1.本技术涉及红外测温技术领域，尤其涉及到一种红外热成像测温补偿方法、装置及设备。
背景技术：2.红外热像仪将目标物体辐射的红外线转换为电信号，成像装置对应地模拟出目标物体表面温度的空间分布，由此得到与物体表面热分布相对应的红外热像图(简称红外热图)，从而完成测温。
3.目前使用至少包括以上红外热像仪、成像装置等的测温装置测量目标物体的温度，但是，测温装置本身的性能容易受到外部环境如温度的影响，当外部环境温度不适宜测温装置工作时，会导致测温准确度降低。
技术实现要素：4.有鉴于此，本技术提供了一种红外热成像测温补偿方法、装置及设备，涉及红外测温技术领域，可以解决红外热成像测温精确度低的问题。
5.根据本技术的一个方面，提供了一种红外热成像测温补偿方法，该方法包括：
6.获取目标物体在第一环境温度下的测量红外热图，从所述测量红外热图中提取第一测量温度值；
7.利用所述第一测量温度值与所述第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；
8.利用所述预测温度补偿模型确定待测量物体的测温补偿值。
9.根据本技术的另一个方面，提供了一种红外热成像测温补偿装置，该装置包括：
10.获取模块，用于获取目标物体在第一环境温度下的测量红外热图，从所述测量红外热图中提取第一测量温度值；
11.训练模块，用于利用所述第一测量温度值与所述第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；
12.输出模块，用于利用所述预测温度补偿模型确定待测量物体的测温补偿值。
13.根据本技术的又一个方面，提供了一种非易失性可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述红外热成像测温补偿方法。
14.根据本技术的再一个方面，提供了一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述红外热成像测温补偿方法。
15.借由上述技术方案，本技术公开了一种红外热成像测温补偿方法、装置及设备，本技术首先获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值；进一步的，利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；最后利用预测温度补
偿模型确定待测量物体的测温补偿值。通过本技术中的技术方案，可以通过预测温度补偿模型计算出待测量物体的测温补偿值，基于测温补偿值进行温度补偿，从而减少了外界因素对测温设备造成的温度偏差，提高了测温的精确度。
16.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
17.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本地申请的不当限定。在附图中：
18.图1示出了本技术实施例提供的一种红外热成像测温补偿方法的流程示意图；
19.图2示出了本技术实施例提供的另一种红外热成像测温补偿方法的流程示意图；
20.图3出了本技术实施例提供的一种红外热成像测温补偿装置的结构示意图；
21.图4出了本技术实施例提供的另一种红外热成像测温补偿装置的结构示意图。
具体实施方式
22.下文将参考附图并结合实施例来详细说明本技术。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互结合。
23.针对目前的问题，本技术实施例提供了一种红外热成像测温补偿方法，如图1所示，该方法包括：
24.101、获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值。
25.其中，利用红外热像仪探测目标物体的红外辐射并将其转换成可见图像，最终表现为红外热图。红外热图反映了目标物体对红外辐射的强弱，而红外辐射与温度直接相关，因此可以通过红外热图确定目标物体的温度，具体的，红外热像仪可以在探测目标物体的红外辐射时自动锁定目标物体的中心区域，并获取目标物体的中心区域的红外热图，再利用红外热图自带软件生成中心区域的红外热图上各个像素点对应的温度。
26.对于本实施例，作为一种优选的实施方式，第一环境温度表示目标物体所在的环境温度，第一测量温度值是目标物体在第一环境温度下的测量温度值，从目标物体的测量红外热图中提取第一测量温度值时，就是从测量红外热图上各个像素点对应的温度中提取目标物体的第一测量温度值，优选的，第一测量温度值可以是各个像素点对应的温度最大值，在此不做限定。
27.获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值是为了利用目标物体的第一环境温度与第一测量温度值构建多个参数组，以便进一步利用多个参数组训练初始温度补偿模型，进一步将训练完成的初始温度补偿模型确定为预测温度补偿模型，预测温度补偿模型可应用于对待测量物体的测温补偿值的预测。
28.102、利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型。
29.其中，为了减少外界温度的影响，构建包括第一测量温度值与第一环境温度的多
个参数组，并将多个参数组分组为训练集与验证集，利用训练集训练初始温度补偿模型，初始温度补偿模型可以表示为y＝f(x，t)，其中x为目标物体的第一测量温度值，t为目标物体所在的第一环境温度，以这个两个参量作为初始温度补偿模型的输入，y为测温补偿值并将其作为初始温度补偿模型的输出。
30.对于本实施例，作为一种优选的实施方式，初始温度补偿模型可以采用res-cnn(具有残差结构的卷积神经网络)，res-cnn网络结构通过多个有参层结构例如池化层、全连接层及残差结构对建立的训练集进行学习，当迭代次数达到预设次数时停止，利用验证集对训练后的初始温度补偿模型进行验证，如果训练后的初始温度补偿模型通过验证，则判断初始温度补偿模型训练完成，进一步将训练完成的初始温度补偿模型确定为预测温度补偿模型。
31.103、利用预测温度补偿模型确定待测量物体的测温补偿值。
32.对于本实施例，在利用预测温度补偿模型确定得到待测量物体的测温补偿值时，作为一种优选的实施方式，可首先根据预测温度补偿模型确定温度测量值、环境温度、测温补偿值之间的非线性映射关系，利用最小二乘法将温度测量值、环境温度与测温补偿值之间的非线性映射关系进一步拟合得到温度测量值、环境温度与测温补偿值之间的曲线关系，根据该曲线关系，当需要判断待测量物体的测温补偿值时，可输入待测量物体在第二环境温度下的第二测量温度值，即可输出待测量物体的测温补偿值。
33.通过预测温度补偿模型计算出待测量物体的测温补偿值，基于测温补偿值进行温度补偿，从而减少了外界因素对测温设备造成的温度偏差，提高了测温的精确度。
34.本技术公开了一种红外热成像测温补偿方法、装置及设备，本技术首先获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值；进一步的，利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；最后利用预测温度补偿模型确定待测量物体的测温补偿值。通过本技术中的技术方案，可以通过预测温度补偿模型计算出待测量物体的测温补偿值，基于测温补偿值进行温度补偿，从而减少了外界因素对测温设备造成的温度偏差，提高了测温的精确度。
35.进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例中的具体实施过程，提供了另一种红外热成像测温补偿方法，如图2所示，该方法包括：
36.201、获取目标物体在第一环境温度下的测量红外热图，利用预设算法对测量红外热图进行预处理。
37.对于本实施例，作为一种优选的实施方式，测温设备将目标物体在第一环境温度下的测量红外热图显示在成像装置上，从成像装置上直接获取目标物体在第一环境温度下的测量红外热图，其中，第一环境温度表示目标物体所在的环境温度，第一测量温度值是目标物体在第一环境温度下的测量温度值。预设算法包括：灰度计算算法、拉普拉斯算法、小波图像去噪算法，利用预设算法对测量红外热图进行预处理，包括：利用灰度计算算法对测量红外热图进行灰度化处理；采用拉普拉斯算法对经过灰度化处理后的测量红外热图的边缘进行锐化和增强处理；利用小波图像去噪算法对经过灰度化处理、锐化以及增强处理的测量红外热图进行去噪处理。
38.其中，灰度计算公式为：
39.r(i,j),g(i,j),b(i,j)为图像三个通道亮度值，选用平均值法来将其图像进行灰度化处理，得到效果均匀的灰度图像，进而为下一步锐化与增强做准备。
40.其中，拉普拉斯算法为：
41.g是输出的测量红外热图，f为经过灰度化处理的测量红外热图，c是系数。针对灰度化处理的测量红外热图图像中灰度发生跳跃的区域，应用拉普拉斯算法可以有效的增强图像边缘模糊区域，但同时也会增强测量红外热图中的噪声。因此，需要进一步的利用小波图像去噪算法进行去噪处理。优选的，还可以使用prewitt梯度算子、sobel梯度算子等进行锐化与增强处理，在此不做限定。
42.其中，测量红外热图的各级尺度参数运算公式为：
43.i＝1，2，
…
，i，k
t
表示测量红外热图t级子带的长度，u表示分解层数总值，ρ为噪声方差。伴随i的变动，各级尺度参数将实施自适应变换。进一步的，进行阈值化滤噪处理，通过阈值化处理后的小波系数对测量红外热图实施滤噪，获取去噪后的测量红外热图。优选的，还可以使用中值滤波法、bm3d算法等进行去噪处理，在此不做限定。
44.202、从预处理后的测量红外热图中提取第一测量温度值。
45.对于本实施例，作为一种优选的实施方式，从预处理后的测量红外热图中提取第一测量温度值，具体的包括：从预处理后的测量红外热图上各个像素点对应的温度中提取目标物体的第一测量温度值，优选的，第一测量温度值可以是各个像素点对应的温度最大值，在此不做限定。
46.203、利用第一测量温度值与第一环境温度构建参数组，将多个参数组划分为训练集与验证集，利用训练集迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到待验证温度补偿模型。
47.对于本实施例，作为一种优选的实施方式，构建的参数组包括一个第一环境温度与对应的第一测量温度值，例如，构建参数组包括：(第一环境温度30，第一测量温度值33)，(第一环境温度33，第一测量温度值33.1)
…
，将多个参数组按照预设数量划分为训练集与验证集，例如可以将所有参数组按照8:2分成训练集与验证集，其中，训练集用于对初始温度补偿模型进行训练，当训练次数达到预设迭代次数时，得到待验证温度补偿模型，验证集用于验证待验证温度补偿模型在是否训练完成。
48.其中，初始温度补偿模型可以是sca-lssvm，其采用最小二乘支持向量机lssvm与正余弦算法结合，其中最小二乘支持向量机lssvm用于建立回归模型，正余弦算法应用于回归模型的参数优化，通过正余弦算法对lssvm的惩罚因子c与核函数δ参数进行优化选取，从而建立初始温度补偿模型。
49.204、利用验证集验证待验证温度补偿模型，直到判定待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型。
50.对于本实施例，作为一种优选的实施方式，利用验证集验证待验证温度补偿模型，判断待验证温度补偿模型的指标值是否达到预设指标值；若是，则将待验证温度补偿模型
确定为训练完成的预测温度补偿模型；若否，则调整待验证温度补偿模型的参数，并利用训练集迭代训练待验证温度补偿模型，直到待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型。
51.其中，待验证温度补偿模型的指标可以包括均方根误差值、平均百分比误差值、准确率等，当待验证温度补偿模型的指标值达到预设指标值，说明待验证温度补偿模型的预测精确度较高，此时可以将待验证温度补偿模型确定为预测温度补偿模型，并进一步的，可以利用预测温度补偿模型确定测温补偿值。如果待验证温度补偿模型的指标值没有达到预设指标值，此时重新调整待验证温度补偿模型的参数，继续利用训练集迭代训练待验证温度补偿模型，直到待验证温度补偿模型的指标值达到预设指标值，对应的，此时待验证温度补偿模型的参数达到最优，由此，得到训练完成的预测温度补偿模型。
52.205、获取待测量物体的第二测量温度值以及第二环境温度，将第二测量温度值以及第二环境温度输入预测温度补偿模型，得到待测量物体的测温补偿值。
53.对于本实施例，通过测温装置测量待测量物体在第二环境温度下的测量红外热图，优选的，利用预设算法对待测量物体在第二环境温度下的测量红外热图进行预处理，具体的实施过程在步骤201中，在此不再赘述。进一步的，从预处理后的待测量物体在第二环境温度下的测量红外热图提取各个像素点的温度最大值作为第二测量温度值，将待测量物体的第二测量温度值与第二环境温度输入到预测温度补偿模型，获取预测温度补偿模型输出的测温补偿值。
54.通过预测温度补偿模型计算出待测量物体的测温补偿值，基于测温补偿值进行温度补偿，从而减少了外界因素对测温设备造成的温度偏差，提高了测温的精确度。
55.206、利用待测量物体的测温补偿值以及第二测量温度值计算待测量物体的实际温度值。
56.对于本实施例，作为一种优选的实施方式，利用待测量物体的测温补偿值对第二测量温度值进行修正，得到修正后的实际温度值，例如，待测量物体的第二测量温度值是30度，测温补偿值是+5度，那么待测量物体的实际温度值为30度+5度＝35度。
57.本技术公开了一种红外热成像测温补偿方法、装置及设备，本技术首先获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值；进一步的，利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；最后利用预测温度补偿模型确定待测量物体的测温补偿值。通过本技术中的技术方案，可以通过预测温度补偿模型计算出待测量物体的测温补偿值，基于测温补偿值进行温度补偿，从而减少了外界因素对测温设备造成的温度偏差，提高了测温的精确度。
58.进一步的，作为图1和图2所示方法的具体实现，本技术实施例提供了一种红外热成像测温补偿装置，如图3所示，该装置包括：获取模块31、训练模块32、输出模块33；
59.获取模块31，可用于获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值；
60.训练模块32，可用于利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；
61.输出模块33，可用于利用预测温度补偿模型确定待测量物体的测温补偿值。
62.在具体的应用场景中，为了利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型，如图4所示，训练模块32，具体可包括：构建单元321、训练单元322、验证单元323；
63.构建单元321，可用于利用第一测量温度值与第一环境温度构建参数组，将多个参数组划分为训练集与验证集；
64.训练单元322，可用于利用训练集迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到待验证温度补偿模型；
65.验证单元323，可用于利用验证集验证待验证温度补偿模型，直到判定待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型。
66.相应的，为了利用验证集验证待验证温度补偿模型，直到判定待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型，验证单元323，具体可用于利用验证集验证待验证温度补偿模型，判断待验证温度补偿模型的指标值是否达到预设指标值；若是，则将待验证温度补偿模型确定为训练完成的预测温度补偿模型；若否，则调整待验证温度补偿模型的参数，并利用训练集迭代训练待验证温度补偿模型，直到待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型。
67.在具体的应用场景中，为了利用预测温度补偿模型确定待测量物体的测温补偿值，如图4所示，输出模块33，具体可用于获取待测量物体的第二测量温度值以及第二环境温度，将第二测量温度值以及第二环境温度输入预测温度补偿模型，得到待测量物体的测温补偿值。
68.在具体的应用场景中，一种红外热成像测温补偿装置，如图4所示，该装置还包括：计算模块34，具体可用于利用待测量物体的测温补偿值以及第二测量温度值计算待测量物体的实际温度值。
69.在具体的应用场景中，一种红外热成像测温补偿装置，如图4所示，该装置还包括：预处理模块35，具体可用于利用预设算法对测量红外热图进行预处理。相应的，获取模块31，具体还可用于从预处理后的测量红外热图中提取第一测量温度值。
70.相应的，预设算法包括：灰度计算算法、拉普拉斯算法、小波图像去噪算法，为了利用预设算法对测量红外热图进行预处理，预处理模块35，具体可用于利用灰度计算算法对测量红外热图进行灰度化处理；采用拉普拉斯算法对经过灰度化处理后的测量红外热图的边缘进行锐化和增强处理；利用小波图像去噪算法对经过灰度化处理、锐化以及增强处理的测量红外热图进行去噪处理。
71.需要说明的是，本实施例提供的一种红外热成像测温补偿装置所涉及各功能单元的其他相应描述，可以参考图1至图2的对应描述，在此不再赘述。
72.基于上述如图1至图2所示方法，相应的，本实施例还提供了一种存储介质，存储介质具体可为易失性或非易失性，其上存储有计算机可读指令，该可读指令被处理器执行时实现上述如图1至图2所示的红外热成像测温补偿方法。
73.基于这样的理解，本技术的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施场景的方法。
74.基于上述如图1至图2所示的方法和图3、图4所示的虚拟装置实施例，为了实现上述目的，本实施例还提供了一种计算机设备，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图2所示的红外热成像测温补偿方法。
75.可选的，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(radio frequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如wi-fi接口)等。
76.本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
77.存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
78.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本技术可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。
79.通过应用本技术的技术方案，与目前现有技术相比，本技术公开了一种红外热成像测温补偿方法、装置及设备，本技术首先获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值；进一步的，利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；最后利用预测温度补偿模型确定待测量物体的测温补偿值。通过本技术中的技术方案，可以通过预测温度补偿模型计算出待测量物体的测温补偿值，基于测温补偿值进行温度补偿，从而减少了外界因素对测温设备造成的温度偏差，提高了测温的精确度。
80.本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本技术所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
81.上述本技术序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本技术的几个具体实施场景，但是，本技术并非局限于此，任何本领域的技术人员能思之的变化都应落入本技术的保护范围。
技术特征：1.一种红外热成像测温补偿方法，其特征在于，包括：获取目标物体在第一环境温度下的测量红外热图，从所述测量红外热图中提取第一测量温度值；利用所述第一测量温度值与所述第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；利用所述预测温度补偿模型确定待测量物体的测温补偿值。2.根据权利要求1所述的方法，其特征在于，所述利用所述第一测量温度值与所述第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型，包括：利用所述第一测量温度值与所述第一环境温度构建参数组，将多个所述参数组划分为训练集与验证集；利用所述训练集迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到待验证温度补偿模型；利用所述验证集验证所述待验证温度补偿模型，直到判定所述待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型。3.根据权利要求2所述的方法，其特征在于，所述利用所述验证集验证所述待验证温度补偿模型，直到判定所述待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型，包括：利用所述验证集验证所述待验证温度补偿模型，判断所述待验证温度补偿模型的指标值是否达到预设指标值；若是，则将所述待验证温度补偿模型确定为训练完成的预测温度补偿模型；若否，则调整所述待验证温度补偿模型的参数，并利用所述训练集迭代训练所述待验证温度补偿模型，直到所述待验证温度补偿模型的指标值达到预设指标值，得到训练完成的预测温度补偿模型。4.根据权利要求1所述的方法，其特征在于，所述利用所述预测温度补偿模型确定待测量物体的测温补偿值，包括：获取待测量物体的第二测量温度值以及第二环境温度，将所述第二测量温度值以及所述第二环境温度输入所述预测温度补偿模型，得到所述待测量物体的测温补偿值。5.根据权利要求4所述的方法，其特征在于，在所述利用所述预测温度补偿模型确定待测量物体的测温补偿值之后，还包括：利用所述待测量物体的测温补偿值以及所述第二测量温度值计算所述待测量物体的实际温度值。6.根据权利要求1所述的方法，其特征在于，在所述获取目标物体在第一环境温度下的测量红外热图之后，还包括：利用预设算法对所述测量红外热图进行预处理；所述从所述测量红外热图中提取第一测量温度值，包括：从预处理后的测量红外热图中提取第一测量温度值。7.根据权利要求6所述的方法，其特征在于，所述预设算法包括：灰度计算算法、拉普拉斯算法、小波图像去噪算法，所述利用预设算法对所述测量红外热图进行预处理，包括：
利用所述灰度计算算法对所述测量红外热图进行灰度化处理；采用所述拉普拉斯算法对经过所述灰度化处理后的测量红外热图的边缘进行锐化和增强处理；利用所述小波图像去噪算法对经过灰度化处理、锐化以及增强处理的测量红外热图进行去噪处理。8.一种红外热成像测温补偿装置，其特征在于，包括：获取模块，用于获取目标物体在第一环境温度下的测量红外热图，从所述测量红外热图中提取第一测量温度值；训练模块，用于利用所述第一测量温度值与所述第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；输出模块，用于利用所述预测温度补偿模型确定待测量物体的测温补偿值。9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的红外热成像测温补偿方法。10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的红外热成像测温补偿方法。
技术总结本申请公开了一种红外热成像测温补偿方法、装置及设备，涉及红外测温技术领域，可以解决红外热成像测温精确度低的问题。包括：获取目标物体在第一环境温度下的测量红外热图，从测量红外热图中提取第一测量温度值；利用第一测量温度值与第一环境温度迭代训练初始温度补偿模型，直到迭代次数达到预设迭代次数，得到训练完成的预测温度补偿模型；利用预测温度补偿模型确定待测量物体的测温补偿值。补偿模型确定待测量物体的测温补偿值。补偿模型确定待测量物体的测温补偿值。
技术研发人员：王树清 郑燕君 胡国清 赵振宁 刘智超 张鹏 姜禹含 张明旭
受保护的技术使用者：蒙东协合扎鲁特旗风力发电有限公司
技术研发日：2022.05.17
技术公布日：2022/11/1
