[發(fā)明專利]一種基于光反射率和人工智能的合金材料的表面溫度測量方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010904246.7
• 申請(qǐng)日: 2020-09-01
• 公開（公告）號(hào): CN112053341A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計(jì)）人: 許巧云;湯振鵬;杜文嬌;裴運(yùn)軍;陳小慧;楊璽;桂盛青;劉炳榮;葉齊政
• 申請(qǐng)（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司江門供電局
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/90;G06K9/46;G01K11/00
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 朱忠俊

1.一種基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，具體步驟如下：

(1)建立不同溫度、不同環(huán)境光照強(qiáng)度下的可見光圖像庫；

(2)對(duì)可見光圖像進(jìn)行特征提取；

(3)對(duì)可見光圖像建立溫度預(yù)測模型以及進(jìn)行評(píng)估。

2.根據(jù)權(quán)利要求1所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(1)中，圖像庫建立的方法為：在k個(gè)不同光照強(qiáng)度下，選取m個(gè)溫度，在每個(gè)溫度下用數(shù)碼相機(jī)拍攝待測物體的n張可見光圖像，建立k×m×n的圖像庫。

3.根據(jù)權(quán)利要求2所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(1)中，用數(shù)碼相機(jī)進(jìn)行照片拍攝。

4.根據(jù)權(quán)利要求2所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(1)中，采用單尺度Retinex方法對(duì)可見光圖像庫中的可見光圖像進(jìn)行處理，提取出不受環(huán)境光照的影響的三基色灰度頻率分布特征。

5.根據(jù)權(quán)利要求4所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(1)中，單尺度Retinex方法將一幅圖像分解為受環(huán)境影響的照射分量圖像和特征固定的反射分量圖像，照射分量圖像反映環(huán)境光照信息，反射分量圖像反映物體的本質(zhì)信息，單尺度Retinex方法將照射分量圖像的去除，對(duì)反射分量圖像進(jìn)行特征提取；表示如下：

S(x,y)＝R(x,y)×L(x,y)

其中S(x,y)表示拍攝得到的可見光圖像，R(x,y)表示反射圖像，反映物體的真實(shí)顏色信息，L(x,y)表示照射圖像，反映圖像的動(dòng)態(tài)范圍信息；單尺度Retinex方法的計(jì)算公式如下所示：

R_SSR(x,y)＝logS(x,y)-log[F(x,y)*S(x,y)]

其中*表示卷積運(yùn)算；F(x,y)為環(huán)繞函數(shù)。

6.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(2)中，可見光圖像特征提取的具體方法為：從可見光圖像中提取所有像素點(diǎn)的R、G、B灰度分布，反映顏色狀態(tài)，其中每種基色的灰度級(jí)都在(0，255)范圍內(nèi)；提取固定區(qū)域全部像素點(diǎn)m*n的三基色灰度值后，得到該區(qū)域某基色具有的某種灰度級(jí)的像素個(gè)數(shù)，它們與區(qū)域總像素點(diǎn)個(gè)數(shù)的比值即某基色某灰度級(jí)的頻率，進(jìn)而得出可見光圖像的三基色灰度頻率分布。

7.根據(jù)權(quán)利要求6所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(2)中，物體溫度變化時(shí)，對(duì)可見光的反射率隨著溫度變化而變化，數(shù)碼相機(jī)拍攝的可見光圖像也會(huì)隨著溫度變化，三基色灰度頻率分布中包含溫度信息。

8.根據(jù)權(quán)利要求7所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，每張可見光圖像中選取一個(gè)固定分析區(qū)域，提取出分析區(qū)域的三基色灰度頻率作為作為可見光圖像的特征。

9.根據(jù)權(quán)利要求1所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(3)中，利用機(jī)器學(xué)習(xí)算法建立溫度預(yù)測模型。

10.根據(jù)權(quán)利要求9所述的基于光反射率和人工智能的合金材料的表面溫度測量方法，其特征在于，在步驟(3)中，采用5折交叉驗(yàn)證的方式對(duì)模型的預(yù)測精度進(jìn)行評(píng)估，分別得到若干驗(yàn)證組的模型預(yù)測溫度與真實(shí)溫度之間的最大絕對(duì)誤差和平均絕對(duì)誤差。