一种基于BP神经网络的示温漆温度自动判读方法及装置与流程

一种基于bp神经网络的示温漆温度自动判读方法及装置
技术领域
1.本发明涉及示温漆技术领域，尤其涉及一种基于bp神经网络的示温漆温度自动判读方法及装置。


背景技术：

2.随着测温技术的发展，示温漆测温技术被研究出来。示温漆是一种特殊配方的涂料，它能随外界温度的升高而改变自身颜色。颜色的变化与对应温度之间存在确定的色温关系，利用这种颜色变化规律可以反推温度场的大小与分布。目前该技术正广泛用于航空发动机热端部件表面温度的测量。示温漆测试技术兼具了接触式与非接触式测温方法的优点。它可附着于测温器件表面，却无需引线，也无需测试窗口。因此可以在不破坏被测部件的前提下形成接触，这是传统的热电偶测温法所达不到的。此外，示温漆涂层很薄，涂覆后不会影响发动机内部的结构与气流。因此示温漆测试有着非干涉、非侵入的优点，可用于高速旋转的发动机内部。航空发动机的温度测试环境相对恶劣，面临着高温、高压以及高速旋转的复杂结构，且内部空间狭窄。示温漆的特性，使其能够应用于极其复杂的结构表面，得到精确直观的温度分布，解决了壁面测量中所遇到的诸多问题。
3.多年来，示温漆测试的温度判读一直由人工操作以及肉眼的视觉目测完成。人工判读的方法非常容易受到光照条件、测试人员的视力状况以及心理因素的影响。这些问题给示温漆测试的精确度、可重复性以及工作效率带来了不利影响。此外，人工测试过程高度依赖于操作人员的熟练度与经验，也不利于示温漆测试技术的使用与推广。由于人工判读方法的种种缺陷，近年来国内外相关学者对基于示温漆温度的自动判读方法进行了许多尝试，如中国航发沈阳发动机研究所提出的示温漆温度判读方法(见专利文献：cn109087311a，示温漆温度判读方法)和示温漆区域温度判读方法(见专利文献：cn108986175a，示温漆区域温度判读方法)，以及北京动力机械研究所提出的基于示温漆测试技术的物体表面温度场三维重构方法(见专利文献：cn108181022a，基于示温漆测试技术的物体表面温度场三维重构方法)，以彩色相机拍摄示温漆样板图像，提取示温漆颜色特征，然后建立示温漆温度判读模型，此法的精确程度和示温漆的图像处理有很大联系。除此外，中国航空工业集团公司沈阳发动机设计研究所也提出了一种示温漆颜色自动识别方法(见专利文献：cn102313607a，一种示温漆温变颜色的自动识别方法)，以示温漆的颜色温度曲线作为判读模型，但在示温漆图像的颜色空间转换过程，即相机标定过程，采用的是固定的线性变换矩阵，只能适用于特定的环境下。这些方法或多或少的存在易受环境光以及图像处理精确度影响的问题，检测较复杂，且温度分辨率不高。


技术实现要素：

4.本发明需解决的技术问题是提供一种识别精度高、环境适应能力强的基于bp神经网络的示温漆温度自动判读方法及装置。
5.为解决上述技术问题，根据本发明的一方面，提供了一种基于bp神经网络的示温
漆温度自动判读方法，包括如下步骤：
6.步骤1、使用彩色ccd相机采集彩色图像；
7.步骤2、对相机标定，基于bp神经网络，建立ccd相机所采集的彩色图像rgb值与标准颜色三刺激值之间的非线性映射关系，即颜色空间转换；
8.步骤3、将经过步骤2颜色空间转换后得到的示温漆颜色数据，结合其标准温度数据，基于bp神经网络建立二者之间的非线性映射关系；
9.步骤4、将ccd相机采集的待测试示温漆图像，通过所述步骤2颜色空间转换和步骤3颜色、温度非线性映射关系，识别出其温度。
10.根据本发明的又一方面，提供了一种基于bp神经网络的示温漆温度自动判读装置，采取技术方案如下：
11.所述图像采集模块由一个彩色ccd相机构成，用于采集彩色图像；
12.所述相机标定模块用于相机的标定，基于bp神经网络建立ccd相机测得的rgb值与标准颜色三刺激值之间的非线性映射关系，即建立相机的颜色空间转换模型；
13.所述温度识别模型模块将从所述相机标定模块经过颜色空间转换后得到示温漆的颜色数据，再结合示温漆标准温度数据，基于bp神经网络建立二者之间的非线性映射关系；
14.将所述彩色ccd相机采集的待测试示温漆图像，通过所述相机标定模块颜色空间转换，再由所述温度识别模型模块识别出其温度。
15.本发明提出一种基于bp神经网络的示温漆温度自动判读方法/装置，利用神经网络较好的非线性映射能力，可以很好的实现示温漆彩色图像的颜色空间转换精度以及示温漆温度判读的精度。本发明中的相机标定和温度识别模块/方法，使用者可以根据周围环境的变化通过所述两个模块/方法来调节系统颜色空间转换和温度识别，从而使温度识别结果更准确。
16.与现有的技术相比较，本发明采用神经网络的较高的非线性映射能力使温度识别更准确，分辨率跟高；根据需要随时重新进行相机标定和温度识别模型建立，保证了环境适应能力和准确度。
附图说明
17.所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1示出了本发明基于bp神经网络的示温漆温度自动判读装置总体框架示意图；
19.图2示出了根据本发明的具体实施例提供的基于bp神经网络的示温漆温度自动判读装置流程示意图。
具体实施方式
20.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整
地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.本发明基于bp神经网络的示温漆温度自动判读方法包括如下步骤：
22.步骤1、使用彩色ccd相机采集彩色图像。
23.步骤2、对相机标定，基于bp神经网络，建立ccd相机所采集的彩色图像rgb值与标准颜色三刺激值之间的非线性映射关系，即颜色空间转换。
24.步骤3、将经过步骤2颜色空间转换后得到的示温漆颜色数据，结合其标准温度数据，基于bp神经网络建立二者之间的非线性映射关系。
25.步骤4、将ccd相机采集的待测试示温漆图像，通过所述步骤2颜色空间转换和步骤3颜色、温度非线性映射关系，识别出其温度。
26.在本发明的一些具体实施例中，
27.在所述步骤1中，ccd相机采集标准色卡、标准白板、标准示温漆样板。
28.在所述步骤2中，将所述步骤1采集到的标准色卡、标准白板图像的rgb值和其对应的标准颜色三刺激值作为输入和输出，用bp神经网络来训练颜色空间转换，即建立ccd相机所采集的彩色图像rgb值与标准颜色三刺激值之间的映射关系。
29.在所述步骤3中，将所述步骤1采集到的标准示温漆样板图像根据所述步骤2进行颜色转换，并结合其对应的温度值，基于bp神经网络建立二者之间的非线性映射关系。
30.作为本发明的又一方面，本发明提供了基于bp神经网络的示温漆温度自动判读装置。
31.如图1所示，基于bp神经网络的示温漆温度自动判读装置包括：图像采集模块、相机标定模块和温度识别模型模块。
32.所述图像采集模块由一个彩色ccd相机构成，用于采集彩色图像。
33.所述相机标定模块用于相机的标定，即建立相机的颜色空间转换模型。由于不同ccd相机测出的rgb值不尽相同，即使同一个ccd相机在不同照明环境下，其所测出来的rgb值也不同。为此，基于bp神经网络建立ccd相机测得的rgb值与标准颜色三刺激值之间的非线性映射关系，即建立相机的颜色空间转换模型。
34.所述温度识别模型模块用于建立示温漆的温度识别模型。示温漆处于不同的温度下，会呈现出不同的特定颜色，根据颜色温度的非线性映射关系来进行示温漆的温度识别。将从所述相机标定模块经过颜色空间转换后得到示温漆的颜色数据，再结合其标准温度数据，基于bp神经网络建立二者之间的非线性映射关系，建立温度识别模型。
35.所述彩色ccd相机采集的待测试示温漆图像，通过所述相机标定模块颜色空间转换，再由所述温度识别模型模块识别出其温度。
36.如图2所示，在本发明的一些具体实施例中，
37.所述图像采集模块中的ccd相机采集标准色卡、标准白板、标准示温漆样板。
38.所述相机标定模块以采集到的标准色卡、标准白板图像的rgb值和其对应的标准颜色三刺激值为输入和输出，用bp神经网络来训练颜色空间转换模型。
39.所述温度识别模型模块将采集到的标准示温漆样板图像根据所述颜色空间转换
模型进行颜色转换，并结合其对应的温度值，用bp神经网络来训练温度识别模型。
40.对于一个标定好的ccd相机而言，只要用这个相机拍摄待识别的示温漆，得到的图像经过颜色空间转换模型和温度识别模型，就可以识别出温度。由于在不同的照明环境下，ccd相机拍摄同一个物体得到的图像的rgb值是不同的，进而导致颜色空间转换模型变化，最终导致温度识别模型变化。如果照明环境改变，而不对相机重新标定，就会导致最终温度识别结果出现错误。本发明的相机标定模块和温度识别模型模块可以很好的解决这个问题，根据需要随时重新进行相机标定和温度识别模型建立，以确保结果的准确度。
41.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。