[发明专利]人工智能红外图像传感系统及方法

权利要求书

1.一种人工智能红外图像传感方法，其特征在于，包括以下步骤：

步骤100、采集获得各设备过热状态下的过热红外图像样本集；

步骤200、将所述过热红外图像样本集作为训练样本集，采用基于灰度对数变换的卷积神经网络方法提取训练样本集的过热特征，获得卷积神经网络模型；

所述采集获得各设备过热状态下的过热红外图像样本集的步骤包括：

步骤101、针对每一设备进行多次过热试验，每次试验过程中实时采集获得预设位置处的红外图像；

步骤102、提取所述红外图像的四个较高温处的灰度值，所述四个较高温处按温度由高到低依次包括最高温处、第一较高温处、第二较高温处和第三较高温处；

步骤103、根据所述四个较高温处的灰度值，计算获得温差度；

步骤104、判断所述温差度是否大于或等于预设过热阈值；

步骤105、当所述温差度大于或等于预设过热阈值时，将所述红外图像作为该设备过热状态下的过热红外图像；

步骤106、获得所有设备所有过热试验过程中过热状态下的过热红外图像，构成过热红外图像样本集；

所述温差度的计算公式为：

其中，T_c为温差度，C_b为所述红外图像背景灰度极值，为所述四个较高温处灰度值的平均值；

所述基于灰度对数变换的卷积神经网络卷积层的构建包括以下步骤：

步骤201、将训练样本集中的过热红外图像作为卷积神经网络的输入数据x₀，计算输入数据x₀的灰度对数作为第1层卷积层的输入数据，计算公式为：

其中，A1₀、A2₀、A3₀为灰度调节因子参数；

步骤202、进入卷积层迭代，i＝1,2,…,k依次取值，每取一次i的值根据第i层卷积层输入数据进行第i次卷积运算，获得特征图y′_i-1，计算公式为：

y′_i-1＝w_i*y_i-1+B_i

其中，w_i为第i层卷积模板，B_i为第i层偏置，“*”表示点积运算，y_i-1为第i层卷积层输入数据；

对特征图y′_i-1的各个通道分别进行灰度对数计算，获得第i层卷积层输出数据y_i，计算公式为：

其中，为第i层卷积层第j个通道的灰度调节因子参数，j＝1,2,…,C_i，C_i为第i层卷积层特征图y′_i-1具有的通道数，为特征图y′_i-1的第j个通道的特征图像；

步骤203、判断当i＝k时评价函数J(θ)，是否满足阈值条件；当评价函数J(θ)满足阈值条件时，获得第k层卷积层输出数据y_k为提取的过热特征，按此时的构建为卷积神经网络模型；当评价函数J(θ)不满足阈值条件时，更新卷积神经网络参数w_i、B_i、并令i＝k+1返回步骤202进行下一轮迭代。

2.根据权利要求1所述的方法，其特征在于，所述步骤203具体为：

当i＝k时根据公式进行计算，其中，为所有设备中第t个设备的预设参考图像，t＝1,2,…,m，y_k(p,q)为第k层卷积层输出数据，H、W为图像的高度和宽度，ε为预设阈值，1{·}表示指标函数，如果条件为真，则输出的值为“1”，否则为“0”；当评价函数J(θ)的值为“1”时，按此时的构建为卷积神经网络模型；当评价函数J(θ)的值为“0”时，更新卷积神经网络参数w_i、B_i、并令i＝k+1返回步骤202进行下一轮迭代。