CN106017690A - 一种多目标自动区分测温方法及*** - Google Patents
一种多目标自动区分测温方法及*** Download PDFInfo
- Publication number
- CN106017690A CN106017690A CN201610058262.2A CN201610058262A CN106017690A CN 106017690 A CN106017690 A CN 106017690A CN 201610058262 A CN201610058262 A CN 201610058262A CN 106017690 A CN106017690 A CN 106017690A
- Authority
- CN
- China
- Prior art keywords
- pixel
- temperature
- container
- stored
- transfinites
- 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
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000009529 body temperature measurement Methods 0.000 title abstract description 14
- 230000005855 radiation Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 17
- 239000003532 endogenous pyrogen Substances 0.000 claims description 5
- 108010052620 leukocyte endogenous mediator Proteins 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 description 17
- 230000011218 segmentation Effects 0.000 description 15
- 239000000463 material Substances 0.000 description 12
- 230000008859 change Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000005457 Black-body radiation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 108091093017 HSUR Proteins 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
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
- G01J5/0003—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter
-
- 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
- G01J5/80—Calibration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及温度检测领域,提供了一种多目标自动区分测温方法,所述方法包括:多目标自动区分方法和测温模型,同时本发明还提供相对应的***。不仅可以对多目标物进行自动区分,还可以采用测温模型对热源温度进行补偿,更准备地测量计算出物体的真实温度。多目标自动区分方法能有效防止探测环境中热源的遗漏,大大降低了未知火源导致的二次火灾的发生;测温模型克服一系列的因素的影响,更为准确地测量物体热源温度,大大提高了测温精度。
Description
技术领域
本发明涉及温度检测领域,尤其涉及一种多目标自动区分测温方法及***。
背景技术
常见一般红外热像仪前端测试的测温原理:在相同温度下,实际物体的同一波长内辐射的功率总是小于黑体辐射的规律。实际物体的热辐射在红外波长范围内,可以近似看成灰体辐射。热图像中每一个点的裸数据值与物体表面的红外辐射值都有相对应的关系,但直接从裸数据值计算的温度并不是真实的物体表面温度,依据普朗克辐射定律,可拟合曲线法将其转换为真实的物体温度。
拟合曲线法:表定时,在一定条件下(黑体和镜头之间的距离、环境温度等),用红外热像仪对着不同温度下的基准黑体热源(在任何温度下能吸收任何波长辐射的物体)进行测量,采集热图像的裸数据,用最小二乘法拟合测量数据,得到一条热值与温度关系的最近拟合曲线,同时能够求出描述标定曲线的数学模型中各项标定常量的值,得到具体的数学模型。实时测温时,直接在数学模型中将裸数据值转换为真实温度值。
拟合公式一:
其中,H(Tr)是真实温度,a、b、c是常量系数,Tr是辐射温度,exp是以自然常数e为底的指数函数。
拟合公式二:
H(Tr)=a*Tr+b (2)
其中,H(Tr)是真实温度,a、b、是常量系数,Tr是辐射温度。
采用上述两个拟合公式均可直接在数学模型中将裸数据值转换为真实温度值。但是红外热图像只是物体表面的辐射温度分布,不是真实的温度分布。另外,由于辐射温度把物体表面的发射率作为1折算的,这是一种理想的状况。由于实际物体并不是黑体,表面发射率要小于1,所以有时辐射温度与真实温度差异较大。目前采用的做法是在对被测物体的测试过程中,当被测物体的温度变化范围不大时,且测试时间不长,可以近似满足两个假设条件:环境辐射在测试过程中不变;物体发射率随温度的变化可以忽略。常采用温度补偿的测试方法,例如双线性温度补偿模型。
双线性温度补偿模型:
Hsur=A0+A1Td+A2Te (3)
其中,Hsur是温度补偿结果参数,A0、A1和A2为常量系数,Td为环境温度,Te为大气温度。
温度补偿公式:
其中,H(Tr,Td,Te)为温度补偿结果,A1和A2为常量系数,Td为环境温度,Te为大气温度,a、b、c是常量系数,Tr是辐射温度,exp是以自然常数e为底的指数函数。
另外,还有一些常见高端特殊测温方式,例如根据每个红外能量, 经过相应的换算公式计算出所测物体的温度,但是此方法需要14位数字图像才能更准确地计算出真实温度值。通过强大的算法公式及数字图像处理能力可以得到全屏的温度数据,再加上算子修正才能使得温度数据更加准确,同时对硬件***要求较高。
以上基于红外热像仪的测温方法只能近距离测出物体表面的温度,同时这种测温方式的最大弊端则是在距离上的影响,近距离时没有进行补偿消除距离的影响,远距离的测温则不准确。
发明内容
本发明的目的在于提供一种多目标自动区分测温方法及***,旨在解决现有的测温方法无法对多目标进行自动区分和测温精度低等问题。
第一方面,一种多目标自动区分测温方法,所述方法包括以下步骤:
S1、采用多目标自动区分方法,获取版面内热源分布情况;
S2、统计所述版面内热源信息,利用测温模型计算热源温度。
进一步地,在S1步骤中,所述多目标自动区分方法包括以下步骤:
S1a:预先生成容器,并对所述容器进行编号,即第一容器、第二容器和第n容器,n为正整数;
S1b:获取超限像素点在版面内的坐标位置,按像素点的大小将其分为第一超限像素点、第二超限像素点和第N超限像素点,N为正整数,将第一超限像素点存入所述第一容器中;
S1c:从第二超限像素点开始,通过位置比较方法判断剩余超限像素点是否在已经存入超限像素点的容器内,若是,则存入该容器内,若否,则存入下一个容器内;
S4d:重复步骤S1c,直至所有超限像素点都存入到相应的容器中为止。
进一步地,在S2步骤中,所述测温模型具体为:
T=(Tmid-Tlow)/(Thigh-Tlow)*10+Tma (1)
Tlow=CcoeX+Ccon (2)
Thigh=CcosLn(S)+Ccon (3)
其中,T表示计算所得真实温度,S为像素点个数,C表示常量系数,即Ccos、Ccon为常量系数,Tlow为温度分段的低温度值,Thigh为温度分段的高温度值,Tmid为温度计算值,Tma为补偿系数,X为常数系数,Ln为以e为底数的对数函数。
进一步地,在步骤S1c中,所述位置比较方法具体为:比较超限像素点位置是否在已经存入超限像素点容器的像素点的预设像素范围内。
进一步地,在S2步骤之后还包括:根据热源温度,将热源进行排序并定位。
进一步地,在S2步骤之后还包括:判断热源温度是否达到报警条件,若是,报警并将信息推送给用户。
第二方面,一种多目标自动区分测温***,所述***包括:获取模块和统计计算模块;
所述获取模块,用于采用多目标自动区分方法,获取版面内热源分布情况;
所述统计计算模块,用于统计所述版面内热源信息,利用测温模型计算热源温度。
进一步地,所述获取模块还包括:生成子模块、获取划分子模块、第一存入子模块、判断子模块和第二存入子模块;
所述生成子模块,用于预先生成容器,并对所述容器进行编号,即第一容器、第二容器和第n容器,n为正整数;
所述获取划分子模块,用于获取超限像素点在版面内的坐标位置,按像素点的大小将其分为第一超限像素点、第二超限像素点和第N超限像素点,N为正整数;
所述第一存入子模块,用于将第一超限像素点存入所述第一容器中;
所述判断子模块,用于从第二超限像素点开始,通过位置比较方法判断剩余超限像素点是否在已经存入超限像素点的容器内;
所述第二存入子模块,用于根据所述判断子模块判断结果,若是,则存入该容器内,若否,则存入下一个容器内,直至所有超限像素点都存入到相应的容器中为止。
第三方面,一种基于红外热像仪的多目标自动区分测温***,所述***包括:前端设备、数据处理设备和终端设备;
所述前端设备包括红外热像仪、云台和可见光设备,用于采集物体热源的红外辐射;
所述数据处理设备包括服务器、交换机或路由器,用于根据所述多目标自动区分测温方法处理所述物体热源的红外辐射获得警告信息,并将警告信息发送给所述终端设备;
所述终端设备包括手机、平板或PC。
进一步地,所述服务器还用于储存处理所述物体热源的红外辐射获得警告信息作为历史数据;所述终端设备还用于查看所述历史数据。
本发明与现有技术相比存在的有益效果是:本发明通过提供了一种多目标自动区分测温方法及***,不仅可以对多目标物进行自动区分,还可以采用测温模型对热源温度进行补偿,更准备地测量计算出物体的真实温度。多目标自动区分方法能有效防止探测环境中热源的遗漏,大大降低了未知火源导致的二次火灾的发生;测温模型克服一系列的因素的影响,更为准确地测量物体热源温度,大大提高了测温精度。
附图说明
图1是本发明一实施例提供的多目标自动区分测温方法流程图;
图2是本发明一实施例提供的多目标自动区分方法流程图;
图3是本发明一实施例提供的多目标自动区分示意图;
图4是本发明一实施例提供的多目标自动区分测温***结构图;
图5是本发明一实施例提供的多目标自动区分测温***中获取模块的结构示意图;
图6是本发明一实施例提供的基于红外热像仪的多目标自动区分测 温***结构示意图;
图7是本发明一实施例提供的温度对最大值与均差值的影响曲线图;
图8是本发明一实施例提供的温度变化对均差值的影响曲线图;
图9是本发明一实施例提供的温度、均差值、像素点三者之间关系曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施方式对本发明作进一步详细说明。
图1示出了本发明一实施例提供的多目标自动区分测温方法流程,该方法包括以下步骤:
步骤S101、采用多目标自动区分方法,获取版面内热源信息。
在本步骤中,采用多目标自动区分方法主要是为提高热源探测能力,精确地区分版面内的热源的位置,可以有效地防止未知火源导致二次火灾的发生。获取版面内热源信息,版面内是指需要探测的范围,例如一个房间或一间厂房等,对一个版面内的热源采用多目标自动区分方法获取版面内热源信息,热源信息主要包括热源位置信息和红外辐射信息。
步骤S102、统计所述版面内热源信息,利用测温模型计算热源温度。
在本步骤中,一般的测温原理是:在相同温度下,实际物体的同一波长内辐射的功率总是小于黑体辐射的规律。实际物体的热辐射在红外波长范围内,可以近似看成灰体辐射。红外辐射的图像中每一个点的裸数据值与物体表面的红外辐射值都有相对应的关系,但直接从红外裸数据值计算的温度并不是真实的物体表面温度,依据普朗克辐射定律,可将其转换为真实的物体温度,主要是通过拟合曲线的方法,但是此拟合曲线方法并准确,尤其是受距离的影响较为严重。为了更 真实测量热源的问题,提出了一个测温模型计算热源温度。
该测温模型为:
T=(Tmid-Tlow)/(Thigh-Tlow)*10+Tma (1)
Tlow=CcoeX+Ccon (2)
Thigh=CcosLn(S)+Ccon (3)
其中,T表示计算所得真实温度,S为像素点个数,C表示常量系数,即Ccos、Ccon为常量系数,Tlow为温度分段的低温度值,Thigh为温度分段的高温度值,Tmid为温度计算值,Tma为补偿系数,X为常数系数,Ln为以e为底数的对数函数。
再根据步骤S1中,通过采用多目标自动区分方法,获取版面内热源信息,通过相关的变换,在通过测温模型即可求出相应的热源温度。
图2示出了本发明一实施例提供的多目标自动区分方法流程,采用多目标自动区分方法主要是为提高热源探测能力,精确地区分版面内的热源的位置,可以有效地防止未知火源导致二次火灾的发生。该多目标自动区分方法优先探测由版面从上到下,从左到右的顺序,该方法包括以下步骤:
S201:预先生成容器,并对所述容器进行编号,即第一容器、第二容器和第n容器,n为正整数。
在本步骤中,预先生成容器是根据需求设计相应的数据结构体与数据结构,也称为容器,用于存放单个像素点信息和每个热源块信息,并对所述容器进行编号,即第一容器、第二容器和第n容器,n为正 整数。假如根据需求设计五个容器,则编号为第一容器、第二容器、第三容器、第四容器和第五容器。编号是为了更好的区分和后续的应用。
S202:获取超限像素点在版面内的坐标位置,按像素点的大小将其分为第一超限像素点、第二超限像素点和第N超限像素点,N为正整数,将第一超限像素点存入所述第一容器中。
在本步骤中,获取超限像素点在版面内的坐标位置,是指在获取版面内图像基础上,包括版面内热源图像,通过相关的图像处理,获取超限像素点在版面内的坐标位置,超限像素点是根据预先设计像素点的值,如果版面内的图像有大于此预先设计像素点的值,则判定为超限像素点。在按照超限像素点的大小进行排序编号,最大的超限像素点为第一超限像素点,次最大的超限像素点为第二超限像素点,以此类推,对所有的超限像素点进行排序编号。也可以用其他排序方式对超限像素点进行排序编号,在此不作详细介绍。将第一超限像素点存入所述第一容器中。
S203:从第二超限像素点开始,通过位置比较方法判断剩余超限像素点是否在已经存入超限像素点的容器内,若是,则存入该容器内,若否,则存入下一个容器内。
在本步骤中,从第二超限像素点开始,因为在步骤S202中已经将将第一超限像素点存入所述第一容器中,故第一超限像素点不需要重新处理。从第二超限像素点开始,到第N超限像素点结束,通过位置比较方法判断剩余超限像素点是否在已经存入超限像素点的容器 内,若是,则存入该容器内,若否,则存入下一个容器内。
在本步骤中,位置比较方法具体为:比较超限像素点位置是否在已经存入超限像素点容器的像素点的预设像素范围内。如图3所示,每个方格代表一个像素点,区域1、区域2、区域3、区域4、区域5以及像素点10、像素点20、像素点30代表超限像素点,其中区域1、区域2、区域3、区域4和区域5表示热源位置,像素点10、像素点20、像素点30也表示热源位置。像素点10与区域1临近,若设置“属于此块热源”的像素点范围为1个(也可以设置为多个,根据实际情况需要而定)。因为像素点10与区域1的其中一个像素点挨着,在“属于此块热源”的像素点范围内,那么判定像素点10热源属于区域1那块热源。同理,像素点20属于区域2那块热源,像素点30则不与任何一块热源区域的任何一个像素点在1个像素范围内,它则属于单独的一块热源。
从第二超限像素点开始,即先处理第二超限像素点,将其通过位置比较方法判断第二超限像素点是否在第一容器内,主要是通过和第一容器内的第一超限像素点采用位置比较方法比较,若是,则存入该容器内,若否,则存入下一个容器内。
S204:重复步骤S203,直至所有超限像素点都存入到相应的容器中为止。
本步骤中,重复步骤203,接着处理余下的超限像素点,同样采用位置比较方法,例如第三超限像素点,将其通过位置比较方法判断第二超限像素点是否在第一容器内或第二容器内,主要将第三超限像 素点通过和第一容器内的第一超限像素点采用位置比较方法比较,若是,则存入第一容器内;再将第三超限像素点通过和第二容器内的第二超限像素点采用位置比较方法比较,若是,则存入第二容器内;若否,即不在第一容器,也不在第二容器,则存入下一个容器内。依次循环,直至所有超限像素点都存入到相应的容器中为止。
从上述实施例可以看出该多目标自动区分方法简单快捷,同时可以提高热源探测能力,精确地区分版面内的热源的位置,可以有效地防止未知火源导致二次火灾的发生。
另外,该多目标自动区分方法在对热源进行测温结束后,还包括根据热源温度,即使用多目标自动区分方法测量结果,将多目标热源按照温度的高低进行排序,排序完后在对多目标热源进行定位,方便确定热源的位置,同时也根据热源高低顺序,清楚知道哪些是潜在引起火灾的热源。同时,在判断热源温度是否达到报警条件,根据测量温度和预设温度进行比较,如果高于预设温度,则报警,并将报警信息推送给用户。
下面主要是介绍多目标自动区分测温方法所采用的测温模型,该测温模型的具体表达式为:
T=(Tmid-Tlow)/(Thigh-Tlow)*10+Tma (1)
Tlow=CcoeX+Ccon (2)
Thigh=CcosLn(S)+Ccon (3)
其中,T表示计算所得真实温度,S为像素点个数,C表示常量系数,即Ccos、Ccon为常量系数,Tlow为温度分段的低温度值,Thigh为温 度分段的高温度值,Tmid为温度计算值,Tma为补偿系数,X代表一个常数系数,可以通过曲线图导出的,Ln为以e为底数的对数函数。
由于辐射温度把物体表面的发射率作为1折算的,这是一种理想的状况。由于实际物体并不是黑体,表面发射率要小于1,所以有时辐射温度与真实温度差异较大。目前采用的做法是在对被测物体的测试过程中,当被测物体的温度变化范围不大时,且测试时间不长,可以近似满足两个假设条件:环境辐射在测试过程中不变;物体发射率随温度的变化可以忽略。还有一些常见高端特殊测温方式,例如根据每个红外能量,经过相应的换算公式计算出所测物体的温度,但是此方法需要14位数字图像才能更准确地计算出真实温度值。通过强大的算法公式及数字图像处理能力可以得到全屏的温度数据,再加上算子修正才能使得温度数据更加准确,同时对硬件***要求较高。
本发明实施例采用独特的像素裸数据值测温方法。目前,市场上普遍的测温仪器都是采用的红外热像仪,利用前端测温的方法能够较准确地近距离测出物体表面的温度,但此测温方式最大的弊端则是在距离上的影响。然而此弊端,在发明的测温模型上做了极大的补偿。
由于红外热像仪测温时受诸多因素影响,例如热源材质、红外与热源的距离、机身温度、环境温度等,想要精确测出物体温度是有很大困难的,因此在本实施例中在测温算法上加了修正公式,修正公式:T=Tt*E,T表示计算出的最后温度值,Tt表示未修正之前的温度值,E表示修正系数,此修正系数是由室内(环境温度+距离+面积+机身温度)*材质发射率拟合出来的值。因此发明实施例中测温模型 考虑诸多因素影响,都相应在算法上做了较大补偿。在材质上,测温方法带有材质辐射率的折算补偿算法;在距离上,测温方法也有着距离补偿算法;在其他已知影响因素上,测温方法也都做了相应补偿。从而,本发明实施例的测温方法采用的测温模型除了可以大大降低距离对红外测温方法的影响外,在其他因素的补偿上也逐步提高了方法的准确性。
不同的热源物体在不同的环境中辐射率不同,所以本发明实施例中的测试选取了两种不同材质的标准常规热源(木材,氧化铁)在一般环境温度(25℃)进行数据测试。根据红外辐射率表,木材辐射率:0.9,氧化铁辐射率:0.74。根据两种材质的测试数据,能计算出两种材质温度的辐射率即换算系数,并以此作为基础测温公式的基准换算系数。
测试过程中,采取单因素控制法,分别通过控制距离、热源温度及告警像素点数量分别测试出在150℃-40℃(每10℃间隔)的范围内、20m(每5m间隔)范围内以及1-50个像素点范围内,像素点数量与均差值(每个像素点的最大值与最小值之差)温度三者之间的变化规律,根据此规律可以得出像素点数量、均差值、温度三要素之间的变化规律二维曲线图表。
根据测试数据及二维曲线图及图像变化趋势将温度分为13段,40℃以下一个分段,40℃-150℃每10℃一个分段,150摄氏度以上一个分段;像素点分为5段,没有告警点时为一个分段,1-3个像素点为一个分段,3-10个像素点为一个分段,10-50个像素点为一个分段, 50个像素点以上为一个分段,根据每一段曲线的特性得出同一材质在每段温度及每段像素点数量的曲线公式。计算方法:告警时记录像素点数量及均差值;根据像素点数量找出对应的温度分段;根据均差值通过折半算法找出所在温度区间;通过计温算法计算出温度值(误差±5%);根据材质的发射率折算出准确的物体温度值。
误差分析及影响因素,主要是距离:目标到红外热像仪的距离,物体的红外辐射率在灰度均值上的表现随距离呈非线性变化关系。实际测温距离与热像仪标定距离不同,也会引入测温误差,因此,保证实际测温距离与以校准距离相同,以减少误差是必须的。通过实验测得测温距离对红外衰减的影响为:红外衰减从3km左右距离开始衰减比较明显。
采取单因素控制法,根据实验可以得出像素点数量、均差值、温度三要素之间的变化规律二维曲线图表。分别为图7、图8和图9所示。
图7温度对最大值与均差值的影响
图7的横轴表示温度,纵轴表示像素点值,上方实线表示像素点最大值与温度的关系,下方实线表示均差值与温度的线性关系,两条虚线都是拟合渐近线。
图8温度变化对均差值的影响
图8的横轴表示温度,纵轴表示均差值,其中虚线表示均差值受温度影响的关系曲线,实线表示均差值受温度影响的关系拟合渐近线。
图9是温度、均差值、像素点三者之间关系
图9的横轴表示像素点数量,纵轴表示均差值,实线表示不同的温度,从上至下依次为150℃-40℃,每十度一个间隔。
根据测试数据及二维曲线图及图像变化趋势将温度分为13,40℃以下一个分段,40℃-150℃每10℃一个分段,150摄氏度以上一个分段;像素点分为5段,没有告警点时为一个分段,1-3个像素点为一个分段,3-10个像素点为一个分段,10-50个像素点为一个分段,50个像素点以上为一个分段,根据每一段曲线的特性得出同一材质在每段温度及每段像素点数量的曲线公式。
实验模型总结:根据表3温度、均差值、像素点三者之间关系,可以看出每个温度曲线大致可以分为3段,第一段1-3个像素点,第二段4-10个像素点,第三段大于10个像素点,根据这三段曲线的趋势走向,将这三段曲线的渐近线(渐近线即一种曲线的趋势线)通过拟合导出来,第一段渐近线采取了常规的二元一次方程线性变化公式,第二段与第三段曲线由于趋势线已经不再呈现标准的线性变化趋势,所以选择了对数曲线公式。这样就将表3中的每个曲线的每段公式都能通过拟合得出。当出现告警时,能够得到此时版面内的告警点数量(超限像素点),根据这个告警点的数量能够选选择出此时应该选择哪段公式,比如,告警点如果是2,就选择第一段公式,如果告警点是7就选择第二段公式,那么根据告警点代入拟合得到的公式中可以得到每个公式计算出来的均差值,再根据此时测出的真实的均差值能够判断出此时的真实均差值在哪两个计算出的均差值之间,从而也就能确定了在哪个温度段,因为一条曲线代表一个温度,比如如果 此时真实均差值为3000,那么我们根据像素点计算并判断出这个真实的均差值在60与70这两个温度曲线所计算出的均差值之间,那么就可以判断出这个物体的温度在60-70之间,但是此时还不能确定具体是多少度,表示高温真实的均差值减去低温60的曲线的均差值之差,表示高温70的曲线的均差值减去低温60的曲线的均差值之差,表示真实温度在60-70这段温度中所占的比例,因为这两段曲线的差值为10,所以最后乘以10就能得出此时的温度值。Tmid是通过均值算法直接取出了的值,Thigh和Tlow是通过选择的分段公式计算出来的值。
本发明实施例的测温方法,根据以上三种测试数据模型,制定出测温模型,即表达式1-3式。该测温模型可根据版面裸数据值进行相应的距离、环境温度以及面积补偿(面积补偿是指因为同一种材质面积不同也会造成温度变化,所以要做出相应的面积系数补偿),但在材质上的影响则没有消除。根据红外热像测温原理,黑体辐射的基本规律则是红外辐射基本理论研究和技术应用的基础。
图4示出本发明一实施例提供的多目标自动区分测温***结构,该测温***4包括:获取模块41和统计计算模块42。获取模块41用于采用多目标自动区分方法,获取版面内热源分布情况;统计计算模块42,用于统计所述版面内热源信息,利用测温模型计算热源温度。其中获取模块41还包括子模块,如图5所示。
获取模块包括:生成子模块51、获取划分子模块52、第一存入子模块53、判断子模块54和第二存入子模块55;
生成子模块51,用于预先生成容器,并对该容器进行编号,即 第一容器、第二容器和第n容器,n为正整数;
获取划分子模块52,用于获取超限像素点在版面内的坐标位置,按像素点的大小将其分为第一超限像素点、第二超限像素点和第N超限像素点,N为正整数;
第一存入子模块53,用于将第一超限像素点存入所述第一容器中;
判断子模块54,用于从第二超限像素点开始,通过位置比较方法判断剩余超限像素点是否在已经存入超限像素点的容器内;
第二存入子模块55,用于根据所述判断子模块判断结果,若是,则存入该容器内,若否,则存入下一个容器内,直至所有超限像素点都存入到相应的容器中为止。
本实施例中的***与前述实施例中多目标自动区分测温方法是基于同一发明构思下的两个方面,在前面已经对方法实施过程作了详细的描述,所以本领域技术人员可根据前述描述清楚地了解本实施中的***的结构及实施过程,为了说明书的简洁,在此就不再赘述。
图6示出了本发明又一实施例提供的基于红外热像仪的多目标自动区分测温***结构,该测温***6包括:前端设备61、数据处理设备62和终端设备63;前端设备61包括红外热像仪611、云台612和可见光设备613,用于采集物体热源的红外辐射;数据处理设备62包括服务器621、交换机622或路由器623,用于根据上述多目标自动区分测温方法处理所述物体热源的红外辐射获得警告信息,并将警告信息发送给终端设备63;终端设备63包括PC631、手机632 或平板633。服务器62还用于储存处理所述物体热源的红外辐射获得警告信息作为历史数据;终端设备63还用于查看所述历史数据。
本实施例中的***与前述实施例中基于红外热像仪的多目标自动区分测温方法是基于同一发明构思下的两个方面,在前面已经对方法实施过程作了详细的描述,所以本领域技术人员可根据前述描述清楚地了解本实施中的***的结构及实施过程,为了说明书的简洁,在此就不再赘述。
综上所述,从不同实施例可以看出,本发明实施例提供的多目标自动区分测温方法及***,不仅可以对多目标物进行自动区分,还可以采用测温模型对热源温度进行补偿,更准备地测量计算出物体的真实温度。多目标自动区分方法能有效防止探测环境中热源的遗漏,大大降低了未知火源导致的二次火灾的发生;测温模型克服一系列的因素的影响,更为准确地测量物体热源温度,大大提高了测温精度。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种多目标自动区分测温方法,其特征在于,所述方法包括以下步骤:
S1、采用多目标自动区分方法,获取版面内热源信息;
S2、统计所述版面内热源信息,利用测温模型计算热源温度。
2.根据权利要求1所述的方法,其特征在于,在S1步骤中,所述多目标自动区分方法包括以下步骤:
S1a:预先生成容器,并对所述容器进行编号,即第一容器、第二容器和第n容器,n为正整数;
S1b:获取超限像素点在版面内的坐标位置,按像素点的大小将其分为第一超限像素点、第二超限像素点和第N超限像素点,N为正整数,将第一超限像素点存入所述第一容器中;
S1c:从第二超限像素点开始,通过位置比较方法判断剩余超限像素点是否在已经存入超限像素点的容器内,若是,则存入该容器内,若否,则存入下一个容器内;
S4d:重复步骤S1c,直至所有超限像素点都存入到相应的容器中为止。
3.根据权利要求1或2所述的方法,其特征在于,在S2步骤中,所述测温模型具体为:
T=(Tmid-Tlow)/(Thigh-Tlow)*10+Tma (1)
Tlow=CcoeX+Ccon (2)
Thigh=CcosLn(S)+Ccon (3)
其中,T表示计算所得真实温度,S为像素点个数,C表示常量系数,即Ccos、Ccon为常量系数,Tlow为温度分段的低温度值,Thigh为温度分段的高温度值,Tmid为温度计算值,Tma为补偿系数,X为常数系数,Ln为以e为底数的对数函数。
4.根据权利要求2所述的方法,其特征在于,在步骤S1c中,所述位置比较方法具体为:比较超限像素点位置是否在已经存入超限像素点容器的像素点的预设像素范围内。
5.根据权利要求1所述的方法,其特征在于,在S2步骤之后还包括:根据热源温度,将热源进行排序并定位。
6.根据权利要求1所述的方法,其特征在于,在S2步骤之后还包括:判断热源温度是否达到报警条件,若是,报警并将报警信息推送给用户。
7.一种多目标自动区分测温***,其特征在于,所述***包括:获取模块和统计计算模块;
所述获取模块,用于采用多目标自动区分方法,获取版面内热源分布情况;
所述统计计算模块,用于统计所述版面内热源信息,利用测温模型计算热源温度。
8.根据权利要求7所述的多目标自动区分测温***,其特征在于,所述获取模块还包括:生成子模块、获取划分子模块、第一存入子模块、判断子模块和第二存入子模块;
所述生成子模块,用于预先生成容器,并对所述容器进行编号,即第一容器、第二容器和第n容器,n为正整数;
所述获取划分子模块,用于获取超限像素点在版面内的坐标位置,按像素点的大小将其分为第一超限像素点、第二超限像素点和第N超限像素点,N为正整数;
所述第一存入子模块,用于将第一超限像素点存入所述第一容器中;
所述判断子模块,用于从第二超限像素点开始,通过位置比较方法判断剩余超限像素点是否在已经存入超限像素点的容器内;
所述第二存入子模块,用于根据所述判断子模块判断结果,若是,则存入该容器内,若否,则存入下一个容器内,直至所有超限像素点都存入到相应的容器中为止。
9.一种基于红外热像仪的多目标自动区分测温***,其特征在于,所述***包括:前端设备、数据处理设备和终端设备;
所述前端设备包括红外热像仪、云台和可见光设备,用于采集物体热源的红外辐射;
所述数据处理设备包括服务器、交换机或路由器,用于根据如权利6所述的多目标自动区分测温方法处理所述物体热源的红外辐射获得警告信息,并将警告信息发送给所述终端设备;
所述终端设备包括手机、平板或PC。
10.根据权利要求9所述的基于红外热像仪的多目标自动区分测温***,其特征在于,所述服务器还用于储存处理所述物体热源的红外辐射获得警告信息作为历史数据;所述终端设备还用于查看所述历史数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610058262.2A CN106017690B (zh) | 2016-01-27 | 2016-01-27 | 一种多目标自动区分测温方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610058262.2A CN106017690B (zh) | 2016-01-27 | 2016-01-27 | 一种多目标自动区分测温方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106017690A true CN106017690A (zh) | 2016-10-12 |
CN106017690B CN106017690B (zh) | 2019-05-28 |
Family
ID=57082952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610058262.2A Active CN106017690B (zh) | 2016-01-27 | 2016-01-27 | 一种多目标自动区分测温方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106017690B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106979819A (zh) * | 2016-06-24 | 2017-07-25 | 深圳达实智能股份有限公司 | 室内平均辐射温度的测定方法及装置 |
CN108414091A (zh) * | 2018-02-09 | 2018-08-17 | 广州紫川电子科技有限公司 | 一种针对石油石化设备的非接触式测温报警装置 |
CN109282900A (zh) * | 2018-09-17 | 2019-01-29 | 江苏金智科技股份有限公司 | 一种提高变电站巡检机器人红外测温准确度的方法 |
CN111486961A (zh) * | 2020-04-15 | 2020-08-04 | 贵州安防工程技术研究中心有限公司 | 基于宽光谱人体额头成像与距离感知的高效额温估计方法 |
CN112097915A (zh) * | 2020-09-10 | 2020-12-18 | 江西省桑格尔电子有限公司 | 一种人脸识别测温方法及装置 |
US20200408601A1 (en) * | 2018-02-19 | 2020-12-31 | Ihi Corporation | Heat source detection device |
CN114295213A (zh) * | 2021-12-16 | 2022-04-08 | 江苏弘冉智能科技有限公司 | 一种可适应于不同场景的温度监控装置及监控方法 |
CN115265804A (zh) * | 2022-09-28 | 2022-11-01 | 深圳优普莱等离子体技术有限公司 | 一种金刚石籽晶信息测量方法及相关设备 |
WO2023147766A1 (zh) * | 2022-02-07 | 2023-08-10 | 山东基点智慧能源科技有限公司 | 一种室内空气温度在线监测及标定装置及标定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1480716A (zh) * | 2003-06-13 | 2004-03-10 | 北京雷波泰克信息技术有限公司 | 快速多目标红外实时图像温度自动跟踪监测*** |
US6837617B1 (en) * | 1997-11-20 | 2005-01-04 | Israel Aircraft Industries Ltd. | Detection and recognition of objects by multispectral sensing |
CN202748428U (zh) * | 2012-09-12 | 2013-02-20 | 福建锦江石化有限公司 | 一种用于供配电***设备的在线监测装置 |
CN104268571A (zh) * | 2014-09-23 | 2015-01-07 | 西安电子科技大学 | 一种基于最小树聚类的红外多目标分割方法 |
CN104316202A (zh) * | 2014-11-17 | 2015-01-28 | 西华大学 | 一种可用于高温三维测量的装置及其测量方法 |
-
2016
- 2016-01-27 CN CN201610058262.2A patent/CN106017690B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6837617B1 (en) * | 1997-11-20 | 2005-01-04 | Israel Aircraft Industries Ltd. | Detection and recognition of objects by multispectral sensing |
CN1480716A (zh) * | 2003-06-13 | 2004-03-10 | 北京雷波泰克信息技术有限公司 | 快速多目标红外实时图像温度自动跟踪监测*** |
CN202748428U (zh) * | 2012-09-12 | 2013-02-20 | 福建锦江石化有限公司 | 一种用于供配电***设备的在线监测装置 |
CN104268571A (zh) * | 2014-09-23 | 2015-01-07 | 西安电子科技大学 | 一种基于最小树聚类的红外多目标分割方法 |
CN104316202A (zh) * | 2014-11-17 | 2015-01-28 | 西华大学 | 一种可用于高温三维测量的装置及其测量方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106979819B (zh) * | 2016-06-24 | 2019-06-04 | 深圳达实智能股份有限公司 | 室内平均辐射温度的测定方法及装置 |
CN106979819A (zh) * | 2016-06-24 | 2017-07-25 | 深圳达实智能股份有限公司 | 室内平均辐射温度的测定方法及装置 |
CN108414091A (zh) * | 2018-02-09 | 2018-08-17 | 广州紫川电子科技有限公司 | 一种针对石油石化设备的非接触式测温报警装置 |
US20200408601A1 (en) * | 2018-02-19 | 2020-12-31 | Ihi Corporation | Heat source detection device |
US11933673B2 (en) * | 2018-02-19 | 2024-03-19 | Ihi Corporation | Heat source detection device |
CN109282900A (zh) * | 2018-09-17 | 2019-01-29 | 江苏金智科技股份有限公司 | 一种提高变电站巡检机器人红外测温准确度的方法 |
CN111486961A (zh) * | 2020-04-15 | 2020-08-04 | 贵州安防工程技术研究中心有限公司 | 基于宽光谱人体额头成像与距离感知的高效额温估计方法 |
CN112097915A (zh) * | 2020-09-10 | 2020-12-18 | 江西省桑格尔电子有限公司 | 一种人脸识别测温方法及装置 |
CN114295213A (zh) * | 2021-12-16 | 2022-04-08 | 江苏弘冉智能科技有限公司 | 一种可适应于不同场景的温度监控装置及监控方法 |
CN114295213B (zh) * | 2021-12-16 | 2023-09-12 | 江苏弘冉智能科技有限公司 | 一种可适应于不同场景的温度监控装置及监控方法 |
WO2023147766A1 (zh) * | 2022-02-07 | 2023-08-10 | 山东基点智慧能源科技有限公司 | 一种室内空气温度在线监测及标定装置及标定方法 |
CN115265804A (zh) * | 2022-09-28 | 2022-11-01 | 深圳优普莱等离子体技术有限公司 | 一种金刚石籽晶信息测量方法及相关设备 |
CN115265804B (zh) * | 2022-09-28 | 2022-12-20 | 深圳优普莱等离子体技术有限公司 | 一种金刚石籽晶信息测量方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106017690B (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106017690A (zh) | 一种多目标自动区分测温方法及*** | |
CN103528690B (zh) | 一种红外热像仪的非均匀校正方法 | |
CN111006775A (zh) | 一种基于非制冷红外热成像测温技术的距离补偿方法 | |
CN102183237B (zh) | 一种地基双波段云高测量的装置和方法 | |
CN103983361B (zh) | 在线式网络测温热像仪标定方法 | |
CN106124062A (zh) | 一种基于历史数据的红外测温自动补偿方法 | |
CN102384841B (zh) | 面阵探测器光谱响应度测试方法 | |
CN104580894B (zh) | 一种红外焦平面的多点校正方法及*** | |
CN109655161B (zh) | 基于红外热像仪的目标红外积分辐射强度测试方法及设备 | |
CN112050948A (zh) | 基于探测器温度漂移模型的无挡片红外测温方法 | |
CN103335717B (zh) | 一种基于变积分模式的红外热像仪高精度抗温漂测温方法 | |
CN106124058A (zh) | 基于Kinect深度检测的电力设备红外测温装置 | |
CN103528694A (zh) | 一种用红外热像仪测量目标物体的温度的方法 | |
CN113358231B (zh) | 红外测温方法、装置及设备 | |
CN105628208B (zh) | 一种基于红外成像***的温度测量方法 | |
CN106500846A (zh) | 一种红外成像***的非均匀性校正方法 | |
CN111385558B (zh) | Tof摄像模组精度测量方法及其*** | |
CN105352988A (zh) | 一种建筑物外墙保温性能评估***及方法 | |
CN103901291A (zh) | 一种变电设备内部绝缘缺陷的诊断方法 | |
CN106154305A (zh) | X射线探测器的温度修正***及方法 | |
CN111289148B (zh) | 一种基于现场校准的瞬态火球参数获取方法 | |
CN108163223B (zh) | 一种便携式飞行器红外隐身性能评估装置和方法 | |
CN116878669A (zh) | 基于短波红外测温的温度补偿方法、火情监测方法及*** | |
Dlesk et al. | Usage of photogrammetric processing of thermal images for civil engineers | |
CN105607047B (zh) | 一次性存储标定型微波辐射计及其实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |