[发明专利]一种基于机器学习的远红外温度预测方法

摘要

本发明公开了一种基于机器学习的远红外温度预测方法，包括远红外线样本热成像图像采集步骤、样本温度检测步骤、机器学习步骤以及温度更新步骤。根据远红外线图像帧信息，获得200个样本温度数据；采用近邻局部加权回归算法进行温度预测，可有效提高测温精度。该方法适用于实时热成像温度检测系统。

主权项

1.一种基于机器学习的远红外温度预测方法，其特征在于，包括步骤，(a)，远红外线样本图像采集步骤：通过红外摄像头采集N张远红外线热成像图像，其中N为正整数；(b)，样本温度检测步骤：测量远红外线热成像图像中温度值，采用第一传感器获得原始温度值，采用第二传感器获得对应的实际温度值，共获得M组样本温度数据，M为正整数；(c)，机器学习步骤：y＝ωx+b，即y＝f(x)为温度转换函数    (1)其中，x为样本测量值，y为样本温度值，ω，b为函数的学习参数，为学习参数ω的估计值，W是权重矩阵，用来给每个温度数据点赋予不同的权值，采用近邻局部加权线性回归方法学习温度转换函数，如公式(3)所示，采用高斯核构建权重矩阵W，对离学习点最近的m个样本温度数据x⁽ⁱ⁾赋予大的权值，远离学习点的其他样本温度数据赋值为0，即温度点x越靠近x(i)，ω(i，i)的值会越大，其中k为调节参数；(d)，温度更新步骤：对于新图像中温度，采用第三传感器获得测量值t_x，运用学习到的温度转换函数f进行温度预测，t_y＝f(t_x)    (4)其中t_y为预测的当前温度值，f为学习到的温度转换函数。