红外通信技术研究（共12篇）
红外通信技术研究 篇1
该项目对近年来供电局开展的红外检测诊断工作方法进行了总结, 通过对昆明供电局各个专业应用红外热成像仪情况 (包括输电、变电、配电) 运行情况的分析和研究, 编写了符合实际需要的《红外成像测温作业指导书》, 对作业流程、检测周期等内容进行规范。项目结合省内实际做研究, 对红外成像诊断技术的应用有所创新, 开发了省内第一个网络化的电力设备红外图谱档案管理库, 具备了红外图谱的分类管理、远方导入、查询图谱等功能, 实现了故障诊断信息与红外热像的统一管理, 为各种电气设备的运行状况管理提供重要科学依据。编辑出版了《电力设备红外检测图谱》, 该书从红外基础理论、影响红外热成像仪正确测温的因素、图谱案例分析和典型图谱等十四个方面做了论述, 为红外成像检测技术在系统内得到更广泛应用提供了借鉴。
红外通信技术研究 篇2
近红外光谱技术定量测定基质参数研究
摘要：无土栽培具有省地、省时等诸多优点,是农业生产中发展最快的技术之一,基质选择是无土栽培成功与否的关键之一.因此,对基质参数的快速测定具有重要意义.文章采用近红外光谱技术定量测定基质中含水率、电导率和pH值,利用基线校正和微分方法对光谱进行预处理,在不同的波段范围建立不同的偏最小二乘(partial least squares,PLS)回归模型.研究发现:光谱经基线校正后,漂移现象得到明显改善;近红外光谱可用于基质中电导率的定量检测,用于预测基质电导率的最优PLS模型的相关系数r、交互验证均方根误差(root mean square error of cross-validation,RMSECV)、相对分析误差(relative percent deviation,RPD)和检验偏差(Bias)值分别是0.923 6,634 μs・cm-1,3.11和19.8 μs・cm-1,使用的最佳回归因子是7,建模的.最优波段范围是4 246.7～7 502.2crn-1.近红外光谱技术对于含水率的预测也是可行的,但模型精度有待进一步提高,而近红外光谱无法预测基质中的pH值. 作者： 俞永华 Author： YU Yong-hua 作者单位： 浙江大学生物系统工程与食品科学学院,浙江杭州,310058 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： ,31(11) 分类号： S37 TP216 关键词：近红外光谱 基质 含水率 电导率 pH 机标分类号： S68 S31 机标关键词：近红外光谱技术定量测定基质选择参数研究Determination of电导率mean square error无土栽培基线校正least squares预测模型精度含水率偏最小二乘均方根误差相关系数微分方法漂移现象农业生产快速测定 基金项目： 国家(863计划)重点课题项目，农业部公益项目近红外光谱技术定量测定基质参数研究[期刊论文]光谱学与光谱分析 --2011,31(11)俞永华无土栽培具有省地、省时等诸多优点,是农业生产中发展最快的技术之一,基质选择是无土栽培成功与否的关键之一.因此,对基质参数的快速测定具有重要意义.文章采用近红外光谱技术定量测定基质中含水率、电导率和pH值,利用基线...
红外通信技术研究 篇3
关键词： 多波段红外场景仿真； 数字微镜器件（DMD）； 关键技术
中图分类号： O 439文献标志码： Adoi： 10.3969/j.issn.10055630.2014.06.012
引言随着红外成像制导武器的发展，单一波段的红外场景仿真系统已经不能满足需求，为了更好地测试和评估红外制导武器系统跟踪性能，在室内建立一个动态的多波段红外场景仿真系统就显得尤为重要。同采用LCD、CRT或二极管阵列的红外场景仿真系统相比，基于数字微镜器件（DMD）多波段红外场景仿真系统以其高帧频、高空间频率、灰度等级高、均匀性好等优势，在红外场景仿真系统的研究中受到重点关注。其基本原理是照明光源通过准直光学系统均匀照明DMD，图像生成部分将生成的数字图像传输到DMD，通过DMD驱动电路驱动数字微镜器件偏转，以此来达到调制入射到DMD的辐射，产生红外图像，生成的红外图像通过投影光学系统投影到被测系统的入瞳处，使得被测系统接收到的红外图像与真实目标产生的红外辐射一致，以此来评测被测系统的性能[1]。由于此系统在国内的研究起步较晚，依然存在一系列难点以及需要解决的问题，如黑体光源最优温度的确定，DMD光学窗口的更换，多波段系统光路的光学设计等。1红外光源的选择及最优温度确定
1.1光源的选择在红外场景仿真系统中，光源的性能会影响系统的测试性能，不同仿真波段的系统应该选择不同的光源，并且要求其具有较高的温度稳定性、空间辐射均匀性及光能利用率。黑体具有电磁辐射效率高、温度控制精度好及良好的均匀性的特点，能均匀照射DMD芯片，因此，黑体是红外场景仿真系统的最佳光源[2]。其他可做红外光源的还有高温热源及其红外激光，但是都有其明显的不足。
1.2黑体辐射理论黑体，又称绝对黑体，是一种理想化的物体，其能够吸收外来的全部电磁辐射与透射，并且不会有任何的反射与透射，即黑体对任何波长的电磁波吸收率为1，而透射率为0，在吸收外来电磁辐射的同时，它还对外发射电磁辐射。根据普朗克定律[3]，黑体的光谱辐射度M与黑体表面的绝对温度T及其波长λ有如下关系M=c1λ5·expc2λT-1-1（1）式中，c1、c2为辐射常数，c1=3.741 8×10-16 W·m2，c2=1.438 8×10-2 m·K。黑体光源的温度范围以被测导引头的探测灵敏阈和其动态范围为依据来确定。黑体的最低温度对应探测器的灵敏阈，最高温度对应探测器的饱和辐照度[4]。
光学仪器第36卷
第6期胡文刚，等：基于DMD多波段动态红外场景仿真系统的关键技术研究
1.3黑体温度计算在动态红外场景仿真系统中，辐射光源发出的红外辐射必须经历几个部分才能最终到达探测系统，辐射从黑体出发，经DMD窗口到达DMD表面，经DMD表面反射到投影系统，经投影系统的吸收最终到达被测系统，在整个过程中黑体的发射率ε、DMD窗口的透过率τDMD、DMD表面的反射率η、DMD微镜的衍射以及投影光学系统的透过系数τl等因素会对到达探测系统的红外辐射产生影响，即Mo=Mi·gD·τl（2）式中，Mi为黑体发射出来的总辐射度，Mo为到达红外探测器的总辐射度，τl为投影系统的透过系数，gD为DMD的能量传递系数gD=τ2DMD·η·（1-δD）（3）式中，τDMD为DMD窗口的透过率，η为DMD表面的反射率，δD为DMD微镜的衍射效应。由式（1）、（2）、（3）即可计算黑体光源的温度范围及最优温度。
2DMD窗口更换技术在对DMD光学窗口更换过程中，涉及两个过程：（1）红外DMD光学窗口材料选择；（2）DMD光学窗口封装。
2.1窗口材料的选择根据红外场景仿真系统的工作环境及使用条件，用于红外DMD光学窗口材料必须满足以下几点条件[5]：（1）高透过率：DMD芯片作为反射式元件，红外DMD光学窗口在相应的红外波段必须具有较高的透过率[6]；（2）低折射率温度系数：光学材料的折射率随温度的变化率（dn/dT）即为折射率温度系数，红外光学材料的折射率温度系数较一般的可见光学材料高，如普通BK7玻璃的可见光折射率温度系数约为3×10-6/℃，锗玻璃的折射率温度系数约为3×10-3/℃为普通玻璃的1 000倍，红外光学窗口工作在高温下，必须能经受高温变化引起的折射率变化影响，所以在红外波段的折射率温度系数必须尽可能的小；（3）较强抗腐蚀和氧化能力：DMD光学窗口有一面暴露在空气中，必须对空气中的各种气体的腐蚀与氧化有很强的抵抗力，防止光窗腐蚀掉落影响成像质量；（4）其它条件：低热膨胀系数、高硬度、高强度、高熔点等。市场上出售的DMD芯片主要应用于投影仪等仪器上，其光学窗口透过波段为紫外光、可见光及近红外波段[3]，图1所示为型号0.7″XGA DMD芯片。
将此型号DMD光学窗口拆下，采用FRONTILOptica100型红外傅里叶光谱仪，测试此光学窗口的透过率曲线，如图2所示，从图2可以看出，在0.26～2.6 μm波段，此光学窗口的平均透过率为80%，最大透过率为95%以上，在2.6～5 μm，其平均透过率不足20%，对于中、长波等波段的红外场景仿真应用，需要使用在中、长红外波段透过率高的光学窗口，故原有窗口不能满足中、长波的红外场景仿真系统的需求，必须对DMD芯片进行光学窗口的更换。目前，国内外使用较多的红外光学材料有：锗、硅、氟化镁、氟化钙、硫化锌、硒化锌、蓝宝石（Al2O3）等，这些材料的性质各不相同，适用于不同波段的红外场景仿真系统[6]。作为红外DMD的窗口材料，综合考虑，适合中波红外场景仿真系统的DMD窗口材料：硅、氟化镁、氟化钙；适合中、长波红外的双波段窗口材料：硒化锌；适合可见光至长波红外的多波段复合场景仿真系统窗口材料：硫化锌。
2.2DMD窗口封装技术光学窗口的封装一般是指将光窗与金属或者其它材料进行封接，在封装以后必须满足将内部器件隔离，免受大气中气体的氧化以及水蒸气的腐蚀[6]。DMD光学窗口封装技术，除需满足一般封装技术的要求外，还必须考虑到DMD芯片的特性。DMD是一种精密的反射式空间光调制器，如型号为0.7″XGA DMD的DMD芯片微镜片的尺寸为12.68 μm×12.68 μm，如此小的微镜片，任何微小的影响都会对其造成严重的损害，从而影响DMD芯片的性能，所以在DMD光学窗口封装过程中，还必须考虑到温度、压力、振动、空气氧化以及静电等的影响。目前，根据实际要求，适合DMD光学窗口封装技术一般有粘合剂封装、玻璃焊料封装和高温熔封。对于可见光至长波红外的多波段复合场景仿真系统来说，考虑多波段需求，窗口材料选取为硫化锌，由于硫化锌的较低熔点等，可以采用粘合剂封装方法。3多波段光学系统的光路设计目前基于DMD红外场景仿真系统通常仅针对3～5 μm中波红外的单一波段，而8～12 μm长波红外的红外仿真系统多采用LCD芯片，这是因为DMD的微镜尺寸为12.68 μm，与8～12 μm长波红外波长相近，所以衍射现象明显；同时复杂背景下的红外辐射特征并不是单一波段的场景仿真系统所能提供的。因此，基于DMD的多波段红外场景仿真系统需要对光学系统进行优化设计以满足多波段需求，这其中涉及系统整体光路设计以及投影光路设计。
3.1系统整体光路设计通常红外场景仿真系统都采用透射式光学系统[7]，考虑到多波段需求及系统成本，本系统将采用反射式结构，如图3所示，为该系统的整体光路结构以及投影系统的初步设计，利用4片半反半透镜，将光源发出的辐射反射到投影系统中去，经投影系统汇聚出来，再经过2个全反射镜反射到探测器的入瞳，该反射式光学系统能够有效降低像差、热差等对系统的影响[8]。
3.2投影光路的设计投影系统采用4片透镜形式，如图4所示为其光学系统。以国产某型号红外热像仪为例，仿真系统工作在可见光、1～3 μm、3～5 μm和8～12 μm波段，出瞳直径为100 mm，应大于被测试对象的入瞳直径[9]，全视场角为10°，系统焦距为117 mm，F数为1.3。系统选用0.7″XGA（1 024×768）格式DMD芯片，其尺寸为14.22 mm×10.67 mm，入射光线以与DMD基底法线夹角为24°角入射时，要使投影光路不影响光线照射DMD芯片的全部微镜片，投影光路与DMD芯片距离应不小于20 mm。为了避免杂散光进入被测系统，投影光路最后一面距被测系统不应太远，取100 mm。由以上分析可初步确定出投影光路指标：工作波段为可见光、1～3 μm、3～5 μm和8～12 μm；出瞳直径为100 mm；全视场角为10°；焦距为117 mm；F数为1.3；入瞳距离为40 mm；后工作距离为110 mm。4结论本文通过对基于DMD多波段红外场景仿真系统的研究，分析了其存在的几个关键技术难点，即红外光源的选择及温度范围确定、DMD窗口更换技术、多波段光学系统的光路设计问题，分别对这几个难点提出了相应的解决方案。不过仍然存在很多不足之处，例如：黑体光源温度计算中没有进行误差分析；在DMD窗口更换技术中，没有对更换后的DMD芯片进行完好性检测；在整体光学系统设计中，没有考虑到热差对整个系统的影响；在投影光学系统的设计当中，没有进行相差分析。这些都是在今后工作中需要进一步研究的。
参考文献：
[1]陈二柱.DMD动态红外景象投影技术[J].红外，2004（2）：2831.
[2]王云萍，赵长明.基于DMD的动态红外景象仿真系统[J].红外与激光工程，2009，38（6）：967969.
[3]JACOBS P A.Thermal infrared characterization of ground targets and backgrounds[M].Washington：SPIE Optical Engineering Press，1996.
[4]常虹.基于DMD的双手红外成像制导仿真系统研究[D].哈尔滨：哈尔滨工业大学，2006.
[5]黄占杰.中红外导流罩及窗口材料的发展趋势[J].材料导报，1998，12（3）：3032.
[6]李成涛，沈卓身.光电光窗的封接技术[J].半导体技术，2008，33（2）：102103.
[7]耿康.基于DMD的红外仿真光学系统设计[J].光学仪器，2010，32（4）：2528.
[8]李林.应用光学[M].4版.北京：北京理工大学出版社，2010.
红外目标检测和识别技术研究 篇4
关键词：红外成像,目标跟踪,目标识别
从20世纪60、70年代开始, 红外成像技术就被广泛应用于红外告警与侦查、精确制导等军事领域, 它己逐步成为现代防御系统和武器装备中除雷达外应用最多、最具发展潜力的探测技术之一。对基于红外成像技术获得的目标图像进行目标的自动检测、识别与跟踪是空空导弹的重要发展方向。因此, 开展红外成像目标检测与识别中关键技术的研究, 对于提高区域防御系统的生存能力、有效的反击能力以及在未来战场中争夺控制权具有重要的战略意义和实战价值。
1 目标的红外辐射特性
自然界中的一切物体, 只要其温度高于绝对零度 (-273℃) , 就存在分子和原子无规则的运动, 其表面就不断辐射红外线。红外线是一种电磁波, 它的波长范围为0.78~1 000μm, 不为人眼所见。物体的温度越高、发射率越大, 红外辐射能量就越大;对于红外探测元件来说, 接收到的辐射功率Ps越强。红外成像系统通过探测器接收物体表面的红外辐射, 并将其转换为电压信号, 经过放大、处理后, 将高电压量化为图像灰度。目标或背景辐射能量越大, 探测器响应输出的电压值也就越高, 对应的图像灰度值就越高, 反映在灰度图像上就越亮。图1为一架客机的红外图像, 清晰可见发动机的部位温度较高。
由于在大气中传输会对红外辐射中某些波长发生严重吸收, 在大气层内, 特别是低高度应用中, 只能选择传输中衰减较小的窗口谱段, 即近红外 (波长1~2.5µm) 、中红外 (波长2.9~5.0µm) 和远红外 (波长8~14µm) 。同时, 考虑到发动机尾喷、尾焰的主要辐射波段在中波范围内, 因此采用多元中波响应的探测器, 可以提高探测距离, 并能够较为细致地反映物体细节。
2 红外目标检测识别
检测并截获目标是跟踪目标的前提。目标检测实质是统计检测的问题, 即在满足给定的探测概率和虚警概率指标要求下发现目标。从信息处理角度来看, 目标检测就是一个从噪声中检测脉冲信号的过程。导引头系统中存在包括背景噪声、探测器噪声以及电路噪声等多种噪声。
目标检测之前, 系统一般设有信息预处理器。信息预处理器包括时域高通滤波、非均匀性校正、空间滤波等等, 可以滤除1/f噪声、空间低频部分的云层背景, 并将系统非均匀性减到最小限度。通过信息预处理器之后的系统噪声可以认为基本上由白色高斯噪声组成, 服从正态分布, 其概率密度函数为:
其中, μ为x的均值, σ为均方差。
其中, 虚警概率Pf只与TNR有关, TNR越高, Pf也就越低。检测概率Pd与SNR和TNR均有关。当虚警概率Pf一定时, TNR确定, 为提高Pd, 只有提高SNR。
导弹的攻击目标为空中高速飞行器, 结合弹载系统资源有限、实时性要求高的特点, 目标检测算法采用正灰度门限检测算法。导弹对目标的检测过程为:读取图像数据、门限分割、特征识别及检测结果。由于在判断疑似攻击目标时, 会受到各种非期望信息的干扰, 处理不好这些信息就会有相当一部份虚假对象目标被当作待攻击目标, 大幅降低检测率并提高虚警概率。因此, 选择合适的检测门限和检测判据是至关重要的。根据对目标、背景红外特性和大量试验数据的统计分析, 并参考其他型号的检测判据, 发现除盲元外, 系统噪声绝大多数处于图像灰度均值的4倍方差以内, 大部分低频背景也在4倍方差以内, 而所探测的目标基本上处于4倍方差以外, 由于目标特性均满足此规律。同时, 考虑到产品的噪声分布, 为避免系统噪声引起的截获虚警, 在截获概率为98%时, 设定最低截获灰度、截获信噪比为4是满足要求的。再结合当前图像的灰度分布, 确定最优阈值进行门限分割, 分割的结果会残留一些信噪比超过4或灰度超过限度的背景和噪声, 此时就需要通过特征识别算法进行筛选处理, 以确定待攻击目标。当截获信噪比进一步下降时, 会导致虚警概率的进一步上升, 不满足截获概率的要求。
2.1 影响红外目标探测性能的指标
国内外均使用截获灵敏阈来评价导弹的探测性能, 灵敏阈值越小, 导弹越灵敏, 探测性能越好。空空导弹的探测性能直接影响着导弹总体战技指标, 综合分析国外第四代空空导弹的相关资料, 其前向探测距离均在10km左右。截获灵敏阈值表示导弹恰好能够截获目标时入射到导弹光学系统入瞳的辐射照度。对于相同的应用环境及目标, 导弹的截获灵敏阈值越低, 相应的截获距离也就越远。
导引头的灵敏阈与光学系统参数、探测器性能、信息处理和系统设计密切相关。表1所示为国外同类产品的灵敏阈指标。
探测距离理论计算公式为:
2.2 目标截获算法
导弹攻击目标为高速飞行器, 并且这些目标通常具备高于背景的红外辐射特性;结合弹载系统资源有限、实时性要求高的特点, 红外导弹的目标检测算法通常采用信噪比门限检测, 能够保证所攻击目标的快速准确检测。其检测流程如图2所示。
2.2.1 分割算法
设置合适的分割门限, 从灰度上对图像中的目标与非目标进行分类。非目标包括:系统噪声 (盲元、随机白噪声、非均匀性残留等) 、云或者地物背景等;图像分割算法中, 设定最低检测信噪比为4, 再结合当前图像的灰度分布, 确定最优阈值进行门限分割;分割的结果会残留一些信噪比超过4的背景和噪声, 此时需要通过特征识别算法进行筛选处理, 以确定待攻击目标。
2.2.2 特征提取算法
对分割后的二值像进行标记, 将同一连通域的二值像标记为同一个目标;统计每个标记目标的特征, 包括:长、宽、面积、平均灰度、最高灰度、长宽比及位置等。
2.2.3 特征识别算法
运动特性判定, 即判断当前视场中, 疑似目标的运动是否符合连续性 (物理学规律) ;静态特征判定, 需要利用前期试验积累的经验值, 包括:目标的长、宽、面积、灰度、长宽比、灰度面积比、目标像素分布及目标灰度分布等特征的自相关和互相关特性, 确定此疑似目标是否为待攻击目标;进一步判定检测目标特征是否满足连续性;确认截获该目标, 并转入跟踪。
2.3 跟踪策略
中远距目标成像面积小, 选择目标的能量中心进行跟踪;近距离目标成像面积大, 为提高跟踪精度, 在目标上选择高灰度区域中心进行跟踪;侧向交汇时, 为排除尾焰对跟踪精度的影响, 一方面在目标上选择尾喷口跟踪;另一方面当尾焰较长时, 利用尾喷口到尾焰的灰度分布特性, 获得机身方向, 进一步选择尾喷口偏向机身方向的一端进行跟踪。
2.4 抗干扰算法
干扰起燃判定算法设计思路基于以下两点。
第一, 在忽略大气透过率, 且目标能量不变后的情况下, 导引头探测到的目标能量与弹目距离平方成反比。因此, 在导弹接近目标过程中的能量变化是连续的。
第二, 红外诱饵弹具有较高的红外能量 (在目标能量的2倍以上) , 且具有快速起燃的特性 (在0.2~0.5s时间内达到能量峰值的0.9倍以上) 。因此, 在红外诱饵弹起燃时, 导引头探测到目标能量快速增长, 目标能量变化率发生突变。
在目标跟踪过程中, 实时统计跟踪目标的能量变化率, 当判定能量变化率连续3帧发生突变时, 判定出现干扰起燃, 程序进入抗干扰状态。
3 结语
本文在以往工作和实践的基础上, 对红外目标检测和识别技术进行总结和研究, 在以后的工作中, 会更多地关注红外多目标成像及其检测和识别的方法, 多目标跟踪的研究会遇到单个目标跟踪下所无法遇到的难题, 例如, 目标之间的遮挡、交互下的跟踪、同一帧图像中启动多个跟踪器时对整个系统的实时性的影响和新目标的加入以及已跟踪目标跑出场景之外的处理等等。多目标的跟踪比单个目标的研究更具有挑战性, 也是今后有待于深入研究的课题之一。
参考文献
[1]毕兰金, 刘勇志.精确制导武器在现代战争中的应用及发展趋势[J].战术导弹技术, 2004 (11) .
红外通信技术研究 篇5
近红外漫反射光谱技术快速预测蒸汽压片玉米常规成分含量的研究
摘要：应用近红外漫反射光谱分析技术(NIDRS),采用偏最小二乘法,建立了蒸汽压片玉米4个常规成分的近红外定量预测校正模型.研究中选用62个品种玉米的.蒸汽压片为样本,光谱扫描范围为950～1 650nm,采用中心化+导数+多元散射校正的预处理方法.研究得出粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)和粗脂肪(EE)的校正模型交叉验证决定系数(R2VAL)分别为0.951 1,0.9032,0.714 3,0.908 2,交叉验证误差(SECV)分别为1.53,1.89,2.45,0.50.本研究建立的模型可以用来准确、快速地预测蒸汽压片玉米的CP,NDF和EE的含量,为蒸汽压片饲料工业提供了一种快速、经济和绿色的质量检测技术. 作者： 薛丰[1] 王利[2] 孟庆翔[1] 崔振亮[1] 任丽萍[1] Author： XUE Feng[1] WANG Li[2] MENG Qing-xiang[1] CUI Zhen-liang[1] REN Li-ping[1] 作者单位： 中国农业大学动物营养国家重点实验室,北京,100193;中国农业大学动物科技学院,肉牛研究中心,北京,100193临清市农业局,山东临清,252600 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(1) 分类号： S132 关键词：近红外漫反射光谱 蒸汽压片玉米 常规成分 快速预测 机标分类号： O65 S13 机标关键词：近红外漫反射光谱技术 快速预测 蒸汽压片玉米 成分含量 Diffuse Reflectance Near Infrared 预测校正模型 交叉验证 中性洗涤纤维 质量检测技术 酸性洗涤纤维 偏最小二乘法 光谱扫描范围 光谱分析技术 多元散射校正 预处理方法 饲料工业 决定系数 常规成分 中心化 基金项目： 国家十一五支撑项目，动物营养国家重点实验室项目近红外漫反射光谱技术快速预测蒸汽压片玉米常规成分含量的研究[期刊论文] 光谱学与光谱分析 --2011, 31(1)薛丰 王利 孟庆翔 崔振亮 任丽萍应用近红外漫反射光谱分析技术(NIDRS),采用偏最小二乘法,建立了蒸汽压片玉米4个常规成分的近红外定量预测校正模型.研究中选用62个品种玉米的蒸汽压片为样本,光谱扫描范围为950～1 650nm,采用中心化+导数+多元散射校正的...红外光谱成像目标识别技术综述 篇6
关键词： 红外成像；光谱识别；光谱成像；
中图分类号：o434 文献标识码：A 文章编号：1674-098X（2015）07（c）-0000-00
1 引言
目标识别技术主要用于對目标的搜索、识别和跟踪，目标识别技术有着非常重要的作用，也成为各国发展的重点。目前广泛使用的手段和技术有：可见光电视识别、红外点源识别、红外成像识别、毫米波识别和复合识别等。目前研究的重点都在试图改善目标识别的抗干扰能力，同时寻求新的方法和技术。随着红外探测器技术的快速发展，红外成像由于具有高灵敏度、高帧频、抗干扰性好、可全天时工作等特点，在目标识别中已得到广泛应用。
红外光谱目标识别技术是通过红外光谱测量，揭示物质组成成分，利用光谱谱型来区分真假目标，尤其红外光谱成像既可测量红外光谱又可观测红外图像，具有红外成像识别和红外光谱识别的复合识别效果[1-3]。很多目标由于所使用动力的燃料和表面涂覆材料不同，通过红外光谱测量，确定其燃料和表面涂覆材料的物质组成成分，进行有效目标识别。红外光谱及成像为识别技术提供了一种新的手段和方法。
2 红外光谱成像目标识别技术
红外光谱成像技术是上个世纪80年代初，在多光谱扫描技术的基础上发展起来的先进的新一代技术。它把映射目标辐射属性的光谱特性与映射目标空间和几何关系的图像结合在一起，非常适合人们根据图像进行目标特性探测。光谱成像测量技术为当代遥感发展的前沿技术，在很多领域得到了广泛和重要的应用，如在地质勘探、大气遥感、真假目标及干扰物的揭示等。目前，发达国家都将光谱成像技术列为重点发展技术。
通过光谱成像测量对区分真假目标和识别技术得到广泛的关注。据报道，应用红外超光谱成像技术，建立目标的红外光谱特征数据库，根据目标的光谱特征来自动探测和识别目标。超光谱成像可得到大量的反映目标物质成分的光谱数据，通过对数据的处理、分析和比对，探测和识别真假目标。红外光谱成像能够全天时、全天候的实时探测、跟踪和识别目标，大幅度提高其效能。
光谱成像常用技术方式主要有滤光片分光型，色散分光型和傅立叶干涉型等。傅里叶变换成像光谱技术是利用红外探测器每个像素的干涉图与目标光谱图之间的对应关系，通过测量离散干涉图并对干涉图进行傅里叶积分变换计算，反演得到光谱图，从而获取二维空间目标的光谱信息。傅里叶变换成像光谱仪器在空间目标探测中具有：多频道、高通量、高信噪比、高光谱分辨率，探测灵敏度高，微弱信号探测能 力强，根据不同目标可实时调整光谱分辨率的优势，特别适合红外弱辐射光谱的探测。通过图像数据和光谱数据的融合，揭示各种目标的光谱特征及物质成份，区分同类目标的细微差异，对目标识别和分类具有重要意义，极大提高对目标的识别能力。
利用高光谱或超光谱遥感进行目标探测的特点主要表现在对目标探测识别的能力有较大提升，可以区分出相近类目标的微小差别，有效解决“异物同谱”和“同谱异物”现象，为目标精确光谱探测提供了数据量保障，使目标光谱探测由定性分析变成定量测量，为目标识别奠定了技术基础。研究一种采用高帧频、多波段红外焦平面的红外多光谱成像识别。采用多帧处理的超分辨率处理，实现较高分辨率，甚至超过物理分辨率，通过多帧频叠加处理方法来提高探测灵敏度 ，实现远距离分辨小间隔目标，同时完成目标光谱特征提取。
发达国家在光谱成像技术方面进行了大量研究， 在光学系统、分光器件、焦平面探测传器、数据融合技术、目标跟踪和识别算法等方面做了非常多的建设性的工作。一些研究成果已经得到了很好的应用。红外光谱成像技术在目标识别方面具有一定的优势和非常好的应用前景。可对低对比度目标进行探测且具有较高背景抑制能力；光谱加成像即光谱成像复合识别方式，使目标识别成功率有较大提高，尤其抗干扰效果非常好，使干扰难度增加甚至无法进行干扰。光谱成像识别方式缺点是光学系统较为复杂，数据量偏大，硬件成本高，实时性略差。有的系统对数据处理实时性要求较高和系统空间较小，因此红外光谱成像目标识别技术的应用还需进一步完善和提高。
3 结束语
红外光谱成像具有光谱和图像合二为一的特点，把目标红外几何图像和光谱识别技术有机的结合，在目标识别技术方面具有非常好的应用前景，能达到复合识别效果。
参考文献：
[1] 曾宪林. 红外成像导引头及其成像制导武器述评[J]. 航天电子对抗，2004，（5） ：45-48.
[2] 耿凡. 光谱识别技术在红外制导方面的应用展望与分析[J]. 红外与激光工程，2007，36（5）：602-606.
[3] 黄士科，张天序，李丽娟. 空空导弹多光谱红外成像制导技术研究[J]. 红外与激光工程，2006，36（1）：16-20.
[4] MAYERRR，SCRIBNERD，FLEETE，eta1.Spectral optimization studies and simulations of two-，three-，and four-bnad staring LWIR sensors inmissilede fensescenarios[C]. Proceedings of SPIE，Imaging Spectrometry X，2004，5546：84-95.
一定保留：
作者简介：孟庆华（1963-），男，吉林长春人，工学硕士，研究员，主要从事光谱仪器和光电经纬仪设计
红外多光谱图像测量技术研究 篇7
现在所广泛使用的红外测温仪器一般有两种:红外测温仪与红外热像仪。前者通过红外传感器接受红外辐射能量, 进行对温度的测量;而红外热像仪则是通过拍摄红外图像, 根据图像的灰度值得到红外辐射能量的信息, 进行温度的测量。上述两种方法都因为各自的特点被广泛应用, 但是仍存在着一些不足。例如, 成像不清晰;不能够快速地对目标进行多次测量;对测温环境的要求较高, 不能有遮挡等[1,2,3]。而红外多光谱测量系统可以较好的解决这些所存在的问题, 使红外测温技术能够更广泛的得到应用。
2、红外多光谱测温理论依据
根据维恩位移定律, 峰值光谱辐射出射度对应的波长与绝对温度的乘积为常数。当温度升高时, 峰值光谱辐射出射度对应的波长向短波长方向移动, 见图1。由图1可知在温度为1667K以上时, 辐射光谱范围是覆盖了可见光域与近红外光域。所以可采用对可见光及近红外光谱敏感的传感器, 对在高温时所产生的辐射进行采集, 从而得到相关信息用于温度测量。
经过黑体辐射亮度计算, 当温度在800℃至2000℃, 波长小于1.1μm时, 维恩公式代替普朗克公式的相对误差δ≤0.1%。但随温度变化, 发射率较难准确获得, 为了避免发射率的求取, 对不同波长λ1和λ2在同时测相同温度点发出的辐射能Mλ1T和Mλ2T, 对于灰体物质将两者相比并取对数得该点的温度为:
3、红外多光谱测温系统设计方法
红外多光谱测量系统的主要设计思路为, 通过设计一个光学系统将被测物体的像分成四个。然后, 利用镀膜透镜使分得的四个图像各显示所要求波段的被测物体的像, 并使得四幅图像可以被光电探测器接收, 并存储起来[4]。最后, 在利用这些图像进行红外多光谱特征融合, 从中提取出所需信息。系统框图如图2所示。通过所得图像的灰度值可以知道对应波长光λ1、λ2、λ3、λ4, 的辐射能M1λT、Mλ2T、M3λT、Mλ4T, 两两带入比色测温公式, 可以得到六个温度值T1、T2、T3、T4、T5、T6。对这六个值进行数学处理得到一个最后的温度值T, 这个温度值即为所求温度。
4、结语
本文对比了现有红外测温技术, 依据黑体辐射学基本原理, 设计了一套基于分光光学系统的红外多光谱图像测温系统, 并对比色测温法理论公式进行了推导, 给出了红外多光谱图像测温系统的系统结构图, 为系统的实现搭建了理论平台, 为下一步对该系统平台的研究奠定了基础。
摘要：通过设计一种新型的红外多光谱测量系统, 对目标进行温度测量。采用的方法是设计光学系统对目标物体进行分光, 使目标物体图像分成多个与原图像相同的图像。然后在通过镀膜技术, 将分得的多个图像各自按不同的光谱成像并被光电探测器接收到, 从而得到对一个物体的多光谱图像, 再对这些图像进行特征的融合, 从中提取出所需温度信息。
关键词：红外多光谱,分光系统,图像融合
参考文献
[1]刘晓东.高温微粒红外辐射特性测量技术研究[D].哈尔滨:哈尔滨工业大学, 2008.
[2]邓建平, 王国林, 黄沛然.用于高温测量的红外热成像技术[J].流体力学实验与测量, 2011, 15 (1) :43-47.
[3]张易凡.多光谱遥感图像融合技术研究[D].西安:西安工业大学, 2006.
红外通信技术研究 篇8
关键词：红外热像,集中监测,一体化展示,归集共享
0 引言
采用红外成像状态检测技术可有效诊断电气设备的状态及其隐患缺陷。国外红外热像仪的工业化应用开始于20世纪60年代中期,对电气设备进行故障诊断的效果十分显著[1,2];我国电力部门从20世纪80年代末相继开展相关理论方面的研究[3,4,5]。在电力系统中,由红外热像仪检测红外辐射能量,可反映相关部位的温度或热状态变化,进而发现许多电气设备和热能动力设备的缺陷征兆[6]。
目前,电力企业正积极推进状态检修工作,红外热像仪的热像处理技术也在不断提高,但由于红外热像检测尚未解决远程持续监测、统一监控、数据积累及人为操作等问题,未能充分发挥其作用。近年来出现了红外测温与变电站图像监控系统融合的技术[7,8],使其在变电站图像监视的基础上增添了远程红外测温的功能,但由于红外与可见光视场不同,影响其使用效果。文献[9]中提出了一种红外与可见光摄像头一体化云台设计方案,可有效用于变电站内电气设备红外状态预警与诊断,但受限于网络带宽传输限制,未能实现远程集中监测。
针对这些问题,本文通过优化现有在线监测装置的测温数据处理及通信方式,设计站端图像模板匹配模型及平台侧数据调用接口,以实现红外热像的远程集中监测。该研究成果已在广西电网变电设备综合在线监测与评估平台上应用,可实现红外热像状态信息的一体化展示及诊断。通过对部分西电东送主通道、需特维特巡的关键设备针对性地实施应用,可以达到安全、效能、成本的平衡。
1 红外热像技术的应用及影响因素
虽然红外热像测温有利于发现电气设备的各类发热缺陷,但在现场应用中仍然受到一些客观因素的制约,影响其使用效果。
1)从及时性分析,人工存储的热图像仅能实现间断性检测分析,不能对热分布场实时监控和诊断,且由于对设备运行热状态的历史数据积累不足,可能会造成重大设备缺陷发现不及时的事故发生。
2)从数据完整性分析,由工作人员按制定的检测计划在现场逐一测量,并对人为记录进行分析,定期使用红外热像仪进行人工检测,虽然可实现“一台设备多处使用”,但是专业人员须同时检测众多设备,并且人员素质及数据完整性需要满足一定的要求,从而导致人员工作量激增,影响检测效果。
3)从数据通道分析,采用传统的数据图像传输技术,红外数据图像未经压缩转换,虽然图像质量较好,但是占用带宽较大,而且远程上位机功能不受变电站下位机数据通道影响,无法实现数据集中上传。
2 终端监测装置设计
针对红外热像技术在电力系统的应用情况,有必要研究红外热像的远程监测通信技术。但是,红外热像测温是将被测目标表面的热状态电信号,经高增益低噪声放大后,进行模数转换,转换为14 bit的数字信号,如果依然选用无损数字压缩的全数字测温处理及传输技术,将占用约30 M的带宽才能达到红外监测的理想效果,这是限制红外热像远程监控的技术难点。
为了克服测温数据处理及传输的难点,首先需改进红外热像监测装置,使其满足远程监测基本条件。改进的方法是监测装置将图像数据、温度数据分开处理,并传输至在线监测单元服务器,在保证传输流畅视频信号的同时,完成原始可分析数据的同步传输。
2.1 双视场监测图像处理与红外测温匹配
鉴于可见光视场较大,可将红外热像仪与可见光摄像机安装在同一监测装置云台,通过图像模板匹配算法将红外视场融合于可见光视场中,以保证2个摄像头监视同一位置,解决红外热像难以识别设备热点位置的问题。
同时,由于监测装置云台回转精度无法保证,导致难以长时间对准目标。因此,在图像模板匹配算法中,将初次设置的对象目标模板定为参照物,每当云台转到该预置位时,便提取场景特征与参照物进行比对。如果发现偏移,将计算相对位移量,并通知云台运转到对应的修正角度,自动匹配目标。该方式可有效保证单台监测装置对多预置位的巡回监测效果。
2.2 图像信号传输
对于视频图像数据,采用普通视频信号的有损压缩传输方式。视频信号转换流程如图1所示。
监测装置在其数字信号处理器(Digital Signal Processing,DSP)内部进行图像处理,包括颜色编码转换、自动增益控制(Automatic Gain Control,AGC)等,对处理后的图像进行MPEG4压缩后,再通过网络传输,同时响应网络命令进行测温工作。在线监测单元服务器可将传输回来的模拟信号进行MPEG4解码、回放和转发。
2.3 原始电平采样数据转换及传输
监测装置对14 bit原始电平采样数据的编码及传输,在DSP处理器内部进行原始数据的无损压缩,再按传输控制协议(Transmission Control Protocol,TCP)打包传输。采样速度最高可达25帧/s。数字信号转换流程如图2所示。
2.4 温度数据传输
对需要持续监测的温度对象(点温度、区域最高温度等)进行设置,监测装置实时测量上述目标的温度,并将温度数据叠加到对应视的频图像信号上,最终将这些数据按既定通信规约实时传输到在线监测单元服务器。该温度数据传输方式只需要极低的带宽(<1 kbit/s)。
通过改进红外热像监测装置,使之满足模拟测温方式,可将视频图像及温度数据上传至远程网络硬盘录像机(Network Video Recorder,NVR),满足图像及温度数据实时传输的要求,实现了对电力设备的远程红外测温,且其温度数据精度高,网络带宽占用少。
3 监测数据传输方法
为了实现红外热像远程集中监测,需要统一不同型号、不同类型的监测装置,传输采用统一的数据传输规约,并结合红外热像数据的特殊性要求处理、报送数据。
3.1 IEC61850-9-2点对点同步采样
在组网传输红外热像温度及图像数据时,时钟同步的准确性、IEEE1588等同步方式的可靠性,以及网络冲突、网络时延均可能对红外热像在线监测单元和变电设备综合在线监测与评估平台的安全性、可靠性造成影响。因此,本文针对温度数据与图像数据在叠加过程中高精度要求的特点,分析采用IEC61850-9-2点对点方式的必要性和难点,提出了一种实现点对点采样值传输的方法。
根据点对点采样值传输原则,设计了以太网精确数据传输组件,该组件采用大容量现场可编程逻辑阵列(Field Programmable Gate Array,FPGA)作为协处理器,完成8路以太网数据的收发控制,协处理器承担了数据链路层的全部工作,降低了CPU负荷。组件针对点对点IEC61850-9-2的应用设计了多项功能,适合对变电站多类设备同时进行红外热像监测的数据传输业务。
该组件配置高性能DSP处理器,可及时对接收的数据进行计算处理,分摊CPU的负担。网络协处理器和DSP之间,通过高性能增强型的并行外设接口进行全双工自动数据交换,其带宽达到800 Mbit/s,满足了8路百兆以太网接口的最大理论吞吐量。以太网插件的多项定制功能,如网络风暴抑制、目的地址过滤、有效报文检测等可提高系统在复杂网络环境下正常工作的能力。经测试,单块以太网插件在接收320 Mbit/s有效数据的情况下,可以正常工作。该指标完全能够满足红外热像检测数据在变电站内部或与平台间的传输要求。此外,该插件的以太网接口对上层协议公开,不仅可以承载IEC61850-9-2的采样数据报文,也同样适合承载变电站在线监测类的其他通信业务,如面向通用对象的变电站事件(Generic Object Oriented Substation Event,GOOSE)、IEEE1588等。
3.2 规范数据传输格式
针对集中监测多座关键变电站设备红外热像的需要,提出并制定数据传输格式标准化的要求。首先制订《在线监测装置数据及建模规范》,规定了变电站内的监测装置、接入平台的在线监测装置传输数据的内容和方式,以及进行IEC61850数据建模时应遵循的原则,以达到平台的接入和扩展能力。同时,为了便于进行数据的分析和比较,在通信规范关键技术研究中明确了变压器、隔离开关等8类设备测温数据的系统配置、逻辑节点模型和服务类型3部分内容。具体细节要求有:(1)按照工程远景规模配置数据对象实例(Instantiated Data Object,IDO),在监测装置功能描述文件(IED Capability Description,ICD)中包含具体参数描述和基于字符串描述的属性;(2)将变电站所有需要配置描述文件(Substation Configuration Description,SCD)自动生成的实例描述文件(Configured IED Description,CID)下载到对应元件中;(3)ICD文件需要包含模型自描述信息,如版本信息、修改的版本号等内容。
平台通过综合数据网以《在线监测装置数据及建模规范》接收各变电站在线监测单元的数据,并保存到平台数据库中。在线监测单元通过接入到传输组件协议转换器网关以后,对接收到的数据进行对象化处理,封装成符合IEC61850的通信对象再传输到监测平台。最后在平台完成集中监控与诊断。
4 平台实时监测实现与诊断算法建模
鉴于应关注单个应用走向,从集成的整体角度考虑架构层面的问题[10,11],将各站端红外热像数据统一接入变电设备综合状态在线监测与评估平台,可满足在线监测一体化信息集成的发展需求[12],在此基础上对数据进行深度挖掘,可进一步提升其监测实用性。
4.1 监测数据集中调用及控制功能实现
为了统一平台红外视频及图像调用接口的规范,规定平台与各红外热像在线监测单元之间采用ActiveX控件的方式进行视频和图像的控制和数据交互。ActiveX控件满足以下三大要求:(1)以压缩包(CAB格式)的形式加载到平台;(2)支持同时运行多个实例;(3)可接入同一厂商全系列监测装置。根据以上要求,分别制定系统类接口、音视频类接口及控制接口。红外视频图像调用接口构成如图3所示。
系统类接口主要调用不同型号的装置控件,音视频类接口则完成图像控制功能,而控制接口则完成云台控制及预置位调整等命令执行。
由于变电设备红外视频/图像的数据量大,频繁上传这些数据会导致整个网络通信性能下降。所以平时仅上传各监测预置位区域内最高温度及温度越线告警信息,必要时监控平台通过人工触发的方式直接查看和分析红外视频或图像。平台调用和查看红外图像流程如图4所示。
4.2 诊断算法建模
由于电力设备故障的性质、部位和严重程度不同,导致设备表面温升值及空间分布特征也不相同,所以,分析处理红外热像监测设备监测到的上述设备运行状态信息,可对设备中潜伏的故障属性、位置和严重程度做出判定。
要实现表面温度精确量测,必须注意到物体的温度不是直接测量,而是通过红外线辐射能投射到热像仪上,此种辐射能与物体温度有函数关系。但事实上,红外线检测器接收到的辐射能,不仅来自物体,也来自物体周围环境、大气层及热像仪本身。因此,红外测温的精度和可靠性与很多因素有关[13]。为确保监测的准确性,对红外热像监测设备类别及监测部位进行分类定义,通过监测数据、相关影响因素的处理与分析,结合判断算法,提出同时归集、加工、分析各种类型监测数据诊断的方法。判断算法模型根据《DL/T 664带电设备红外诊断应用规范》要求及现场技术条件设计,包括表面温度判断法、相对温差判断法、同类比较法、档案分析法等。500 kV玉林变电站红外热像监测如图5所示。
5 现场应用实例
经过对某220 kV试点站全站红外热像扫描、分析,于2012年8月20日发现2号主变110 kV侧变压器1024刀闸(1024接地刀闸一侧瓷瓶端部)温度相对同类型设备相同部位的温度高许多。红外监测图像及对应的可视光图像如图6所示。
采用同类比较法、点温差法来分析缺陷,分别取图6(a)中三相的瓷瓶柱头点01、点02、点03的温度,点01的温度为54.7℃,点02的温度达到77.4℃,点03的温度为46.8℃。可以看出,点02的温度明显较其他2个相同部位点温度高,由此判断是上端接线夹接触不良导致过热。
后经使用便携式红外热像仪进行现场复测,确认该点温度偏高。在设备停电消缺之前,通过变电设备综合状态在线监测与评估平台对该设备进行持续监测。经过检修人员处理,拧紧接触部位后,温度降至正常。
6 结语
红外诱饵辐射特性仿真技术研究 篇9
在红外制导导弹对抗红外诱饵的过程中,红外诱饵的辐射强度对其抗干扰概率有较大影响。这主要是因为红外诱饵的辐射强度在不同的对抗条件下变化非常大。而载机的辐射强度在各种条件下相对稳定,这就导致压制比的变化很大,从而对抗干扰产生影响。
在采用数字仿真或者半实物仿真[1]方法对红外制导导弹抗干扰性能进行评估时,需要建立准确的红外诱饵辐射模型,以反应各种对抗条件对其辐射强度的影响。这样才能保证对抗干扰性能的准确评估。
在红外诱饵辐射特性方面,已进行了有关研究工作[2—4]。这些工作主要是从诱饵研制的角度,讨论不同组份、不同颗粒直径等因素对诱饵燃烧特性的影响。而在抗干扰仿真评估中,应该对已经定型的诱饵产品进行仿真,要能够体现诱饵在各种对抗条件下辐射特性的变化。
本文根据能量守恒定律、黑体辐射定律、斯蒂芬—波尔兹曼定律推导了红外诱饵辐射强度计算模型,给出了长方体和圆柱体两种典型诱饵的质量燃烧率计算公式,分析了诱饵的高度和速度对其辐射特性的影响规律,在文献[5]的基础上实现了红外诱饵辐射强度仿真计算,可以对各种对抗条件下的诱饵辐射特性进行仿真,最后给出了仿真结果,并对其进行了分析。
1 红外诱饵燃烧特性分析
目前的红外诱饵大部分是由镁/聚四氟乙烯/氟橡胶组成的,其辐射能量是由燃烧时的化学反应释放出来的。在红外诱饵组分中,氟橡胶作为黏合剂用来包覆镁粉。为此,在红外诱饵燃烧反应体系中不考虑其影响。
红外诱饵的燃烧过程的化学反应由两部分组成(见图1),一是在诱饵表面的缺氧反应,其燃烧反应方程式为:
二是诱饵外围过量的镁汽化后与周围空气中的氧气进行的燃烧反应,反应方程式为:
根据上述反应方程式,反应主要产物是MgF2、MgO、Mg、C、CO2。其中C的发射率比较高,能达到0.8,其辐射强度在全部辐射中占主要部分,MgO 辐射类似灰体辐射,在(4—8)μm波段发射率约为0.38,MgF2的贡献较小,而Mg基本上不产生红外辐射。CO2辐射与黑体辐射不同,在(4.2—4.6)μm波段辐射较强,约为灰体辐射的两倍。在计算其红外辐射时,如果没有该型诱饵的光谱分布数据,一般将其等效为某一温度的黑体辐射进行计算。
2 红外诱饵辐射特性计算方法
红外诱饵燃烧过程中向外发出的红外辐射可以等效为黑体辐射。对于黑体辐射或者灰体辐射,如果已知物体的辐射面积、表面温度,就可以计算其辐射强度。红外诱饵在燃烧的过程中,红外辐射温度可以通过测试设备测试,但是辐射面积无法测量。这就使得这种计算方法的应用受到限制。
可以利用能量守恒定律计算红外诱饵的辐射强度。根据能量守恒定律,红外诱饵燃烧产生的能量等于其热辐射的能量与通过对流和传导向周围空气传输的热量之和,即为:
Qb=Qr+Qt+Qc (3)
式(3)中,Qb表示诱饵燃烧产生的能量,Qr表示诱饵向外辐射的能量,Qt表示诱饵向外传导的能量,Qc表示诱饵向外对流的能量。
定义如下稳态辐射系数dr:
则有:
Qr=drQb。
当燃烧温度比较高时,燃烧能量主要以红外辐射的方式向外传输。当红外诱饵在标准条件下燃烧时,也就是说不受气流和高度影响时,稳态辐射系数dr一般约为0.75左右。
燃料燃烧产生的能量,可以用燃料质量和燃料的燃烧热的乘积表示:
Qb=mHc (5)
式(5)中m为燃料的质量;Hc为燃料的燃烧热,单位J/g。
则其中红外辐射的辐射功率Pr可以表示为:
式(6)中
另外,目前的红外探测器都有一定的波长响应范围。为了计算某一波长范围(λ1,λ2)内的红外辐射功率,引入函数Fλ,T:
Fλ,T表示某一波长范围(λ1,λ2)内的红外辐射与总辐射之比。
总辐射可以根据斯蒂芬-波耳兹曼定律计算,对于发射率为ε的灰体而言,总辐射为:
M=εσT4 (9)
某一波长范围内的红外辐射可以利用普朗克黑体辐射公式在该波长范围内的积分获得,即为:
式(10)中,C1为第一辐射常数,数值为3.741 5×104 W·cm-2·μm;C2为第二辐射常数,数值为1.438 79×104 μm·K。
通过以上分析,可知红外诱饵在某一波长范围内的辐射强度Iλ为:
不同形状的红外诱饵其质量燃烧速率是不同的,美军装备的红外诱饵其形状主要为长方体和圆柱体。对于任意形状的红外诱饵在燃烧过程中其密度是不变的,因此诱饵质量燃烧率可以表示为:
式(12)中,ρf为诱饵的密度,V为诱饵的体积。
在实战使用过程中,红外诱饵投射出去以后,整个外表面开始燃烧,对于已经定型的诱饵而言,单位时间内的燃烧深度是一定的。对于不同形状的红外诱饵,单位时间内燃烧掉的体积是不同的。
对于长宽高分别为A、B、H的长方体(见图2),在上表面为迎风面的燃烧过程中,其体积V随时间t的变化关系为:
Vcu(t)=(A-2rt)(B-2rt)(H-rt-r1t) (13)
则其对应的质量燃烧率为:
式(14)中,r为红外诱饵的线性燃烧速度,r=ds/dt,即为单位时间内红外诱饵向下燃烧的深度,单位为cm/s。r1为诱饵迎风面的燃烧速度,受到阻滞压力的影响,其值比正常情况的要大一些。
对于半径为R,高度为H的圆柱体,在燃烧过程中,其体积随时间的变化关系为
Vcy(t)=π(R-rt)2(H-rt-r1t) (15)
则其质量燃烧率为:
式(16)中r和r1分别为线性燃烧速度和迎风面线性燃烧速度。
红外诱饵的线性燃烧速度与红外诱饵组份、颗粒直径、大气压力等因素有关,对于每一种定型的红外诱饵而言组份、颗粒直径等因素是确定的,因此其线性燃烧速度是一定的。
3外界条件对红外诱饵辐射特性的影响分析
3.1 高度对红外诱饵辐射特性的影响
红外诱饵的辐射强度和燃烧时间一般是在地面静态条件下测量的。随着红外诱饵投放高度的不同,这些参数会发生变化。这主要是由于高度导致大气压力变化,而大气压力变化影响诱饵的线性燃烧率,进而导致辐射强度和燃烧时间的变化。红外诱饵的质量燃烧率与其线性燃烧率的关系如下式:
式(17)中ρf为红外诱饵的燃料密度;S为燃烧表面的面积;r为燃烧表面的线性燃烧速度。
红外诱饵的线性燃烧速率受周围压力的影响,服从如下关系:
r=aPn (18)
式(18)中,a是一个与辐射温度相关的经验常数;P为周围压力;n为压力指数,该值与Mg的含量ζ(Mg)有关,当ζ(Mg)>0.7时,该值非常小,约为0.06;而当ζ(Mg)<0.6,随着ζ(Mg)值的减小,n的取值线性增加,其值小于0.7。大部分红外干扰弹混合物所具有的线性燃烧率约为(2.5—7.5)mm·s-1。
根据理想气体物态方程可知:
式(19)中n(z)为高度为z处的空气数密度,即单位体积内包含的分子数目;P(z)和T(z)分别为高度z处的大气压强和绝对温度;KB为玻尔兹曼常数,其值为1.380 657 8×10-23 J/K。
则高度为z处的大气压强可表示为:
式(20)中,P(z0)为高度z0处的大气压强;m0为原子的质量单位,其值为1.660 565 5×10-27 kg;Me为空气分子的平均分子量,其值约为29;g(z)为高度z处的重力加速度。
T(z)为高度z时的温度。在(0—20)km变化范围内,大气温度随高度变化可以用如下分段函数表示:
T=Ti+αi(z-zi) (21)
式(21)中,i为大气分层角标,取值为0—1,αi为温度梯度,取值如表1所示。
当诱饵在高空以高速投射出去以后,诱饵的前表面受到气流的阻滞压力作用,其总压力PQ不再只是大气压力,还需要加上阻滞压力,即为:
定义高度系数dh(z)为:
地面上的线性燃烧速度r(z0)可以通过测量获得,根据上式计算出高度系数dh(z),则高度z处线性燃烧系数为:
r(z)=dh(z)r(z0) (24)
根据上式对红外诱饵的辐射特性进行仿真,可以得到红外诱饵的归一化辐射强度随高度的变化关系(见图3),其中压力指数为0.2。
3.2 速度对红外诱饵辐射特性的影响
红外诱饵在燃烧时,有效辐射面积包括红外诱饵中的镁汽化后与空气反应的区域(见图1)。当红外诱饵从载机中投射出去以后,其速度与载机的速度接近,所受到的空气阻力与速度的平方成正比。在高速气流的作用下,红外诱饵与空气反应区的外层受气流的影响,在强对流的情况下大量红外辐射能量损失,温度下降,最终导致有效辐射面积大幅度缩小,从而导致辐射强度的降低。为了反应速度对红外诱饵辐射强度的影响,引入速度系数dw,则式(11)可写为:
红外诱饵速度系数dw随着速度的变化符合图4所示的曲线。在动态条件下,其辐射强度急剧下降,降至海平面静态辐射强度的十分之一。
诱饵马赫数是随高度变化的,其计算公式为:
c(z)是高度z处的声速,VD是诱饵的速度,需要通过诱饵运动学方程解算。
4 仿真实现及仿真结果分析
本文在前期建立的红外诱饵运动模型[5]基础上,增加了红外辐射模型,将红外辐射模型和运动模型有机地结合在一起。运动模型中的诱饵质量计算使用了辐射模型中燃料质量变化率。在计算诱饵辐射模型的质量燃烧率时,充分考虑了诱饵形状、高度、速度等因素的影响,其中诱饵高度和速度的数值来自运动模型。
红外诱饵在实际使用时,从投射到燃烧完成,其下降高度有限,一般小于100 m,可以认为在燃烧过程中,其高度系数是一个常数,只需要计算投放时的高度系数即可。
以M206型诱饵的有关参数为输入值,其外形为长方体,尺寸为2.46×2.46×20.6 cm3,投射质量为150 g,投射速度设为30 m/s。设置起燃时间为0.2 s,熄燃时间为1.5 s。由于无法获取该型诱饵的准确的燃烧热,本文中设置为15 000 J/g。对其进行了大量仿真试验,部分试验结果如下所述。
红外诱饵的地面静态辐射仿真结果如图5所示,起始的0.2 s和最后的1.5 s是起燃和熄燃阶段,其时间是由用户设定值,辐射强度分布是通过曲线拟合给出的,中间段为仿真计算结果。诱饵辐射强度出现递减的规律,主要是因为地面静态辐射强度不受高度和速度因素的影响,主要受到燃烧面积减小的影响,导致诱饵燃烧率的减小,最终导致辐射强度呈现递减的规律。
不同高度下红外诱饵的辐射特性仿真结果如图6所示,从图中可以看出随着高度的增加,诱饵辐射强度整体降低,燃烧时间增长。主要原因是随着高度的增加诱饵燃烧率降低。图中诱饵燃烧的后期辐射强度出现增大或者衰减变慢的趋势,主要是因为诱饵投射出去以后受到空气阻力的影响,速度急剧变慢,从而导致气流对其的影响变小,因此辐射强度有所增加。
不同速度下红外诱饵的辐射特性仿真结果如图7所示,从图中可以看出,随着速度的增加,红外诱饵的辐射强度整体变小,但是诱饵的燃烧时间并不发生变化,这是因为速度并不影响其质量燃烧率,只是速度越大,通过对流带走红外诱饵外围的燃烧热量越多,导致红外诱饵有效辐射面积变小。
不同形状的红外诱饵辐射强度仿真特性如图8所示,长方体诱饵参数即为所设的M206诱饵参数。圆柱体诱饵半径为1.61 cm,高为12.1,质量为120 g,燃烧热与M206相同,高度为6 000 m,速度225 m/s。从图中可以看出长方体的辐射强度比圆柱体的辐射强度要大,主要原因是长方体的质量燃烧率更大一些。
5 结论
本文根据能量守恒定律、黑体辐射定律及波尔兹曼定律推导了红外诱饵辐射计算模型,分析了高度和速度特性对其辐射特性的影响,给出了长方体和圆柱体两种典型形状诱饵质量燃烧率的计算公式。根据红外诱饵的辐射模型和运动模型编制了仿真软件。通过合理的设置基本参数,该仿真软件可以对各种型号的红外诱饵,在各种对抗条件下的辐射特性进行仿真。并且以M206诱饵的有关参数作为输入条件,对诱饵的辐射特性进行了仿真。其静态仿真结果与有关试验测试结果趋势一致,而对于动态仿真结果,由于缺乏实测数据,只能从原理上对仿真结果进行分析,其结果与理论分析相符合。
摘要：在红外制导导弹对抗红外诱饵的过程中,由于在不同条件下红外诱饵的红外辐射特性变化较大,而目标飞机的红外辐射特性变化较小,导致导弹抗干扰概率较大的波动。这就要求在利用数字仿真或半实物仿真方法评估导弹抗干扰性能时,必需建立准确的红外诱饵辐射模型。根据能量守恒定律、黑体辐射定律及波尔兹曼定律推导了红外诱饵辐射计算模型,分析了高度和速度特性对其辐射特性的影响,并据此对诱饵辐射计算模型进行了修正。还给出了长方体和圆柱体两种典型形状诱饵质量燃烧率的计算公式。根据红外诱饵的辐射模型和运动模型编制了仿真软件。辐射模型所需的诱饵高度和速度来自运动模型,而运动模型所需的质量燃烧率来自辐射模型。通过合理地设置参数,该仿真软件可以对各种型号的红外诱饵,在各种对抗条件下的辐射特性进行仿真。最后给出了几组典型的仿真结果并对其进行了分析。
关键词：红外诱饵,辐射特性,高度,速度,仿真
参考文献
[1] Jackson II H D,Blair T L,Ensor B A.Air Force electronic warfareevaluation simulator(AFEWES)infrared test and evaluation capabil-ities,ADA478382,2008
[2] Ernst-Christian K,Diehl G H,Co K G Metal/fluorocarbon pyrolants:VI.combustion behaviour and radiation properties of magnesium/poly(carbon monofluoride)pyrolant,Propellants Explosives,Pyrotech-nics,2005;(3):209—215
[3]陈明华,马桂海.碳纤维对镁/聚四氟乙烯燃烧速度和红外辐射强度的影响,激光与红外,2008;38(10):1008—1010
[4]陈明华,焦清介,温玉全,等.Mg4A13/PTFE红外诱饵剂的辐射性能研究.激光与红外,2005;35(7):500—503
红外热像测温技术及其应用研究 篇10
自然界一切温度高于绝对零度的物体都在以电磁波的形式向外辐射能量,其中包括0.7～1 000 μm的红外光波。红外光具有很高的温度效应,这是红外热像测温技术的基础。
红外热像测温技术是当今迅速发展的高新技术之一,已广泛地应用于军事、准军事和民用等领域,并发挥着其他产品难以替代的重要作用。美国、德国、英国、法国等发达国家非常重视红外热像测温技术的研究与应用,掌握热像测温技术的发展进程、应用领域和发展趋势,有利于启发科学、合理的发展思路,为热像仪的优化发展提供方向性的支持。
1 红外热像测温原理及影响测温的因素
红外热像仪是能够实现热像测温的精密仪器,是红外热像测温的核心设备。它利用实时的扫描热成像技术进行温度分析,图1所示为目前民用市场上应用的主流热像仪,其结构简单、功能强大、测温快。
红外热像测温技术就是通过红外探测器接收被测物体的红外辐射,再由信号处理系统转变为目标的视频热图像的一种技术。它将物体的热分布转变为可视图像,并在监视器上以灰度或伪彩显示出来,从而得到被测物体的温度分布场信息。红外热像测温原理如图2所示。
由于红外热像仪属于窄带光谱辐射测温系统,使用其进行温度测量时所测得的物体表面温度,不是直接测量得到的,而是以测到的辐射能计算出来的。因此,实际测量时,测量精度受被测表面的发射率和反射率、背景辐射、大气衰减、测量距离、环境温度等因素的影响[1,2,3,4]。
仪器接收到的被测物体表面的辐射包括目标辐射、环境反射和大气辐射三部分,即:
其中,Eλ为仪器接收到的辐射;Ebλ为黑体辐射;To为被测物体表面温度;Tu为环境温度;Ta为大气温度;ελ为表面发射率;aλ为表面吸收率;τaλ为大气的光谱透射率;εaλ为大气发射率。
1.1 发射率的影响
由式(1)等号右边第一项可知,使用红外热像仪进行温度测量,其最大的不确定因素是被测物体的发射率,该发射率是由操作者自行找出再输入红外热像仪的。确定物体发射率的难度在于影响发射率的因素很多,主要取决于材料的种类、材料表面状况和物体的表面温度等。
1.2 背景的影响
式(1)等号右边第二项为背景投向被测物体并被反射的辐射能。由该式可知,被测物体的发射率越高,背景影响越小;背景温度越高,背景影响越大;当被测物体温度与背景温度相近时,背景影响引起的误差较大。
1.3 大气的影响
物体所辐射的能量必须经过大气才能到达探测系统,在其通过大气时,会被大气中的气体分子和尘埃吸收与散射而衰减。吸收红外辐射的气体主要是CO2(有2.65～2.8 μm,4.15～4.45 μm,13.0～17.0 μm三个吸收波段)和H2O(有2.55～2.84 μm,5.6～7.6 μm,12～30 μm三个吸收波段)。因此,仪器接收到的红外辐射和仪器与被测物体的距离有关,而且大气的吸收程度与大气的温度和相对湿度也有关系。
2 红外热像测温技术应用
我国引入红外热像测温技术在工艺及生产方面最初只有电力、冶金和石化等行业的部分单位应用,在科研方面也只限于尖端技术的研究领域。作为一种通用技术,红外热成像测温技术的应用将深入各个领域。
过去所发展的红外热像测温技术仅限于常规风洞实验中的中、低温度(1 000 K以下)测量,邓建平等[5]研制了一套测温范围在1 000～3 500 K的红外热像仪及图像处理系统,该系统已完成标定并在高频等离子体风洞中进行了实验。H wang Jihong[6]采用红外成像的电荷耦合装置(CCD)测量平面磨削中工件的温度场分布。Elmahdy A H[7]采用红外热成像技术在实验室进行窗口表面的温度测量,都取得了很好的效果。
使用热成像技术探测乳腺癌在医学领域的应用已经有50多年的历史。如对乳腺癌及恶性肿瘤的早期诊断、伤口愈合的红外观察、风湿性关节炎和发病状况的诊断、牙科治疗初步研究、耳鼻喉疾病的诊断、胸部肿块的红外诊断等[8,9],可以说远红外成像技术在医学中的应用已经成为一种新的诊断手段。在发现表浅肿瘤如乳腺癌、甲状腺癌、皮肤癌等,对脉管炎以及其他炎症,对骨折、骨髓炎、挫伤、关节炎,对确定烧伤和冻伤边缘,对合理的选择截断部位,对植皮、脏器、移植后排异反应的观察,对妇产科临床如胎盘的定位、针灸的经络穴温度反应等,都表现出了日益强大的应用能力,必将促进医疗卫生事业的快速发展。
远红外成像技术首先被大量的应用于农业和环境检测是在1980年早期,他们主要是通过空中摄像技术来对所探测的目标进行宽范围的检测和分析。直到敏感摄像技术得到了发展,才开始了对植物进行单株(single plant)水平上的研究。其具有的多功能性,准确性和较高的分辨率(可达0.01)使得对单株植物叶片和幼苗的实时观测成为了可能,也因此在植物研究中的应用掀起了热潮。如在重力作用下,对植物叶片表面与周围环境之间热交换的影响的研究、通过对植物如拟南芥,大麦突变体的筛选、对植物气孔导度的研究、植物在胁迫环境中的研究、在寒冷环境中植物体内的冰核形成过程的观测研究、谷类作物由于疾病和阵风而造成的旗叶温度的差异测量、叶片蒸腾速率研究、单细胞的研究等[10]研究成果十分显著,研究对象范围也大幅度拓宽。
红外成像技术应用于农业生产方面已有很多,刚开始用于园艺产品的分析和苹果损伤的发现和植物健康状况的评估。目前,已被广泛应用于农业和园艺中的贮藏室的设计和控制以及蔬菜的保鲜贮藏、对一些敏感的生物产品进行质量评估和控制、对农作物的生理衰变的检测。在水果和蔬菜成熟时期,通过热成像对其进行热温的测定往往可以评估气候对其的胁迫。还有水果和蔬菜新鲜程度的评估、植物不同部分受虫害的影响、苹果成熟程度,糖分及种间的差异的鉴定、空气对流量的测定等。
红外热像技术还应用于材料和构件的红外热像无损检测与评价、电力和石化设备状态的红外热像诊断、构(建)物的红外热像检测与节能评价、自动测试、灾害防治、地表/海洋热分布研究[11,12,13,14]等方面。另外,红外热像技术在电子电路设计、材料内部缺陷及应力检测、热能设备的制造设计等科研领域得到了越来越广泛的应用。
红外热成像测温技术为非接触式测温,响应快、不破坏被测物体的温度场及可以检测某些不能接触或禁止接触的目标,理论上讲,可以用于任何需要温度检测的场合。
2.1 预防性维护
利用红外热像仪进行预防性维护,就是早期发现设备的异常情况,并相应地采取适当的补救措施,保证设备安全,减少损失。对大型设备,对其早期的温度异常变化情况进行监测,判断设备运行状况有重要意义。图3为船舶系统在配电设备、动力设备及供暖设备上拍摄的热图,通过热图温度显示可以快速而准确地对其运行状况进行监测。
2.2 质量监测
对船舶系统,特别是新船出厂交付使用之前,各种部件的设计和安装是否达到要求,还存在什么问题,在试乘航时利用红外热像技术可以快速而准确地达到质量监测的目的。质量监测热图如图4所示。
2.3 科学研究
在科学实验研究方面,红外热像技术显示出其在测试物体温度场方面的优势。王喜世等利用红外热像仪测量火焰温度[15],侯成刚等利用其精确测试物体的发射率,都取得了较好的效果[16]。许永华等针对高炉炉内温度场的分布及高炉布料的情况提出了一种基于红外图像处理的高炉温度场检测方法,通过红外图像处理来建立温度场分布模型,结合十字测温进行温度定标,实现了高炉温度场分布在线监视[17]。高炉红外热成像仪通过高灵敏度红外探测器,实时测温,测量数达到十万个温度点,温度分辨率可达到<0.5 ℃(200 ℃目标)。实时显示的测试数据反应了高炉内物料温度或高或低的变化,能精确测出炉顶物料的温度,直观地反应出炉内煤气流上升的高度。这样,高炉内部燃烧情况的细微变化(特别对于物料的燃烧程度)可及时反应出来,热图如图5所示。
3 结 语
发展到目前的热成像系统已是现代半导体技术、精密光学机械、微电子学、特殊红外工艺、新型红外光学材料与系统工程的产物。近年来,红外热像仪的生产已经形成了较大的产业群,应用也涵盖了几乎所有的领域。作为一种全新的检测和科研手段,红外热成像技术的应用前景十分广泛,也期待能在实际运用中发现更多的用途。
摘要：阐述红外热像测温技术的工作原理和红外热像仪的基本组成,综述了红外热像仪测温技术的发展,从技术层面剖析了红外热像仪测温存在的问题,介绍了国内外在红外热像测温技术方面的研究热点,例举了利用红外热像仪进行温度场测量的应用实例,同时展望了未来的发展方向。针对红外测温领域中的理论、仪器及应用进行了较为详细的分析和总结。
近红外技术检测芒果的成熟度 篇11
关键词：无损检测 近红外检测技术 成熟度检测
中图分类号：TP242.6文献标识码： A 文章编号：1672-5336（2015）08-0000-00
引言
在热情似火的海南，芒果是一种十分常见的水果，我国芒果面积100万亩左右，产量60万～70万吨。台湾芒果面积30万亩左右，产量21万吨左右。芒果产量远不如柑橘、香蕉等，且其既可鲜食又可加工成各种制品，深受消费者喜爱。只要选择市场需求的优良品种种植，加强采后的保鲜和商品化处理，同时发展加工业，芒果市场前景看好。真正优质的芒果，不仅要求水果表面的美观，香气的诱人，同时芒果的内在品质也是评判的重要指标。近来，随着人民生活水平的日益提高，人们对于食品的要求已经不仅仅满足于“吃饱”，而是追求一种更加营养，更加健康的食品文化。于是，出口的芒果的营养成分的含量等指标日益被广大消费者关注。但是怎样在不破坏芒果本身的情况下，又能精确全面的检测这些指标呢？显然，传统的检测方法已经不尽适用了，新的检测方法应运而生。
1无损检测概况
无损检测又称为非破坏性检测，就是在不破坏样品的前提下，为获取待测样品的品质有关的内容、性质、成分等物理、化学信息所采用的方法。
无损检测技术可避免传统破坏性检测造成的样品损失、具有对待测物进行跟踪、重复检测的优点。无损检测速度快，适合用于大规模产业化生产的在线检测和分级，易于实现自动化，可大大提高产品的附加值。
目前，食品无损检测技术大致包括：分光检测技术（紫外分光法、可见分光法、近红外分光法）、介电特性检测技术、力学检测技术、声学特性及超声波检测技术、X射线检测技术、核磁共振检测技术、生物传感器检测技术和电子鼻与电子舌检测技术。
食品无损检测技术是近年来发展起来的新技术，该技术涉及光学、力学、电学、磁学等学科，内容广泛，其基础更是涉及材料科学、计算机技术、生物技术、信息技术及化学计量学等诸多领域，其中以光学检测技术发展最快。本文主要介绍近红外光谱无损检测技术在水果上的应用。
2近红外光谱的无损检测技术
2.1原理
近红外（near infrared NIR）光指的是波长介于可见光与中红外光之间的电磁波，波长范围为0.8-2.5?m，波数范围为12500-4000cm-1.
近红外分光法是将近红外谱区所包含的物质信息，用于定性或定量分析的一种分析技术。
分子振动的频率包括基频、各级倍频与各种合频，因此分子可能通过共振吸收，对环境中频率与分子的基频、倍频与合频相同的电磁波产生吸收。
近红外光谱的信息是分子内部原子间振动的倍频及合频，近红外分析中具有实际意义的主要是含H原子的基团（O-H、N-H、C-H等）的一些特征基团，也含有其他一些基团（如C=O），但是强度较弱。
这些含H基团是有机物中的重要基团，因此近红外技术可以分析与这些基团相关的成分的物理、化学性质，如这个谱区既可以分析测定蛋白质、淀粉、脂肪、氨基酸等，还可以分析物质的密度、粘度、颗粒大小以及有关样品的电学、热学、力学性质。
2.2用近红外测芒果成熟度的可能性
近红外是指介于可见光和中红外之间的电磁波。近红外光谱最大的特点之一就是與物质作用时，物质在红外区域重叠的基频吸收光谱可以轻易分离，因为物质在近红外光谱区的吸收是物质的倍频和合频吸收，而不是基频吸收。不同的物质在近红外区域有特定的吸收光谱，而且，近红外光谱包含了物质中几乎所有含氢的各级倍频，伸缩振动和弯曲振动的合频吸收。不同的基团吸收峰位和强度也不同，因此，不同物质对不同频率的近红外光吸收不同，在某些波长范围内弱，在另一些波长范围内较强。因此，物质组成的变化会引起近红外光谱的吸收峰位和强度不同，可以根据这个测定芒果的成熟度。
从1984年开始，近红外光谱技术就开始被研究者相继应用在小麦品质分析中，重要用于测定小麦蛋白质、淀粉、面筋、灰分等组分的含量。近年来，随着高性能近红外分析仪器及光纤在交互传输模式中的应用，采用近红外光谱技术检测水果和蔬菜品质已很普遍。主要可以用来检测蔬菜中农药残留量、维生素含量、叶面的破损情况等；测定水果的糖度、酸度、糖蜜含量及检测有无病斑等。还用来检测果蔬成熟过程中固形物含量、酸度和硬度的变化来确定果蔬的成熟度，从而可以对果蔬进行无损检测和自动分级，就避免了手工分级中出现的人为误差，保证了统一标准下的果蔬品质，有利于果蔬的加工和销售。
2007年张楠在《水晶梨品质的近红外检测研究》中利用近红外透射光谱技术检测水晶梨内部品质如黑心病、可溶性固形物含量和有效酸度等指标，建立水晶梨可溶性固形物、还原糖、有效酸度、总酸的近红外模型，并对水晶梨在贮藏过程中相关物性及成分含量进行研究。[1]
同年，张静在《近红外透射光谱法检测苹果糖度和酸度的研究》中采用近红外透射光谱技术在642.36～954.15nm波长范围内建立不同时期苹果糖度和酸度的预测模型，比较了3组参数对苹果糖度预测模型的影响，并对苹果糖度模型的适用度进行了检验。[2]
3以芒果为例简要分析
3.1芒果简介
芒果又名檬果、漭果、闷果、蜜望、望果、庵波罗果，漆树科。是一种原产印度的常绿乔木，叶革质，互生；性凉，花小，黄色或淡红色，成顶生的圆锥花序，产芒果和劣质淡灰色木材。原产于热带地区。芒果的外形很有趣：有的为鸡蛋形，也有圆形、肾形、心形；皮色有多种：浅绿色、黄色、深红色；果肉为黄色，有纤维，味道酸甜不一，有香气，汁水多而果核大。芒果集热带水果精华于一身，被誉为“热带水果之王”。[3]
芒果的营养价值很高。芒果果实含有大量糖、蛋白质、粗纤维，具有很大的食用价值，同时芒果所含有的维生素A成分特别高，是所有水果中少见的。其次维生素C含量也不低。再者，矿物质、蛋白质、脂肪、糖类等，也是其主要营养成分之一。
果实的大小、形状、色泽、纤维多少、核大小等，是区别芒果品种的主要依据，但芒果的品种、品系很多，现在全世界约有1000多个芒果品种，且一直都没有一个完整的品种分类系统。再加上人们的生活水平的提高，芒果作为一种营养价值很高的热带水果越来越受到广大群众的喜爱，传统的食品检测技术已经无法适应现如今的需要，简单快速的无损检测技术进入我们的视线。
3.2研究的主要内容
首先是近红外光谱分析模型建立的流程图[4]。
3.3具体步骤
3.3.1样品的采集
即建立模型的验证集，原则上要求范围合理，并且每个范围内的样品分布均匀。
因为市面上出售的芒果我们无法判断是否为成熟品，即使可以判断，但也无法进行定量分析，所以在进行建立模型的验证集的时候，大量购买相同品种的芒果，从中提取一些果汁，并配置等浓度梯度的果汁。
在这个环节中，配置等浓度梯度的果汁一定要把握好称量这一关，因为浓度会与相对应的光谱存在一种关系，若是配置不好，建立的模型可能不是很具代表性。此外，校正样本的数量一定要足够大，样本数大，所具代表性强，所以在配置等梯度浓度时，梯度要尽可能小。
3.3.2化学分析
原则上是采用标准测试方法测定，但因为本次试验设计是采用预先设定的总糖含量，故不需要再采用化学方法进行分析。
3.3.3采集光谱及光谱预处理
采集待测样品的光谱时，要重复测定，然后取光谱的平均值进行计算；另外，对于每个样品重复测定几次，求它的光谱数据的平均值。这样可以减少人为因素引起的偶然误差。
3.3.4对样品的光谱信息进行预处理
完成光谱数据测量后，要对样品的光谱信息进行预处理，比如去除噪声干燥、基线调整、还有波长的优选等。降低仪器引起的误差，去除干扰信息，突出有用信息。
3.3.5应用多元统计方法建立校正模型
确定光谱预处理方法后，采用数学方法建立定量分析模型，并对这个模型进行校正。
模型数据分析：为了将样品化学值与近红外数据之间建立起一种关系，常用最小二乘回归法进行计算。
用决定系数和预测集标准偏差评价模型。一般来说，决定系数R2越接近于1越好，这个表明在建立模型的时候，所采集的数据线性程度高，有一定的可靠性。当然，也要考虑预测集的标准偏差，标准偏差越接近0，效果越好。所以要综合考虑这两个参数。
3.3.6采集未知样品的光谱
测定市面上的芒果的光谱信息，多重复几次，取平均值。另外，配置某一确定浓度的总糖的芒果汁，用近红外检測器收集光谱信息，重复几次，取其平均值。
3.3.7未知样品模型适用性的判断
根据测得的光谱信息，代进建立的模型中算出含已知浓度的总糖的芒果汁浓度，根据计算出来的浓度值与真实浓度值比较，判断模型的适用性。
此外，能不能构建另外一个定性的模型，对成熟的芒果样品和不成熟的芒果样品分别采集光谱，采用数学方法对这两个光谱进行比较，看是否能够找出它们之间的关系，也就是说能否建立 （成熟/不成熟）的关系，这样就相当于是芒果样品中的总糖的含量，若是比值为1，说明是成熟的芒果样品，比值大于1，则是不成熟的芒果样品。对于这个，我觉得主要的难点还是在找出它们之间的关系，和建立关系。
参考文献
[1]张楠.水晶梨品质的近红外检测研究[D].沈阳农业大学，2007.DOI：10.7666/d.y1099514.
[2]张静.近红外透射光谱法检测苹果糖度和酸度的研究[D].沈阳农业大学，2007.DOI：10.7666/d.y1099516.
[3]http：//www.baike.com/wiki/芒果
[4]庞滂.近红外定性定量模型的建立与应用[D].西北大学，2008.DOI：10.7666/d.y1252774.
收稿日期：2015-04-19
红外图像中人体目标检测技术研究 篇12
由于红外图像对比度低、边缘模糊、信噪比低、噪声大和人体目标非刚体等特性,使得对红外图像进行人体目标检测难度较大。目前常用的运动目标检测方法背景减除法[1]、帧差法[2]、光流法[3]等,在摄像机不固定的情况下,基于背景的目标检测方法将变得十分困难,因此采用单帧图像分割的方法显得更加可行。
本文采用的红外序列图像中人体目标检测的方法是:采用FAST(Features from Accelerated Segment Test)[4]算法,在单帧图像中进行特征点提取;基于检测出的特征点,利用基于局部二值模型纹理特征(Local Binary Pattern, LBP)核函数的算法提取图像的局部特性,得到人体可能存在的感兴趣区域;利用双密度双树小波变换和小波熵提取训练样本的特征信息,并采用模式识别方式对提取出的感兴趣区域(Regions of Internet,ROI)进行分类检测,得到人体目标所在区域。
1 基于特征点的人体目标区域初定位
由于传统的基于视频的目标检测方法,在摄像机不固定的条件下,运算量过大且鲁棒性较差,因此在此基于单帧图像进行人体目标检测。本文采用先提取红外图像中的特征点,然后在特征点的邻域内搜寻人体目标的方法进行人体目标区域提取,如图1所示。
1.1 基于FAST算法的特征点提取
FAST算法是一种运算简单的特征点检测方法,首先通过Segment-Test算法来定义特征点:如果图像中以某一个像素点p为中心,r为半径的一个Bresenham圆上,超过N个连续像素的亮度均超过像素p某一阈值,或者低于像素p某一阈值,则该像素p处存在一个特征角点。在应用时,为了减少所提取的特征点的数量,将相邻的特征点进行合并,如图2所示。
1.2 基于CS-LBP算法的区域特性提取
LBP算法[5,6]首先是作为一种纹理操作的算子提出来的,并且在很多计算机视觉领域得到了很成功的应用。
LBP算法根据每个像素与其邻域像素的相对差值来描述该像素的特性,因此对由光线条件变化导致的像素值变化有很强的鲁棒性。如果邻域像素的亮度值大于或等于中心像素的亮度值,则该邻域像素对应的属性取值为1,否则取值为0。CS-LBP算法[7]是比较圆周上每对中心对称的像素之间的亮度值,因此在CS-LBP中,需要做的比较次数相对LBP算法降低了1/2。图像中位于(x,y)位置的像素CS-LBP值可根据其邻域信息计算如式(1)所示:
式中:T为一个很小的阈值。根据式(1),CS-LBPR,N,T具有2N/2个可能取值,因此整个图像区域上的CS-LBPR,N,T值的统计直方图特征维数为2N/2。在特征角点检测出来以后,需要在其周围确定一个图像区域,以根据该区域上的信息计算出用于描述该区域局部视觉特征向量。根据CS-LBP算法的原理,以该特征点为中心,以1为半径,比较其8邻域像素的灰度值,可计算出其LBP直方图,根据直方图特性可以提取出特征角点周围的特征区域,即所提取出的待选感兴趣区域(ROI)。
图3、图4分别展示了所计算出的LBP直方图和提取出的ROI区域。
2 候选ROI分类检测
本文基于离散小波变换(DWT)和小波熵对训练样本进行分类特征提取。在此基础上,为了更加准确地从所有选定的感兴趣区域中提取出人体目标,同时利用Boosting[8]、支持向量机(SVM)[9]的模式识别方法组成复合分类器,进行候选ROI区域分类筛选。本文主要训练了人体、车辆、其他(包括房屋、树木等非人体、车辆目标)等三类样本。
双密度双树离散小波变换(Double-density Dual-tree DWT)[10],综合了双密度小波和双树小波的优点,具有平移不变性和抗混叠特性、基2冗余且尺度不变、近似连续小波变换和具有良好的方向特性。双密度双树离散小波变换(DD-DT DWT),具有两个不同的尺度函数φh(t),φg(t)和四个不同的小波函数ψh,i(t),ψg,i(t),(i=1,2),其中ψh,1(t)和ψg,1分别是由ψh,2(t)和ψg,2偏移0.5构成,即:
式中:ψh,1,ψg,1和ψh,2,ψg,2分别为近似希尔伯特变换对,即:
图像经过双密度双树离散小波变换后生成4个低频子带和32个高频子带。小波系数能够反映16个频带上的细节信息,图像的小波熵能够反映图像小波变换频率空间的能量分布信息,将双密度双树离散小波变换与小波熵结合起来具有更大的表征能力。
定义单一尺度j下的小波能量Ej为该尺度下小波系数Cj(k)的平方和:
信号总能量为:
相对小波能量为:
如果把小波系数矩阵看作一个概率分布序列,则由此序列计算得到的熵反映了该系数矩阵的稀疏程度,即概率分布的有序程度,成为小波熵,根据香农熵的原理,小波熵定义为:
本文所采用的机器学习样本主要来自于OTCBVS Benchmark Dataset数据库和自己拍摄得到的红外图像,图5所示为部分机器学习样本。由于程序编程需要,所有样本宽度都是4的倍数,高度无此限制。正样本都是在人体轮廓的基础上外扩至少2个像素,负样本由自编程序在已有图像序列和视频中随机生成。最终获得人体正样本382个,车辆正样本288个,非人体非车辆负样本755个。
3 实验结果与分析
为了检验本文提出的方法性能,进行了实地实验,实验分别在下午温度比较高的时候和晚上温度比较低的时候进行,试验场景分别选择了背景相对简单的野外空地和背景相对复杂的城市道路场景。所有序列图像均由固定摄像机拍摄,图像大小均为384×288。红外序列图像中运动人体目标检测结果如图6所示。
根据实验结果,本算法在背景相对简单的环境下有很高的识别率和很低的虚惊率,可以正确识别红外序列图像中的人体目标,但算法同样存在着缺陷,由图6(c)可见,在背景相对复杂的环境下,温度较低时第81帧图像到第90帧图像中存在着漏检的情况,而在之后的图像序列中,检测率较高。
4 结 语
针对红外图像的特点,本文采用了基于FAST-LBP的红外人体目标检测方法,并采用了基于离散小波变换的小波熵进行分类特征提取,使得对候选区域的特征提取更加精确。使用Boosting和SVM组成的复合分类器进行目标区域分类,确保了目标检测的鲁棒性。经试验验证,本文提出的方法具有一定的可靠性,但在温度较低、背景复杂的情况下,检测效果相对其他情况下要稍差,检测率要低于其他情况,虚警率要高于其他情况。这个问题可以通过增加分类器的各类目标学习样本来解决。本文所采用的方法,对目标检测有很好的鲁棒性,不会随着图像中目标数量的增加而影响系统运行速度,同时多个目标之间交叉遮挡时也能达到很好的检测效果。
参考文献
[1]MITAL A,PARAGIOS N.Motion-based background sub-traction using adaptive kernel density estimation[C]//Pro-ceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.[S.l.]:IEEE,2004,2:302-309.
[2]MOSCHENI F,BHATTACHAREE S,KUNT M.Spatial temporal segmentation based on region merging[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,1998,20(9):897-915.
[3]BARRON J,FLEET D,BEAUCHEMIN S.Performance of optical flow techniques[J].International Journal of Com-puter Vision,1994,12(1):42-77.
[4]ROSTEN E,DRUMMOND T.Machine learning for high-speed corner detection[C]//2006European Conference on Computer Vision.[S.l.]:ECCV,2006:430-443.
[5]Anon.LBP Website[EB/OL].[2011-12-20].http://www.ee.oulu.fi/mvg/page/lbp_bibliography.
[6]LU Hui-min,ZHANG Hui,ZHENG Zhi-qiang.A real-time local visual feature for omnidirectional vision based on FAST and CS-LBP[C]//Proceedings of The10th Workshop on Omnidirectional Vision,Camera Networks,and Non-classi-cal Cameras.Zaragoza,Spain:[s.n.],2010:111-121.
[7]HEIKKIL¨A M,PIETIK¨AINEN M,SCHMID C.Descrip-tion of interest regions with local binary patterns[J].Pat-tern Recognition,2009,42(3):425-436.
[8]FREUND Y,SCHAPIRE R E.Experiments with a newing boosting algorithm[J].Proceeding of the Thirteenth Inter-national Confrrence.Morgan Kauman,San Francisco.[S.l.]:[s.n.],1996,148-156.
[9]李伟红,基于支持向量机的人脸特征选择及识别研究[D].重庆:重庆大学,2006.
[10]SELESNICK I W.The double-density dual-tree DWT[J].IEEE Transactions on Signal Processing,2004,52(5):1304-1314.
【红外通信技术研究】推荐阅读：
红外通信的设计与实现05-12
近红外光谱技术定量测定基质参数研究05-12
红外传感技术08-18
红外检测技术06-15
红外技术应用09-02
红外热检测技术05-14
红外热像技术05-28
红外线测温技术07-10
红外热成像测温技术09-11