推荐6篇关于红外热成像的计算机专业论文

今天分享的是关于红外热成像的6篇计算机毕业论文范文, 如果你的论文涉及到红外热成像等主题,本文能够帮助到你

基于图像处理的电气控制柜温度监测系统设计

这是一篇关于红外热成像,图像增强,图像去噪,温度监测的论文, 主要内容为工厂生产车间电气控制柜的数量众多,控制柜因内部温度异常会出现停机故障,严重时还会引发火灾等安全事故。因此,有必要对电气控制柜内部温度进行实时监测和有效管理,但传统人工巡检存在操作繁琐、效率低下、发现问题滞后等问题,难以满足工业生产安全、高效、稳定的要求。针对存在的问题,本文设计了一种基于图像处理的电气控制柜温度监测系统,将多个固定式红外热像仪布置在柜体上,每个热像仪对控制柜内部特定区域进行实时无接触测温,将所有热像仪的红外图像传输至上位机,通过图像处理,得到控制柜内部温度分布信息、温度变化趋势以及异常报警等信息。本文工作包括以下几个方面:(1)进行需求分析,确定电气控制柜温度监测系统的总体结构、功能模块及其相互关系。对红外热像仪、交换机等硬件设备进行选型,确立了系统的网络结构及通信方式,完成硬件平台的搭建。(2)基于WGIF图像分解,改进了SSR红外图像增强算法,实现红外热像仪的图像增强,保证图像显示的清晰度和细节。针对红外热像仪受干扰后获取的红外图像成像模糊、对比度低和细节信息缺失,以及单尺度Retinex、HE等传统算法处理时容易出现噪声放大、光晕的问题,改进的算法采用基于局部方差的加权引导滤波,对红外图像进行图像分层与平滑滤波,达到滤除噪声与保护细节边缘信息的效果;采用基于双边滤波的单尺度Retinex算法获取基础层图像的反射分量与光照分量,减少光晕现象的产生。最终将各层图像通过一定的权值进行融合,使融合后的图像拥有更好视觉效果。(3)针对红外热像仪受到干扰后获取的红外图像存在掺杂噪声以及中值滤波、BM3D等传统滤波算法难以滤除混合噪声的问题,提出了一种基于IAWPSMF的非局部均值复合去噪算法。该算法采用加权像素相似度均值(WPSM)作为滤波算法的相似性度量,设计了基于循环迭代的自适应WPSM滤波算法(IAWPSMF)去除高密度椒盐噪声,改进非局部均值滤波算法相似性度量,并与IAWPSMF算法相结合,对高密度混合噪声进行复合去噪。实验结果表明,相比于其它传统滤波算法,本算法具有更优的去噪性能。(4)设计了基于红外图像处理的电气控制柜温度监测的上位机监管系统。上位机通过TCP/IP协议读取多个红外热像仪的图像数据,调用图像处理算法,实时显示控制柜内部的红外图像,给出温度范围,实现超温报警等功能。该系统已在青岛市某工厂试用,在功能性、实用性及安全性方面得到用户的认可,适用于各种控制柜内部温度实时监测,具有很好的推广和应用价值。

基于红外热成像的死鸡识别机器人系统研究

这是一篇关于死鸡识别,笼养肉鸡,红外热成像,卷积神经网络,YOLO-v3,机器人的论文, 主要内容为目前,国内外大部分肉鸡养殖场的笼内死鸡识别工作仍采用人工作业方式,存在作业效率低、劳动强度大、不利于工人身体健康等弊端。因此,开展笼内死鸡自动识别机器人研究是整个家禽养殖业亟待解决的问题。本课题以层叠式笼养肉鸡为研究对象,基于机器人技术、红外热成像技术及卷积神经网络技术开发了一套死鸡自动识别机器人系统,实现了笼内死鸡自动识别功能。在一定程度上加快了禽畜养殖机器人走出试验室的进程,对死鸡自动识别后续工作研究提供了一定的参考价值。本文的主要研究内容如下:(1)死鸡识别机器人系统构建。基于肉鸡养殖工艺及设备发展状况,设计了死鸡识别机器人系统的整体方案。基于红外热成像技术及卷积神经网络技术开发了一套死鸡自动识别算法,完成了对移动底盘、红外热成像模块、开发环境等软硬件的选取与系统开发,实现了死鸡识别机器人在鸡舍内自主巡检功能。(2)死鸡识别算法设计。死鸡识别算法由鸡头识别模型和体温判定模型组成。利用鸡头识别模型对红外图像鸡头进行识别,然后通过坐标搜寻提取鸡头体表温度,结合当前环境温度及湿度,引入体温判定模型判断鸡只是否死亡。经测试,算法平均识别成功率为86.25%。鸡头识别模型:分析基于卷积神经网络的YOLO-v3深度学习算法原理,构建鸡头训练数据集;训练鸡头识别模型并验证,经验证模型查准率查全率分别为87.34%和 76.67%。体温判定模型:确定鸡头作为笼养肉鸡的关键红外测温部位;建立鸡头最大温度、环境温度及环境湿度等变量与肉鸡体温的多元线性及非线性两种回归模型,经比较非线性模型效果更好,平均相对误差与最大差值分别为0.27%和0.32℃;通过死鸡的体表温度变化试验确定区分鸡只死鸡状态的温度阈值为36.25℃。(3)死鸡识别机器人系统测试试验。进行了摄像头高度及角度调试试验,确定了最佳拍摄高度及拍摄角度;完成循迹导轨的铺设与调试,检测了死鸡识别机器人的自主移动功能。按照笼内死鸡活鸡比例为0:3、1:2、0:4、1:3四种情况进行现场试验,试验结果表明上层鸡笼内死鸡识别成功率为83.75%,下层鸡笼内死鸡识别成功率为77.50%,整体死鸡识别成功率为80.63%。

面向微流化学的流体安全监测算法研究

这是一篇关于微流控,过程安全,红外热成像,深度学习,图像检测,图像分类的论文, 主要内容为随着全球材料化学领域相关技术的不断发展,微流控技术凭借高通量、低成本、低污染等优势得以普及。微流控芯片及其连接管线在实验时需要满足气密性要求,不可预测的气液泄漏将会对实验人员的安全造成危害。为了降低微流实验室的安全风险,现有的安全监测手段主要依靠人工先验知识与传感器数据分析。人工手段存在着个体差异无法维持客观性;传感器数据分析手段成本较高难以实际应用。因此,结合部分微流化学制备流程,基于计算机视觉方法与红外热成像技术构建了泄漏安全监测算法,并通过横向对比实验验证了算法的可行性。本文的主要研究内容如下:(1)微流流体风险(Fluid risk of microflow,FRM)数据集。基于微流管道存在的气液泄漏风险,构建一个微流气液泄漏数据集。针对微流反应芯片存在的气体泄漏,共收集了微流化学实验场景中2种不同气体泄漏源、4种泄漏流量、2种拍摄距离总计115200帧的图像数据集;针对发生在微流管线上的液体泄漏,共收集了2种不同角度、2种泄漏流量总计57600帧的图像数据集。数据集共计172800张图片,分别以红外灰度图像格式与RGB图像格式保存,上述数据集全部用于后续网络训练。(2)基于红外羽流特征的气液泄漏检测算法。基于微流控系统中泄漏气液的羽流特征构建检测算法。在YOLO目标检测框架的基础上引入小目标检测层,形成S-YOLO框架。使用FRM数据集进行训练和测试,实验结果证实本文提出的算法可以有效地检测微流设备的细小流体泄漏,平均识别精度为85.45%。基本满足微流实验泄漏风险的检测需求。(3)基于微尺度红外特征的液滴泄漏检测算法。根据上述算法在微尺度红外液滴检测方向的不足,提出一种基于微尺度红外特征的液滴泄漏检测算法。以DETR框架作为基准框架,以Deformable DETR框架作为改进方向,分别复现以上框架并将其运用到微尺度液滴泄漏检测任务中。通过引入多种注意力机制、偏移量学习与多尺度特征融合方法,最终提出SEDE-DETR算法,大幅提高网络训练的收敛速度与检测效率。使用FRM数据集中的液体泄漏部分对网络进行横向对比训练,证实此算法可以有效弥补先前方法的不足,对泄漏液体的识别精度为89.52%。(4)基于红外特征的气体泄漏流量检测算法。从气体泄漏的纹理特征与红外特征角度出发,结合气体流量危险等级的分类标准,提出了一种基于红外特征的气体流量检测算法。以ResNet模型作为基准模型,提出基于注意力瓶颈模块的改进模型SETB-Net与基于特征融合的改进模型SETB-Fusion。分别使用上述三种分类模型对FRM数据集中的气体泄漏部分进行横向对比训练,证实本文提出的SETB-Fusion算法对泄漏气体的流量检测效果最好,最佳距离下的检测精度为98.17%基于微流管道存在的气体与液体泄漏风险,构建微流流体风险数据集,分别从气体与液体的红外羽流特征构建安全监测算法,最终通过实验结果证实本文提出的算法均可对微流气液泄漏进行有效检测与分类。

基于红外热像处理的电气柜火灾预警系统

这是一篇关于火灾预警系统,红外探头点阵模型,红外热成像,双指针任务码环形缓冲区的论文, 主要内容为本文研究的电气柜火灾预警系统是基于某监狱项目下的一个设备开发,该系统旨在对电气设备进行监测,并在发生电气火灾前进行预警。电气柜火灾预警系统是电气设备监控的重要环节,而监狱内存在众多电气设备与线路。如果发生电气火灾,将会造成严重损失以及大量人员伤亡。目前国内电气火灾系统存在监控力度低、预警效果差、误警频率高等缺陷。且本市监狱管理局期望监狱能实现安全生产、风险监测、预警联动、启停控制的目标。因此,为解决电气火灾系统存在的不足以及响应本市监狱管理局发布的有关监狱安全生产风险检测预警系统建设的技术规范。本文设计了针对安全生产风险监测预警系统项目建设特点的基于红外热像处理的电气柜火灾预警系统,研究内容如下:结合监狱系统的技术指标和需求,进行软硬件设计以及红外热成像设计。硬件上进行了相关器件的选型与电路设计,设计了降压型DC-DC电源电路、传感器的驱动与采集电路、RS-485通讯电路以及外设电路。并且,为解决单个红外探头分辨率不高的问题,设计了红外探头点阵模型,该模型不仅能维持高分辨率采样,而且能够针对不同被测对象进行调整,从而实现有效测量。展开了红外热成像的研究,为更好的成像效果,对红外探头采集到的温度数据进行了插值处理,再将温度值转化为与之对应的灰度值,在RGB彩色空间将灰度值伪彩色化,从而达到成像目的,并辅以高斯滤波对图像进行优化。最后为将系统智能化,设计了系统优化方案,该方案包括:传感器数据采集与处理;基于Modbus协议建立报文格式的主机与从机通讯协议;多参数阈值火灾预警系统;可解决系统紊乱、程序冗长的基于双指针任务码环形缓冲区的操作系统。本文研究的基于红外热像处理的电气柜火灾预警系统完成了对监狱电气柜的风险监测,解决了由剩余电流变化引起的误警情况,降低了系统误警的概率。

基于红外热成像技术的肉鸡腿部异常检测系统设计与实现

这是一篇关于白羽肉鸡,腿部疾病,红外热成像,KNN,随机森林,WEB平台的论文, 主要内容为随着我国肉鸡产业的快速发展,集约化、规模化养殖水平得到不断提高,而在生产过程中由于养殖密度过大、管理不当、疫情等因素导致肉鸡腿病多发,制约了肉鸡的日常行为活动和生产效益。目前,对于肉鸡腿病的早期诊断,以人眼观察为主,耗时耗力,且主观性强。采用现代化技术手段来实现肉鸡腿病的自动检测,有利于提高肉鸡福利化养殖水平,减少疾病导致的经济损失。本文根据肉鸡养殖生产需要,以白羽肉鸡为研究对象,利用红外热成像技术、传感器技术、神经网络模型等设计了一种肉鸡腿部异常识别预警系统,该系统集成的算法模型可用于数据挖掘,自动检测并存储肉鸡腿部异常信息,通过WEB平台实现数据可视化管理。主要研究内容如下:(1)肉鸡腿部异常检测硬件系统设计:选用海康威视TB-1217A-3/PA热成像摄像机采集红外热图像与温度数据,设计基于NB-Io T技术的鸡舍环境信息感知系统,以实现鸡舍内环境温度、相对湿度及光照强度的实时监测,并通过网关将数据上传至云服务器。(2)肉鸡腿部温度反演模型研究:利用YOLOv4目标检测算法识别肉鸡感兴趣区域(Region of Interest,ROI),通过提取ROI温度,并结合环境因子,建立肉鸡腿部温度反演模型,对比了多元线性回归和KNN回归两种模型,平均相对误差分别为0.71%和0.43%,最终选择KNN回归作为温度预测模型。(3)肉鸡腿部异常分类识别模型研究:采用OSTU自适应阈值分割算法对红外热图像进行二值化处理,通过提取姿态特征并结合温度特征,建立了基于随机森林(Random Forest,RF)的肉鸡腿部异常分类识别模型,模型在正常、轻微异常、中度异常三个分类等级的识别准确率依次为97%、91%和94%,总体准确率为96%,通过不同模型对比,RF模型表现最优。(4)肉鸡腿部异常检测应用端系统实现:根据系统功能需求,采用My SQL数据库统一存储和管理环境监测信息、肉鸡腿部异常信息及管理员信息,基于Java开发的中间件可对多个文件夹执行监听、读取、处理等任务,基于轻量级框架Spring Boot开发了WEB后台服务,利用Java Script、HTML等技术进行WEB前端设计,通过引入Highcharts、Echarts等图表插件实现了数据的多样化展示,测试结果表明该系统具有良好的承载能力,可在生产环境中稳定运行。