孟凡偉，高 悅，馬翠紅，王維國

?

基于熱輻射理論的熔融金屬紅外測溫模型研究

孟凡偉，高 悅，馬翠紅，王維國

（華北理工大學(xué) 電氣工程學(xué)院，河北 唐山 063009）

針對傳統(tǒng)接觸法測溫精度低、實(shí)時性差等問題，提出了一種基于熱輻射理論的紅外熱像測溫模型。首先，根據(jù)紅外熱像儀測溫原理，搭建了熔融金屬紅外測溫實(shí)驗(yàn)平臺，獲取了不同溫度下熔融金屬的紅外圖像。其次，為了提高測溫精度，采用稀疏分解方法去除熔融金屬紅外圖像的噪聲，采用最小二乘法和改進(jìn)遺傳算法對提取的圖像灰度均值進(jìn)行灰度-溫度的曲線擬合，建立紅外圖像的灰度值與被測物體表面溫度之間的對應(yīng)關(guān)系。最后，利用等溫線顯示爐內(nèi)溫度整體情況。實(shí)驗(yàn)結(jié)果表明，此模型可以有效地測量熔融金屬的溫度，并且測溫精度較高，驗(yàn)證了模型的有效性和可行性。

紅外熱像測溫；圖像去噪；遺傳算法；曲線擬合

0 引言

隨著工業(yè)的發(fā)展，人們對溫度測量的精確性和實(shí)時性要求越來越高，尤其在冶金行業(yè)，由于各種因素的影響，傳統(tǒng)的接觸法測溫在溫度上限和動態(tài)響應(yīng)方面已無法滿足要求[1]?；谝陨媳尘?，紅外測溫技術(shù)受到了更加廣泛的關(guān)注[2-4]。

由于物體與環(huán)境的溫度不同，向外輻射能量時的發(fā)射率也不同，這種差異會產(chǎn)生熱對比度，紅外熱像儀就是根據(jù)熱對比度不同而把紅外輻射能量密度分布轉(zhuǎn)換成紅外圖像，但是，紅外圖像只是定性描述了物體表面輻射溫度[5]，要想準(zhǔn)確測量溫度，還需建立紅外測溫模型，找到紅外圖像灰度值與溫度的對應(yīng)關(guān)系，通過紅外圖像的灰度值得出所測熔融金屬的溫度值。

本文的主要工作就是介紹了紅外熱像測溫原理，建立了測溫模型，同時，采用稀疏分解對熔融金屬紅外圖像進(jìn)行了去噪處理，采用最小二乘法和改進(jìn)遺傳算法擬合了實(shí)驗(yàn)數(shù)據(jù)，以提高測溫精度。實(shí)驗(yàn)結(jié)果表明，本文方法可以有效地測量熔融金屬的溫度，驗(yàn)證了測溫模型的可行性。

1 紅外測溫原理及實(shí)驗(yàn)方案

1.1 紅外測溫原理

測溫時，熱像儀接收的輻射有目標(biāo)物體自身的輻射、大氣輻射、反射輻射和周圍環(huán)境的輻射，并通過輻射能量的大小確定溫度[6-7]。

被測物體表面的輻射亮度[8]為：

＝b(0)＋b(u)＝b(0)＋(1－)b(u) (1)

式中：b(0)為表面光譜亮度；b(u)為反射的環(huán)境光譜輻射亮度；0為被測物體表面溫度；u為環(huán)境溫度；為表面發(fā)射率；為表面反射率；為表面吸收率。

輻射照度為：

式中：0為最小空間張角對應(yīng)的可視面積；為目標(biāo)到測量儀器之間的距離；0－2為一個常值；a為大氣的光譜透射率；a為大氣輻射率。

一般情況下熱像儀工作在3～5mm或8～13mm波段，、、與無關(guān)[9]。得到熱像儀的響應(yīng)電壓為：

s＝{a[(0)＋(1－)(u)]＋(T)} (4)

由普朗克輻射定律得：

被測表面真實(shí)溫度的計算公式為：

1.2 實(shí)驗(yàn)方案

本實(shí)驗(yàn)采用主要實(shí)驗(yàn)設(shè)備：

1）銀泰機(jī)電廠的YTKJ9.1A新型電源控制板小容量中頻爐，輸出中頻電壓750V；輸出中頻電流30A；最大功率15kW；輸出振蕩頻率4000Hz。

2）紅外熱像儀采用MAG30-110077，型號為MAG30HT，探測器像素為384×288，鏡頭為15F1 filt0.082，鏡頭焦距為15mm。

3）卓立漢光MC600位移臺。

實(shí)驗(yàn)示意圖如圖1所示。首先利用中頻爐對鋼進(jìn)行加熱至其融化，然后調(diào)節(jié)中頻爐使鋼水保持熔融狀態(tài)，如果用熱像儀直接測量熔融金屬的溫度，當(dāng)距離過近時會超出熱像儀的工作溫度，使測溫不準(zhǔn)確，并影響熱像儀的使用壽命，因此采用反光鏡來間接接收高溫鋼水輻射出的紅外線，把得到的圖像傳至電腦，通過熱電偶測量出此時鋼水的溫度值作為標(biāo)準(zhǔn)值。

圖1 紅外測溫實(shí)驗(yàn)示意圖

2 鋼水圖像去噪

實(shí)驗(yàn)時，中頻爐與紅外熱像儀之間的距離為1.5m，環(huán)境溫度為25℃左右。由于在成像過程中受到儀器、環(huán)境等不同因素的干擾，紅外熱像儀所成的紅外圖像會有較大的噪聲污染[10]。為了去除紅外圖像中的噪聲，準(zhǔn)確地掌握爐內(nèi)溫度狀況，本文應(yīng)用稀疏分解的方法對圖像進(jìn)行去噪處理，以提高鋼水測溫精度。

稀疏分解圖像去噪將圖像分解成稀疏成分和其他成分[11]，如公式(7)所示：

＝s＋f(7)

其中：

式中：為原始圖像；f為稀疏成分（有用信息）；f為其他成分（噪聲）；為原子；〈Rf,〉為圖像或圖像的殘余Rf在對應(yīng)原子上的分量。

圖像的稀疏分解通常采用匹配追蹤算法（MatchingPursuit，MP）[12]，其算法流程圖如圖2所示。

圖2 MP算法流程圖

Fig.2 Flow diagram of MP algorithm

稀疏分解去噪將非噪聲圖像與原始圖像分離，盡可能多的保留了細(xì)節(jié)信息，使得圖像得到了更加真實(shí)的再現(xiàn)。圖3為1612℃時的熔融金屬紅外圖像去噪結(jié)果。

從圖中可以看出，由于噪聲的污染，原始圖像很模糊，而且灰度值的變化并不明顯，對比度較低，這并不能反映熔融金屬溫度分布的真實(shí)情況。與原始圖像相比，稀疏分解去噪后的圖像更加清晰，去除了噪聲污染，盡可能地保留了圖像的有用信息。同時，去噪后的圖像從邊緣到中心的灰度值變化更為明顯，邊緣灰度值明顯降低，中心灰度值明顯提高，這就使得測溫結(jié)果更加準(zhǔn)確，由此繪制的等溫線圖像也更能反映出熔融金屬的真實(shí)溫度分布情況。

圖3 去噪結(jié)果對比圖

3 實(shí)驗(yàn)數(shù)據(jù)擬合

由于熱電偶測量熔融金屬內(nèi)部的溫度，而紅外熱像測量熔融金屬表面的溫度，并不能找到與熱電偶完全相同的點(diǎn)進(jìn)行測量，因此，圖像去噪后，找出圖像上與熱電偶測溫大致相同的點(diǎn)，提取圖像的灰度均值。測得的鋼水溫度與處理后的圖像灰度對應(yīng)的實(shí)驗(yàn)數(shù)據(jù)如表1所示，其中灰度范圍為0～255。

3.1 最小二乘法擬合

斯蒂芬-玻爾茲曼在總結(jié)前人的理論基礎(chǔ)上，研究出來了輻射功率與溫度的變化關(guān)系，即黑體的全輻射能量與黑體的絕對溫度的四次方成正比，而本實(shí)驗(yàn)中采用的紅外熱像儀只能收集到很窄的波段內(nèi)的輻射能量，再加上實(shí)驗(yàn)外界環(huán)境的影響，所以應(yīng)該嘗試著把溫度的冪次換成未知數(shù)，建立公式：

()＝aT＋(10)

式中：＝27.3124，＝0.9514，＝892.5742。

在Matlab中最小二乘法擬合結(jié)果如圖4所示。

3.2 改進(jìn)遺傳算法擬合

1975年，Holland首次提出遺傳算法（Genetic Algorithms，GA）的概念[13]，經(jīng)過多年的發(fā)展，GA已經(jīng)推廣到了組合優(yōu)化、信號處理和機(jī)器學(xué)習(xí)等各個領(lǐng)域[14-15]。圖5為GA基本流程圖。

表1 鋼水溫度與灰度對應(yīng)關(guān)系實(shí)驗(yàn)數(shù)據(jù)

圖4 最小二乘法擬合曲線

圖5 GA基本流程圖

由于傳統(tǒng)GA的進(jìn)化早期會朝著較好個體快速進(jìn)化，容易導(dǎo)致GA的早熟收斂[16]。早熟收斂得到的結(jié)果可能僅為局部最優(yōu)解，并且早熟收斂也會限制運(yùn)算速度，增加運(yùn)算時間。

為彌補(bǔ)上述不足，本文采用改進(jìn)GA擬合曲線[17]。其方法如下：

1）適應(yīng)度函數(shù)

2）選擇操作

先選出最佳個體，然后按比例選擇其余個體，第個個體被選中的概率為：

3）交叉概率和變異概率的自適應(yīng)調(diào)整

將最大適應(yīng)值與適應(yīng)值均值的差作為染色體早熟收斂的判別準(zhǔn)則，即＝max－ave。相應(yīng)的自適應(yīng)交叉、變異概率為：

式中：1和2為系數(shù)，且1≥02≥0。

4）交叉操作

個體和按下式進(jìn)行交叉操作：

￠＝＋(1－)(14)

￠＝＋(1－)(15)

式中：￠和￠為子代，和為父代。

5）變異操作

當(dāng)滿足變異條件時，選取隨機(jī)點(diǎn)替換變異個體，這樣保留了每一代的最優(yōu)個體，避免了算法的局部收斂。

改進(jìn)GA擬合結(jié)果如圖6所示。

圖6 改進(jìn)GA擬合曲線

3.3 結(jié)果檢驗(yàn)

為了驗(yàn)證兩種方法可行性和優(yōu)越性，本文用測試數(shù)據(jù)對擬合結(jié)果進(jìn)行了對比。采用殘差平方和與標(biāo)準(zhǔn)差的大小來評價擬合效果如公式(16)和(17)所示，與越小則擬合效果越好。實(shí)驗(yàn)結(jié)果如表2所示。

式中：x為測量值；x*為實(shí)際值，即熱電偶測得；Dx為測量值與實(shí)際值的殘差；D為殘差的平均值。

由表2可知，改進(jìn)GA的標(biāo)準(zhǔn)差和殘差平方較小，取得了較好的擬合結(jié)果。此外，與最小二乘法相比，改進(jìn)GA無需給出待擬合曲線的方程，只要給出輸入、輸出值就可以進(jìn)行全局最優(yōu)擬合，并且擬合效果更好。

表2 擬合結(jié)果對比

在實(shí)際生產(chǎn)過程中，鋼水溫度的測量需要實(shí)時在線顯示溫度，通常采用最小二乘建立的模型。與最小二乘法相比，改進(jìn)GA擬合曲線需要花費(fèi)更多的時間，在時間要求不高的情況下，能夠取得更好的測溫結(jié)果。

4 鋼水圖像的等溫線顯示

測溫時，將去噪后的圖像信息帶入到建好的鋼水測溫模型中，通過編程可以實(shí)現(xiàn)將灰度值相同的點(diǎn)連接起來，這樣形成的等高線就是鋼水圖像的等溫線。有了等溫線更加有助于工人們對整個爐溫的把控。溫度場等溫線如圖7所示，該圖為1612℃（熱電偶）熔融狀態(tài)鋼水紅外熱像圖處理所得。

圖7 溫度場等溫線

由圖7中可以清晰地看出，熔融狀態(tài)下的鋼水溫度場的分布情況，有利于熔融金屬溫度的準(zhǔn)確測量。在實(shí)際生產(chǎn)過程中，溫度的準(zhǔn)確測量，有利于提高鋼坯的質(zhì)量，并且可以減少異常澆鑄事件的發(fā)生。

5 結(jié)論

本文介紹了利用紅外熱像儀對熔融金屬進(jìn)行測溫的原理，搭建了實(shí)驗(yàn)平臺。為了使測溫精度提高，建立了紅外熱像測溫模型，采用稀疏分解方法對鋼水紅外圖像進(jìn)行去噪處理，采用最小二乘法和改進(jìn)GA進(jìn)行實(shí)驗(yàn)數(shù)據(jù)擬合，最后利用等溫線顯示爐內(nèi)整體溫度情況，有助于工人們對整個爐溫的把控。實(shí)驗(yàn)結(jié)果表明，此紅外測溫模型可以有效地測量鋼水溫度，驗(yàn)證了其有效性和可行性。下一步的工作將會致力于在保證精度較高的同時縮短測溫時間，以增強(qiáng)模型的實(shí)時性，使其更廣泛地應(yīng)用到熔融金屬測溫中。

[1] 王連振, 吳晗平, 李旭輝, 等. 紅外成像系統(tǒng)綜合性能評價方法研究[J]. 紅外技術(shù), 2015, 37(1): 57-62.

WANG Lianzhen, WU Hanping, LI Xuhui, et al. Research on comprehensive performance evaluation method of infrared imaging system[J]., 2015, 37(1): 57-62.

[2] 何麗. 走向新世紀(jì)的紅外熱成像技術(shù)[J]. 激光與光電子學(xué)進(jìn)展, 2002, 39(12): 48-51.

HE Li. Infrared thermal imaging technology toward the new century[J]., 2002, 39(12): 48-51.

[3] 馬翠紅, 劉俊秘, 楊友良, 等. 基于紅外熱像的鋼水測溫模型研究[J]. 激光與紅外, 2016, 46(4): 439-443.

MA Cuihong, LIU Junmi, YANG Youliang, et al. Research on model of molten steel temperature measurement based on infrared image[J]., 2016, 46(4): 439-443.

[4] 孫志遠(yuǎn), 李清安, 喬彥峰, 等. 提高紅外測溫系統(tǒng)測溫精度的研究[J]. 儀器儀表學(xué)報, 2006, 27: 67-69.

SUN Zhiyuan, LI Qingan, QIAO Yanfeng, et al.Research on improving the temperature measurement accuracy of infrared temperature measurement system[J]., 2006, 27: 67-69.

[5] 朱亮, 鄒兵, 高少華, 等. 紅外成像光譜在泄漏氣體處置中的應(yīng)用研究[J]. 激光與光電子學(xué)進(jìn)展, 2015(8): 080701-1-080701-6.

ZHU Liang, ZHOU Bin, GAO Shaohua, et al. Application of infrared imaging spectroscopy in leakage gas disposal[J]., 2015(8): 080701-1-080701-6.

[6] 莫朝霞, 陳沅江. 我國紅外熱像檢測技術(shù)的研究及發(fā)展展望[J]. 激光與紅外, 2014(12): 1300-1305.

MO Zhaoxia, CHEN Yuanjiang. Research and development prospect of infrared thermal image inspection technology in China[J]., 2014(12): 1300-1305.

[7] Rodiguez-Martin M, Laguela S, Gonzales-Auilera D, et al. Prediction of depth model for cracks in steel using infrared thermography[J]., 2015, 71(4): 492-500.

[8] 李云紅. 基于紅外熱像儀的溫度測量技術(shù)及其應(yīng)用研究[D]. 哈爾濱:哈爾濱工業(yè)大學(xué), 2010.

LI Yunhong. Research on temperature measurement technology of infrared thermal imager and its application[D]. Harbin: Harbin Institute of Technology, 2010.

[9] 李保民. 基于DM642的視頻圖像實(shí)時處理模塊的設(shè)計與實(shí)現(xiàn)[D]. 武漢: 武漢科技學(xué)院, 2007.

LI Baomin. Design and implementation of video image real time processing module based on DM642[D]. Wuhan: Wuhan Science and Engineering University, 2007.

[10] 張寅, 叢明煜, 周宇星. 空間污染條件下紅外測量相機(jī)響應(yīng)衰減模型的建立與應(yīng)用[J]. 光學(xué)學(xué)報, 2015(2): 0212004-1-0212004-7.

ZHANG Yin, CONG Mingyu, ZHOU Yuxing. Establishment and application of response attenuation model for infrared camera under space contamination[J]., 2015(2): 0212004-1-0212004-7.

[11] 張麗娟, 紀(jì)峰. 基于壓縮感知的圖像去噪的綜述[J]. 電子技術(shù)與軟件工程, 2014 (18): 125-126.

ZHANG Lijuan, JI Feng. Review of image denoising based on compressed sensing[J]., 2014(18): 125-126.

[12] 余付平, 馮有前, 高大化, 等. 聯(lián)合過完備庫下的信號稀疏分解[J]. 控制與決策, 2012, 27(8): 1237-1245.

SHE Fuping, FENG Qianyou, GAO Dahua, et al. Signal sparse decomposition under joint over complete libraries[J]., 2012, 27(8): 1237-1245.

[13] Holland, John H.[M]. Michigan: University of Michigan Press, 1975.

[14] 尹星月, 閆旭, 劉欣, 等. 基于改進(jìn)遺傳算法的無功優(yōu)化[J]. 東北電力大學(xué)學(xué)報, 2014, 34(3): 48-53.

YIN Xingyue, YAN Xu, LIU Xin, et al. Reactive power optimization based on improved genetic algorithm[J]., 2014, 34(3): 48-53.

[15] 何楨, 張金平. 遺傳算法在響應(yīng)曲面擬合中的應(yīng)用[J]. 工業(yè)工程, 2005, 8(6): 77-80.

HE Zhen, ZHANG Jinping. Application of genetic algorithm in response surface fitting[J]., 2005, 8(6): 77-80.

[16] 張鑫源, 胡曉敏, 林盈. 遺傳算法和粒子群優(yōu)化算法的性能對比分析[J]. 計算機(jī)科學(xué)與探索, 2014, 8(1): 90-102.

ZHANG Xinyuan, HU Xiaomin, LIN Ying. Comparison and analysis of performance between genetic algorithm and particle swarm optimization algorithm[J]., 2014, 8(1): 90-102.

[17] 梁芳, 王衛(wèi)華, 祝慶. 改進(jìn)的遺傳算法在Logistic曲線擬合中的應(yīng)用[J]. 武漢理工大學(xué)學(xué)報:信息與管理工程版, 2008, 30(4): 544-547.

LIANG Fang, WANG Weihua, ZHU Qing.Application of improved genetic algorithm in Logistic curve fitting[J]., 2008, 30(4): 544-547.

Infrared Temperature Measurement Model for Molten Metal Based on Thermal Radiation Theory

MENG Fanwei，GAO Yue，MA Cuihong，WANG Weiguo

（College of Electrical Engineering North China University of Science and Technology, Tangshan 063009, China）

Aiming at the problems of low accuracy and poor real-time performance of the traditional contact temperature measurement methods, this paper proposes an infrared thermal imaging temperature measurement model based on the thermal radiation theory. First, according to the principle of an infrared thermal imaging system, an infrared temperature measuring experiment platform is built, and the infrared images of molten metals at different temperatures are obtained. Then, to improve the precision of temperature measurement, the sparse decomposition method is used to remove the noise in the infrared image of molten metal. The least square method and an improved genetic algorithm are used fit the curve of the gray-level-temperature, which can establish the corresponding relationship between the gray value of the infrared image and the surface temperature of the measured object. Finally, the overall state of the temperature in the furnace is shown using an isotherm. The experimental results show that this model can effectively measure the temperature of molten steel and obtain high temperature measurement accuracy, which verify the validity and feasibility of the model.

infrared thermal imaging temperature measurement，image denoising，genetic algorithm，curve fitting

TN219

A

1001-8891(2017)08-0766-05

2016-08-19；

2016-09-24.

孟凡偉（1976-），男，講師，主要研究方向?yàn)閺?fù)雜工業(yè)過程的建模與控制。

馬翠紅（1960-），女，教授，碩士生導(dǎo)師，主要研究方向?yàn)閺?fù)雜工業(yè)過程的建模與控制。E-mail：mch@ncst.edu.cn。

國家自然科學(xué)基金項(xiàng)目（61171058）。