基于紅外熱成像的核電站巡檢機器人高精度測溫方法

摘 要：隨著國家能源結構調整，可再生清潔能源發電規模持續擴大。核電力設備的溫度是電力安全中的一個重要參數。但是電力人員數量少，運維工作量比較大，工作環境復雜，因此在核電站溫度巡檢中使用機器人具有非常重要的意義。本文基于紅外熱成像對核電站檢機器人高精度測溫進行研究。利用紅外熱像儀對核電站自動進行圖像采集，識別測溫信息。試驗結果表明，本文的高精度測溫方法與實際數據相比偏差更低，能夠提升巡檢效率，保障核電站安全。

關鍵詞：紅外熱成像；核電站；巡檢機器人；高精度測溫；測溫方法

中圖分類號：TP 391" " " 文獻標志碼：A

在核電站的運行過程中，設備溫度是反映其運行狀態的重要參數之一，溫度過高或過低都可能嚴重影響設備安全、穩定運行，因此對核電站設備的溫度進行實時監測有重要意義。隨著全球能源需求不斷增長，清潔能源技術快速發展，國內外研究人員不斷探索先進的設備測溫技術，文獻[1]根據設備與輻射測量儀器發射率光譜分布曲線的交點波長構造廣義輻射測溫模型的求解條件，利用求解模型獲取測溫數據，相對誤差小于0.15%，但是該方法對被測物體的發射率比較敏感，在實際應用中測量結果的準確性容易受到影響；文獻[2]基于玻爾茲曼圖法測量設備溫度，測溫精度較高，但是采用玻爾茲曼圖法需要提供大量的譜線信息，增加了該方法的難度與復雜性，不能大規模應用。由于核電站環境具有復雜性，在監測設備溫度的過程中對精度要求很高，在現有研究中的測溫方法仍然存在一定的局限性和不足，因此本文提出一種基于紅外熱成像的核電站巡檢機器人高精度測溫方法，其目的是提高核電站設備溫度監測的精度和效率，保障核電站安全運行。

1 巡檢機器人采集核電站設備紅外熱圖像

由于核電站內設備眾多，工作環境復雜，傳統的溫度監測方法不能滿足實時監測和全面覆蓋的需求，因此本文提出一種基于紅外熱成像的測溫方法。本文方法根據紅外輻射原理接收核電站設備發出的紅外輻射，將其轉換為可見圖像，呈現溫度信息。巡檢機器人是一種智能化、自動化的設備，能夠在自主導航或遠程控制的過程中進行多點位巡檢，為降低人工巡檢成本并提升巡檢效率，本文采用巡檢機器人搭載紅外成像儀的方式來采集核電站內設備的紅外熱圖像[3]。巡檢機器人搭載的紅外成像儀是其進行核電站設備溫度監測的核心，紅外成像儀可以利用紅外探測器接收目標設備發出的紅外輻射，生成紅外熱圖像，如公式（1）所示。

H=ηδf（T） " " " " " " " " （1）

式中：H為核電站設備紅外熱圖像的像素灰度值；η為輻射常量；δ為核電站內目標設備的發射率；f（T）為與黑體絕對溫度T有統計學意義的等值函數。

在核電站內部機器人巡檢過程中，紅外成像儀會根據公式（1）實時采集設備的紅外熱圖像[4]，這些紅外熱圖像不僅包括設備的溫度信息，還包括設備表面溫度分布的細節。將紅外熱圖像數據傳輸至處理中心進行處理。

2 預處理核電站設備紅外熱圖像

在核電站機器人巡檢過程中，受環境和設備等因素影響，紅外成像儀采集的紅外熱圖像存在對比度不足、噪聲較大等問題，這些問題會影響后續對溫度信息進行識別的準確性，因此對原始采集的紅外熱圖像進行高質量的預處理十分重要[5]。紅外熱圖像預處理的第一步是進行去噪處理，針對紅外熱圖像中存在的各種噪聲（例如椒鹽噪聲、高斯噪聲等）影響圖像清晰度、掩蓋重要溫度信息的問題，本文采用中值濾波方法對原始紅外圖像進行去噪處理，在保持紅外熱圖像邊緣信息的基礎上有效去除噪聲，假設紅外熱圖像像素點（x，y）的鄰域內像素灰度值為L（x，y），中值濾波后該像素點的新灰度值g（x，y）如公式（2）所示。

g（x，y）=Med[L（x，y）] " " " "（2）

式中：Med為中值函數。

中值濾波的基本原理是將原始紅外熱圖像中的每個像素點灰度值替換為其鄰域內所有像素點灰度值的中值，去除紅外熱圖像中的噪聲點。在去除噪聲后，紅外熱圖像的對比度仍然不足，不能直接提取溫度信息，因此本文采用自適應直方圖均衡化來增強紅外熱圖像的對比度[6]。將原始核電站設備紅外熱圖像轉換為灰度圖像，并且將灰度圖像劃分為若干個局部區域。對每個局部區域分別進行直方圖均衡化，計算每個局部區域灰度值的累積分布函數，如公式（3）所示。

（3）

式中：Fn（h）為核電站設備紅外熱圖像中第n個區域的像素點灰度值h的累積分布函數；Pn（s）為紅外熱圖像中第n個區域中灰度值為s的像素點出現的概率。根據公式（3）累積分布函數來計算映射函數，如公式（4）所示。

Yn（h）=[（N-1）?Fn（h）]" " "（4）

式中：Yn（h）為核電站設備紅外熱圖像中第n個區域的像素點灰度值h的映射函數；N為紅外熱圖像中像素點的灰度級數量；[?]為向下取整。利用公式（4）將核電站設備紅外熱圖像每個局部區域中各個像素點的原始灰度值由h映射至Yn（h），完成局部直方圖均衡化處理，使該區域的對比度得到增強。將經過局部直方圖均衡化處理的各個區域重新組合成完整圖像，完成整個核電站設備紅外熱圖像的對比度增強處理。綜上所述，在經過上述步驟完成去噪與對比度增強處理后，核電站設備紅外熱圖像的質量顯著提升，后續溫度信息的識別更加準確、可靠。

3 基于紅外熱圖像識別核電站高精度測溫信息

一般來說，在紅外熱圖像中存在1條比色條（也稱為溫度條），其作用是將熱圖像中像素點灰度值映射至實際的溫度值，在比色條中的每種顏色或灰度級別都對應特定的溫度范圍，因此本文根據核電站設備紅外熱圖像中的比色條來識別測溫信息[7]。由RGB分量原理可知，紅外熱圖像和比色條都是由紅、藍和綠3種顏色組成的，因此根據比色條中RGB顏色的分量可以確定紅外熱圖像中的比色條顏色與溫度值之間的對應關系。假設核電站設備紅外熱圖像中的比色條顏色對應的溫度值為因變量，像素點RGB分量為自變量，兩者之間的函數關系如公式（5）～公式（7）所示。

y=μx+p" " " " （5）

式中：y為因變量；μ為斜率；x為自變量；p為截距。

（6）

式中：y2、y1分別為核電站設備紅外熱圖像中的比色條顏色對應的溫度最大值與最小值；x2、x1分別為y2、y1對應的紅外熱圖像比色條RGB分量。

（7）

根據紅外熱圖像中比色條RGB分量與溫度值之間的函數關系，可以利用核電站設備紅外熱圖像分別識別設備的最高、最低以及平均溫度信息。為識別最高與最低溫度，本文采用遍歷法對核電站設備紅外熱圖像中的比色條從下至上進行遍歷，在遍歷過程中對比色條各顏色分量進行提取，代入公式（5）計算對應像素點的溫度值，再對核電站設備紅外熱圖像中其他區域的像素點進行遍歷，找到與比色條中顏色分量對應的像素點，不斷重復比色條和其他區域的遍歷過程，直至找到紅外熱圖像中與比色條頂部和底部像素顏色分量對應的像素點，即最高和最低溫度值對應的像素點，獲得對應的溫度值。識別平均溫度，先識別比色條獲取核電站設備紅外熱圖像中所有像素點的溫度值，再計算平均值，如公式（8）所示。

（8）

式中：為核電站設備紅外熱圖像中所有像素點的平均溫度值；M為紅外熱圖像中像素點總數；Tm為紅外熱圖像中第m個像素點的溫度值。

紅外熱成像儀捕捉設備表面發出的紅外輻射生成紅外熱圖像，這些圖像直觀展示了設備各個部分的溫度分布情況，但是不能準確地判斷設備的整體溫度狀態。這時，可以根據公式（8）計算核電站設備紅外熱圖像中各個像素點的平均溫度值，更準確地了解設備的溫度分布情況。當平均溫度值過高時，設備存在過熱現象，容易導致設備損壞或引發安全事故；當平均溫度值過低時，設備的熱效率較低，需要進行優化或調整。因此，利用巡檢機器人搭載的紅外成像儀采集的核電站設備紅外熱圖像能夠呈現設備溫度分布情況，根據紅外熱圖像能夠準確識別最高、最低以及平均溫度值，滿足核電站設備高精度測溫要求。

4 試驗分析

4.1 試驗環境

為了進一步驗證本文方法的實際應用效果和溫度測量結果的準確性，本章將搭建一個仿真試驗場景，利用試驗來驗證使用本文方法測量溫度的準確性。在本次試驗中，以核電站內關鍵設備穩壓器為試驗對象。穩壓器是核電站內的重要設備之一，其溫度狀態直接影響核電站安全、穩定運行。因此，選擇穩壓器作為本次試驗的試驗對象，不僅具有代表性，而且能夠直接反映本文方法在實際應用中的效果。穩壓器參數見表1。

表1 試驗穩壓器參數

型號 輸入電壓/V 電流輸出/A 穩壓精度/% 工作溫度范圍/℃ 封裝形式

LM7805 7～35 1.5 ±2 0～125 TO-220

為模擬核電站設備運行環境，本次試驗根據穩壓器所處實際環境的特征搭建了1個封閉箱體，箱體材料應選擇具有隔熱性能和耐輻射能力的材料，保證內部環境的穩定性。在箱體內部的關鍵位置安裝高精度的溫度傳感器，其能夠準確測量穩壓器在運行過程中不同區域的溫度數據，對穩壓器進行全面檢查和調試，使其處于正常工作狀態。完成上述步驟后，將試驗對象放置在封閉箱體中。根據核電站的日運行時間模擬穩壓器的運行過程，利用溫度傳感器實時記錄穩壓器在不同時間段的溫度數據。將這些數據作為試驗數據用于后續分析，具體溫度數據如圖1所示。

分別采用本文方法、文獻[1]方法和文獻[2]方法對封閉箱體內的試驗對象的日運行溫度進行測量，將使用3個方法得到的溫度測量結果與實際數據進行對比，驗證本文方法測量核電站設備運行溫度的精度。

4.2 試驗結果

完成核電站內穩壓器日運行溫度測量試驗后，得到使用3個方法的溫度測量結果，根據測量數據繪制曲線圖，與圖1中的實際溫度曲線進行對比，結果如圖2所示。

由圖2可知，在核電站內穩壓器日運行溫度測量中，與文獻[1]方法、文獻[2]方法相比，本文方法測溫精度更高。雖然使用3個方法得到的核電站內穩壓器日運行測溫數據曲線與實際溫度數據曲線趨勢一致，但是均存在一定差異，使用文獻[1]方法穩壓器日運行測溫結果與實際數據之間最大偏差為4.6 ℃，使用文獻 [2] 方法穩壓器日運行測溫結果與實際數據之間最大偏差為3.9 ℃，使用本文方法穩壓器日運行測溫結果與實際數據之間最大偏差為1.8 ℃。因此，試驗結果表明基于紅外熱成像的核電站巡檢機器人高精度測溫方法是合理且有效的，適用于對測量精度和可靠性要求較高的溫度監測場景。

5 結語

本文提出基于紅外熱成像的核電站巡檢機器人高精度測溫方法，設計紅外圖像采集、預處理以及測溫信息識別等步驟，提升了核電站設備溫度監測的精度和效率。本研究不僅為核電站的安全運行提供有力支持，還為相關領域的研究提供了新方法。未來本文將繼續研究紅外熱成像技術在核電站巡檢中的應用，探索更先進的圖像處理技術和測溫算法，使溫度監測精度更高，巡檢策略更智能。

參考文獻

[1]王佩琦，程曉舫，張德斌.基于光譜分布曲線交點捕捉的輻射測溫方法[J].光譜學與光譜分析，2023，43（6）：1676-1682.

[2]黃安，趙延輝，楊順華，等.基于玻爾茲曼圖法的超燃沖壓發動機溫度測量方法研究[J].中國激光，2023，50（19）：225-234.

[3]孫繼平，范偉強.礦井紅外熱成像遠距離測溫誤差分析與精確測溫方法[J].煤炭學報，2022，47（4）：1709-1722.

[4]余海，姜吉順，史曉航，等.基于紅外測溫的復合絕緣子老化程度量化評估方法[J].電測與儀表，2023，60（3）：183-187.

[5]陳冉，薛宇飛，吳錦鵬，等.紅外熱成像技術在炮膛測溫中的應用[J].應用光學，2022，43（4）：732-737.

[6]潘冬，蔣朝輝，桂衛華.基于方向發射率校正的紅外測溫補償方法[J].儀器儀表學報，2022，43（6）：213-220.

[7]翟玉衛，劉巖，荊曉冬，等.用紫外熱反射熱成像測量GaN HEMT的峰值溫度[J].電子器件，2022，45（6）：1348-1353.