CN117629424A - 用于无人值守场所的红外测温校准方法 - Google Patents

Abstract

本发明提供一种用于无人值守场所的红外测温校准方法，在无人值守场所设置环境探测模块和红外热成像设备，环境探测模块获取无人值守场所的大气湿度数据和大气温度数据，通过红外热成像设备获取目标设备的红外热成像图像，根据目标设备的红外热成像图像获得目标设备的第一温度数据，获取红外热成像设备的相机焦平面数值和变倍数值，获取测量黑体的标定温度数据；将大气湿度数据、大气温度数据、相机焦平面数值、变倍数据、标定温度数据输入神经网络模型进行处理，获得温度修正数据，根据温度修正数据对第一温度数据进行修正，获得第二温度数据，将第二温度数据作为目标设备的最终测量温度数据进行输出，在实现远距离测温的同时提高测温数据精度。

Description

用于无人值守场所的红外测温校准方法

技术领域

本发明涉及红外测温技术领域，尤其涉及一种用于无人值守场所的红外测温校准方法。

背景技术

随着自动化技术和信息技术的发展，部署有大量自动运行设备的无人值守场所的数量与日俱增。在无人值守场所中，经常会出现机器设备由于工作或故障产生能量损耗从而导致自身温度上升的情况，当自身温度持续高于正常值时，机器设备不但会缩短运行寿命，而且存在安全隐患，情况严重时可能会导致安全事故的发生，影响正常生产，因此需要对机器设备的运行温度进行实时监测。目前在无人值守场所通常是借助红外热成像设备实现对机器设备运行温度的监测。红外热成像技术是一种非接触式温度测量技术，针对被测温目标，可以将物体表面温度场分布进行直观、清晰的测温展示。但是目前红外测温技术在无人值守现场的实际应用中，测量结果与实际情况往往存在一定的偏差，这是因为红外辐射信号会受到多种因素的干扰，导致其准确性得不到保证。

发明内容

鉴于此，本发明的目的在于提供一种用于无人值守场所的红外测温校准方法，利用环境探测模块探测无人值守场所大气温度和大气湿度数据，通过改变红外热成像设备焦距对目标设备进行远距离红外测温，最后通过神经网络模型进行非线性拟合对红外测温数据进行修正，获得更加准确的目标设备温度数据。

为实现上述发明目的，本发明提供一种用于无人值守场所的红外测温校准方法，所述方法包括以下步骤：

S101、在无人值守场所设置环境探测模块和红外热成像设备；

S102、通过环境探测模块获取无人值守场所的大气湿度数据和大气温度数据；

S103、通过红外热成像设备获取目标设备的红外热成像图像，根据目标设备的红外热成像图像获得目标设备的第一温度数据，获取红外热成像设备的相机焦平面数值和变倍数值；

S104、获取测量黑体的标定温度数据；

S105、将大气湿度数据、大气温度数据、相机焦平面数值、变倍数据、标定温度数据输入神经网络模型进行处理，获得温度修正数据；

S106、根据温度修正数据对第一温度数据进行修正，获得第二温度数据，将第二温度数据作为目标设备的最终测量温度数据进行输出。

进一步的，在步骤S105之前，还包括步骤：对神经网络模型进行预训练。

进一步的，对神经网络模型进行预训练，具体包括以下步骤：

S201、获取训练用数据集，所述训练用数据集标注有温度修正数据，训练用数据集用于表征大气湿度数据、大气温度数据，红外热成像设备的相机焦平面数值和变倍数值，以及测量黑体的标定温度数值；

S202、通过训练用数据集对神经网络模型进行训练，直至模型达到收敛。

进一步的，训练用数据集的获取具体包括以下步骤：

S301、将红外热成像设备以及测量黑体放入测温标定箱中；

S302、使用红外热成像设备在设置不同相机焦平面数值、变倍数值的情况下，对测量黑体的灰度值进行测量并记录，生成记录测量黑体灰度值与不同相机焦平面数值、变倍数值映射关系的映射表，完成红外热成像设备的测温标定；

S303、不断调整测温标定箱内的温度和湿度，通过多次试验模拟不同大气温度和湿度条件对红外热成像设备测温标定的影响，获得试验过程数据，所述试验过程数据包括不同大气温度、湿度下红外热成像设备对测量黑体进行测量得到的第三温度数据；

S304、基于映射表、测量黑体的标定温度和第三温度数据，得到不同大气湿度数据、大气温度数据、相机焦平面数值和变倍数值下的温度修正数据，所述温度修正数据表征对红外热成像设备的温度测量数据与测量黑体标定温度进行比较后修正以得到实际温度数据的修正数值。

进一步的，所述神经网络模型由前至后依次包括包括输入层、第一非线性模块、第一隐藏层、第二非线性模块、第二隐藏层和输出层。

进一步的，所述第一非线性模块、第二非线性模块用于对上一层的输出进行软阈值化处理，将软阈值化处理结果作为下一层的输入。

与现有技术相比，本发明的有益效果是：

本发明提供的一种用于无人值守场所的红外测温校准方法，在通过环境探测模块采集大气温度和大气湿度数据的同时，增加红外变倍因素对无人值守场所的目标设备进行远距离红外测温，通过神经网络模型基于大气温度、大气湿度、红外测温设备的焦平面数值、变倍数值等参数计算温度修正数据，对红外热成像设备的测温结果进行修正，从而弥补现有技术中对目标设备进行红外测温仅考虑单一因素，测温精度不高等缺陷，提高红外测温数据的准确性，所述方法适用场景广泛，测温范围更广。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要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优选实施例，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是本发明实施例提供的一种用于无人值守场所的红外测温校准方法整体流程示意图。

图2是本发明实施例提供的神经网络模型框架示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。

参照图1，本实施例提供一种用于无人值守场所的红外测温校准方法，所述方法包括以下步骤：

S101、在无人值守场所设置环境探测模块和红外热成像设备。

S102、通过环境探测模块获取无人值守场所的大气湿度数据和大气温度数据。

S103、通过红外热成像设备获取目标设备的红外热成像图像，根据目标设备的红外热成像图像获得目标设备的第一温度数据，获取红外热成像设备的相机焦平面数值和变倍数值。

S104、获取测量黑体的标定温度数据。

S105、将大气湿度数据、大气温度数据、相机焦平面数值、变倍数据、标定温度数据输入神经网络模型进行处理，获得温度修正数据。

S106、根据温度修正数据对第一温度数据进行修正，获得第二温度数据，将第二温度数据作为目标设备的最终测量温度数据进行输出。

在将大气湿度数据、大气温度数据、相机焦平面数值、变倍数据、标定温度数据输入神经网络模型进行处理前，需要对神经网络模型进行预训练。本实施例中，对神经网络模型进行预训练，具体包括以下步骤：

S201、获取训练用数据集，所述训练用数据集标注有温度修正数据，训练用数据集用于表征大气湿度数据、大气温度数据，红外热成像设备的相机焦平面数值和变倍数值，以及测量黑体的标定温度数值。

S202、通过训练用数据集对神经网络模型进行训练，直至模型达到收敛。

作为一种优选的示例，训练用数据集的获取具体包括以下步骤：

S301、将红外热成像设备以及测量黑体放入测温标定箱中。

S302、使用红外热成像设备在设置不同相机焦平面数值、变倍数值的情况下，对测量黑体的灰度值进行测量并记录，生成记录测量黑体灰度值与不同相机焦平面数值、变倍数值映射关系的映射表，完成红外热成像设备的测温标定。

S303、不断调整测温标定箱内的温度和湿度，通过多次试验模拟不同大气温度和湿度条件对红外热成像设备测温标定的影响，获得试验过程数据，所述试验过程数据包括不同大气温度、湿度下红外热成像设备对测量黑体进行测量得到的第三温度数据。

S304、基于映射表、测量黑体的标定温度和第三温度数据，得到不同大气湿度数据、大气温度数据、相机焦平面数值和变倍数值下的温度修正数据，所述温度修正数据表征对红外热成像设备的温度测量数据与测量黑体标定温度进行比较后修正以得到实际温度数据的修正数值。

本实施例中，所述神经网络模型可以采用BP神经网络，BP神经网络可进行并行分布式处理，具有可学习性、鲁棒性和容错性，泛化能力强。参照图2，所述神经网络模型由前至后依次包括输入层、第一非线性模块、第一隐藏层、第二非线性模块、第二隐藏层和输出层。

所述第一非线性模块、第二非线性模块用于对上一层的输出进行软阈值化处理，将软阈值化处理结果作为下一层的输入。软阈值化的公式如下所示：

上式中，x表示上一层的输出，t表示预先设置的阈值。

本实施例中将大气湿度数据、大气温度数据、相机焦平面数值、变倍数据、标定温度数据作为输入层的输入，第一非线性模块对输入层的输出进行软阈值化处理，软阈值化处理结果y1作为第一隐藏层的输入，第二非线性模块对第一隐藏层的输出再次进行软阈值化处理，其处理结果y2作为第二隐藏层的输入，最后经过输出层输出温度修正数据。

本实施例所提供的方法通过具备变倍功能的红外热成像设备实现对目标设备的远距离红外测温，同时通过环境探测模块获取无人值守场所的大气温湿度数据，将大气温湿度数据、红外热成像设备的焦平面数值和变倍数值、测量黑体的标定温度数据作为神经网络模型的输入参数，由于大气温湿度、焦平面数值和变倍数值等因素与红外测温结果都属于非线性关系，因此神经网络模型对上述输入参数进行非线性拟合，从而得到温度修正数据，根据温度修正数据对红外热成像设备采集的目标设备第一温度数据进行修正，得到更加准确的第二温度数据作为目标设备的最终测量温度数据，从而在实现远距离测温的同时提高无人值守场所下设备运行温度监测的准确性。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于无人值守场所的红外测温校准方法，其特征在于，所述方法包括以下步骤：

S101、在无人值守场所设置环境探测模块和红外热成像设备；

S102、通过环境探测模块获取无人值守场所的大气湿度数据和大气温度数据；

S103、通过红外热成像设备获取目标设备的红外热成像图像，根据目标设备的红外热成像图像获得目标设备的第一温度数据，获取红外热成像设备的相机焦平面数值和变倍数值；

S104、获取测量黑体的标定温度数据；

S105、将大气湿度数据、大气温度数据、相机焦平面数值、变倍数据、标定温度数据输入神经网络模型进行处理，获得温度修正数据；

S106、根据温度修正数据对第一温度数据进行修正，获得第二温度数据，将第二温度数据作为目标设备的最终测量温度数据进行输出。

2.根据权利要求1所述的一种用于无人值守场所的红外测温校准方法，其特征在于，在步骤S105之前，还包括步骤：对神经网络模型进行预训练。

3.根据权利要求2所述的一种用于无人值守场所的红外测温校准方法，其特征在于，对神经网络模型进行预训练，具体包括以下步骤：

S201、获取训练用数据集，所述训练用数据集标注有温度修正数据，训练用数据集用于表征大气湿度数据、大气温度数据，红外热成像设备的相机焦平面数值和变倍数值，以及测量黑体的标定温度数值；

S202、通过训练用数据集对神经网络模型进行训练，直至模型达到收敛。

4.根据权利要求3所述的一种用于无人值守场所的红外测温校准方法，其特征在于，训练用数据集的获取具体包括以下步骤：

S301、将红外热成像设备以及测量黑体放入测温标定箱中；

S302、使用红外热成像设备在设置不同相机焦平面数值、变倍数值的情况下，对测量黑体的灰度值进行测量并记录，生成记录测量黑体灰度值与不同相机焦平面数值、变倍数值映射关系的映射表，完成红外热成像设备的测温标定；

S303、不断调整测温标定箱内的温度和湿度，通过多次试验模拟不同大气温度和湿度条件对红外热成像设备测温标定的影响，获得试验过程数据，所述试验过程数据包括不同大气温度、湿度下红外热成像设备对测量黑体进行测量得到的第三温度数据；

S304、基于映射表、测量黑体的标定温度和第三温度数据，得到不同大气湿度数据、大气温度数据、相机焦平面数值和变倍数值下的温度修正数据，所述温度修正数据表征对红外热成像设备的温度测量数据与测量黑体标定温度进行比较后修正以得到实际温度数据的修正数值。

5.根据权利要求1所述的一种用于无人值守场所的红外测温校准方法，其特征在于，所述神经网络模型由前至后依次包括包括输入层、第一非线性模块、第一隐藏层、第二非线性模块、第二隐藏层和输出层。

6.根据权利要求5所述的一种用于无人值守场所的红外测温校准方法，其特征在于，所述第一非线性模块、第二非线性模块用于对上一层的输出进行软阈值化处理，将软阈值化处理结果作为下一层的输入。