基于多光谱显微成像的颗粒表面温度分布测量
来源:用户上传
作者:杨娟 周骛 蔡小舒 沈中杰 刘海峰
摘要:分别采用彩色相机和多光谱相机构建辐射测温系统,利用黑体炉进行温度模型标定实验,并基于BP 神经网络对标定数据进行训练得到测温模型。通过蜡烛火焰的温度测量实验,验证了测温模型的可靠性,且结果显示多光谱成像测温系统的测温精度高于彩色相机测温系统。针对常规辐射成像测温系统空间分辨率不足的问题,采用多光谱相机结合显微镜搭建了显微测温平台,对高温热台内的单石油焦颗粒燃烧过程进行记录,得到了石油焦颗粒表面的温度分布以及随时间的温度变化过程。
关键词:多光谱成像;彩色成像;温度分布测量;显微热台;单颗粒;神经网络
引言
温度测量是研究燃烧、气化等反应的基础实验手段。测温方法主要分为接触式测温和非接触式测温两大类[1]。非接触测温和被测量介质不直接发生接触,空间局限性较小、响应迅速、不破坏被测对象温度场,适合应用于高温温度场的测量。非接触式测温以辐射测温为代表,又可分为单色法、双色法、三色法以及多光谱测温方法等[2]。单色法测温受物体发射率影响较大[3-4],双色法则一般基于灰体假设以减小发射率的影响[5-6]。Sawada 等[7] 利用双色测温和高速蓝光成像技术观测到逆流燃烧器中挥发分和煤焦燃烧的过程,成功地实现了单颗粒煤粉表面燃烧温度测量。孙元等[8] 通过实验对比分析了双色法和三色法测温的优劣,得出双色法测温动态范围更广,三色法测温精度更高。
随着光学技术不断发展,研究者们尝试使用多光谱手段进行温度测量研究。刘家汛等[9] 基于多波长测温原理,使用光纤光谱仪减少波长有限的局限性,实现了煤粉颗粒温度以及辐射率的同步测量,但无法获得整个区域的温度。闫伟杰等[10-11] 使用光谱仪和彩色相机相结合的方式,同时测量生物质颗粒火焰温度和发射率。Prader等[12] 利用显微镜结合高速红外相机获取固体表面多光谱辐射图像,测得了直径为10 mm 的半透明固体表面温度分布。
基于普朗克定律,结合双色法测温以及多光谱测温原理,通过黑体炉分别对彩色相机和多光谱相机进行标定。为解决由于辐射测温精度受气体环境、被测固体颗粒灰度等因素带来的影响,本文通过BP 神经网络对标定结果进行训练得出测温模型,且对比分析了两种测温模型的优劣。固体颗粒在常规燃烧器中,由于气流影响,很难使用成像设备完整的记录颗粒燃烧过程,且空间分辨率较低,为此采用多光谱成像系统结合显微热台,得到了单颗粒石油焦着火过程中温度场的变化,实现了高分辨率微尺度测量,为进一步研究单颗粒物质燃烧特性提供了新方法。
1 测温基本原理
普朗克(Planck)定律给出了黑体辐射能量按波长分布的规律为:
由于辐射率是波长和温度的函数,由式(2)和(3)可看出,物体的温度与相机不同通道的成像灰度有着较复杂的对应关系。尤其是对彩色相机(n=3)而言,因为每个通道(R、G 和B 三个通道)的光谱响应波长范围较宽(一般约150 nm 宽),而基于比色法测温时,原则上需采用窄带滤波片限制相应的波段范围,且有研究表明最小二乘法测温精度低于BP 神经网络[13]。本文基于双隐含层BP 神经网络,将n 个不同响应通道的图像灰度值作为输入,温度值作为输出,并利用黑体炉数据进行训练和标定,试图建立基于上述复杂对应关系的测温模型。BP 神网络又称反向传播神经网络,是一种按误差逆向传播训练的多层前馈网络[14]。BP 神经网络的计算过程包括正向计算和反向计算。正向传播过程是经隐含层逐层处理从输入层到输出层的过程,每一层神经元的状态只影响下一层神经元。如果在输出层不能得到期望的输出,则转入反向传播过程,将误差信号沿原来的连接通路返回,通过修改各神经元的权值和阈值来最小化误差。它无论是在网络理论还是在性能方面都已比较成熟,其突出优点是预测精度高、且具有较强的非线性映射能力和泛化能力。
2 模型标定及验证实验
2.1 模型标定实验
如图2 所示,采用黑体炉辐射系统对测温系统进行标定实验,黑体炉型号为HFY-203B,温度可调范围为773~1 723 K,温度分辨率为1 K,有效发射率为0.99。测温系统所采用的彩色相机型号为GEV-B1411M-SC,分辨率为1 394×1 040,像元大小为4.65 μm,位深为8 位。多光谱相机型号为MQ022HG-IM-SM5, 分辨率为2 048×1 088,像元大小为5.5 μm,位深为10 位,像元种类25 个,对应650~950 nm 总范围内25 个不同光谱响应的波段区间,每个区间宽度约10 nm。镜头使用透过光谱范围为425~1 000 nm 的可见C近红外波段的定焦镜头。
标定实验的温度范围为1 073~1 473 K,每隔20~25 K 为一个测量数据点。为了获取更多的数据集,待黑体炉温度稳定后,我们对同一温度的黑体炉设置不同的曝光时间进行拍摄,每组曝光时间拍摄30 张图片, 共拍摄图片6 000张。镜头聚焦于黑体炉内热电偶表面,并对该区域相同通道的灰度值取平均,得到200 组原始数据。随机抽取150 组数据作为训练集, 剩余50 组作为预测集。输入值为不同通道下相机的灰度值,经过2 个隐含层,每个隐含层含有5 个节点,输出值为对应黑体炉设定的温度值,经过反向误差传播训练得到相应测温模型。
为确认彩色相机和多光谱相机响应的线性范围,本文通过对白色发光板进行拍摄,得到图像灰度随曝光时间的变化曲线如图3 所示。彩色相机R、G 和B 波段的响应线性区分布为0~225、0~240 和0~230。蔡小舒等[15] 对煤粉燃烧火焰的辐射特性进行测量研究表明,在波长小于550 nm时火焰的辐射强度比较低,且在本文实验中发现B 通道的响应值太小,即信噪比太低,增大曝光时间以提高B 值又会使R 值饱和,因此训练数据选用R、G 两通道内的响应值作为输入,并考虑到线性度问题,取线性区间[10,230](图片位深为8 位)进行神经网络训练,以保证温度测量的准确性。多光谱相机也有类似的响应曲线,本文选取的标定区间为[20,950](图片位深为10 位)。
nlc202208261100
转载注明来源:https://www.xzbu.com/1/view-15438478.htm