翟子洋 畅宏达 董世浩 伍新月 杨 炜

（1、长安大学信息工程学院，陕西 西安 710064 2、长安大学汽车学院，陕西 西安 710064）

1 概述

目前，红外测温技术已广泛应用于高铁、玻璃行业，塑料行业、食品加工行业等领域，但其精度易受测温距离、环境温度、环境湿度等外界环境因素影响，是当前限制红外测温发展的重大难题。同时，红外测温技术关系到防控工作常态化的信息采集与筛选的前提紧要环节，具有重要的应用意义。

基于测温距离、环境温度、环境湿度三个环境变量对红外测温模块精度的测定分析，已得到以下结论：随着红外测温模块与被测对象距离的增大，与温度真值相比实测结果出现缓慢减小的现象，距离与测量温度整体大致呈现线性变换趋势；实测温度随环境温度的变化而呈现近似线性变化关系；实测温度随着环境湿度的增加，呈降低趋势，两者近似负线性变换关系。

为此，在得到以上现状与结论的基础上，如何修正多变的环境变量对红外测温模块精度的影响，精准有效地提供被测对象的实际温度，解决因测量距离远与环境多变导致的测量精度低、效率低的问题是必要且紧迫的。

本文引入了基于误差回传神经网络(Back Propagation Network，简称BP神经网络)，使用Matlab实现深度学习神经网络先进技术，自主建立温度修正模型来补偿测温距离与测温环境对实测温度的影响，实现在测量距离、环境温度、环境湿度、实测温度等特征量发生随机变化的情况下，模拟出被测对象实际温度的功能，并能够在此基础上保证其较高的精确度。……