CN1693859A - 基于数据融合的非接触式高温测量方法 - Google Patents

Abstract

本发明属于一种高温物体的温度测量的方法。其特征是用图像采集设备对高温发光物体进行拍摄，获得物体的图像。物体成像区域的每个象素点都记录了物体发光的颜色信息，而颜色与温度又存在着确定的对应关系。基于数据融合的基本思想，以高温发光物体的图像作为集成多传感器，提出了一种新的非接触式测温方法。该方法与图像处理技术相结合，将图像中每一个象素点看作一个传感器，把各象素点的色调值进行融合后，代入已标定的色调－温度函数式，从而获得物体的温度。本发明的效果和益处是图像作为温度传感器，可以有效抑制干扰，减小状态估计的误差。通过对图像进行处理，还可以得到物体的温度场，利用本方法进行温度监控，具有便捷、经济的优点。

Description

基于数据融合的非接触式高温测量方法

技术领域

本发明属于工业温度测量技术领域，涉及到使用集成温度传感器测量非接触式高温物体温度的方法。

背景技术

迄今为止，公开介绍的温度测量方法分为接触法和非接触法。由于接触式测温是建立在热交换原理的基础之上，测量时必须使传感器与被测对象接触，这种点测量容易使温度的真实值改变，而且测量温度存在滞后现象，精度不高，特别是难以实现对高温被测对象的实时在线检测。传统的非接触测温方法如光学高温计，虽然使用方便，但精度稍差，不能连续测试。基于图像的非接触式测温方法可成为连续温度测量系统，易于对温度场实现在线、实时监测。已有的非接触式测温方法有辐射测温法、原子光谱法和光学干涉测量法三类。(1)基于图像处理技术的辐射测温法技术成熟、简单方便、抗干扰能力好，特别是由CCD构成的比色测温系统，通过摄取燃烧室内部或高温物体某个时刻的瞬时图像，可以计算出整个温度分布。(2)基于图像处理技术的光谱诊断测温法，它的时间分辨率、空间分辨率以及光谱分辨率均相当高；可以用来测量燃烧场的分子密度、温度及浓度分布等参量，对分析燃烧场的燃烧过程具有非常重要的指导意义；已广泛应用于敞开火焰、内燃机、发动机等燃烧场的测量诊断中。但这种方法对测量的环境条件要求比较高，不适合用于工业的温度测量。(3)基于图像处理技术的光学干涉测温法对被测量对象干扰小，常用于研究燃烧过程，以及探索有害排放物的生成机理。应用全息干涉法还可方便地进行三维温度场的重建。

上述的非接触式测温方法具有不破坏被测物体的温度分布、灵敏度高的优点，但对客观环境条件要求也比较高。如对物体的发射率、中间介质等有较严格的要求。

数据融合是一门新兴的信息综合处理技术。利用多传感器数据融合理论，可将某一待测物理量的多源信息进行融合，与单一传感器测量结果相比，可以有效抑制干扰，减小状态估计的误差，更准确的估计出待测物理量的状态。由此可见，多传感器测量应是未来检测工程中的主流。

如果采用多个热电阻或热电偶进行温度测量，传感器与物体之间的热交换能量势必随着传感器数目的增加而增大，物体的真实温度将更大程度上被改变。若采用多个红外温度传感器，由于其造价高，使得多个红外传感器对某一状态测量的意义不大。

可见，应用数据融合方法进行温度检测，必须寻找与之相适应的集成多传感器。然而，至今大多数传感器都是非集成的或集成度很低，不能进行数据融合。

发明内容

本发明的目的是提供一种高温物体的温度测量的方法。即：在发现高温发光物体(800℃-1600℃)的图像具有集成温度传感器的性质的基础上，基于数据融合的基本思想，以高温发光物体的图像作为集成多传感器，提出一种图像测温法。该方法与图像处理技术相结合，将图像中每一个象素点看作一个传感器，把各象素点的色调值进行融合后，代入已标定的色调—温度函数式，从而获得物体的温度。

本发明的技术方案如下：

a)高温发光物体温度与其颜色特性之间的物理机理

任何温度大于绝对零度的物体，都会产生热辐射，且其辐射光谱随温度升高逐渐向高频段扩展。常温下物体一般会辐射出人眼视觉以外的红外线，当温度升高到一定程度，辐射光谱就会有一部分落在波长为380nm～760nm范围内，即产生可见光。对于黑体，其光谱能量分布与温度对应关系由下述普朗克公式给出。

$M_{\mathrm{\λb}}(\mathrm{\λ},T)=\frac{2\mathrm{\πh}{C}^2}{{\mathrm{\λ}}^5}\·\frac{1}{\frac{\mathrm{hC}}{e^{\mathrm{k\λT}}}-1}---\left(1\right)$

式中，C为光速，h为普朗克常数，λ为波长，T为绝对温度。由普朗克公式可见，黑体的光谱能量分布与物体温度有着确定的对应关系。实际上，具有绝对黑体性质的物体是不存在的，实际物体的M_λ(λ，T)总比黑体的M_λb(λ，T)小。但与黑体一样，其光谱能量分布与温度的对应关系仍然是确定的。而光的颜色仅由其在可见光段的光谱能量分布所决定。因而，热辐射物体的温度就与其发光颜色间建立了确定的对应关系。同时，对同一物体，因其发光颜色随温度上升单调变化，不存在同色异谱现象。因此，根据物体发光颜色即可确定其温度。

b)集成温度传感器的加权融合算法

设n个温度传感器对物体温度的观测方程为：

     Y＝Hx+e                                                (2)

式中x为一维状态量；Y为n维测量向量，设Y＝[y₁y₂...y_n]^T；e为n维测量噪声向量，包含传感器的内部噪声和环境干扰噪声，设e＝[e₁e₂...e_n]^T；H为已知的n维常向量，设H＝[11...1]^T。采用加权最小二乘法从测量向量Y中估计出状态量x的估计量。加权最小二乘法估计的准则是使加权误差平方和J_w()＝(Y-H)^TW(Y-H)取极小值。其中W是一个正定对角加权阵，设W＝diag(w₁w₂...w_n)。对Jw()求偏导数，并令 $\frac{{\∂J}_W\left(\hat{x}\right)}{\∂\hat{x}}=-H^T(W+W^T)(Y-H\hat{x})=0$ 便得到加权最小二乘估计：

$\hat{x}={\left(H^T\mathrm{WH}\right)}^{-1}{H}^T\mathrm{WY}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i{y}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i}---\left(3\right)$

对测量噪声作如下假设：(1)各传感器的测量噪声为相互独立的白噪声；(2)由于测量噪声是传感器内部噪声和环境干扰等多种相互独立因素引起的，利用概率知识可以证明：多个相互独立的随机变量相加之和接近正态分布。因而可以假设测量噪声的分布规律也是正态的。所以有：E[e_i]＝0，写成矩阵形式为：

          E[e]＝O                                     (4)

          E[ee^T]＝R＝diag(R₁R₂...R_n)                  (5)

其中：Ri为第i个传感器的测量方差，R为测量方差阵。设

为估计误差，则

可表示为

$\tilde{x}=x-\hat{x}---\left(6\right)$

由(3)和(6)可得估计方差为：

$E\left[{(x-\hat{x})}^2\right]=E\left[{(x-\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i{y}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i})}^2\right]=E\left\{{\left\{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\right[\frac{w_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i}(x-y_i)\left]\right\}}^2\right\}$

$=E\left\{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\right[{\left(\frac{w_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i}\right)}^2{(x-y_i)}^2]+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{\stackrel{j=1}{j\≠i}}{\overset{n}{\mathrm{\Σ}}}[\frac{w_i{w}_j}{{\left[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i\right]}^2}(x-y_i)(x-y_j)\left]\right\}---\left(7\right)$

由于e_i，e_j(i≠j)相互独立，所以由(2)，(4)得：

E[(x-y_i)(x-y_j)]＝E(x-y_i)E(x-y_j)＝0    (i≠j)      (8)

将(8)代入(7)，则(7)可化简为：

$E\left[{(x-\hat{x})}^2\right]=E\left\{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\right[{\left(\frac{w_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i}\right)}^2{(x-y_i)}^2\left]\right\}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left(\frac{w_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i}\right)}^2{R}_i---\left(9\right)$

对(9)求极小值，取w_i的偏导数，并令其等于零得：

$w_i=\frac{1}{R_i}---i=\mathrm{1,2},\·\·\·,n$

(10)将(10)代入(9)可得估计方差为：

$E={[(x-\hat{x})}^2]=$ $\frac{1}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{R_i}}---\left(11\right)$

由(11)不难看出，采用加权融合的估计方差比任何一个传感器的测量方差都小，当以算术平均作为温度的估计时，其估计方差为 可以证明加权融合方差 $\frac{1}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{R_i}}\≤\frac{1}{n^2}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{R}_i,$ 证明过程如下：

证明：由于方差R_i≥0时，上式等价于：

$n^2\≤\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{R_i}\right)\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{R}_i\right)---\left(12\right)$

当n＝2时， $\mathrm{\Θ}4\≤1+{\left(\sqrt{\frac{R_1}{R_2}}\right)}^2+{\left(\sqrt{\frac{R_2}{R_1}}\right)}^2+1$

∴ $2^2\≤(\frac{1}{R_1}+\frac{1}{R_2})(R_1+R_2)=\left(\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\frac{1}{R_i}\right)\left(\underset{i=1}{\overset{2}{\mathrm{\Σ}}}{R}_i\right)$

假设 $n^2\≤\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{R_i}\right)\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{R}_i\right)$ 成立，

$\mathrm{\Θ}{n}^2+2*n+1\≤(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{R_i}+\frac{1}{R_{n+1}})(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{R}_i+R_n)$

∴ ${(n+1)}^2\≤\left(\underset{i=1}{\overset{n+1}{\mathrm{\Σ}}}\frac{1}{R_i}\right)\left(\underset{i=1}{\overset{n+1}{\mathrm{\Σ}}}{R}_i\right)$ 成立

由归纳法知，式(12)成立，说明加权融合的效果要优于算术平均估计。

c)图像作为集成温度传感器

用图像采集设备对高温发光物体进行拍摄，获得物体的图像。物体成像区域的每个象素点都记录了物体发光的颜色信息，而颜色与温度又存在着确定的对应关系，则每个象素点都是一个温度传感器，一幅图像就可以看作一个集成多传感器。在标定时，可先把所选中象素点的颜色值作一个融合处理，融合后颜色的方差势必极大的减小。由于参加融合处理的象素点数目极多，为了简便，可以把参加融合的象素点的颜色值进行加权融合。设每个象素点所记录颜色信息的方差为R_i(i＝1，2，Λ，n)，则经过加权融合，颜色信息的估计方差为 由于能获得对应温度下相当准确的图像颜色值，进而就能得到较为准确的温度与图像颜色值之间的对应函数关系。

本发明的效果益处如下：

图像作为温度传感器，可以有效抑制干扰，减小状态估计的误差。本方法特别适用于对表面积较大的高温发光物体进行测量，如冶金工业中的出炉金属板等，通过对图像进行处理，还可以得到物体的温度场，利用图像测温法进行温度监控，具有便捷、经济的优点。

附图说明

附图1为SONY公司的MVC-CD200数码相机(分辨率为1600×1200)在800℃时所拍的图像。

附图2为温度t与色调值H之间的关系曲线。

具体实施方式

以下结合技术方案和附图进行详细叙述图像测温的步骤和实施例。

1).图像的标定

a)固定高温发光物体与图像采集设备的相对位置，在不同的温度点，拍摄高温发光物体的图像。

b)对图像进行区域分割，取能表示高温发光物体颜色的象素点，选取原则是在物体的主要部位随机选取，数目在1000到20000之间，提取这些象素的R、G、B三刺激值，对这些R、G、B值进行加权融合处理。

c)采用HSI色度系统模型，其中H为色调，反映了辐射光谱的分布；S为饱和度；I为亮度。色调反映了光谱的能量分布，因而可以用来度量颜色值。将步骤b)中计算的R、G、B的加权融合值转换为色调值H，其转换公式为：

$V_1=\frac{1}{\sqrt{2}}R-\frac{1}{\sqrt{2}}G---\left(13\right)$

$V_2=\frac{2}{\sqrt{6}}R-\frac{1}{\sqrt{6}}G-\frac{1}{\sqrt{6}}B---\left(14\right)$

$H=\left\{\begin{array}{cc}\arctan \left(\frac{V_2}{V_1}\right)& (\arctan \left(\frac{V_2}{V_{1_1}}\right)\&GreaterEqual;0)\\ \arctan \left(\frac{V_2}{V_1}\right)+\mathrm{\&pi;}& (\arctan \left(\frac{V_2}{V_{1_1}}\right)<0)\end{array}---\left(15\right)\right.$

d)在选定的温度段，拟合出温度(t)与色调值(H)之间的关系曲线t＝f(H)。

2).用图像测温

对上述同一物质的高温发光物体进行拍照，按照具体实施中的方式1)中的步骤b)、c)计算出H值后，代入步骤d)中t＝f(H)即得该物体的温度。

实施例

本例程的测量对象为国家二级计量单位、大连星火科技公司的温度计量设备——高温黑体炉，所用图像采集设备为SONY公司的MVC-CD200数码相机。

附图1为数码相机在800℃时所拍的图像。

a)图像的标定

在800～1050℃间每隔50℃设置一个标定点。表1为所选中象素点经融合处理后的色调值H与其所对应的温度t的数据表。

表1标定点的温度与色调值

色调值H	温度值t(℃)
		1.583335136351051.404640017106911.255825039451991.148640619839751.094236639356791.03413378578405	80085090095010001050

将表1中t与H之间的对应关系用最小二乘法拟合成4次多项式，为：

     t＝a₀+a₁H+a₂H²+a₃H³+a₄H⁴                          (16)

式中：a₀＝5367.93114707147、a₁＝-8265.18554572256、a₂＝4633.89185329371、a₃＝-420.31156262287、a₄＝-227.53347309165，附图2为t与H之间的关系曲线。

b)对黑体炉温度的测量

分别在825℃、875℃、925℃、975℃、1025℃时对黑体炉进行拍照，在各幅图像的主要部位随机选取5000个象素点，计算出各幅图像中所选定象素点的融合色调值H，并将这些H值分别代入(16)式，即可得出测量点黑体炉的温度。表2给出了这一实验的测量数据及误差。

表2实验测量数据及相对误差

黑体炉的真实温度(℃)	色调值	测量的温度值(℃)	相对误差(％)
				8258759259751025	1.504054724904781.320443380897081.203581806357331.115693273372381.05017014927726	824.86874.35922.51978.381035.05	-0.017-0.074-0.2690.3470.980

通过表2中的数据可以看出，温度测量结果在所选温度段的精度较高，在1％以内。同时，基于数据融合的基本思想提出的这种图像测温法，有较强的抗干扰能力。

Claims (1)

1.一种基于数据融合的非接触式高温测量方法，其特征是用图像采集设备对高温发光物体进行拍摄，获得物体的图像，物体成像区域的每个象素点都记录了物体发光的颜色信息，而对于同一物体，其颜色与温度又存在着确定的对应关系，则每个象素点都是一个温度传感器，一幅图像就可以看作一个集成多传感器；在进行标定时，从物体主要部位上随机选取数目介于1000-20000之间的象素点作为处理对象，对这些象素点的颜色值进行加权融合，则经过加权融合获得颜色信息的估计方差，根据标定的温度及其对应的图像颜色值，建立温度与图像象素点经融合处理后的色调值之间的对应函数关系式，通过将物体拍照后的选定点融合色调值代入上述函数式，即可获得该物体的温度。

Images