前环境信息变量下的温度校正表达式，并对采集温度进行校正，得到最终的待输出温度。

在本申请实施例中，首先对测温仪采集的初始温度进行修正，得到修正后温度，并根据回归模型对修正后温度进行校正，得到校正后温度，其中回归模型基于多个环境信息变量及其显著交互项建立，多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计后得到。通过对环境信息变量和测温仪的采集温度进行处理，得到多个显著交互项，并基于多个环境信息变量及其显著交互项建立回归模型，可以使得回归模型对环境信息变量具备更高的适应性，并且由于考虑到了环境信息变量，也可以提高校正温度的可靠性，从而提高测温仪在不同环境信息变量下测温的精确性。

以下是对上述将初始温度输入预先建立的回归模型中，得到校正后温度之前，建立回归模型的步骤说明，如图3所示，上述S202步骤之前还包括：

S301：根据多个环境信息变量确定多个交互项，并对多个交互项进行方差分析，得到各交互项的相伴概率值。

可选的，对多个交互项进行方差分析，可以是对多个交互项进行双因素方差分析。双因素方差分析是用来研究两个及两个以上控制变量对观测变量是否产生了显著影响的方法。双因素方差分析不仅能够分析多个控制变量对观测变量的独立影响，还能够分析多个控制变量的交互作用能否对观测变量的结果产生显著影响，进而最终找到有利于观测变量的最优组合。

下面举例说明对于任意两个因素

，分别有

和

个水平，进行方差分析，得到相伴概率值的步骤：

第一步，提出原假设；双因素方差分析的原假设是：两个因素

和它们的交互作用没有对观测变量产生显著影响，观测变量即前文所述的环境信息变量。

第二步，观测变量方差的分解；观测变量的取值一般看作受到三个方面的影响：单个控制变量独立作用的影响；控制变量交互作用的影响；误差带来的影响。

基于以上原则，可以将观测变量的总变差分解为：

。其中，

是观测变量的总变差；

和

分别为控制变量

独立作用引起的变差；

为控制变量

交互作用引起的变差；

为随机效应引起的变差。

就是我们通常所说的主效应，

为交互效应，

为剩余效应。

为控制变量

的水平数；

为控制变量

的水平数；在控制变量

第

个水平和控制变量

第

个水平下因变量

的第

个样本值为

，

表示测温仪原显示温度减去人体真实温度;

为控制变量

第

水平和控制变量

第

个水平下样本个数；

为因变量的总均值。

同时引进

同样可以得到

对应的公式：

所以交互作用可解释的变差为

。

第三步，计算检验统计量的观测值和相伴概率P值，无论是固定效应模型还是随机效应模型，我们都有如下的统计量

计算公式：

值得说明的是，本申请中的相伴概率值可以是统计量

的相伴概率值。对各交互项执行上述第一步到第三步，可以得到各交互项的相伴概率值。

S302：根据各交互项的相伴概率值和预设的显著性水平，确定多个显著交互项。

可选的，预设的显著性水平可以是用户预设的显著性水平阈值，示例性的，假设显著性水平为

，将检验统计量的相伴概率值P与给定的显著性水平

进行比较，确定显著交互项。

S303：根据环境信息变量及环境信息变量的多个显著交互项，建立回归模型。

可选的，根据环境信息变量及环境信息变量的多个显著交互项，建立回归模型，可以使得建立的回归模型更多的考虑到对温度校正影响较大的环境信息变量，从而实现在不同的环境下，回归模型都能适应并进行精准的温度校正。

以下是对上述根据多个环境信息变量确定多个交互项的步骤说明，如图4所示，上述S301步骤包括：

S401：对环境信息变量和测温仪的采集温度查找预设的映射关系表，得到各环境信息变量的环境水平值和测温仪的采集温度的温度水平值。

可选的，假设用

分别表示表示环境温度、湿度、光照强度、风速、测温仪采集温度这五个因素，记为向量

，可以对

的5个因素，分别均匀设立3、3、3、3和5个水平

，即

时

，

时，

。并建立实际测量数值与各环境信息变量的水平数值的映射关系表，对实时采集的环境信息变量和测温仪采集的温度查找预设的映射关系表，就可以确定各环境信息变量的环境水平值和测温仪的采集温度的温度水平值。

示例性的，表1是本申请给出的一种场景A的水平数值表示例。

表1水平数值表示例

其中，1-5分别表示不同水平的数值，以环境温度

为例，2表示目前采集的环境温度在第二水平的环境温度的范围内。

可选的，环境水平值可以是当前环境温度在映射关系表中对应的水平值，温度水平值可以是当前采集温度在映射关系表中对应的水平值。示例性的，假设当前采集温度为36.5，其在预设的映射关系表中对应的是第二水平，那么其对应的温度水平值就可以是2。

S402：对各环境信息变量的环境水平值和测温仪的采集温度的温度水平值进行正交实验设计，得到多个交互项。

可选的，对各环境信息变量的环境水平值和测温仪的采集温度的温度水平值进行正交实验设计，可以是采用正交表对各环境水平值和温度水平值进行处理，得到多个交互项。

上述环境水平值包括：环境温度值、湿度值、光照强度值、风速值，以环境温度为例，环境温度值可以包括多个水平，假设环境温度值包括五个水平，那么对应的环境温度值就包括：第一水平温度值、第二水平温度值、第三水平温度值、第四水平温度值以及第五水平温度值。

值得说明的是，本申请只是以环境温度为例，可以对每个环境水平值分别划分五个水平，每个水平分别对应一个数值，数值的大小可以由本领域人员自行设置，本申请在此不作限制。

上述S402步骤中，对各环境信息变量的环境水平值和测温仪的采集温度的温度水平值进行正交实验设计，得到多个交互项，包括：

对温度值和湿度值、光照强度值、风速值以及测温仪的采集温度的温度水平值进行正交实验设计，得到测温仪采集温度的多个交互项。

示例性的，假设环境温度值共包括五个水平的温度值，采集到的环境温度值为第一水平温度值，那么可以将第一水平温度值和湿度值、光照强度值、风速值以及测温仪的采集温度的温度水平值进行正交实验设计，得到测温仪采集温度的多个交互项。

应当理解，本申请只是以环境温度为示例进行正交实验设计步骤的说明，对于湿度、光照强度、风速等环境信息变量都可以进行正交实验设计，得到湿度值的多个交互项、光照强度值的多个交互项以及风速值的多个交互项。

示例性的，表2是本申请给出的一种对环境信息变量和采集温度进行正交实验设计的正交表。

表2正交实验设计表

其中

表示第二水平的湿度值，

表示第三水平的风速值，

表示第一水平的湿度值，

表示第二水平的风速值，空白列为误差项。

接下来对上述根据各所述交互项的相伴概率值和预设的显著性水平，确定多个显著交互项的步骤进行说明，上述S302步骤包括：

将所述交互项的相伴概率值和显著性水平比较，若所述交互项的相伴概率值小于所述显著性水平，则将所述交互项确定为所述显著交互项。

可选的，假设相伴概率值

，显著性水平为

，为对于交互效应来说，若

,则可以认为变量

的交互作用的不同水平对观测变量产生了显著影响，并将这两个因素的交互项作为显著交互项；反之，则这两个因素的交互项就不是显著交互项。

在确定多个显著交互项之后，就可以根据多个显著交互项建立回归模型，上述S303步骤包括：

对多个显著交互项进行多元线性回归，得到回归模型。

可选的，多元线性回归的方式可以是岭回归法。示例性的，该步骤的数学表示可以如下所示：

假设显著交互项记为

，其中，i表示确定的显著交互项为第i个，N表示纳入回归模型的自变量（含显著交互项）总个数，使用岭回归得到的参数估计为：

其中，p表示通过p个样本进行估计，i表示自变量取值来自于第i个样本，

为回归模型的系数向量，

为截距项，

(1≤j≤N)表示

的第j个分量，是第j个解释变量（含显著交互项）的回归系数，

表示利用岭回归得到的参数估计，

表示

的第j个分量。岭参数λ的确定可采用岭轨迹法：首先，画出

随λ变化的岭轨迹图，当

趋于稳定时，所对应λ的值即为所求岭参数。

此时可得出校正温度的表达式：

其中，

为测温仪原显示温度的修正温度，

为回归模型计算得到的结果，是校正温度和修正后初始温度的误差项，输出的

为校正温度。在训练回归模型的过程中，

是人体真实温度，

表示测温仪修正温度减去人体真实温度。

值得说明的是，上述校正温度的表达式即为回归模型，根据该表达式，只要输入当前测温仪的采集温度和当前的环境信息变量，测温仪就可以根据当前的环境信息变量对当前的采集温度进行校正，并输出最终的显示温度。

接下来对上述S201步骤中，对测温仪采集的初始温度进行修正，得到修正后初始温度的步骤进行说明，如图5所示，上述S201步骤包括：

S501：读取测温仪当前采集的初始温度，初始温度包括整数值以及三位小数值。

可选的，为了保证采集温度的准确性，采集的初始温度可以先保留到小数点后三位数值。

示例性的，测温仪当前采集的初始温度

可以表示为：

即保留小数点后三位，其中，

表示个位数字，

表示十分位数字，

表示百分位数字，

表示千分位数字。

S502：若三位小数值中的第一位小数值为奇数，则将初始温度中的整数值以及第一位小数值作为修正后初始温度。

示例性的，假设

，

，即百分位为5，千分位为0，采集的初始温度为36.350，为了尽量减小读数的误差，可以判断十分位上的数字的奇偶性，若十分位数字为奇数，则将初始温度中的整数值以及第一位小数值作为修正后初始温度，此时修正后的初始温度就为36.3。

S503：若三位小数值中的第一位小数值为偶数，则对后两位小数值进行进位，得到新的第一位小数值，将初始温度中的整数值以及新的第一位小数值作为修正后初始温度。

示例性的，假设

，

，即百分位为5，千分位为0，采集的初始温度为36.650，若十分位数字为偶数，则对千分位和百分位上的数字进行进位操作，并读取整数值以及新的第一位小数值作为修正后初始温度，此时修正后的初始温度就为36.7。

特别的，在一些应用场景中，光照强度可能会被忽略，且其他的环境信息变量也都为恒定值，例如地铁、超市内等应用场景，此时还可以通过逐步回归模型向前选择的方法，将候选的自变量（即环境信息变量及其交互项）逐个引入回归方程，并与预设的阈值

和

进行比较，

表示通过F检验，对给定的显著性水平α，将自变量引入回归方程时的阈值，

表示通过F检验，对给定的显著性水平α，将自变量从回归方程中剔除时的阈值。该步骤可以如下所示：

第一步，将变量一个个地引入，引入的条件是该变量的偏F检验是显著的。先把之前设出的

分别与

建立回归模型：

其中，

，这表示

取自原回归模型的某一自变量。另外，

表示第i个自变量的回归系数的最小二乘估计。

然后进行偏F检验，得到

对应的回归系数的F检验的值，取最大值记为

。

如果

≤

，

与所有的自变量都线性无关；如果

>

，则引入

，并建立回归方程:

。

第二步，建立

与自变量子集

的二元回归模型：

。再以

为全模型，

为减模型求

对应回归系数的

检验的值，取最大者记为

。若

，则计算结束，这时建立的回归模型为

；若

，引入

，并建立回归方程：

。

第三步，对旧变量逐个检验，将变得不显著的变量从回归模型中剔除。当引入

后，对

做偏

检验：如果

则不剔除

，并继续引入下一个自变量；如果

，则从模型

剔除

建立模型:

并考虑继续引入下一个自变量。

对变量重复第二步和第三步的操作，最后得到要纳入的所有变量

,…,

和新的回归模型:

其中，

表示第q个自变量的回归系数

的最小二乘估计。另外，不同的

，这表示新的回归模型中在原回归模型取得q个自变量。将当前测温仪采集的温度输入新的回归模型中，就可以得到该温度的校正后温度。

上述步骤中，通过将引入的环境信息变量的显著性与预设的阈值

和

比对，可以将显著性较强的环境信息变量引入回归模型，并且确保引入该环境信息变量后，该环境信息变量相关的交互项也具有较强的显著性，从而避免引入的环境信息变量显著性影响了其他原有环境信息变量的显著性的情况，提高了引入变量的可靠性以及建立的回归方程的精确度。

此外，对于不同的应用场景，也可以改变环境信息变量对应的系数实现更精确的温度校正。

例如商场测温仪一般放于玻璃门内，此时光照一般会通过玻璃射入室内，故我们考虑以阳光通过透光率为85%的玻璃，光照强度变为实际的85%。故在模型中的光照强度对应的系数要相应除以85%才得到真实光照强度。

又例如在地铁内部，光照强度、风速几乎不变，可以将其划为一固定影响，数学表现为一常数。

例如刚运动完便进行测温时，若当时风速较高，可能促进蒸发散热，导致测量出的温度偏低。也可以考虑风速对人体本身温度尤其是运动完后身体温度的影响，将此交互作用考虑进去，使得模型多种偶然发生的情况有更高的适应性和准确性。

基于同一发明构思，本申请实施例中还提供了与温度校正方法对应的温度校正装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述温度校正方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参照图6所示，为本申请实施例提供的一种温度校正装置的示意图，所述装置包括：修正模块601以及校正模块602。

修正模块601，用于对测温仪采集的初始温度进行修正，得到修正后初始温度；

校正模块602，用于将修正后初始温度输入预先建立的回归模型中，得到校正后温度，将校正后温度作为测温仪的待输出温度；

其中，回归模型基于多个显著交互项建立，多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计和方差分析处理后得到。

可选的，校正模块602具体用于：

根据多个环境信息变量确定多个交互项，并对多个交互项进行方差分析，得到各交互项的相伴概率值；

根据各交互项的相伴概率值和预设的显著性水平，确定多个显著交互项；

根据多个显著交互项，建立回归模型。

可选的，校正模块602具体用于：

对环境信息变量和测温仪的采集温度查找预设的映射关系表，得到各环境信息变量的环境水平值和测温仪的采集温度的温度水平值；

对各环境信息变量的环境水平值和测温仪的采集温度的温度水平值进行正交实验设计，得到多个交互项。

可选的，环境水平值包括：环境温度值、湿度值、光照强度值、风速值；

校正模块602具体用于：

对温度值和湿度值、光照强度值、风速值以及测温仪的采集温度的温度水平值进行正交实验设计，得到测温仪采集温度的多个交互项。

可选的，校正模块602具体用于：

将交互项的相伴概率值和显著性水平比较，若交互项的相伴概率值小于显著性水平，则将交互项确定为显著交互项。

可选的，根据多个显著交互项，建立回归模型：

对多个显著交互项进行多元线性回归，得到回归模型。

可选的，修正模块601具体用于：

读取测温仪当前采集的初始温度，初始温度包括整数值以及三位小数值；

若三位小数值中的第一位小数值为奇数，则将初始温度中的整数值以及第一位小数值作为修正后初始温度；

若三位小数值中的第一位小数值为偶数，则对后两位小数值进行进位，得到新的第一位小数值，将初始温度中的整数值以及新的第一位小数值作为修正后初始温度。

关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

本申请实施例通过对测温仪采集的初始温度进行修正，得到修正后温度，并根据回归模型对修正后温度进行校正，得到校正后温度，其中回归模型基于多个显著交互项建立，多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计后得到。通过对环境信息变量和测温仪的采集温度进行处理，得到多个显著交互项，并基于多个显著交互项建立回归模型，可以使得回归模型对环境信息变量具备更高的适应性，并且由于考虑到了环境信息变量，也可以提高校正温度的可靠性，从而提高测温仪在不同环境信息变量下测温的精确性。

本申请实施例还提供了一种电子设备，如图7所示，为本申请实施例提供的电子设备结构示意图，包括：处理器701、存储器702和总线。所述存储器702存储有所述处理器701可执行的机器可读指令（比如，图6中的装置中修正模块601以及校正模块602对应的执行指令等），当计算机设备运行时，所述处理器701与所述存储器702之间通过总线通信，所述机器可读指令被所述处理器701执行时执行上述温度校正方法的处理。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述温度校正方法的步骤。

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，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上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。

Claims (10)

1.一种温度校正方法，其特征在于，包括：

对测温仪采集的初始温度进行修正，得到修正后初始温度；

将所述修正后初始温度输入预先建立的回归模型中，得到校正后温度，将所述校正后温度作为所述测温仪的待输出温度；

其中，所述回归模型基于多个环境信息变量及各所述环境信息变量的多个显著交互项建立，所述多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计和方差分析处理后得到。

2.根据权利要求1所述的温度校正方法，其特征在于，所述将所述修正后初始温度输入预先建立的回归模型中，得到校正后温度之前，还包括：

根据多个环境信息变量确定多个交互项，并对所述多个交互项进行方差分析，得到各所述交互项的相伴概率值；

根据各所述交互项的相伴概率值和预设的显著性水平，确定多个显著交互项；

根据所述环境信息变量及所述环境信息变量的多个显著交互项，建立所述回归模型。

3.根据权利要求2所述的温度校正方法，其特征在于，所述根据多个环境信息变量确定多个交互项，包括：

对所述环境信息变量和测温仪的采集温度查找预设的映射关系表，得到各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值；

对各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值进行正交实验设计，得到所述多个交互项。

4.根据权利要求3所述的温度校正方法，其特征在于，所述环境水平值包括：环境温度值、湿度值、光照强度值、风速值；

所述对各所述环境信息变量的环境水平值和所述测温仪的采集温度的温度水平值进行正交实验设计，得到所述多个交互项，包括：

对所述温度值和所述湿度值、光照强度值、风速值以及所述测温仪的采集温度的温度水平值进行正交实验设计，得到测温仪采集温度的多个交互项。

5.根据权利要求2所述的温度校正方法，其特征在于，所述根据各所述交互项的相伴概率值和预设的显著性水平，确定多个显著交互项，包括：

将所述交互项的相伴概率值和显著性水平比较，若所述交互项的相伴概率值小于所述显著性水平，则将所述交互项确定为所述显著交互项。

6.根据权利要求2所述的温度校正方法，其特征在于，所述根据所述环境信息变量及所述环境信息变量的多个显著交互项，建立所述回归模型，包括：

对所述环境信息变量及所述环境信息变量的多个显著交互项进行多元线性回归，得到所述回归模型。

7.根据权利要求1所述的温度校正方法，其特征在于，所述对测温仪采集的初始温度进行修正，得到修正后初始温度，包括：

读取测温仪当前采集的初始温度，所述初始温度包括整数值以及三位小数值；

若所述三位小数值中的第一位小数值为奇数，则将所述初始温度中的整数值以及第一位小数值作为所述修正后初始温度；

若所述三位小数值中的第一位小数值为偶数，则对后两位小数值进行进位，得到新的第一位小数值，将所述初始温度中的整数值以及新的第一位小数值作为所述修正后初始温度。

8.一种温度校正装置，其特征在于，包括：

修正模块，用于对测温仪采集的初始温度进行修正，得到修正后初始温度；

校正模块，用于将所述修正后初始温度输入预先建立的回归模型中，得到校正后温度，将所述校正后温度作为所述测温仪的待输出温度；

其中，所述回归模型基于多个环境信息变量及各所述环境信息变量的多个显著交互项建立，所述多个显著交互项中各显著交互项通过对多个环境信息变量以及测温仪的采集温度进行正交实验设计和方差分析处理后得到。

9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行如权利要求1至7任一项所述的温度校正方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的温度校正方法的步骤。

Images