[发明专利]一种基于光反射率和人工智能的合金材料的表面温度测量方法

权利要求书

1.一种基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，具体步骤如下：

(1)建立不同温度、不同环境光照强度下的可见光图像库；

(2)对可见光图像进行特征提取；

(3)对可见光图像建立温度预测模型以及进行评估。

2.根据权利要求1所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(1)中，图像库建立的方法为：在k个不同光照强度下，选取m个温度，在每个温度下用数码相机拍摄待测物体的n张可见光图像，建立k×m×n的图像库。

3.根据权利要求2所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(1)中，用数码相机进行照片拍摄。

4.根据权利要求2所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(1)中，采用单尺度Retinex方法对可见光图像库中的可见光图像进行处理，提取出不受环境光照的影响的三基色灰度频率分布特征。

5.根据权利要求4所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(1)中，单尺度Retinex方法将一幅图像分解为受环境影响的照射分量图像和特征固定的反射分量图像，照射分量图像反映环境光照信息，反射分量图像反映物体的本质信息，单尺度Retinex方法将照射分量图像的去除，对反射分量图像进行特征提取；表示如下：

S(x,y)＝R(x,y)×L(x,y)

其中S(x,y)表示拍摄得到的可见光图像，R(x,y)表示反射图像，反映物体的真实颜色信息，L(x,y)表示照射图像，反映图像的动态范围信息；单尺度Retinex方法的计算公式如下所示：

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

其中*表示卷积运算；F(x,y)为环绕函数。

6.根据权利要求1至5任一项所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(2)中，可见光图像特征提取的具体方法为：从可见光图像中提取所有像素点的R、G、B灰度分布，反映颜色状态，其中每种基色的灰度级都在(0，255)范围内；提取固定区域全部像素点m*n的三基色灰度值后，得到该区域某基色具有的某种灰度级的像素个数，它们与区域总像素点个数的比值即某基色某灰度级的频率，进而得出可见光图像的三基色灰度频率分布。

7.根据权利要求6所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(2)中，物体温度变化时，对可见光的反射率随着温度变化而变化，数码相机拍摄的可见光图像也会随着温度变化，三基色灰度频率分布中包含温度信息。

8.根据权利要求7所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，每张可见光图像中选取一个固定分析区域，提取出分析区域的三基色灰度频率作为作为可见光图像的特征。

9.根据权利要求1所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(3)中，利用机器学习算法建立温度预测模型。

10.根据权利要求9所述的基于光反射率和人工智能的合金材料的表面温度测量方法，其特征在于，在步骤(3)中，采用5折交叉验证的方式对模型的预测精度进行评估，分别得到若干验证组的模型预测温度与真实温度之间的最大绝对误差和平均绝对误差。