基于物联网的电缆加工控制器的温度监测方法、系统及介质与流程

1.本发明属于设备温度监测技术领域，具体涉及一种基于物联网的电缆加工控制器的温度监测方法、系统及介质。


背景技术：

2.电缆加工工艺流程复杂，生产设施多，且大多生产设施常年处于连续不间断的运行状态，而一旦由于设备故障发生停机或者事故，这不仅会影响企业的正常生产，甚至会造成严重的生命财产损失，带来难以估计的经济损失和巨大的社会影响；因此，对电缆加工设备的状态监测，特别是各种加工控制器的状态监测，对于保证设备安全和平稳的运行、及早发现设备异常，以避免事故升级，减少企业的非计划停机是相当必要的。
3.同时，温度是评价设备运行状态的重要指标之一，在一些特殊场合，温度过高可能会引起设备损坏甚至燃烧等事故，而目前，对设备的温度监控大多都是定点监测，即当设备温度高于报警值时，进行报警，前述监测方法精度较低，不能实现对设备高温异常位置的动态监测；因此，如何建立精确敏感的电缆加工控制器的异常温度变化监测方法，以实现电缆加工控制的状态监测已成为一个亟待解决的问题。


技术实现要素：

4.本发明的目的是提供一种基于物联网的电缆加工控制器的温度监测方法、系统及介质，用以解决现有技中所存在的精度较低，不能实现对设备高温异常位置的动态监测的问题。
5.为了实现上述目的，本发明采用以下技术方案：
6.第一方面，提供了一种基于物联网的电缆加工控制器的温度监测方法，包括：
7.获取电缆加工控制器的红外图像，并对所述红外图像进行通道分离，以得到所述电缆加工控制器的红色分量图以及绿色分量图；
8.在所述红色分量图中确定出至少一个第一局部高温点，并基于所述至少一个第一局部高温点，从所述红色分量图中划分出每个第一局部高温点对应的第一局部高温区域，其中，所述第一局部高温点为所述红色分量图中像素值大于第一阈值的像素点；以及
9.在所述绿色分量图中确定出至少一个第二局部高温点，并基于所述至少一个第二局部高温点，从所述绿色分量图中划分出每个第二局部高温点对应的第二局部高温区域，其中，所述第二局部高温点为所述绿色分量图中像素值大于第二阈值的像素点；
10.对各个第一局部高温区域以及各个第二局部高温区域进行形态学运算，以从各个第一局部高温区域中确定出一第一高温区域，以及从各个第二局部高温区域中确定出一第二高温区域；
11.利用区域生长法，对所述第一高温区域进行图像分割，得到第一分割图像，以及对所述第二高温区域进行图像分割，得到第二分割图像；
12.将所述第一分割图像以及所述第二分割图像的交集图像，作为所述电缆加工控制
器的红外高温图像，并将所述红外高温图像发送至监控终端，以使监控终端处的工作人员基于所述红外高温图像确定出所述电缆加工控制器的发热温度以及异常发热位置。
13.基于上述公开的内容，本发明先获取电缆加工控制器的红外图像，该图像能够反映电缆加工控制器的温度分布，然后，利用红外图像中的rgb分量能够表征电缆加工控制器温度信息这一特性，将最能反映温度变化的红色分量以及绿色分量，从红外图像中提取出来，得到红色分量图以及绿色分量图；接着，再通过红色分量图以及绿色分量图中像素点的像素值，来判定两幅图中的局部高温点，以便基于各个局部高温点在对应分量图中确定出局部高温区域，此步骤相当于找出了电缆加工控制器的疑似故障高温区域；更进一步的，则可对前述筛选出的疑似故障高温区域进行形态学运算，以从各个疑似故障高温区域中，来筛选出红色分量图中的第一高温区域，以及绿色分量图中的第二高温区域；最后，利用区域生长法对两个高温区域进行图像分割，则可从第一以及第二高温区域中，分割出控制器的实际高温升区域(即第一和第二分割图像)，最后，取二者的交集图像，则可作为电缆加工控制器的红外高温图像。
14.通过上述设计，本发明通过获取电缆加工控制器的红外图像，来对红外图像进行通道分割，以利用分割出的红色分量图以及绿色分量图进行控制器上高温升区域的初步筛选，接着，再通过形态学运算，在初步筛选出的高温升区域中进行高温升区域的精确定位，并利用区域生长法对精确定位出的高温升区域进行图像分割，以得到红色分量图以及绿色分量图中控制器的实际高温升区域；最后，通过取图像交集的方式来进行实际高温升区域的图像融合，而融合后的图像则为电缆加工控制器的红外高温图像；由此，本发明能够精确识别电缆加工控制器的温升过高区域，更能准确的定位发热位置与范围，从而能够为后续电缆加工控制器的故障诊断提供依据。
15.在一个可能的设计中，基于所述至少一个第一局部高温点，从所述红色分量图中划分出每个第一局部高温点对应的第一局部高温区域，包括：
16.对于任一第一局部高温点，基于任一第一局部高温点的像素值，从所述红色分量图中筛选出第一目标像素点，其中，所述第一目标像素点的像素值大于所述第一局部高温点的像素值与第一判断阈值的乘积，且所述第一判断阈值介于0.9～1之间；
17.将所述第一目标像素点以及所述任一第一局部高温点所围成区域，作为任一第一局部高温点对应的第一局部高温区域；
18.相应的，基于所述至少一个第二局部高温点，从所述绿色分量图中划分出每个第二局部高温点对应的第二局部高温区域，包括：
19.对于任一第二局部高温点，基于任一第二局部高温点的像素值，从所述绿色分量图中筛选出第二目标像素点，其中，所述第二目标像素点的像素值大于所述第二局部高温点的像素值与第二判断阈值的乘积，且所述第二判断阈值介于0.7～0.9之间；
20.将所述第二目标像素点以及所述任一第二局部高温点所围成区域，作为任一第二局部高温点对应的第二局部高温区域。
21.基于上述公开的内容，本发明公开了任一第一局部高温点对应第一局部高温区域的具体确定方法，即通过任一第一局部高温点的像素值，以及红色分量图中各个像素点的像素值来筛选出属于第一局部高温区域内的像素点，即红色分量图中，像素值大于第一局部高温点的像素值与第一判断阈值的乘积的像素点，作为第一目标像素点；最后，利用筛选
出的第一目标像素点和该任一第一局部高温点所围成的区域，作为该任一第一局部高温点对应的第一局部高温区域；当然，对于剩余各个第一局部高温点以及各个第二局部高温点，其对应的局部高温区域的确定过程也是如此，于此不再赘述。
22.在一个可能的设计中，对各个第一局部高温区域进行形态学运算，以从各个第一局部高温区域中确定出第一高温区域，包括：
23.对各个第一局部高温区域进行膨胀运算，得到各个第一局部高温区域膨胀后的图像，以及对各个第一局部高温区域进行腐蚀运算，得到各个第一局部高温区域腐蚀后的图像；
24.对于任一第一局部高温区域，计算所述任一第一局部高温区域膨胀后的图像与所述任一第一局部高温区域腐蚀后的图像之间的图像差，得到所述任一第一局部高温区域的边缘图像，并在把所有第一局部高温区域膨胀后的图像与腐蚀后的图像之间的图像差计算完毕后，得到各个第一局部高温区域的边缘图像；
25.计算各个第一局部高温区域的边缘图像的图像梯度，并将图像梯度最大的边缘图像对应的第一局部高温区域，作为第一高温区域。
26.基于上述公开的内容，本发明公开了高温区域的具体筛选过程，即先将各个第一局部高温区域分别进行膨胀运算和腐蚀运算，然后对于各个局部高温区域，使用其对应的膨胀后的图像减去腐蚀后的图像，得到各个局部高温区域的边缘图像；最后，计算各个边缘图像的图像梯度，以基于图像梯度来确定出高温区域；其中，设备故障时，会导致设备小范围内温度升高，因此，反应在图像梯度上，则是图像梯度越大，由此，即可将图像梯度最大的边缘图像对应的局部高温区域，作为高温区域。
27.在一个可能的设计中，利用区域生长法，对所述第一高温区域进行图像分割，得到第一分割图像，包括：
28.以所述第一高温区域的下边缘为生长起点，来获取所述生长起点的第一邻域窗口；
29.判断所述生长起点的第一邻域窗口中是否存在有第三目标像素点，其中，所述第三目标像素点的像素值与所述生长起点的像素值之间的差值小于像素阈值，且所述第三目标像素点的梯度值小于梯度阈值；
30.若是，则合并所述第三目标像素点和所述生长起点；
31.将所述第三目标像素点，作为新的生长起点，并重新获取生长起点的第一邻域窗口，直至生长起点的第一邻域窗口中不存在有第三目标像素点时为止，以在生长起点的第一邻域窗口中不存在有第三目标像素点时，得到第一分割图像。
32.在一个可能的设计中，在对所述红外图像进行通道分离前，所述方法还包括：
33.对所述红外图像进行灰度变换，得到灰度红外图像，并对所述灰度红外图像进行去噪处理，得到去噪后的灰度红外图像；
34.将所述去噪后的灰度红外图像进行归一化处理，得到归一化图像；
35.对所述归一化图像进行伪彩色编码处理，得到去噪后的红外图像，以便对去噪后的红外图像进行通道分离，得到所述红色分量图以及所述绿色分量图。
36.基于上述公开的内容，本发明在进行图像处理前，先进行灰度变换，然后进行去噪，最后再进行图像的归一化；其中，灰度化可减少后续去噪以及归一化时的计算量，同时，
去噪可去除或减少红外图像中的噪声和杂波，提高图像的质量和信噪比；而归一化则可增强图像的细节信息，提高对比度，从而进一步的提高图像质量；由此，上述操作可提高温度监测的精确度；另外，将归一化图像进行伪彩色编码处理，可将灰度值一一映射为rgb值，从而完成灰度图像与彩色图像的转换，以便后续从彩色图像中提取出红色和绿色分量图来进行控制器的温度监测。
37.在一个可能的设计中，对所述灰度红外图像进行去噪处理，得到去噪后的灰度红外图像，包括：
38.对于所述灰度红外图像中的第i个像素点，以所述第i个像素点为中心，获取所述第i个像素点的第二邻域窗口；
39.计算所述第二邻域窗口内所有像素点的平均灰度值，并判断所述第i个像素点的灰度值与所述平均灰度值之间的差值是否大于灰度阈值；
40.若是，则将所述第i个像素点的灰度值更新为所述平均灰度值，否则，则保留所述第i个像素点的灰度值；
41.当i从1循环至n时，得到去噪后的灰度红外图像，其中，n为所述灰度红外图像中像素点的总个数。
42.在一个可能的设计中，将所述去噪后的灰度红外图像进行归一化处理，得到归一化图像，包括：
43.获取归一化参数，并基于所述归一化参数以及如下公式计算所述去噪后的灰度红外图像中每个像素点的归一化值；
44.t
′
(xi,yj)＝a
×
t(xi,yj)k45.上述式中，t
′
(xi,yj)为所述去噪后的灰度红外图像中坐标为(xi,yj)的像素点对应的归一化值，a为常数，t(xi,yj)表示所述去噪后的灰度红外图像中坐标为(xi,yj)的像素点的灰度值，k表示归一化参数，i＝1,2,...,m，j＝1,2,...,h，m表示去噪后的灰度红外图像中水平方向上的像素点的总个数，h为去噪后的灰度红外图像中竖直方向上的像素点的总个数；
46.基于所述去噪后的灰度红外图像中每个像素点的归一化值，调整所述去噪后的灰度红外图像中每个像素点灰度值，以在调整完成后，得到归一化图像。
47.第二方面，提供了一种基于物联网的电缆加工控制器的温度监测装置，包括：
48.红外图像获取单元，用于获取电缆加工控制器的红外图像，并对所述红外图像进行通道分离，以得到所述电缆加工控制器的红色分量图以及绿色分量图；
49.图像划分单元，用于在所述红色分量图中确定出至少一个第一局部高温点，并基于所述至少一个第一局部高温点，从所述红色分量图中划分出每个第一局部高温点对应的第一局部高温区域，其中，所述第一局部高温点为所述红色分量图中像素值大于第一阈值的像素点；以及
50.图像划分单元，用于在所述绿色分量图中确定出至少一个第二局部高温点，并基于所述至少一个第二局部高温点，从所述绿色分量图中划分出每个第二局部高温点对应的第二局部高温区域，其中，所述第二局部高温点为所述绿色分量图中像素值大于第二阈值的像素点；
51.形态学运算单元，用于对各个第一局部高温区域以及各个第二局部高温区域进行
形态学运算，以从各个第一局部高温区域中确定出一第一高温区域，以及从各个第二局部高温区域中确定出一第二高温区域；
52.图像分割单元，用于利用区域生长法，对所述第一高温区域进行图像分割，得到第一分割图像，以及对所述第二高温区域进行图像分割，得到第二分割图像；
53.高温图像生成单元，用于将所述第一分割图像以及所述第二分割图像的交集图像，作为所述电缆加工控制器的红外高温图像，并将所述红外高温图像发送至监控终端，以使监控终端处的工作人员基于所述红外高温图像确定出所述电缆加工控制器的发热温度以及异常发热位置。
54.第三方面，提供了一种基于物联网的电缆加工控制器的温度监测系统，包括：图像采集终端、服务器以及监控终端；
55.所述图像采集终端，用于采集电缆加工控制器的红外图像，并将所述红外图像发送至所述服务器；
56.所述服务器，用于接收所述红外图像，并使用第一方面或第一方面中任意一种可能设计的所述基于物联网的电缆加工控制器的温度监测方法对所述红外图像进行图像处理，得到所述电缆加工控制器的红外高温图像；
57.所述服务器，还用于将所述红外高温图像发送至监控终端；
58.所述监控终端，用于对红外高温图像进行可视化展示，以使所述监控终端处的工作人员基于所述红外高温图像确定出所述电缆加工控制器的发热温度以及异常发热位置。
59.第四方面，提供了另一种基于物联网的电缆加工控制器的温度监测系统，以系统为电子设备为例，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计的所述基于物联网的电缆加工控制器的温度监测方法。
60.第五方面，提供了一种存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一种可能设计的所述基于物联网的电缆加工控制器的温度监测方法。
61.第六方面，提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面或第一方面中任意一种可能设计的所述基于物联网的电缆加工控制器的温度监测方法。
62.有益效果：
63.(1)本发明通过获取电缆加工控制器的红外图像，来对红外图像进行通道分割，以利用分割出的红色分量图以及绿色分量图进行控制器上高温升区域的初步筛选，接着，再通过形态学运算，在初步筛选出的高温升区域中进行高温升区域的精确定位，并利用区域生长法对精确定位出的高温升区域进行图像分割，以得到红色分量图以及绿色分量图中控制器的实际高温升区域；最后，通过取图像交集的方式来进行实际高温升区域的图像融合，而融合后的图像则为电缆加工控制器的红外高温图像；由此，本发明能够精确识别电缆加工控制器的温升过高区域，更能准确的定位发热位置与范围，从而能够为后续电缆加工控制器的故障诊断提供依据。
附图说明
64.图1为本发明实施例提供的基于物联网的电缆加工控制器的温度监测系统的架构示意图；
65.图2为本发明实施例提供的基于物联网的电缆加工控制器的温度监测方法的步骤流程示意图；
66.图3为本发明实施例提供的区域生长法的原理示意图；
67.图4为本发明实施例提供的基于物联网的电缆加工控制器的温度监测装置的结构示意图；
68.图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
69.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
70.应当理解，尽管本文可能使用术语第一、第二等等来描述各种单元，但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。
71.应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，单独存在b，同时存在a和b三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，a/和b，可以表示：单独存在a，单独存在a和b两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。
72.实施例：
73.参见图1所示，为本技术提供一种基于物联网的电缆加工控制器的温度监测系统，其中，该系统可以但不限于包括：图像采集终端(可以但不限于采用红外摄像机)、服务器以及监控终端(如个人电脑(personal computer，pc)、平板电脑、智能手机或个人数字助理(personal digital assistant，pda)等)；在具体应用时，图像采集终端，用于采集电缆加工控制器的红外图像，并将所述红外图像发送至所述服务器；服务器，则用于接收所述红外图像，并对红外图像进行通道分割，以利用分割出的红色分量图以及绿色分量图进行电缆加工控制器的高温升区域的初步筛选，接着，服务器再通过形态学运算对初步筛选出的高温升区域进行高温升区域的精确定位，并利用区域生长法对精确定位出的高温升区域进行图像分割，最后，以取交集的方式对分割出的图像进行融合，即可得到电缆加工控制器的红外高温图像；而监控终端，则用于对红外高温图像进行可视化展示，以使所述监控终端处的工作人员基于所述红外高温图像确定出所述电缆加工控制器的发热温度以及异常发热位置；由此，本实施例所提供的温度监测系统，能够精确识别电缆加工控制器的温升过高区域，更能准确的定位发热位置与范围，从而能够为后续电缆加工控制器的故障诊断提供依
据。
74.参见图2所示，本实施例第一方面所提供的基于物联网的电缆加工控制器的温度监测方法，可以但不限于在服务器侧运行，可以理解的，前述执行主体并不构成对本技术实施例的限定，相应的，本方法的运行步骤可以但不限于如下述步骤s1～s6所示。
75.s1.获取电缆加工控制器的红外图像，并对所述红外图像进行通道分离，以得到所述电缆加工控制器的红色分量图以及绿色分量图；具体应用时，由红外摄像机拍摄电缆加工控制器，得到红外图像，并传输至服务器，而服务器可以但不限于使用opencv(一个基于apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库)中的split()和merge()函数来实现红外图像中rgb(光学三原色，红、绿和蓝色)通道的分离，以得到红色分量图以及绿色分量图。
76.在本实施例中，进行通道分离的缘由为：红外图像属于彩色图像，其是通过红绿蓝三原色来描述颜色，因此，对于红外图像而言，其rgb分量的值能够反映设备的温度信息，而当电缆加工控制器的温度变化时，其对应红外图像中的rgb分量值也随之变化；由此，即可基于红外图像中的rgb分量值，来进行温度变化的监测；同时，对于rgb分量值与温度变化的关系，目前，已有对应的线性关系，其分析过程为：取大量电缆加工控制器的红外图像，来分析红外图像中rgb分量值与温度变化的趋势，从而得出每个颜色的分量值与温度的线性关系，且分析结果为：红色分量值与绿色分量值，随温度升高而升高，二者对应的变化曲线，为单调曲线，而蓝色分量值与温度的关系曲线则是非单调性，因此，本实施例则使用红色和绿色分量值来描述电缆加工控制器的温度变化。
77.在从红外图像中提取出红色分量图以及绿色分量图后，则可进行电缆加工控制器上高温升区域的识别，其中，识别过程为：先从两幅分量图中进行局部高温区域的寻找(本实施例中，局部高温区域相当于疑似故障区域)，然后，再在两幅分量图的局部高温区域中确定出高温区域(实际为确定出故障区域)，接着，再从两幅分量图的高温区域中分割出控制器的实际高温升区域，最后，将两幅分量图中实际高温升区域进行图像融合，则可得到电缆加工控制器的红外高温图像；具体实施时，识别过程如下述步骤s2～s6所示。
78.s2.在所述红色分量图中确定出至少一个第一局部高温点，并基于所述至少一个第一局部高温点，从所述红色分量图中划分出每个第一局部高温点对应的第一局部高温区域，其中，所述第一局部高温点为所述红色分量图中像素值大于第一阈值的像素点。
79.s3.在所述绿色分量图中确定出至少一个第二局部高温点，并基于所述至少一个第二局部高温点，从所述绿色分量图中划分出每个第二局部高温点对应的第二局部高温区域，其中，所述第二局部高温点为所述绿色分量图中像素值大于第二阈值的像素点。
80.具体应用时，前述就已说明红色分量值以及绿色分量值与温度之间的曲线呈单调曲线，也就是为线性曲线，因此，可基于各自对应的曲线，得知分量值与温度之间的对应关系；由此，在步骤s2和步骤s3中，则可基于前述得出的线性关系，来将红色分量图中不同像素值对应的温度，从而将像素值大于第一阈值的像素点，作为第一局部高温点(实质相当于筛选出故障点)；同理，对于绿色分量图也是如此，于此不再赘述；在本实施例中，第一阈值和第二阈值可根据不同设备的工作温度进行具体设定，在此不作限定；可选的，以电缆加工控制器为例，举例第一阈值和第二阈值可以但不限于为250。
81.在从红色分量图和绿色分量图中确定出各自的局部高温点后，即可基于局部高温
点，来进行局部高温区域的划分，其中，第一局部高温区域的划分过程如下述步骤s21和步骤s22所示。
82.s21.对于任一第一局部高温点，基于任一第一局部高温点的像素值，从所述红色分量图中筛选出第一目标像素点，其中，所述第一目标像素点的像素值大于所述第一局部高温点的像素值与第一判断阈值的乘积，且所述第一判断阈值介于0.9～1之间。
83.s22.将所述第一目标像素点以及所述任一第一局部高温点所围成区域，作为任一第一局部高温点对应的第一局部高温区域；具体应用时，则是利用第一局部高温点的像素值，来筛选出与其相似的像素点，从而将筛选出的像素点以及该任一第一局部高温点所围成的区域，作为该任一第一局部高温点对应的第一局部高温区域；其中，对于任一第一局部高温点，以其像素值与第一判断阈值的乘积为第一门限值，来进行像素点的筛选，即只要像素值大于第一门限值的像素点，则作为与该任一第一局部高温点的相似像素点，可将其归为同一个区域；因此，依据前述判断原则进行像素点的筛选后，即可得到多个第一目标像素点，最后，利用多个第一目标像素点和该任一第一局部高温点所组成的区域，即可作为该任一第一局部高温点对应的第一局部高温区域；同理，对于其余各个第一局部高温点，各自对应的第一局部高温区域的划分过程与前述举例过程相同，于此不再赘述。
84.相应的，对于各个第二局部高温点，其对应第二局部高温区域的划分过程与第一局部高温区域的划分过程原理相同，如下述步骤s23和步骤s24所示。
85.s23.对于任一第二局部高温点，基于任一第二局部高温点的像素值，从所述绿色分量图中筛选出第二目标像素点，其中，所述第二目标像素点的像素值大于所述第二局部高温点的像素值与第二判断阈值的乘积，且所述第二判断阈值介于0.7～0.9之间。
86.s34.将所述第二目标像素点以及所述任一第二局部高温点所围成区域，作为任一第二局部高温点对应的第二局部高温区域；在具体应用时，在进行第二目标像素点的筛选时，其原理与第一目标像素点的筛选原理相同，仅是第二判断阈值的数值不同而已，其过程不再赘述；相应的，依据第二目标像素点进行区域划分的过程，可参见前述步骤s22，其过程也不再赘述。
87.由此，经过前述步骤s21～s24，则可得出红色分量图中的各个疑似故障区域(即第一局部高温区域)，以及绿色分量图中的各个疑似故障区域(即第二局部高温区域)，从而完成故障区域的初步筛选；而后，则可在初步筛选出的故障区域中，进行故障区域的精确定位，其中，本实施例使用形态学运算的方法，来进行故障区域的精确定位，如下述步骤s4所示。
88.s4.对各个第一局部高温区域以及各个第二局部高温区域进行形态学运算，以从各个第一局部高温区域中确定出一第一高温区域，以及从各个第二局部高温区域中确定出一第二高温区域；具体应用时，在电缆加工控制器故障时，其会导致控制器的温度在小范围内快速升高，而反应在图中，则是图像的梯度较大，因此，本实施例通过形态学运算的方式，来求取各个局部高温区域的边缘图像，并以边缘图像的图像梯度，来完成故障区域的精确定位；其中，第一局部高温区域与第二局部高温区域的形态学运算过程相同，下述以第一局部高温区域为例，来具体阐述形态学运算过程，如下述步骤s41～s43所示。
89.s41.对各个第一局部高温区域进行膨胀运算，得到各个第一局部高温区域膨胀后的图像，以及对各个第一局部高温区域进行腐蚀运算，得到各个第一局部高温区域腐蚀后
的图像；在具体实施时，膨胀运算相当于是扩展图像的亮度，而腐蚀运算则相当于是收缩图像的亮度，且在本实施例中，举例可以但不限于使用尺寸为3*3的结构元进行膨胀和腐蚀运算。
90.在得到各个第一局部高温区域膨胀后的图像以及腐蚀后的图像后，即可将各自对应的膨胀后的图像与腐蚀后的图像进行相减，从而得到各个第一局部高温区域的边缘图像，以便后续基于边缘图像的图像梯度，来进行故障区域的精确定位，如下述步骤s42所示。
91.s42.对于任一第一局部高温区域，计算所述任一第一局部高温区域膨胀后的图像与所述任一第一局部高温区域腐蚀后的图像之间的图像差，得到所述任一第一局部高温区域的边缘图像，并在把所有第一局部高温区域膨胀后的图像与腐蚀后的图像之间的图像差计算完毕后，得到各个第一局部高温区域的边缘图像。
92.s43.计算各个第一局部高温区域的边缘图像的图像梯度，并将图像梯度最大的边缘图像对应的第一局部高温区域，作为第一高温区域；具体应用时，图像梯度越大，说明温度变化越大，因此，可将图像梯度最大的边缘图像对应的第一局部高温区域，作为故障区域，也就是第一高温区域，从而完成故障区域的精确定位；在本实施例中，可以但不限于采用使用sobel算子来实现梯度计算，其为图像梯度计算中的常用算子，其原理不再赘述；当然，第二高温区域的定位过程与前述第一高温区域的定位过程原理相同，可参见前述步骤s41～s43，于此不再赘述。
93.由此通过前述步骤s41～s43，则可在红色分量图以及绿色分量图中精确定位出故障区域，而后，即可利用区域生长法，在故障区域中分割出用于表征电缆加工控制器的实际故障位置的区域，从而完成控制器故障位置对应区域的温度图的提取；在本实施例中，由于第一高温区域和第二高温区域的图像分割过程相同，下述以第一高温区域为例，来具体阐述图像分割过程，如下述步骤s5所示。
94.s5.利用区域生长法，对所述第一高温区域进行图像分割，得到第一分割图像，以及对所述第二高温区域进行图像分割，得到第二分割图像；具体应用时，则是在第一高温区域中选定一像素点，作为生长起点，并设定一生长准则，然后判断生长起点邻域窗口内的像素点，是否满足设定的生长准则，若满足，则进行合并，然后将满足生长准则的像素点作为新的生长起点，不断重复前述过程，直至生长起点的邻域窗口内的像素点不满足生长准则时为止，经此过程，则可完成图像的分割；其中，生长过程如下述步骤s51～s54所示。
95.s51.以所述第一高温区域的下边缘为生长起点，来获取所述生长起点的第一邻域窗口；具体应用时，第一高温区域的下边缘可以但不限于为第一高温区域的左下端点；同时，第一邻域窗口可以但不限于为4邻域窗口或8邻域窗口；在本实施例中，优选为8邻域窗口。
96.在第一高温区域对应的图像中选定生长起点后，则可进行区域生长，如下述步骤s52所示。
97.s52.判断所述生长起点的第一邻域窗口中是否存在有第三目标像素点，其中，所述第三目标像素点的像素值与所述生长起点的像素值之间的差值小于像素阈值，且所述第三目标像素点的梯度值小于梯度阈值；具体应用时，则是以生长起点为中心，选取与其相邻的8个像素点，然后判断相邻的8个像素点中是否存在有满足生长准则的像素点(即是否存在有第三目标像素点)，其中，生长准则可以但不限于为：待测像素点的像素值(即邻域窗口
内的像素点)与生长起点之间的像素值之间的差值小于像素阈值(由于是红色分量图，因此，相当于前述二者的红色分量小于红色分量阈值)，且待测像素点的梯度值小于梯度阈值；当然，待测像素点的梯度值也可使用sobel算子计算得出，而梯度阈值可以但不限于根据是该待测像素点在4个预设方向上的梯度值中的最大值(如45度、90度、135度以及180度)。
98.而若第一邻域窗口内存在有满足生长准则的像素点，则将其与生长起点进行合并，然后将满足生长准则的像素点作为新的生长起点，不断重复前述过程，直至生长起点的第一邻域窗口内不存在有满足生长准则的像素点时截止，其中，合并以及循环过程如下述步骤s53和步骤s54所示。
99.s53.若是，则合并所述第三目标像素点和所述生长起点。
100.s54.将所述第三目标像素点，作为新的生长起点，并重新获取生长起点的第一邻域窗口，直至生长起点的第一邻域窗口中不存在有第三目标像素点时为止，以在生长起点的第一邻域窗口中不存在有第三目标像素点时，得到第一分割图像。
101.参见图3所示，下述以一个实例来阐述前述步骤s51～s54，还是以8邻域为例：
102.图3中的(a)图为第一高温区域，且图(a)中的数字表示像素点的像素值，为便于阐述，则不从图像边缘进行举例；在本实施例中，以像素值为8的像素点为生长起点(其坐标为(x，y))，进行区域生长，假设坐标为(x-1，y)、坐标为(x，y-1)以及坐标为(x，y 1)的像素点符合生长准则(即为第三目标像素点)，那么则将前述3个像素点与生长起点进行合并，因此，第一次区域生长后的图像则可为图3中的图(b)所示。
103.同理，分别以(x-1，y)、坐标为(x，y-1)以及坐标为(x，y 1)为新的生长起点，再次进行区域生长，假设，只有以坐标为(x，y 1)的像素点为生长起点时，其对应的第一邻域窗口内存在有第三目标像素点，即像素值为6的像素点(相对于生长起点(x，y)，其坐标为(x 1，y))，因此，则将该像素值为6的像素点也进行合并，可参见图3(c)所示；假设此次合并后，不存在满足生长准则的像素点，那么则停止生长，其生长结果则为图3(c)所示；当然，第二高温区域的区域生长过程与前述举例原理相同，于此不再赘述。
104.由此通过前述步骤s51～s54，即可从第一高温区域和第二高温区域中，分割出电缆加工控制器的高温升区域(也就是实际故障区域)，最后，将二者进行融合，即可得到电缆加工控制的高温红外图像，而该高温红外图像则可精确反应电缆加工控制器的异常升温位置，从而为后续故障诊断提供依据；其中，融合过程如下述步骤s6所示。
105.s6.将所述第一分割图像以及所述第二分割图像的交集图像，作为所述电缆加工控制器的红外高温图像，并将所述红外高温图像发送至监控终端，以使监控终端处的工作人员基于所述红外高温图像确定出所述电缆加工控制器的发热温度以及异常发热位置，在本实施例中，求取第一分割图像以及第二分割图像的交集，为图像融合的常用方法，可以但不限于使用opencv中的copyto函数来获取图像的交集；最后，交集图像则作为电缆加工控制器的红外高温图像，且通过其对应的rgb值，则可实现温度的读取，同时，该红外高温图像表征的位置是电缆加工控制器的温升过高区域，其发热位置更为精确。
106.由此通过前述步骤s1～s6所详细描述的基于物联网的电缆加工控制器的温度监测方法，本发明能够精确识别电缆加工控制器的温升过高区域，更能准确的定位发热位置与范围，从而能够为后续电缆加工控制器的故障诊断提供依据。
107.在一个可能的设计中，本实施例第二方面在实施例第一方面的基础上进行优化，在红外图像进行处理前，先对红外图像进行去噪以及归一化等处理，以减少图像的噪声，提高图像的质量，从而增强温度监测的精确度，其中，预处理过程如下述步骤s01～s03所示。
108.s01.对所述红外图像进行灰度变换，得到灰度红外图像，并对所述灰度红外图像进行去噪处理，得到去噪后的灰度红外图像；具体应用时，对红外图像进行灰度化，可降低在后续去噪以及归一化时的计算量，从而提升处理效率；同时，举例红外图像中任一像素点的灰度值可采用如下公式计算：
109.gray＝0.3*r 0.59*g 0.1149*b，上述式中，r，b和g分别表示会红色分量值、蓝色分量值以及绿色分量值。
110.在本实施例中，对灰度红外图像的去噪过程，可以但不限于如下述步骤s01a～s01d所示。
111.s01a.对于所述灰度红外图像中的第i个像素点，以所述第i个像素点为中心，获取所述第i个像素点的第二邻域窗口；具体应用时，第二邻域窗口可以但不限于为4邻域窗口。
112.s01b.计算所述第二邻域窗口内所有像素点的平均灰度值，并判断所述第i个像素点的灰度值与所述平均灰度值之间的差值是否大于灰度阈值；具体应用时，灰度阈值为灰度红外图像中所有像素点的灰度平均值。
113.s01c.若是，则将所述第i个像素点的灰度值更新为所述平均灰度值，否则，则保留所述第i个像素点的灰度值。
114.s01d.当i从1循环至n时，得到去噪后的灰度红外图像，其中，n为所述灰度红外图像中像素点的总个数。
115.前述步骤s01a～s01d的原理为：通过采用像素点的邻域灰度值平均方法，来平滑整个灰度红外图像，从而减少图像中的噪声；同时，本技术为防止在平滑时，使图像变得模糊，通过设置一灰度阈值，并以像素点的灰度值与其第二邻域窗口内的平均灰度值之间的差值，来作为是否可进行平滑处理的依据，即若差值大于灰度阈值，则进行灰度的平均化，反之，则不进行平均化，由此，可在减少噪声的同时，降低整个图像的模糊度，从而进一步的提高图像质量。
116.而在进行去噪后，为了增强图像的细节信息，以及提高对比度，本实施例还设置有图像的归一化操作，如下述步骤s02所示。
117.s02.将所述去噪后的灰度红外图像进行归一化处理，得到归一化图像；具体应用时，归一化处理的过程如下述步骤s02a和s02b所示。
118.s02a.获取归一化参数，并基于所述归一化参数以及如下公式计算所述去噪后的灰度红外图像中每个像素点的归一化值。
119.t
′
(xi,yj)＝a
×
t(xi,yj)k120.上述式中，t
′
(xi,yj)为所述去噪后的灰度红外图像中坐标为(xi,yj)的像素点对应的归一化值，a为常数，t(xi,yj)表示所述去噪后的灰度红外图像中坐标为(xi,yj)的像素点的灰度值，k表示归一化参数，i＝1,2,...,m，j＝1,2,...,h，m表示去噪后的灰度红外图像中水平方向上的像素点的总个数，h为去噪后的灰度红外图像中竖直方向上的像素点的总个数；在本实施例中，归一化参数可以但不限于为0.45，而常数可以但不限于为0.85。
121.s02b.基于所述去噪后的灰度红外图像中每个像素点的归一化值，调整所述去噪
后的灰度红外图像中每个像素点灰度值，以在调整完成后，得到归一化图像；具体应用时，则是将去噪后的灰度红外图像中每个像素点的归一化值作为灰度值，从而完成图像的归一化。
122.在对去噪后的灰度红外图像进行归一化后，即可将归一化图像转换为rgb图像，便于后续进行红色分量图以及绿色分量图的提取，以基于红色分量图以及绿色分量图得出电缆加工控制器的红外高温图像，其中，图像转换过程如下述步骤s03所示。
123.s03.对所述归一化图像进行伪彩色编码处理，得到去噪后的红外图像，以便对去噪后的红外图像进行通道分离，得到所述红色分量图以及所述绿色分量图；具体应用时，是将归一化图像中像素点的灰度值对应到0-255区间，再将灰度值按一定规律对应到其他颜色，从而呈现彩色图；可选的，利用python的matplotlib模块中内嵌的colormaps函数进行图像的伪彩色编码处理，得到去噪后的红外图像；当然，在本实施例中，对于去噪后的红外图像的图像处理过程，可参见前述步骤s1～s6，其原理不再赘述。
124.通过前述设计，本发明可去除或减少红外图像中的噪声和杂波，并在提高图像的质量和信噪比的同时，增强图像的细节信息，提高对比度，由此，可进一步的提高图像质量，以最终提高温度监测的精确度。
125.如图4所示，本实施例第三方面提供了一种实现实施例第一方面和/或第二方面中所述的基于物联网的电缆加工控制器的温度监测方法的硬件装置，包括：
126.红外图像获取单元，用于获取电缆加工控制器的红外图像，并对所述红外图像进行通道分离，以得到所述电缆加工控制器的红色分量图以及绿色分量图。
127.图像划分单元，用于在所述红色分量图中确定出至少一个第一局部高温点，并基于所述至少一个第一局部高温点，从所述红色分量图中划分出每个第一局部高温点对应的第一局部高温区域，其中，所述第一局部高温点为所述红色分量图中像素值大于第一阈值的像素点。
128.图像划分单元，用于在所述绿色分量图中确定出至少一个第二局部高温点，并基于所述至少一个第二局部高温点，从所述绿色分量图中划分出每个第二局部高温点对应的第二局部高温区域，其中，所述第二局部高温点为所述绿色分量图中像素值大于第二阈值的像素点。
129.形态学运算单元，用于对各个第一局部高温区域以及各个第二局部高温区域进行形态学运算，以从各个第一局部高温区域中确定出一第一高温区域，以及从各个第二局部高温区域中确定出一第二高温区域。
130.图像分割单元，用于利用区域生长法，对所述第一高温区域进行图像分割，得到第一分割图像，以及对所述第二高温区域进行图像分割，得到第二分割图像。
131.高温图像生成单元，用于将所述第一分割图像以及所述第二分割图像的交集图像，作为所述电缆加工控制器的红外高温图像，并将所述红外高温图像发送至监控终端，以使监控终端处的工作人员基于所述红外高温图像确定出所述电缆加工控制器的发热温度以及异常发热位置。
132.本实施例提供的装置的工作过程、工作细节和技术效果，可以参见实施例第一方面和第二方面，于此不再赘述。
133.如图5所示，本实施例第四方面提供了另一种基于物联网的电缆加工控制器的温
度监测系统，以系统为电子设备为例，包括：依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如实施例第一方面和第二方面所述的基于物联网的电缆加工控制器的温度监测方法。
134.具体举例的，所述存储器可以但不限于包括随机存取存储器(random access memory，ram)、只读存储器(read only memory，rom)、闪存(flash memory)、先进先出存储器(first input first output，fifo)和/或先进后出存储器(first in last out，filo)等等；具体地，处理器可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现，同时，处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
135.在一些实施例中，处理器可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制，例如，所述处理器可以不限于采用型号为stm32f105系列的微处理器、精简指令集计算机(reduced instruction set computer,risc)微处理器、x86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units，npu)的处理器；所述收发器可以但不限于为无线保真(wifi)无线收发器、蓝牙无线收发器、通用分组无线服务技术(general packet radio service，gprs)无线收发器、紫蜂协议(基于ieee802.15.4标准的低功耗局域网协议，zigbee)无线收发器、3g收发器、4g收发器和/或5g收发器等。此外，所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
136.本实施例提供的电子设备的工作过程、工作细节和技术效果，可以参见实施例第一方面和第二方面，于此不再赘述。
137.本实施例第五方面提供了一种存储包含有实施例第一方面所述的基于物联网的电缆加工控制器的温度监测方法的指令的存储介质，即所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面和/或第二方面所述的基于物联网的电缆加工控制器的温度监测方法。
138.其中，所述存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(memory stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
139.本实施例提供的存储介质的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
140.本实施例第六方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如实施例第一方面和/或第二方面所述的基于物联网的电缆加工控制器的温度监测方法，其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
141.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含
在本发明的保护范围之内。