[发明专利]基于神经网络的炉内温度测量方法、装置及设备

权利要求书

1.一种基于神经网络的炉内温度测量方法，其特征在于，包括：

获取目标时刻相机拍摄黑体炉的炉内火焰的彩色图像；

确定所述目标时刻彩色图像在第一预设波段的第一色度值和在第二预设波段的第二色度值；

根据所述目标时刻的第一色度值，确定所述目标时刻的第一波段辐射力值，以及根据所述目标时刻的第二色度值，确定所述目标时刻的第二波段辐射力值；其中，所述目标时刻的第一波段辐射力值为所述目标时刻的相机接收到的所述第一预设波段内的辐射通量，所述目标时刻的第二波段辐射力值为所述目标时刻的相机接收到的所述第二预设波段内的辐射通量；

根据所述目标时刻的第一波段辐射力值与所述目标时刻的第二波段辐射力值的第一比值和第一神经网络模型，确定目标时刻所述黑体炉的炉内温度；

获取目标时刻相机拍摄黑体炉的炉内火焰的彩色图像之前，所述方法还包括：

获取相机拍摄的多个预设温度下黑体炉的炉内火焰的彩色图像；

针对每个预设温度，确定该预设温度下彩色图像在第一预设波段的第一色度值和在第二预设波段的第二色度值；根据该预设温度对应的第一色度值和第一公式，确定该第一色度值对应的第一波段辐射力值；根据该预设温度对应的第二色度值和第一公式，确定该第二色度值对应的第二波段辐射力值；

针对每个预设温度，根据该预设温度、普朗克定律、第二公式，确定该预设温度对应的第一波段辐射力值，以及该预设温度对应的第二波段辐射力值；计算该预设温度对应的第一波段辐射力值和第二波段辐射力值的比值；

将每个预设温度对应的第一波段辐射力值和第二波段辐射力值的比值作为一个样本，并将每个预设温度作为该样本的标准输出结果，以得到第一训练集；

根据所述第一训练集，对所述第一神经网络模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标时刻的第一色度值，确定所述目标时刻的第一波段辐射力值，以及根据所述目标时刻的第二色度值，确定所述目标时刻的第二波段辐射力值，包括：

根据所述目标时刻的第一预设波段的色度值和第二神经网络模型，确定第一波段辐射力值，根据所述目标时刻的第二预设波段的色度值和第三神经网络模型，确定第二波段辐射力值。

3.根据权利要求2所述的方法，其特征在于，获取目标时刻相机拍摄黑体炉的炉内火焰的彩色图像之前，所述方法还包括：

建立所述第一神经网络模型、所述第二神经网络模型、所述第三神经网络模型；

获取第一训练集、第二训练集、第三训练集；

根据所述第二训练集，对所述第二神经网络模型进行训练；

根据所述第三训练集，对所述第三神经网络模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述方法包括：

将每个预设温度对应的第一色度值作为一个样本，并将每个第一色度值对应的第一波段辐射力值作为该样本的标准输出结果，以得到第二训练集；

将每个预设温度对应的第二色度值作为一个样本，并将每个第二色度值对应的第二波段辐射力值作为该样本的标准输出结果，以得到第三训练集。

5.根据权利要求4所述的方法，其特征在于，所述方法包括：

所述第一公式的表达式如下：

其中，λ为所述火焰的可见光波长，Φ_v(λ)为色度值，V(λ)＝K_mφ(λ)为平均人眼光谱光视效率，φ(λ)为归一化人眼光谱光视效率，称为视见函数，Φ_e(λ)为波段辐射力；

所述第二公式的表达式如下：

其中，E_b,R(T)和E_b,G(T)分别为第一预设波段和第二预设波段对应的实际火焰辐射力，λ₁和λ₂分别为第一预设波段波长的下限和上限，λ₃和λ₄分别为第二预设波段波长的下限和上限，η_R,λ和η_G,λ分别为第一预设波段和第二预设波段对应的相机的光谱响应参数，I_bλ(T)为黑体炉辐射强度，T为所述黑体炉温度。