基于红外热成像的核电站巡检机器人高精度测温方法

摘 要：随着国家能源结构调整，可再生清洁能源发电规模持续扩大。核电力设备的温度是电力安全中的一个重要参数。但是电力人员数量少，运维工作量比较大，工作环境复杂，因此在核电站温度巡检中使用机器人具有非常重要的意义。本文基于红外热成像对核电站检机器人高精度测温进行研究。利用红外热像仪对核电站自动进行图像采集，识别测温信息。试验结果表明，本文的高精度测温方法与实际数据相比偏差更低，能够提升巡检效率，保障核电站安全。

关键词：红外热成像；核电站；巡检机器人；高精度测温；测温方法

中图分类号：TP 391" " " 文献标志码：A

在核电站的运行过程中，设备温度是反映其运行状态的重要参数之一，温度过高或过低都可能严重影响设备安全、稳定运行，因此对核电站设备的温度进行实时监测有重要意义。随着全球能源需求不断增长，清洁能源技术快速发展，国内外研究人员不断探索先进的设备测温技术，文献[1]根据设备与辐射测量仪器发射率光谱分布曲线的交点波长构造广义辐射测温模型的求解条件，利用求解模型获取测温数据，相对误差小于0.15%，但是该方法对被测物体的发射率比较敏感，在实际应用中测量结果的准确性容易受到影响；文献[2]基于玻尔兹曼图法测量设备温度，测温精度较高，但是采用玻尔兹曼图法需要提供大量的谱线信息，增加了该方法的难度与复杂性，不能大规模应用。由于核电站环境具有复杂性，在监测设备温度的过程中对精度要求很高，在现有研究中的测温方法仍然存在一定的局限性和不足，因此本文提出一种基于红外热成像的核电站巡检机器人高精度测温方法，其目的是提高核电站设备温度监测的精度和效率，保障核电站安全运行。

1 巡检机器人采集核电站设备红外热图像

由于核电站内设备众多，工作环境复杂，传统的温度监测方法不能满足实时监测和全面覆盖的需求，因此本文提出一种基于红外热成像的测温方法。本文方法根据红外辐射原理接收核电站设备发出的红外辐射，将其转换为可见图像，呈现温度信息。巡检机器人是一种智能化、自动化的设备，能够在自主导航或远程控制的过程中进行多点位巡检，为降低人工巡检成本并提升巡检效率，本文采用巡检机器人搭载红外成像仪的方式来采集核电站内设备的红外热图像[3]。巡检机器人搭载的红外成像仪是其进行核电站设备温度监测的核心，红外成像仪可以利用红外探测器接收目标设备发出的红外辐射，生成红外热图像，如公式（1）所示。

H=ηδf（T） " " " " " " " " （1）

式中：H为核电站设备红外热图像的像素灰度值；η为辐射常量；δ为核电站内目标设备的发射率；f（T）为与黑体绝对温度T有统计学意义的等值函数。

在核电站内部机器人巡检过程中，红外成像仪会根据公式（1）实时采集设备的红外热图像[4]，这些红外热图像不仅包括设备的温度信息，还包括设备表面温度分布的细节。将红外热图像数据传输至处理中心进行处理。

2 预处理核电站设备红外热图像

在核电站机器人巡检过程中，受环境和设备等因素影响，红外成像仪采集的红外热图像存在对比度不足、噪声较大等问题，这些问题会影响后续对温度信息进行识别的准确性，因此对原始采集的红外热图像进行高质量的预处理十分重要[5]。红外热图像预处理的第一步是进行去噪处理，针对红外热图像中存在的各种噪声（例如椒盐噪声、高斯噪声等）影响图像清晰度、掩盖重要温度信息的问题，本文采用中值滤波方法对原始红外图像进行去噪处理，在保持红外热图像边缘信息的基础上有效去除噪声，假设红外热图像像素点（x，y）的邻域内像素灰度值为L（x，y），中值滤波后该像素点的新灰度值g（x，y）如公式（2）所示。

g（x，y）=Med[L（x，y）] " " " "（2）

式中：Med为中值函数。

中值滤波的基本原理是将原始红外热图像中的每个像素点灰度值替换为其邻域内所有像素点灰度值的中值，去除红外热图像中的噪声点。在去除噪声后，红外热图像的对比度仍然不足，不能直接提取温度信息，因此本文采用自适应直方图均衡化来增强红外热图像的对比度[6]。将原始核电站设备红外热图像转换为灰度图像，并且将灰度图像划分为若干个局部区域。对每个局部区域分别进行直方图均衡化，计算每个局部区域灰度值的累积分布函数，如公式（3）所示。

（3）

式中：Fn（h）为核电站设备红外热图像中第n个区域的像素点灰度值h的累积分布函数；Pn（s）为红外热图像中第n个区域中灰度值为s的像素点出现的概率。根据公式（3）累积分布函数来计算映射函数，如公式（4）所示。

Yn（h）=[（N-1）‧Fn（h）]" " "（4）

式中：Yn（h）为核电站设备红外热图像中第n个区域的像素点灰度值h的映射函数；N为红外热图像中像素点的灰度级数量；[‧]为向下取整。利用公式（4）将核电站设备红外热图像每个局部区域中各个像素点的原始灰度值由h映射至Yn（h），完成局部直方图均衡化处理，使该区域的对比度得到增强。将经过局部直方图均衡化处理的各个区域重新组合成完整图像，完成整个核电站设备红外热图像的对比度增强处理。综上所述，在经过上述步骤完成去噪与对比度增强处理后，核电站设备红外热图像的质量显著提升，后续温度信息的识别更加准确、可靠。

3 基于红外热图像识别核电站高精度测温信息

一般来说，在红外热图像中存在1条比色条（也称为温度条），其作用是将热图像中像素点灰度值映射至实际的温度值，在比色条中的每种颜色或灰度级别都对应特定的温度范围，因此本文根据核电站设备红外热图像中的比色条来识别测温信息[7]。由RGB分量原理可知，红外热图像和比色条都是由红、蓝和绿3种颜色组成的，因此根据比色条中RGB颜色的分量可以确定红外热图像中的比色条颜色与温度值之间的对应关系。假设核电站设备红外热图像中的比色条颜色对应的温度值为因变量，像素点RGB分量为自变量，两者之间的函数关系如公式（5）～公式（7）所示。

y=μx+p" " " " （5）

式中：y为因变量；μ为斜率；x为自变量；p为截距。

（6）

式中：y2、y1分别为核电站设备红外热图像中的比色条颜色对应的温度最大值与最小值；x2、x1分别为y2、y1对应的红外热图像比色条RGB分量。

（7）

根据红外热图像中比色条RGB分量与温度值之间的函数关系，可以利用核电站设备红外热图像分别识别设备的最高、最低以及平均温度信息。为识别最高与最低温度，本文采用遍历法对核电站设备红外热图像中的比色条从下至上进行遍历，在遍历过程中对比色条各颜色分量进行提取，代入公式（5）计算对应像素点的温度值，再对核电站设备红外热图像中其他区域的像素点进行遍历，找到与比色条中颜色分量对应的像素点，不断重复比色条和其他区域的遍历过程，直至找到红外热图像中与比色条顶部和底部像素颜色分量对应的像素点，即最高和最低温度值对应的像素点，获得对应的温度值。识别平均温度，先识别比色条获取核电站设备红外热图像中所有像素点的温度值，再计算平均值，如公式（8）所示。

（8）

式中：为核电站设备红外热图像中所有像素点的平均温度值；M为红外热图像中像素点总数；Tm为红外热图像中第m个像素点的温度值。

红外热成像仪捕捉设备表面发出的红外辐射生成红外热图像，这些图像直观展示了设备各个部分的温度分布情况，但是不能准确地判断设备的整体温度状态。这时，可以根据公式（8）计算核电站设备红外热图像中各个像素点的平均温度值，更准确地了解设备的温度分布情况。当平均温度值过高时，设备存在过热现象，容易导致设备损坏或引发安全事故；当平均温度值过低时，设备的热效率较低，需要进行优化或调整。因此，利用巡检机器人搭载的红外成像仪采集的核电站设备红外热图像能够呈现设备温度分布情况，根据红外热图像能够准确识别最高、最低以及平均温度值，满足核电站设备高精度测温要求。

4 试验分析

4.1 试验环境

为了进一步验证本文方法的实际应用效果和温度测量结果的准确性，本章将搭建一个仿真试验场景，利用试验来验证使用本文方法测量温度的准确性。在本次试验中，以核电站内关键设备稳压器为试验对象。稳压器是核电站内的重要设备之一，其温度状态直接影响核电站安全、稳定运行。因此，选择稳压器作为本次试验的试验对象，不仅具有代表性，而且能够直接反映本文方法在实际应用中的效果。稳压器参数见表1。

表1 试验稳压器参数

型号 输入电压/V 电流输出/A 稳压精度/% 工作温度范围/℃ 封装形式

LM7805 7～35 1.5 ±2 0～125 TO-220

为模拟核电站设备运行环境，本次试验根据稳压器所处实际环境的特征搭建了1个封闭箱体，箱体材料应选择具有隔热性能和耐辐射能力的材料，保证内部环境的稳定性。在箱体内部的关键位置安装高精度的温度传感器，其能够准确测量稳压器在运行过程中不同区域的温度数据，对稳压器进行全面检查和调试，使其处于正常工作状态。完成上述步骤后，将试验对象放置在封闭箱体中。根据核电站的日运行时间模拟稳压器的运行过程，利用温度传感器实时记录稳压器在不同时间段的温度数据。将这些数据作为试验数据用于后续分析，具体温度数据如图1所示。

分别采用本文方法、文献[1]方法和文献[2]方法对封闭箱体内的试验对象的日运行温度进行测量，将使用3个方法得到的温度测量结果与实际数据进行对比，验证本文方法测量核电站设备运行温度的精度。

4.2 试验结果

完成核电站内稳压器日运行温度测量试验后，得到使用3个方法的温度测量结果，根据测量数据绘制曲线图，与图1中的实际温度曲线进行对比，结果如图2所示。

由图2可知，在核电站内稳压器日运行温度测量中，与文献[1]方法、文献[2]方法相比，本文方法测温精度更高。虽然使用3个方法得到的核电站内稳压器日运行测温数据曲线与实际温度数据曲线趋势一致，但是均存在一定差异，使用文献[1]方法稳压器日运行测温结果与实际数据之间最大偏差为4.6 ℃，使用文献 [2] 方法稳压器日运行测温结果与实际数据之间最大偏差为3.9 ℃，使用本文方法稳压器日运行测温结果与实际数据之间最大偏差为1.8 ℃。因此，试验结果表明基于红外热成像的核电站巡检机器人高精度测温方法是合理且有效的，适用于对测量精度和可靠性要求较高的温度监测场景。

5 结语

本文提出基于红外热成像的核电站巡检机器人高精度测温方法，设计红外图像采集、预处理以及测温信息识别等步骤，提升了核电站设备温度监测的精度和效率。本研究不仅为核电站的安全运行提供有力支持，还为相关领域的研究提供了新方法。未来本文将继续研究红外热成像技术在核电站巡检中的应用，探索更先进的图像处理技术和测温算法，使温度监测精度更高，巡检策略更智能。

参考文献

[1]王佩琦，程晓舫，张德斌.基于光谱分布曲线交点捕捉的辐射测温方法[J].光谱学与光谱分析，2023，43（6）：1676-1682.

[2]黄安，赵延辉，杨顺华，等.基于玻尔兹曼图法的超燃冲压发动机温度测量方法研究[J].中国激光，2023，50（19）：225-234.

[3]孙继平，范伟强.矿井红外热成像远距离测温误差分析与精确测温方法[J].煤炭学报，2022，47（4）：1709-1722.

[4]余海，姜吉顺，史晓航，等.基于红外测温的复合绝缘子老化程度量化评估方法[J].电测与仪表，2023，60（3）：183-187.

[5]陈冉，薛宇飞，吴锦鹏，等.红外热成像技术在炮膛测温中的应用[J].应用光学，2022，43（4）：732-737.

[6]潘冬，蒋朝辉，桂卫华.基于方向发射率校正的红外测温补偿方法[J].仪器仪表学报，2022，43（6）：213-220.

[7]翟玉卫，刘岩，荆晓冬，等.用紫外热反射热成像测量GaN HEMT的峰值温度[J].电子器件，2022，45（6）：1348-1353.