Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов

Изобретение относится к технике активного неразрушающего теплового контроля и может быть использовано в аппаратуре дистанционного зондирования земли. Согласно заявленному способу осуществляют съемку исследуемого района в светлое время суток в видимом и инфракрасном диапазонах и в темное время суток в инфракрасном диапазоне. Для изображений видимого диапазона создают банк данных типовых объектов и фонов дистанционного мониторинга, содержащий таблицу значений коэффициентов излучательной способности для каждого объекта классификатора, измеренных заранее и записанных в таблицу классификатора. Для изображений инфракрасного диапазона создают банк данных эталонных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащий таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции для каждого объекта классификатора, ранее измеренных и записанных в таблицу. По изображениям видимого диапазона, полученным в светлое время суток, классифицируют объекты и фоны на основе алгоритмов сверточных нейронных сетей, определяют их класс и присваивают значения коэффициента излучательной способности в каждой точке изображения из соответствующего банка данных. Изображения инфракрасного диапазона, полученные в светлое и темное время суток, пересчитывают в пространственное распределение термодинамических температур, которые классифицируют на основе алгоритмов сверточных нейронных по теплофизическим свойствам конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов в каждой точке изображения с присвоением табличных значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции из соответствующего банка данных. Повышение достоверности классификации материалов таблицы обеспечивается возможностью дополнения в обучающую выборку термодинамических температур, пересчитанных из инфракрасных изображений, а также смоделированных инфракрасных сигнатур объектов, на основе методов глубокого обучения нейронных сетей с учителем. Технический результат - повышение достоверности определения теплофизических параметров объектов дистанционного мониторинга, а также упрощение способа дистанционного определения пространственного распределения теплофизических параметров земной поверхности за счет исключения блоков регистрации и выдачи метеорологических условий и регистрации количества суммарной солнечной радиации. 3 ил.

 

Изобретение относится к методам активного теплового неразрушающего контроля, заключающееся в определении пространственного распределения теплофизических параметров путем совместной обработки изображений исследуемого участка земной поверхности в видимом и инфракрасном диапазонах длин волн, полученных с помощью многоспектральной оптико-электронной системы и является дальнейшим усовершенствованием изобретения по патенту РФ №2707387.

Известен способ определения пространственного распределения теплофизических параметров исследуемой земной поверхности с использованием эталонных материалов с известными значениями теплопроводности (патент RU 2659461 С2, 02.07.2018). Данный способ основан на облете исследуемой территории беспилотным летательным аппаратом с установленным на нем тепловизионным приемником, измерении радиационной температуры поверхности земли и расчете теплопроводности, температуропроводности и построения их пространственного распределения.

Основные недостатки данного способа заключаются в том, что при измерении радиационных температур земной поверхности в ходе ведения дистанционного мониторинга не учитывается коэффициент излучательной способности земной поверхности, а также не учитывается неоднородность исследуемого участка земной поверхности из-за наличия на нем надповерхностных и подповерхностных объектов, обуславливающих его многослойность, что может вносить большие погрешности оценки значений теплофизических параметров земной поверхности.

Известен способ дистанционного определения пространственного распределения теплофизических параметров земной поверхности (патент RU 2707387, 26.11.2019), ближайший по технической сущности и принятый за прототип. Данный способ основан на съемке земной поверхности в видимом и инфракрасном диапазоне, усреднении полученных изображений видимого и инфракрасного диапазонов, определении коэффициента излучающей способности земной поверхности, перерасчете измеренных значений радиационных температур в термодинамические, выделении фона на видимом и инфракрасных изображениях, определении структуры земной поверхности, уточнении граничных условий при расчете пространственного распределения значений теплопроводности, температуропроводности, тепловой инерции и коэффициента теплоусвоения земной поверхности с учетом полученных результатов.

Основные недостатки данного способа заключаются в том, что по данным дистанционных измерений пространственного распределения теплофизических параметров наблюдаемых объектов не производится учет теплоемкости и плотности материалов, что снижает точность оценки тепловой инерции. Оценка коэффициента излучательной способности производится на основе коэффициента отражательной способности поверхности видимого спектра, что в результате принятого упрощения вносит значительную погрешность в измерения при расчете значения радиационной температуры исследуемой поверхности.

Технический результат изобретения заключается в повышении достоверности определения теплофизических параметров объектов дистанционного мониторинга за счет учета теплоемкости и плотности конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, измеренных и систематизированных по их теплофизическим свойствам в виде банка данных, при оценке пространственного распределения теплофизических параметров, а также упрощении способа дистанционного определения пространственного распределения теплофизических параметров земной поверхности за счет исключения блоков регистрации и выдачи метеорологических условий, требующего измерения температуры воздуха, скорости ветра в приземном слое и влажности и регистрации количества суммарной солнечной радиации, требующего наличия пиранометра.

Данный технический результат достигается тем, что в способе дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов, основанного на съемке объектов и фонов в видимом и инфракрасном диапазоне, классификации объектов и фонов в видимом диапазоне, расчете значений термодинамической температуры исследуемой поверхности, классификация материалов по их пространственному распределению значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции в инфракрасном диапазоне производится по параметрам конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, измеренных и систематизированных по их теплофизическим свойствам в виде банка данных. Коэффициент излучающей способности объектов и фонов определяется табличным способом из банка данных «объектов и фонов», оценка пространственного распределения теплофизических параметров материалов исследуемых объектов также производится табличным способом за счет формирования банка данных «материалов».

Представим доказательство данного технического результата.

Сущность изобретения заключается в том, что съемка исследуемого района проводится несколько раз в светлое время суток в видимом и инфракрасном диапазонах и в темное время суток в инфракрасном диапазоне. Классификация объектов и фонов в видимом диапазоне осуществляется на основе алгоритмов нейронных сетей, которые обеспечивают обнаружение и распознавание объектов на основе сформированного банка данных «объектов и фонов». Классификация материалов по пространственному распределению теплофизических параметров в инфракрасном диапазоне осуществляется на основе алгоритмов нейронных сетей из банка данных «материалов».

На фиг. 1 представлен вариант схемы устройства, реализующего предлагаемый способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов, где:

1 - оптико-электронная система видимого диапазона;

2 - оптико-электронная система инфракрасного диапазона;

3 - блок банка данных «объектов и фонов»;

4 - блок классификации объектов и фонов и определения их коэффициентов излучательной способности;

5 - блок банка данных «материалов»;

6 - блок оценки пространственного распределения теплофизических параметров.

Блоки 1 и 2 предназначены для получения изображений исследуемой поверхности в инфракрасном и видимом диапазонах соответственно. Съемка в инфракрасном диапазоне осуществляется с заданной периодичностью в течение всего времени проведения мониторинга, а в видимом диапазоне - с заданной периодичностью только в светлое время суток. Таким образом, получают совокупность многовременных изображений исследуемого участка земной поверхности в видимом и инфракрасном диапазонах длин волн, соответственно.

Блок 3 является банком данных типовых объектов и фонов дистанционного мониторинга содержащим таблицу значений коэффициентов излучательной способности для каждого объекта классификатора, ранее измеренным и записанным в таблицу (например, объект - «дерево» ε = 0,95, объект - «асфальт» ε = 0,95, объект - «бетонная плита» ε = 0,95, объект -«стеклянная конструкция» ε = 0,85, объект - «грунт» ε = 0,98, объект - «вода» ε = 0,93, объект - «автомобиль» ε = 0,9, объект - «кирпичное здание» ε = 0,8 и т.д.).

Блок 4 предназначен для распознавания объектов в видимом диапазоне (блок 1), выделения фонов области дистанционного мониторинга, их классификации и определения коэффициентов излучательной способности объектов в соответствии с присвоенным классом табличным способом сверточными нейронными сетями, обладающими высокой эффективностью в решении задачи распознавания образов. Основные преимущества данного алгоритма заключаются в том, что в отличие от полносвязных моделей сверточные нейронные сети изучают локальные признаки объектов, что позволяет производить обучение на относительно «небольшом» наборе изображений (от нескольких сотен до нескольких десятков тысяч) с точностью классификации не менее 85% и без необходимости конструировать отличительные признаки вручную. [Шолле Ф. Глубокое обучение на Python. - СПб.: Питер, 2018. - 400 с: ил. - (Серия «Библиотека программиста»)]. Математически классификатор объектов и фонов представлен в виде дискриминантной функции. Пусть ω₁, ω₂ …, ω_ζ, обозначают ζ классов (образов), подлежащих распознаванию и образуют полную группу событий

таких что

где ω_i, ω_j - классы объекты и фоны, Ω - суммарное пространство классов. [Ищук И.Н., Громов Ю.Ю., Филимонов A.M. Классификация объектов дистанционного мониторинга по тепловым томограммам: монография. - Тамбов; М.; СПб.; Баку; Вена; Стокгольм; Буаке; Варна: изд-во МИНЦ «Нобелистика», 2019. - 132 с]

Блок 5 является банком данных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащим таблицу значений теплопроводности λ, температуропроводности а, удельной теплоемкости С, плотности ρ, тепловой инерции I для каждого объекта классификатора, ранее измеренным и записанным в таблицу (например, таблица 1 - типы материалов и их теплофизические свойства). Температуропроводность а рассчитывается по известной формуле [Лыков А.В. Теория теплопроводности/ А.В. Лыков. - М.: Высшая школа. - 1967. - 600 с. ]:

Блок 6 предназначен для оценки пространственного распределения теплофизических параметров материалов объектов и фонов, ранее классифицированным в блоке 4, путем решения коэффициентной обратной задачи нестационарной теплопроводности, обеспечивающей получение оценок значений теплопроводности λ, температуропроводности а, удельной теплоемкости С, плотности ρ, тепловой инерции I по данным пространственных распределений термодинамических температур нейросетевыми алгоритмами.

Значения измеренных радиационных температур T_r инфракрасных

изображений земной поверхности, полученных с оптико-электронной системы инфракрасного диапазона (блок 2), пересчитывают в термодинамические температуры. Пересчет осуществляется без учета температуры атмосферы в соответствии с выражением [Яне Б. Цифровая обработка изображений Москва.: Техносфера, 2007 г. - с. 183]:

где T_r - значение радиационной температуры поверхности исследуемой

территории, T - значение термодинамической температуры поверхности исследуемой территории, ε - коэффициент излучательной способности, полученный в блоке 3.

Оценка пространственного распределения теплофизических параметров материалов объектов и фонов и их классификация производится сверточными нейронными сетями по данным обучающей выборки термодинамических температур материалов блока 5, сформированных путем наблюдения изменения инфракрасных изображений для каждого из этих материалов в светлое и темное время суток, различных погодных условий, времени года и местности. Повышение достоверности классификации материалов таблицы обеспечивается возможностью дополнения в обучающую выборку термодинамических температур, пересчитанных из инфракрасных изображений, а также смоделированных инфракрасных сигнатур объектов, на основе методов глубокого обучения нейронных сетей с учителем. Результатом работы блока являются изображения пространственного распределения теплофизических параметров:

где матрица (4) - распределение теплопроводности, матрица (5) -распределение температуропроводности, матрица (6) - распределение удельной теплоемкости, матрица (7) - распределение плотности.

По полученным распределениям теплопроводности и температуропроводности (4) и (5) определяют значения тепловой инерции земной поверхности [К.Ф. Фокин. Строительная теплотехника ограждающих частей зданий. - 4-е, переработанное и дополненное. - Москва: Стройиздат, 1973. - с. 117]:

где матрица (8) - распределение тепловой инерции.

Матрицы (4) - (8) соответствуют значениям теплофизических свойств эталонных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов банка данных 5.

Работоспособность предлагаемого способа проверена экспериментально с помощью многоспектральной оптико-электронной системы, установленной в качестве целевой нагрузки на беспилотном летательном аппарате мультироторного типа серийного производства, с последующей компьютерной обработкой полученных результатов на основе специального программного обеспечения, позволяющего реализовывать вычислительные операции блоков способа дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов (фиг.1).

На фиг. 2 представлены разновременные изображения исследуемого района с размещенными на нем следующих эталонных объектов в инфракрасном и видимом диапазонах длин волн, полученных в светлое и темное время суток с многоспектральной оптико-электронной системы беспилотного летательного аппарата в градации «Rainbow»: эталон -«песок», эталон - «стекло», эталон - «пенопласт белый», эталон - «пенопласт черный», эталон - «металл». В градации «Rainbow» красный, оранжевый, желтый, зеленый, голубой, синий, фиолетовый цвета равномерно распределены в диапазоне от 0 до 255. «Горячие» объекты окрашиваются красным цветом, «холодные» - синим.

Сверточная нейронная сеть, обученная на банке данных типовых объектов и фонов дистанционного мониторинга, классифицировала объекты-эталоны на изображении видимого диапазона фиг. 2 с присвоением коэффициентов излучательной способности соответственно. После перерасчета радиационных температур в термодинамические по данным разновременных изображений инфракрасного диапазона и обучения нейронной сети по данным банка данных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащим таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции для каждого объекта классификатора, были достоверно классифицированы типы материалов с теплофизическими характеристиками, представленными в таблице 1 - типы материалов и их теплофизические свойства. Каждому классифицированному материалу для наглядности присвоен определенный цвет: 7 - «песок» (белый), 8 - «стекло» (желтый), 9 - «пенопласт белый» (синий), 10 - «пенопласт черный» (черный), 11 - «металл» (красный). Классифицированное изображение работы способа, в результате обработки нейронной сетью тестовых инфракрасных изображений представлено на фиг.3, что является эксперементальным доказательством, сформулированного технического результата.

Из описания следует, что схема устройства, реализующая предлагаемый способ, может быть реализована на основе известных функциональных устройств: суммирующих и вычитающих устройств, устройств умножения и деления, возведения в степень и извлечения корня, а также логических и интегрирующих устройств, которые подробно описаны с конструктивными признаками их технической реализации, например, в книге: Шумоподобные сигналы в системах передачи информации /Под ред. Пестрякова В.Б. М.: Сов. радио, 1973. Все вычислительные операции в данном способе являются элементарными в техническом исполнении и могут быть реализованы в едином специально запрограммированном устройстве с отдельным устройством обработки графической информации, поддерживающим массивные параллельные вычисления. [Оленев Н.Н. Основы параллельного программирования в системе MPI. - М.: ВЦ РАН, 2005. - 80 с.].

Таким образом, предлагаемый способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов не имеет принципиальных ограничений в техническом исполнении и может быть реализован на основе известных функциональных устройств радиоэлектроники.

Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов, основанный на съемке исследуемого района в видимом и инфракрасном диапазонах, определении коэффициентов излучательной способности объектов, пересчете измеренных значений радиационных температур в термодинамические, оценке пространственного распределения значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции материалов объектов и фонов, отличающийся тем, что дополнительно для изображений видимого диапазона создают банк данных типовых объектов и фонов дистанционного мониторинга, содержащий таблицу значений коэффициентов излучательной способности для каждого объекта классификатора, для изображений инфракрасного диапазона создают банк данных эталонных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащий таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции для каждого объекта классификатора, по изображениям видимого диапазона, полученным в светлое время суток, классифицируют объекты и фоны, определяют их класс и присваивают значения коэффициента излучательной способности в каждой точке изображения из соответствующего банка данных, изображения инфракрасного диапазона, полученные в светлое и темное время суток, пересчитывают в пространственное распределение термодинамических температур, которые классифицируют по теплофизическим свойствам конструкционных и функциональных материалы объектов, антропогенных и природных ландшафтов в каждой точке изображения с присвоением табличных значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции из соответствующего банка данных.