统，并依照所述神经网络系统进行样本训练，所述神经网络系统的个数等于所述测量区域的分段数量。
[0039]将测量区域进行划分后，根据其划分获得其区域所对应的神经网络系统，并依照其区域内的样本进行训练，如此对所述神经网络系统进行修正，以至于获得理想的其区域所对应的神经网络系统。本发明中说明的神经网络系统是人工神经网络(ArtificialNeural Networks，简写为ANNs)是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学建模。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力，是一种实现输入输出关系的非线性拟合。
[0040]如此，如果将测量区域划分为接近域、适中域和偏远域，可以建立ANN_1、ANN_2和ANN_3三个单独神经网络系统。可选的，每个ANN子网络拓扑结构为1-15-1的单输入单输出神经网络。ANN子网络结构的中间层的节点数的确定采用试验比较法确定，其中BP算法采用Levenberg-Marquardt优化算法，在训练网络时设定训练步数为1000次，误差要求0.05。在样本的选取过程中，为了更好的训练网络，选取实际试验中的50个偶数项作为输入输出样本对，而采用50个奇数项作为验证训练结果的验证数据。
[0041]S105:温度校准，获得被测物与红外热像仪的实际距离和被测物测量温度，获得所述实际距离对应区域的神经网络系统，所述被测物测量温度根据相对应的所述神经网络系统获得校准温度。
[0042]在S104中获得神经网络系统，用所述的神经网络系统进行被测物测量温度到被测物实际温度的校准，获得校准温度。在选择神经网络系统的时候根据被测物与红外热像仪的实际距离对应区域所对应的神经网络系统进行校准。
[0043]在进行温度校准获得校准温度的时候，先进行所述实际距离是否与所述专家库中存储的距离目标物的距离相匹配，如果相匹配，则根据所述距离目标物的距离的对应神经网络系统计算出校准温度，如果不匹配，则根据所述距离目标物的距离对应区域的神经网络系统计算出校准温度。
[0044]S卩，获得被测物与红外热像仪的实际距离，将所述实际距离在专家库中进行查询，如果专家库中包含所述实际距离，则直接引用所述专家库中数据对应的神经网络系统，通过所述神经网络系统进行测量温度的校准，获得校准温度;如果专家库中不包含所述实际距离，则根据所述距离目标物的距离对应区域的神经网络系统计算出校准温度。如此，提高校准温度的准确性。
[0045]本发明提供的红外图像测温校准方法，将红外热像仪的测量范围进行区域划分，然后对划分区域范围内的红外图像测温校准运算采用一个独立的神经网络系统，根据被测物距离红外热像仪的距离，判断所属的区域，根据区域对应的神经网络系统，对被测物的测量温度进行校准，获得校准值，从而提高红外热像仪测温的准确性，有效消除了因环境温度、湿度以及目标辐射率对被测物体真实温度的影响和随着被测物体距离红外热像仪的位置变化的非线性。本发明提供的红外图像测温校准方法将红外热像仪的测量范围进行区域划分，精简了神经网络结构同时提高网络的扩展能力。
[0046]基于本发明提供的红外图像测温校准方法，本发明实施例还提供一种红外图像测温校准系统，其特征在于，包括区域选择器、专家库、判别器、距离解析定位网络;所述区域选择器用于判断被测物的实际距离所属的区域;所述专家库用于存储样本数据;所述判别器用于判断所述实际距离是否与所述专家库中存储的样本数据相匹配;所述距离解析定位网络用于根据所述实际距离选择相应的神经网络系统。
[0047]被测物与红外热像仪的实际距离作为输入，通过专家库及训练样本进行筛选，并通过判别器对是否是之前试验过程中已有的样本参数进行判断，若输入的目标和红外热像仪的距离在专家库中，则专家库将根据经验数据直接计算给出被测目标的温度校准值。若不在专家库中，则根据目标和红外热像仪的距离，通过成像区域选择器选择其所在的区域(接近域、适中域还是偏远域)，成像区域选择器的输入为目标距离红外热像仪的距离、环境温度参数、环境湿度参数、被测目标辐射率参数等。将选择的区域输入到相应的子网络中进行预报，从而输出得到温度校准结果。
[0048]本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。
[0049]以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种红外图像测温校准方法，用于红外热像仪测量的校准，其特征在于，所述方法包括:获取样本数据，所述样本数据包括所述红外热像仪距离目标物的距离、所述距离对应的测量温度和目标物的真实温度； 建立专家库，所述建立专家库用于存储所述样本数据； 测量区域进行分段，根据所述红外热像仪距离目标物的距离、所述距离对应的测量温度将红外热像仪测量的测量区域进行分段； 建立神经网络系统，根据所述样本数据建立神经网络系统，并依照所述神经网络系统进行样本训练，所述神经网络系统的个数等于所述测量区域的分段数量； 温度校准，获得被测物与红外热像仪的实际距离和被测物测量温度，获得所述实际距离对应区域的神经网络系统，所述被测物测量温度根据相对应的所述神经网络系统获得校准温度； 其中:所述目标物为能够调节温度的黑体模型，所述被测物为实际测量中需要测量温度的物体，所述校准温度为所述被测物测量温度的校准值。2.根据权利要求1所述的红外图像测温校准方法，其特征在于，所述根据所述红外热像仪距离目标物的距离、所述距离对应的测量温度将红外热像仪测量的测量区域进行分段，具体包括: 将测量区域划分为接近域、适中域和偏远域，所述接近域为O-L1,,所述适中域为L1-L2,所述偏远域为L2-L; 其中，L为所述红外热像仪的可测量的最大距离，LjPL2为红外热像仪的测量距离的任意两个距离。3.根据权利要求1或2所述的红外图像测温校准方法，其特征在于，所述神经网络系统为分别为ANN_1、ANN_2和ANN_3，所述ANN_1、ANN_2和ANN_3拓扑结构为1_15_1的单输入单输出神经网络。4.根据权利要求1所述的红外图像测温校准方法，其特征在于，所述获取样本数据中，具体包括: 隔相同的距离测试所述目标物的测量温度。5.根据权利要求3所述的红外图像测温校准方法，其特征在于，所述方法还包括，判断所述实际距离是否与所述专家库中存储的距离目标物的距离相匹配， 如果匹配，则根据所述距离目标物的距离的对应神经网络系统计算出校准温度； 如果不匹配，则根据所述距离目标物的距离对应区域的神经网络系统计算出校准温度。6.红外图像测温校准系统，其特征在于，包括区域选择器、专家库、判别器、距离解析定位网络;所述区域选择器用于判断被测物的实际距离所属的区域;所述专家库用于存储样本数据;所述判别器用于判断所述实际距离是否与所述专家库中存储的样本数据相匹配；所述距离解析定位网络用于根据所述实际距离选择相应的神经网络系统。
【专利摘要】本发明公开的一种红外图像测温校准方法，用于红外热像仪测量的校准，包括：获取样本数据，样本数据包括红外热像仪距离目标物的距离、距离对应的测量温度和目标物的真实温度；建立专家库，建立专家库用于存储样本数据；测量区域进行分段，根据红外热像仪距离目标物的距离、距离对应的测量温度将红外热像仪测量的测量区域进行分段；建立神经网络系统，根据样本数据建立神经网络系统，并依照神经网络系统进行样本训练，神经网络系统的个数等于测量区域的分段数量；温度校准，获得被测物与红外热像仪的实际距离和被测物测量温度，获得实际距离对应区域的神经网络系统，被测物测量温度根据相对应的神经网络系统获得校准温度。以提高测温的准确性。
【IPC分类】G01J5/00, G06N3/02
【公开号】CN105509899
【申请号】CN201610050953
【发明人】于虹, 蔡成涛
【申请人】云南电网有限责任公司电力科学研究院
【公开日】2016年4月20日
【申请日】2016年1月26日