计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
7期
378-381
,共4页
神经网络%彩色摄像机%高温测量
神經網絡%綵色攝像機%高溫測量
신경망락%채색섭상궤%고온측량
Neural network%Color CCD%High temperature measurement
在高温测量的过程中,被测物体光谱发射率稳定性差,采用传统算法进行高温测量,在建立测温模型时,存在测温精确度降低的问题.为解决上述问题,提出了一种采用神经网络算法的颜色法高温测量系统的测温方法.利用彩色数码相机对高温物体在各种温度散发的颜色光进行标定,利用图像识别技术对图像进行识别,融合变换光圈快门组合的方法将测温范围扩大到高温生产的常用温度范围,通过组建RBF神经网络测量模型和标定减少CCD光谱响应带宽和被测对象光谱发射率三方面对测温精度的影响,建立精确的颜色法高温测量系统的测温模型.实验结果证明,神经网络颜色法高温测量系统测温精确性高,适应性强.
在高溫測量的過程中,被測物體光譜髮射率穩定性差,採用傳統算法進行高溫測量,在建立測溫模型時,存在測溫精確度降低的問題.為解決上述問題,提齣瞭一種採用神經網絡算法的顏色法高溫測量繫統的測溫方法.利用綵色數碼相機對高溫物體在各種溫度散髮的顏色光進行標定,利用圖像識彆技術對圖像進行識彆,融閤變換光圈快門組閤的方法將測溫範圍擴大到高溫生產的常用溫度範圍,通過組建RBF神經網絡測量模型和標定減少CCD光譜響應帶寬和被測對象光譜髮射率三方麵對測溫精度的影響,建立精確的顏色法高溫測量繫統的測溫模型.實驗結果證明,神經網絡顏色法高溫測量繫統測溫精確性高,適應性彊.
재고온측량적과정중,피측물체광보발사솔은정성차,채용전통산법진행고온측량,재건립측온모형시,존재측온정학도강저적문제.위해결상술문제,제출료일충채용신경망락산법적안색법고온측량계통적측온방법.이용채색수마상궤대고온물체재각충온도산발적안색광진행표정,이용도상식별기술대도상진행식별,융합변환광권쾌문조합적방법장측온범위확대도고온생산적상용온도범위,통과조건RBF신경망락측량모형화표정감소CCD광보향응대관화피측대상광보발사솔삼방면대측온정도적영향,건립정학적안색법고온측량계통적측온모형.실험결과증명,신경망락안색법고온측량계통측온정학성고,괄응성강.
