CN115979985A - 基于双光谱的煤堆温度智能监测方法、系统、设备及介质 - Google Patents

Abstract

本发明属于智能监测领域，公开了一种基于双光谱的煤堆温度智能监测方法、系统、设备及介质，包括根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果；根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度；根据煤场的环境数据和各采集视角下的各分区煤堆表面温度，通过预设的煤堆内外部温度关系拟合函数，得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度。采用可见光图像与红外图像实现对煤堆区域的精准提取，提高监测精度，做到对危险情况的及时发现，降低误报情况的发生。

Description

基于双光谱的煤堆温度智能监测方法、系统、设备及介质

技术领域

本发明属于智能监测领域，涉及一种基于双光谱的煤堆温度智能监测方法、系统、设备及介质。

背景技术

火力发电是电力生产的支柱，新能源发电的快速发展以及生产生活用电保需保供的需要，对电厂足额保质存煤提出了较高要求，以便在削峰填谷的同时能够实现电力供应托底。这就对电厂的煤炭存储提出了较高要求。无论露天还是室内存储，长期堆放的煤炭长时间容易氧化导致煤堆内部温度升高，存在自燃的风险。因此，有必要加强对煤堆自燃预警效果，从而避免巨大的经济损失与安全隐患。

目前，对存煤温度的监视多采用人工布置测温杆，能够实现对煤堆内部温度的精准测量，但人员工作量繁重。还有部分煤场采用红外热像仪实时监测目标区域温度，然而由于采用了预设区域，测温系统无法对现场实时变动做出及时响应，存在着现场环境干扰以及对煤堆核心高温区域监测能力不强的缺点。

发明内容

本发明的目的在于克服上述现有技术中，在进行煤堆温度的实时监测时，采用人工布置测温杆的方式工作量繁重，以及采用红外热像仪实时的方式存在现场环境干扰以及对煤堆核心高温区域监测能力不强的缺点，提供一种基于双光谱的煤堆温度智能监测方法、系统、设备及介质。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，提供一种基于双光谱的煤堆温度智能监测方法，包括：

获取煤场的环境数据、分区信息及若干采集视角下的可见光图像和红外图像；

根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果；

根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度；

根据煤场的环境数据和各采集视角下的各分区煤堆表面温度，通过预设的煤堆内外部温度关系拟合函数，得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度。

可选的，所述环境数据包括下述中的一个或几个：环境温度、风速和空气湿度。

可选的，所述根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度包括：

根据煤场的分区信息，在煤场的各采集视角下的可见光图像和红外图像上标注煤场分区识别结果，得到煤场的各采集视角下的煤场分区识别结果；并根据煤场的各采集视角下的红外图像，得到煤场的各采集视角下的热成像温度数据；

根据煤场的各采集视角下的煤堆区域识别结果、煤场分区识别结果和热成像温度数据进行布尔运算，得到煤场各采集视角下的各分区煤堆表面温度。

可选的，所述煤堆内外部温度关系拟合函数通过如下方式得到：

获取煤堆的历史表面温度数据、历史内部温度数据和历史环境数据；

根据煤堆的历史表面温度数据、历史内部温度数据和历史环境数据，采用下述中的一种或几种模型：基于循环神经网络的回归模型、时间序列预测模型和分区段的线性回归模型，进行煤堆表面温度和环境数据与煤堆内部温度的关系拟合，将拟合结果最好的模型作为预设的煤堆内外部温度关系拟合函数。

可选的，所述内部温度包括内部最高温度和内部平均温度；所述得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度包括：

将煤场各采集视角下的各分区煤堆内部最高温度，作为煤场的各分区煤堆内部最高温度；将煤场各采集视角下的各分区煤堆内部平均温度去面积加权均值后，作为煤场的各分区煤堆内部平均温度。

可选的，还包括：

可视化显示煤场的环境数据及若干采集视角下的可见光图像和红外图像；

可视化显示煤场各采集视角下的煤堆区域识别结果；

可视化显示煤场各采集视角下的各分区煤堆表面温度、煤场各采集视角下的各分区煤堆内部温度以及煤场的各分区煤堆内部温度。

可选的，还包括：

根据煤场的各分区煤堆内部温度，当当前分区煤堆内部温度大于预设的温度预警阈值时，结合预设的分级预警判断指标，生成当前分区的分级预警信息。

本发明第二方面，提供一种基于双光谱的煤堆温度智能监测系统，包括：

数据获取模块，用于获取煤场的环境数据、分区信息及若干采集视角下的可见光图像和红外图像；

识别模块，用于根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果；

表面温度确定模块，用于根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度；

内部温度确定模块，用于根据煤场的环境数据和各采集视角下的各分区煤堆表面温度，通过预设的煤堆内外部温度关系拟合函数，得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度。

本发明第三方面，提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述基于双光谱的煤堆温度智能监测方法方法的步骤。

本发明第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述基于双光谱的煤堆温度智能监测方法方法的步骤。

与现有技术相比，本发明具有以下有益效果：

本发明基于双光谱的煤堆温度智能监测方法，通过根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果，采用可见光图像与红外图像实现对煤堆区域的精准提取，杜绝了诸如煤场建筑、设备以及人员等对红外测温数据结果的影响。同时，采用环境数据与各分区煤堆表面温度，基于预设的煤堆内外部温度关系拟合函数，实现对各分区煤堆内部温度的精准预测，进而提高对煤堆温度的监测精度，做到对危险情况的及时发现，同时降低误报等情况的发生。

附图说明

图1为本发明实施例的基于双光谱的煤堆温度智能监测方法流程图。

图2为本发明实施例的基于双光谱的煤堆温度智能监测系统结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合附图对本发明做进一步详细描述：

参见图1，本发明一实施例中，提供一种基于双光谱的煤堆温度智能监测方法，包括以下步骤：

S1：获取煤场的环境数据、分区信息及若干采集视角下的可见光图像和红外图像。

S2：根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果。

S3：根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度。

S4：根据煤场的环境数据和各采集视角下的各分区煤堆表面温度，通过预设的煤堆内外部温度关系拟合函数，得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度。

本发明基于双光谱的煤堆温度智能监测方法，通过根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果，采用可见光图像与红外图像实现对煤堆区域的精准提取，杜绝了诸如煤场建筑、设备以及人员等对红外测温数据结果的影响。同时，采用环境数据与各分区煤堆表面温度，基于预设的煤堆内外部温度关系拟合函数，实现对各分区煤堆内部温度的精准预测，进而提高对煤堆温度的监测精度，做到对危险情况的及时发现，同时降低误报等情况的发生。

在一种可能的实施方式中，可以通过在煤场边界附近布置若干双光谱热成像摄像机，来获取煤场的若干采集视角下的可见光图像和红外图像。其中，双光谱热成像摄像机一般设置在2个以上。煤场的环境数据可以通过在煤场内布置小型气象站的方式来获取，一般获取的环境数据包括环境温度、风速和空气湿度等，采样间隔一般不低于15分钟。

在一种可能的实施方式中，煤堆区域的识别要解决两个问题，一是从监控画面中识别出煤堆所在区域；二是确定不同煤堆所述煤场分区。前者实现对煤体的精准测温，后者实现对自然风险点的精准定位。受煤场接卸作业影响，煤堆区域变动较为频繁，因此，煤堆区域识别适宜采用语义分割深度学习算法实现。

基于上述，预设的煤堆识别语义分割模型可以通过如下方式构建得到：

1、调整可见光图像帧率与红外图像的帧率(25Hz)呈整数倍，并提取相同时间下的可见光图像与红外光图像作为样本。同时，根据红外光图像摄像范围对可见光图像进行裁剪，保证两者拍摄内容完全对应。

2、尽可能获取不同气象条件下的影像数据，包括不限于：晴天阳光直射煤堆、晴天阳光散射煤堆、阴天、雨雪天、大雾天，以及在白天与夜间的红外图像。

3、采用Labelme或EISeg开源智能标注工具，仅对样本中煤炭区域进行标注，并将数据集格式转为Pascal VOC或COCO。

4、基于FCN、DeepLab v3以及SegNet等模型，开展适用于红外图像的语义分割算法优化设计。

5、对比不同备选模型性能，以准确率为主要评价指标，选择合适模型作为最终语义分割模型并保存对应训练权重数据，得到预设的煤堆识别语义分割模型。

其中，在根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果时，可通过对煤料接卸，斗轮机、人员以及卸煤车移动等导致监控画面发生较明显变化的事件进行捕捉，触发煤堆识别语义分割模型运行，更新煤堆区域识别结果。

具体的，以固定帧率接收可见光图像与红外图像，在白天以可见光图像为依据，在夜晚以红外图像为依据，对图像进行边缘检测，判断前后图像边缘相似程度，超过阈值时触发煤堆识别语义分割模型。例如：每分钟抓取一次获取图像并进行边缘检测，将二值边缘图像分为若干区块，再每一区块缩放至8*8像素大小，计算缩小后二值图像像素排列表，即该分区Hash值；对比前后时间获取的Hash值队列，当至少有一个Hash值前后差异超过预设范围时，认为前后两张图像存在较为明显的差异，触发煤堆识别语义分割模型运行。同时约定，每隔十分钟自动触发一次煤堆识别语义分割模型运行。

在一种可能的实施方式中，所述根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度包括：根据煤场的分区信息，在煤场的各采集视角下的可见光图像和红外图像上标注煤场分区识别结果，得到煤场的各采集视角下的煤场分区识别结果；并根据煤场的各采集视角下的红外图像，得到煤场的各采集视角下的热成像温度数据；根据煤场的各采集视角下的煤堆区域识别结果、煤场分区识别结果和热成像温度数据进行布尔运算，得到煤场各采集视角下的各分区煤堆表面温度。

具体的，根据煤场分区建设情况，在摄像机拍摄区域内(包括可见光与红外光)以不规则多边形框选不同煤场区块。根据业务需要，同一条形煤场可分为若干分区或不分区。煤场分区识别结果一经人工标注完成，在摄像机视角不改变的情况下，无需频繁更新。基于红外图像，将热成像灰度值转换为对应温度值，以数组形式实时传输，返回各采集视角下的热成像温度数据。基于煤堆区域识别结果以及煤场分区识别结果，将热成像温度数据、煤堆区域识别结果以及各条形煤场的煤场分区识别结果进行布尔运算，获取各采集视角下煤场温度数组，将煤场温度数组与对应煤场分区识别模板组合，对煤场温度数组按区块分割，得到煤场各采集视角下的各分区煤堆表面温度。

在一种可能的实施方式中，所述煤堆内外部温度关系拟合函数通过如下方式得到：获取煤堆的历史表面温度数据、历史内部温度数据和历史环境数据；根据煤堆的历史表面温度数据、历史内部温度数据和历史环境数据，采用下述中的一种或几种模型：基于循环神经网络的回归模型、时间序列预测模型和分区段的线性回归模型，进行煤堆表面温度和环境数据与煤堆内部温度的关系拟合，将拟合结果最好的模型作为预设的煤堆内外部温度关系拟合函数。

具体的，影响煤堆升温的因素众多，目前尚未有成熟的经验公式来计算煤堆温度分布情况。因此，本实施方式中通过采集影响因素与煤堆内外部温度数据，通过对采集到的数据进行分析，拟合出各影响因素与煤堆内外部温度的对应关系，从而实现对煤堆内部温度的预测。同时，各个影响因素的获取情况存在较大差异，需要筛选并保留对温度预测有显著性影响的因素。本实施方式中，以环境数据为影响因素，可选的，还可以包括煤种等。

其中，煤堆的历史内部温度数据可以是通过测温杆测得的温度数据。在进行数据拟合时，考虑基于循环神经网络的回归模型、时间序列预测算法和分区段的线性回归模型，并检验不同模型的预测效果，选择最优模型作为最终拟合结果。

可选的，在该方法应用前，可以通过无线测温杆采集煤堆内部温度数据，为拟合函数拟合提供数据基础。此外，在该方法应用的前期阶段，在侦测到煤堆某区域存在异常高温现象后，人工布置无线测温杆，获取实时内部温度数据，与拟合函数的预测结果对比，并丰富历史内部温度数据，优化拟合函数；在该方法应用的成熟期，可以选择抛弃无线测温杆，直接通过拟合函数实现内部温度的预测。

在一种可能的实施方式中，所述内部温度包括内部最高温度和内部平均温度；所述得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度包括：将煤场各采集视角下的各分区煤堆内部最高温度，作为煤场的各分区煤堆内部最高温度；将煤场各采集视角下的各分区煤堆内部平均温度去面积加权均值后，作为煤场的各分区煤堆内部平均温度。

具体的，将不同采集视角下获得的结果进行融合，对最高温度取最大值，对平均温度去面积(长度)加权均值。可选的，判断融合后是否存在数据缺失，若缺失数据位于煤场内部，采用两侧最近数据做线性插值补全，若缺失数据位于煤场两端，采用最近邻数据做等值补全。

在一种可能的实施方式中，该基于双光谱的煤堆温度智能监测方法还包括：可视化显示煤场的环境数据及若干采集视角下的可见光图像和红外图像；可视化显示煤场各采集视角下的煤堆区域识别结果；可视化显示煤场各采集视角下的各分区煤堆表面温度、煤场各采集视角下的各分区煤堆内部温度以及煤场的各分区煤堆内部温度。

具体的，将各分区煤堆内部温度在煤场三维可视化页面进行实时展示，向用户展示煤堆内部温度分布情况以及危险点相对位置。可以使用立方块抽象表示煤场存煤，其高度表示某条形煤场某分区存煤高度即存煤量等信息；刻度轴用来表示沿煤场长边方向煤堆内部温度情况，当内部温度异常时还可显示高温图标。

在一种可能的实施方式中，该基于双光谱的煤堆温度智能监测方法还包括：根据煤场的各分区煤堆内部温度，当当前分区煤堆内部温度大于预设的温度预警阈值时，结合预设的分级预警判断指标，生成当前分区的分级预警信息。

本实施方式中，将煤自燃预警划分为五个等级，分别为绿色预警、蓝色预警、黄色预警、橙色预警和红色预警。其中，绿色预警的判断指标为煤堆内部最高温度连续3天以上超过70℃；蓝色预警的判断指标为煤堆内部最高温度连续3天以上超过90℃；黄色预警的判断指标为煤堆内部最高温度连续3天以上超过130℃；橙色预警的判断指标为煤堆内部最高温度连续3天以上超过170℃；红色预警的判断指标为煤堆内部最高温度超过210℃，且现场侦测到明烟明火。

下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未披露的细节，请参照本发明方法实施例。

参见图2，本发明再一实施例中，提供一种基于双光谱的煤堆温度智能监测系统，能够用于实现上述的基于双光谱的煤堆温度智能监测方法，具体的，该基于双光谱的煤堆温度智能监测系统包括数据获取模块、识别模块、表面温度确定模块以及内部温度确定模块。

其中，数据获取模块用于获取煤场的环境数据、分区信息及若干采集视角下的可见光图像和红外图像；识别模块用于根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果；表面温度确定模块用于根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度；内部温度确定模块用于根据煤场的环境数据和各采集视角下的各分区煤堆表面温度，通过预设的煤堆内外部温度关系拟合函数，得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度。

在一种可能的实施方式中，所述环境数据包括下述中的一个或几个：环境温度、风速和空气湿度。

在一种可能的实施方式中，所述根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度包括：根据煤场的分区信息，在煤场的各采集视角下的可见光图像和红外图像上标注煤场分区识别结果，得到煤场的各采集视角下的煤场分区识别结果；并根据煤场的各采集视角下的红外图像，得到煤场的各采集视角下的热成像温度数据；根据煤场的各采集视角下的煤堆区域识别结果、煤场分区识别结果和热成像温度数据进行布尔运算，得到煤场各采集视角下的各分区煤堆表面温度。

在一种可能的实施方式中，所述煤堆内外部温度关系拟合函数通过如下方式得到：获取煤堆的历史表面温度数据、历史内部温度数据和历史环境数据；根据煤堆的历史表面温度数据、历史内部温度数据和历史环境数据，采用下述中的一种或几种模型：基于循环神经网络的回归模型、时间序列预测模型和分区段的线性回归模型，进行煤堆表面温度和环境数据与煤堆内部温度的关系拟合，将拟合结果最好的模型作为预设的煤堆内外部温度关系拟合函数。

在一种可能的实施方式中，所述内部温度包括内部最高温度和内部平均温度；所述得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度包括：将煤场各采集视角下的各分区煤堆内部最高温度，作为煤场的各分区煤堆内部最高温度；将煤场各采集视角下的各分区煤堆内部平均温度去面积加权均值后，作为煤场的各分区煤堆内部平均温度。

在一种可能的实施方式中，还包括：可视化显示煤场的环境数据及若干采集视角下的可见光图像和红外图像；可视化显示煤场各采集视角下的煤堆区域识别结果；可视化显示煤场各采集视角下的各分区煤堆表面温度、煤场各采集视角下的各分区煤堆内部温度以及煤场的各分区煤堆内部温度。

在一种可能的实施方式中，还包括：根据煤场的各分区煤堆内部温度，当当前分区煤堆内部温度大于预设的温度预警阈值时，结合预设的分级预警判断指标，生成当前分区的分级预警信息。

前述的基于双光谱的煤堆温度智能监测方法的实施例涉及的各步骤的所有相关内容均可以援引到本发明施例中的基于双光谱的煤堆温度智能监测系统所对应的功能模块的功能描述，在此不再赘述。

本发明实施例中对模块的划分是示意性的，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，另外，在本发明各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于基于双光谱的煤堆温度智能监测方法的操作。

本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关基于双光谱的煤堆温度智能监测方法的相应步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种基于双光谱的煤堆温度智能监测方法，其特征在于，包括：

获取煤场的环境数据、分区信息及若干采集视角下的可见光图像和红外图像；

根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果；

根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度；

根据煤场的环境数据和各采集视角下的各分区煤堆表面温度，通过预设的煤堆内外部温度关系拟合函数，得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度。

2.根据权利要求1所述的基于双光谱的煤堆温度智能监测方法，其特征在于，所述环境数据包括下述中的一个或几个：环境温度、风速和空气湿度。

3.根据权利要求1所述的基于双光谱的煤堆温度智能监测方法，其特征在于，所述根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度包括：

根据煤场的分区信息，在煤场的各采集视角下的可见光图像和红外图像上标注煤场分区识别结果，得到煤场的各采集视角下的煤场分区识别结果；并根据煤场的各采集视角下的红外图像，得到煤场的各采集视角下的热成像温度数据；

根据煤场的各采集视角下的煤堆区域识别结果、煤场分区识别结果和热成像温度数据进行布尔运算，得到煤场各采集视角下的各分区煤堆表面温度。

4.根据权利要求1所述的基于双光谱的煤堆温度智能监测方法，其特征在于，所述煤堆内外部温度关系拟合函数通过如下方式得到：

获取煤堆的历史表面温度数据、历史内部温度数据和历史环境数据；

根据煤堆的历史表面温度数据、历史内部温度数据和历史环境数据，采用下述中的一种或几种模型：基于循环神经网络的回归模型、时间序列预测模型和分区段的线性回归模型，进行煤堆表面温度和环境数据与煤堆内部温度的关系拟合，将拟合结果最好的模型作为预设的煤堆内外部温度关系拟合函数。

5.根据权利要求1所述的基于双光谱的煤堆温度智能监测方法，其特征在于，所述内部温度包括内部最高温度和内部平均温度；所述得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度包括：

将煤场各采集视角下的各分区煤堆内部最高温度，作为煤场的各分区煤堆内部最高温度；将煤场各采集视角下的各分区煤堆内部平均温度去面积加权均值后，作为煤场的各分区煤堆内部平均温度。

6.根据权利要求1所述的基于双光谱的煤堆温度智能监测方法，其特征在于，还包括：

可视化显示煤场的环境数据及若干采集视角下的可见光图像和红外图像；

可视化显示煤场各采集视角下的煤堆区域识别结果；

可视化显示煤场各采集视角下的各分区煤堆表面温度、煤场各采集视角下的各分区煤堆内部温度以及煤场的各分区煤堆内部温度。

7.根据权利要求1所述的基于双光谱的煤堆温度智能监测方法，其特征在于，还包括：

根据煤场的各分区煤堆内部温度，当当前分区煤堆内部温度大于预设的温度预警阈值时，结合预设的分级预警判断指标，生成当前分区的分级预警信息。

8.一种基于双光谱的煤堆温度智能监测系统，其特征在于，包括：

数据获取模块，用于获取煤场的环境数据、分区信息及若干采集视角下的可见光图像和红外图像；

识别模块，用于根据煤场各采集视角下的可见光图像和红外图像，通过预设的煤堆识别语义分割模型，得到煤场各采集视角下的煤堆区域识别结果；

表面温度确定模块，用于根据煤场的分区信息以及各采集视角下的煤堆区域识别结果和红外图像，得到煤场各采集视角下的各分区煤堆表面温度；

内部温度确定模块，用于根据煤场的环境数据和各采集视角下的各分区煤堆表面温度，通过预设的煤堆内外部温度关系拟合函数，得到煤场各采集视角下的各分区煤堆内部温度并整合，得到煤场的各分区煤堆内部温度。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于双光谱的煤堆温度智能监测方法方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于双光谱的煤堆温度智能监测方法方法的步骤。

Images