基于数字图像的电磁诊断方法：气体放电状态、金属温度、电磁场设计

　　本书通过对三种可视数字图像（自发射光图像、反射光图像和数据生成图像）的研究，实现对三种电磁状态（气体放电状态、金属材料表面温度和装置电场、磁场分布）的分析。上述方法将传统的数字图像处理技术和新兴的机器学习技术融合到电磁分析与计算中，形成新的电磁分析方法——电磁数字图像色度学分析方法，并用于放电状态无接触检测、日光下常温金属表面无接触温度测量和设备场的优化设计中，为工业应用提供了一条新的途径。将三种数字图像用于电磁分析目前还没有类似的书籍，主要是提供了一种新的电磁分析方法：数字图像和机器学习的结合。

　　博士，二级教授，博士生导师，华中学者，校教学名师。IEEE高级会员，高等学校电磁场教学与教材研究会副理事长。主持五项国家自然科学基金项目，发表论文90余篇，其中SCI收录35篇；主编电磁场教材三部。

1绪论(1)1.1数字图像(1)1.2基于可见光图像的气体放电、温度、电磁场设计研究现状(2)1.3机器学习和图像处理在气体放电、温度和电磁场设计方面的应用(7)1.4本章参考文献(9)2可见光数字图像处理、分析与理解(17)2.1数字图像的量化(17)2.2数字图像灰度指标(20)2.3数字图像色度指标(22)2.4数字图像模式识别(29)2.5本章参考文献(32)3电晕放电可见光图像及状态诊断(33)3.1装置与方法(33)3.2交流电晕图像灰度信息(37)3.3交流电晕图像色度信息(47)3.4负直流电晕图像色度信息(55)3.5小结(64)3.6本章参考文献(66)4沿面放电可见光图像及状态诊断(67)4.1装置与沿面放电图像(67)4.2交流沿面放电色度信息(68)4.3染污沿面放电色度信息(79)4.4染污程度的色度识别方法(87)4.5小结(91)4.6本章参考文献(92)5介质阻挡放电可见光图像及均匀性评价(93)5.1介质阻挡放电简介(93)5.2平板电极DBD模式识别(94)5.3丝网电极DBD均匀性评价(102)5.4旋转电极DBD均匀性评价(105)5.5本章参考文献(109)6气体放电发射光谱的色品坐标(110)6.1放电发射光谱(110)6.2电晕发射光谱的色品坐标(112)6.3沿面放电发射光谱的色品坐标(118)6.4介质阻挡放电发射光谱的色品坐标(119)6.5小结(121)6.6本章参考文献(121)基于数字图像的电磁状态诊断方法——气体放电状态、金属温度、电磁场设计目录7气体放电可见光图像人工智能状态诊断方法(122)7.1沿面放电可见光图像的机器学习综合诊断方法(122)7.2电晕放电可见光图像的机器学习综合诊断方法(140)7.3小结(147)7.4本章参考文献(147)8电气设备可见光图像人工智能温升监控方法(149)8.1实验装置与机理验证(149)8.2基于图像色度特征的金属表面机器学习测温方法(156)8.3基于图像差分色度特征的金属表面温差监测方法(171)8.4日光环境下金属器件测温应用(177)8.5日光环境下现场金属器件应用(184)8.6本章参考文献(202)9基于数值计算云图的均匀电磁场人工智能设计方法(204)9.1均匀电磁场设计现状(204)9.2机器学习建模方法(205)9.3两个平行圆盘电极间均匀电场优化(208)9.4两个平行线圈间均匀磁场优化实例(214)9.5本章参考文献(219)附录A彩图(222)附录B课题组在该领域发表的论文和授权的专利(236)