【技术实现步骤摘要】
本专利技术涉及红外热成像多角度优化识别,更具体的说是涉及一种可以针对热斑伪影、局部热遮蔽效应和早期阴燃的弱热信号辨识的一种基于神经网络的红外热成像识别方法及系统。
技术介绍
1、化工厂火灾具有来源复杂、危害性大的特点。其火源通常由易燃易爆原料泄漏、放热反应失控或设备过热故障引发,在密集管道与储罐的立体空间中极易形成链式蔓延。此类火灾不仅会产生高温高压冲击波造成人员伤亡,还会释放有毒化学物质导致持续性生态污染,最终导致巨大的经济损失。此外化工火灾存在二次爆炸风险,传统灭火手段响应窗口期不足30秒,对初期隐患的精准识别提出极高要求。
2、目前化工厂主要采用人工巡检、烟雾传感器或可见光摄像头来监测火灾。其中,人工巡检存在高危区域接近困难、夜间可视性差、人员疲劳误判等问题,烟雾传感器易受通风气流干扰且在开放空间灵敏度骤降,可见光摄像头受环境光照、粉尘遮蔽影响显著。传统红外点式测温仪仅能获取局部数据且无法识别早期热辐射异常。虽有个别企业采用热成像设备进行温度监测,但其依赖固定阈值告警的模式在复杂化工场景下误报率达42%以上,难以区分设
...【技术保护点】
1.一种基于神经网络的红外热成像识别方法,其特征在于,包括:
2.根据权利要求1所述的一种基于神经网络的红外热成像识别方法,其特征在于,所述对全景处理后的红外图像进行增强预处理包括:采用小波变换阈值去噪声,对降噪之后的红外图像进行归一化处理。
3.根据权利要求1所述的一种基于神经网络的红外热成像识别方法,其特征在于,所述对预处理后的红外图像进行数据集增广,得到扩展数据集包括:
4.根据权利要求1所述的一种基于神经网络的红外热成像识别方法,其特征在于,所述对扩展数据集进行多重子处理包括:通过小波变换、小波包分解、色彩转换、傅里叶变换、
...【技术特征摘要】
1.一种基于神经网络的红外热成像识别方法,其特征在于,包括:
2.根据权利要求1所述的一种基于神经网络的红外热成像识别方法,其特征在于,所述对全景处理后的红外图像进行增强预处理包括:采用小波变换阈值去噪声,对降噪之后的红外图像进行归一化处理。
3.根据权利要求1所述的一种基于神经网络的红外热成像识别方法,其特征在于,所述对预处理后的红外图像进行数据集增广,得到扩展数据集包括:
4.根据权利要求1所述的一种基于神经网络的红外热成像识别方法,其特征在于,所述对扩展数据集进行多重子处理包括:通过小波变换、小波包分解、色彩转换、傅里叶变换、梯度运算和边缘轮廓提取,生成第一训练集、第二训练集、第三训练集、第四训练集、第五训练集和第六训练集。
5.根据权利要求1所述的一种基于神经网络的红外热成像识别方法,其特征在于,所述并根据多重子处理结果构建多重子处理融合特征包括:建立系统多特征融合模型,将第一训练集、第二训练集、第三训练集、第四训练集、第五训练集和第六训练集进行多特征融合,获取多特征融合后的数据...
【专利技术属性】
技术研发人员:谭雄,王逸涵,柴子根,曾敏,李根,杨柳,李岳彬,
申请(专利权)人:湖北大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。