基于主动热红外成像的马铃薯与杂质分类方法

为解决入库马铃薯中石块、土块等杂质剔除的问题,提出一种基于主动热红外成像的马铃薯与杂质分类方法。建立基于集总参数法的马铃薯和杂质的传热模型,获得影响受热效果与导致温度差异的因素为材料热物性、风速、风向角度、风温;利用有限元法分析马铃薯和杂质在外部热风激励下的热像图,马铃薯表面温度显著高于石块与土块,并对风速、风向角度、风温分别进行四水平单因素仿真试验,得出马铃薯与杂质的表面温度差异大小在一定时间内与风速、风向角度和风温呈非线性正相关。在试验平台上对马铃薯和杂质进行分类试验,结果表明:最佳图像识别处理条件为风速4 m/s、风温为40℃、风向角度为90°,识别成功率为97%。为马铃薯收获—仓储过程中除杂提供技术参考。

基于热红外成像技术的小麦病害早期检测

实现对受到病原侵染的小麦植株进行早期检测,对于小麦病害的监测预警和及早防治具有重要意义。为研究热红外成像技术早期检测小麦病害的可行性,该研究以小麦条锈病为例,以健康小麦植株、条锈病潜育期和发病期小麦植株为试验材料,利用热红外成像技术采集他们的热红外图像和叶片温度,在潜育期内连续检测其热红外图像和叶片温度随接种天数的变化。通过图像对比发现,接种后第5天,肉眼观察热红外图像可将受到侵染但未显症的小麦植株与健康植株区分开来。进一步数据处理,表明接种后第3天处于条锈病潜育期的小麦植株叶片平均温度和不同部位最大温差分别比健康植株叶片的低0.08℃和高0.04℃(P<0.05),可将处于条锈病潜育期的小麦植株与健康植株区分开来。随着接种后天数的增加,处于条锈病潜育期的小麦植株叶片的平均温度和最大温差与健康小麦植株叶片的差异逐渐增大。接种后第12天,接种小麦植株叶片平均温度比健康植株叶片低1.22℃,接种小麦植株叶片最大温差比健康植株叶片高1.58℃。可见,利用热红外成像技术可以早期检测到小麦受到病原侵染后的温度变化,热红外成像技术作为一种小麦病害早期检测的方法是可行的。

基于热红外成像技术的油菜菌核病早期检测研究

将热红外成像技术和低空遥感技术相结合,基于冠层和叶片两个尺度对菌核病侵染油菜的过程进行检测研究。从冠层尺度分析,首先获取整株样本的温度值(平均温度与最大温差),并采集其生理指数(气孔导度、 CO_2浓度、蒸腾速率及光合速率)。然后,将染病样本与健康样本的温度值进行判别分析,并对其进行单因素方差分析。从结果可知,平均温度和最大温差值都可以对染病样本与健康样本进行区分,且最大温差相较平均温度结果较明显。同时单因素方差分析也显示,最大温差三次检测中均存在显著性差异。对获取的生理指数进行分析,发现染病样本与健康样本之间可以通过生理指数进行明显区分。另外,将生理指数与叶片温度进行相关性分析,结果表明二氧化碳浓度与叶片温度之间的三次检测均存在显著性差异。基于叶片尺度,首先从单一叶片来看健康区域和染病区域的温度差异,可以明显区分出染病区域和健康区域的温度差异。然后,提取健康区域与染病区域的的温度值(最大温度、最小温度、平均温度以及最大温差)对进行对比分析,并对其进行单因素方差分析。结果表明,以上四个温度指标均可以区分叶片的染病区域和健康区域。但根据单因素方差分析结果可知,与冠层尺度相同,最大温差三次检测中均存在显著性差异,可以实现对油菜菌核病的早期识别。

热红外成像用于番茄花叶病早期检测的研究

由于蒸腾作用与植物叶片温度成负相关;利用热红外成像技术研究感染番茄花叶病的番茄叶片表面温度的变化与叶片病变程度的关系,可为实现番茄花叶病早期检测提供依据。以感染番茄花叶病的番茄叶片为材料,在温室条件下,利用热红外成像仪连续检测受病害侵染的番茄叶片表面的温度变化,发现在叶片的病变部位高于正常叶片0.5～1.2℃,且在肉眼无法观测到病变时,从热红外图像已经能发现感染叶片与正常叶片间明显的温度差异。因此,在温室条件下,感染番茄花叶病的叶片表面温差可以显著反应番茄叶片染病程度,叶面温差可以作为鉴别叶片是否感染番茄花叶病的一个指标,将热红外成像技术运用于番茄花叶病早期检测是可行的。

岩石撞击的热红外成像探测研究进展与方向

岩石撞击的热红外成像探测是遥感技术的一项新颖而颇具潜力的应用,亦是遥感-岩石力学交叉学科的重要研究内容。分析岩石撞击热红外成像探测的试验技术原理与特点,介绍前期试验探索成果及新近研究进展。主要包括：热红外技术用于固体撞击瞬态过程监测的试验探索、Hopkinson压杆撞击(包括不同角度、含水岩石靶元的撞击)、岩石与岩石之间的撞击、不同类型岩石的落球撞击、基于红外辐射特征的撞击参数反演研究以及矿山诱灾分析的应用基础研究。讨论岩石撞击辐射升温的物理机制,包括岩石破裂作用机制、岩石热弹效应以及岩石物理学机制。指出岩石撞击热红外成像探测的未来发展方向为辐射规律与物理机制、定量分析与遥感模型、谱段优选与实用技术。

侧柏衰弱木和蛀干害虫受害木的热红外成像检测

植物的水分和能量代谢在其生命活动中起着至关重要的作用。尽管用热红外成像技术研究此类功能已有报道,直接用于林木生长状态检测的研究为数不多。本研究通过创建温差指数缩小了观测间的热温波动,提高了热像温度观测的精度,增加了被测对象间的可比性。在此基础上,用热红外成像技术检测了侧柏[Platycladus orientalis(L.)Franco]伐根面以及生长锥木芯之边材与心材的差异和变化,研究了侧柏树干和鳞叶的水分和能量代谢的关系。结果发现随活力状态的变化侧柏林木边材与心材树液(sap)比值不同,而且不同活力状态的侧柏其鳞叶同样表现出热温的差异。相对于叶面积与边材面积的比值而言,热红外光谱更多地反映了树液的状态而不是木材的比例。边材和心材的树液比反映在热红外成像设备中的则是边材与心材的热温比值,该指标有潜力早期反映侧柏树木健康。柏肤小蠹(Phloeosinus aubei Perris)和双条杉天牛(Semanotus bifasciatus Motschulsky)等蛀干害虫是常见的侧柏衰弱木、濒死木、枯立木、伐倒木和新栽幼树上寄生的害虫。经过大量的热红外成像观测,侧柏衰弱木和蛀干害虫受害木边材和心材热温比明显地增大。因此,该技术有潜力成为检测侧柏林木活力和确定受害状况的重要指标,成为侧柏生态公益林抚育和经营管理的重要依据。

基于热红外成像的小麦条锈病早期检测（英文）

由条形柄锈菌引起的小麦条锈病是一种世界性范围内普遍流行的重大病害,实现其早期检测对病害的有效防控与小麦的安全生产具有重要意义。旨在实验室环境下分析小麦接种条锈病菌后16天的热红外图像与叶片温度变化,研究热红外成像技术用于小麦条锈病早期检测的可行性。实验发现,随着接种天数的增加,接种病害的小麦植株较健康小麦,叶片的平均温度会逐渐降低,叶片间的最大温差会不断加大。接种后第6天,热红外成像技术可观测到小麦条锈病病斑,较肉眼观察提前了4天。接种后第16天,接种叶片的平均温度比健康叶片低2.5℃,最大温差比健康叶片高2.28℃。同时,通过对健康、发病以及潜伏期的小麦叶片的显微结构分析,发现条锈病孢子入侵叶片,使细胞结构破环,气孔导度增大,蒸腾作用加剧,从而导致叶片表面温度降低。可见,热红外成像技术可以对小麦条锈病进行早期检测。

基于低秩矩阵近似的低噪宽幅热红外成像技术

为解决强背景弱信号场景下热红外成像系统噪声制约图像信噪比的问题,提出了一种基于低秩矩阵近似理论的低噪宽幅热红外成像技术.利用面阵摆扫方式实现宽幅扫描成像并构建严格的观测矩阵,通过加权核范数最小化方法求解去噪的低秩矩阵形式.试验证明该技术具有较高的峰值信噪比与降噪鲁棒性,在宽幅成像的同时也提高了探测灵敏度.研究成果在红外弱目标识别、广域侦查等领域具有一定应用价值.

改进卷积神经网络的热红外成像人脸识别

为了提升热红外成像人脸识别的识别率,提出了改进卷积神经网络的热红外成像人脸识别。首先采用Fast ICA算法去除热红外图像中噪声,采用通过卷积层与滤波器实现初始图像的卷积,将特征图传输至采样层,通过模糊操作特征完成增强图像特征提取,并将特征传输至全连接层,采用投票法作为集成学习的结合策略设计人脸识别分类器,实现人脸精准识别。实验结果表明,本方法能够通过不同人脸特征角度实现人脸识别;遮挡人脸识别率保持在90%以上,且人脸识别耗时低,具有明显优越性。

基于热红外成像技术的300M钢疲劳极限测定

对经过热处理和未经过热处理的超高强度300M钢在室温下的常规疲劳性能进行了研究,用红外成像仪测量了疲劳试验过程中合金表面的温度变化;根据疲劳试验过程中温度-应力关系及试样表面温度分布差异,确定疲劳断裂位置和疲劳极限。结果表明:根据试件表面温度变化可以预测疲劳断裂位置;以此法确定的热处理300M钢疲劳极限为833MPa,与常规疲劳试验测得的疲劳极限吻合较好;加载初期300M钢升温到一定温度后形成平稳段,在断裂前温度快速升高。

基于热红外成像和断根修复算法的玉米根系表型检测方法

针对土壤遮挡时根系图像信息不全的问题,提出一种热红外成像根系表型检测方法,结合Criminisi改进算法实现根系图像信息的增强和修复,并研究玉米根系表型与种子活力之间的关系。首先,设计一种适应于玉米根系构型的环形双层石英培养装置迫使玉米根系贴壁生长,分别将老化0, 1, 3和6 d的玉米种子种植在环形培养装置中。基于水和土壤比热容具有显著差异的特点,利用水对玉米苗根茎进行滴灌,并通过热空气对培养装置中的玉米根系进行短时热激励,再用红外热像仪采集根系红外热像,利用土壤与根土间隙水流温度的差异实现土壤遮挡处根系的热成像。其次,对预处理后的根系热像,进行端点和最佳匹配对判定,并利用Criminisi改进算法对红外热像中的断根连接,实现根系热红外图像的修补。最后,利用以上方法分别对不同老化天数的玉米种子幼苗进行根系表型检测验证。结果表明,所提出的热红外成像方法可有助于土壤遮挡处根系的表型图像信息增强,比彩色图像提取的根系表型参数精度提高约0.5%~10%。玉米种子老化1d后其根系表型参数总根长(RTL)和总根数(RTN)未见明显差异,但老化3d和6d的种子其根系表型参数具有显著差异, RTL减少20%~35%, RTN减少10%~55%,反映了玉米种子长时间老化后其活力存在显著下降。不同老化天数的玉米根系表型参数RTL和RTN均与老化天数呈显著负相关,可作为种子活力的重要指标参数,其中,种子根系RTN参数对老化更为敏感,更能够直观反映种子的活力水平,老化1和3 d的种子发根与未老化种子相比均推迟1 d;老化6 d的种子其发根则推迟2 d,且后续根系发育一直迟缓。所提的基于热红外成像的根系表型检测结合Criminisi改进算法的根系表型检测方法,可用于作物根系表型高通量无损检测,具有广阔的应用前景。

基于热红外成像传感器的汽车防撞系统研究

以热红外成像传感器和自学习轮胎与路面附着系数为基础建立了一种汽车主动防撞系统。该系统不受气候的影响,并可以根据路面附着系数和车速实时变化安全距离,有效提高汽车安全行驶性能,并通过试验进行了验证。

基于热红外成像的坡面薄层水流流速测量方法

流速是表征水流水力学特性的重要物理量。为了准确获取薄层水流流速,基于热红外成像技术、计算机视觉识别技术,设计了一种薄层水流流速测量系统。该系统通过对热示踪剂的自动控制以及对其热成像图的瞬时采集、影像校正、噪点去除、质心确定等手段,获取薄层水流的流速等参数,从而实现对坡面薄层水流流速的动态观测。该系统精确度和准确度高,可从不同时间和空间尺度上更加准确地观测热示踪剂动态运移过程。系统的测量标准差为0.020 m/s,观测精度可达到98.33%,观测的时间分辨率为1/9 s,空间分辨率为2 mm。为了验证该系统的准确度,以流量法为基准,与传统示踪法(染料示踪法、盐示踪法)比较,结果表明,该系统的准确度高于染料示踪法和盐示踪法。其中热红外成像观测系统的相对误差均在±10%以内;染料示踪法的相对误差均大于10%;盐示踪法52%的相对误差在±10%以内。利用热红外成像系统获取的影像,可对不同时刻示踪段水流的发生、发展的过程进行追溯,也可以测量示踪剂沿水流方向的运移速度及垂直于水流方向的扩散速度,计算热示踪剂的弥散系数等。该技术可应用于降雨侵蚀、径流冲刷等方面的研究,对于进一步深化土壤侵蚀过程与机理研究具有重要的意义。

利用热红外成像仪识别夜间林火

通过对比有火和无火时森林红外背景温度标准差以及火燃烧的三维立体图像,利用热红外成像仪进行夜间林火的监测与识别试验.结果表明:即使夜晚时间和地点不同,森林背景温度标准差比较稳定,为1～9;夜晚明火阶段温度标准差为85～180,结合红外三维立体图像可判别林地夜晚是否有明火.动物体表监测的温度为20～30℃,波动小;而有火(包括余火)存在时,监测温度为50.8～275.0℃,波动大,可以排除动物体表的干扰.余火最高温度275℃,根据红外谱图的中心点温度可以判别余火.由此可得,使用热红外成像仪可对夜间林地是否有火情进行判别与监测.

基于热红外成像的温室番茄植株水分评估方法

为在诸多热红外指标中筛选出可靠的作物水分评估指标并探明其最优获取方法与最佳监测时段,该研究以西北旱区主要经济作物番茄为试验材料,设置2个灌水量水平(充分灌溉和1/2亏缺灌溉),通过对比三种干湿参考平面的选取方法(干湿红织物、干湿绿织物、人工喷涂介质),量化了包括作物水分胁迫指数(Crop Water Stress Index,CWSI)、相对气孔导度指数IG、叶片温度T_(leaf)、叶气温差ΔT_(leaf-air)在内的4个常用热红外指标与植株生理指标(气孔导度g_(s)、光合速率A_(n)、叶水势φ_(leaf))间的响应关系,并明确了利用热红外成像技术进行番茄植株水分评估的最佳测定时段。结果表明,以干湿红织物作为参考平面测得的CWSI与g_(s)、A_(n)、φ_(leaf)间决定系数R^(2)分别达0.687、0.698、0.669,IG与g_(s)、A_(n)、φ_(leaf)间决定系数R2分别达0.707、0.661、0.663,在三种方法中均最为显著。在12:00—14:00时段热红外指标CWSI与植株生理指标g_(s)、A_(n)、φ_(leaf)相关性和IG与植株生理指标g_(s)、A_(n)、φ_(leaf)相关性均为最高,是利用热红外成像技术进行番茄植株水分监测的最佳时段,根据获得的相关函数可实时预测叶片缺水指标,依此判定植株水分状况并作为制定灌溉制度的依据。

数据挖掘的热红外成像人脸识别研究

为了解决当前热红外成像人脸识别过程中存在的一些不足,提出了基于数据挖掘的热红外成像人脸识别方法。首先集热红外成像人脸,对原始热红外成像人脸进行预处理,消除一些不利因素对热红外成像人脸识别的不利影响,然后提取热红外成像人脸识别特征,最后采用数据挖掘技术设计热红外成像人脸识别模型,并与其他热红外成像人脸识别方法进行对比实验,结果表明,数据挖掘的热红外成像人脸识别准确率超过95%,单幅热红外成像人脸识别时间大约为10 ms,能够满足热红外成像人脸识别的实际应用要求。

基于热红外成像技术的绝缘子故障分类研究

针对停电测量绝缘电阻或带电测量分布电压等检零方式在实际操作中,都存在停电范围大、人员安全风险高、检测周期无法保证等问题,本文分析了盘形悬式瓷绝缘子红外精确测温的数据,并通过专家经验总结出利用红外热图的绝缘子故障分类研究。对绝缘子可能出现的故障类型通过绝缘电阻测试、绝缘子电压分布测试、泄漏电流测试、交流耐压测试等试验手段验证最终的热红外成像故障分析结果。

热红外成像技术在农产品加工自动化中的运用研究

为了提高农产品加工自动化水平,分析热红外成像技术在其中的应用,总结农产品加工自动化中的红外成像技术种类与成像原理,阐述热红外成像技术的运用,最后论述热红外成像技术的发展趋势与前景,发挥热红外成像技术优势,提高农产品加工、检测与质量控制水平,实现加工自动化的目标。

利用热红外成像技术测量海底地下水排放量

海底地下水排放(SGD)是水循环的重要组成部分,将人为产生的和自然产生的营养物质输送到沿海水域。作为开发预防海岸水质恶化的方法的一部分,北卡罗莱纳州威尔明顿大学进行的研究试图解决与SGD点源位置有关的不确定性。本案例研究概述了如何将尖端的高分辨率无人机系统(UAS)热红外(TIR)成像方法与最新技术相结合,以进行连续和自主的SGD监测。海底地下水排放是指地下水通过连接的沿海含水层从陆地流向海洋的过程,这是可溶解成分从陆地流到海洋的重要途径。确定SGD的来源很重要,因为SGD通常携带来自人为生产的污染物,例如来自下水道系统或农业活动的营养物质。

基于热红外成像和机器学习的棉花黄萎病监测技术研究

棉花黄萎病危害棉花生产,其已造成较大损失。利用热红外成像仪作为数据采集设备,采集数据类型包括1 920×1 080像素(FHD)的RGB图像和640×512像素的红外图像,将RGB图像和红外图像进行图像融合,结合机器学习方法,运用卷积神经网络分类算法对融合图像进行判断,确定棉花是否感染黄萎病从而构建一种更为实时、准确的棉花黄萎病监测系统。