钢铁的生产过程中工人一般会用热电偶来测钢水温度。它存在的缺点是在进行测温时要与被测目标接触,接触后引起目标辐射出能量形成的温度场发生改变。为克服这个缺点,依据红外热辐射原理,设计出利用红外热像仪进行钢水温度测量的整套系统。针对实际炼钢环境的复杂性,它的物理、化学、动力学过程难以确定,钢水表面温度场分布形态随时间变化快,很难直接用普通的推导数学公式的方法来建立准确的钢水测温模型,于是提出了一种利用BP神经网络来建立钢水测温模型的方法。首先,在了解了辐射测温原理和红外热仪检测特点的基础上,利用Mallat小波算法对实验中得到的图像进行分解,对钢水红外图像分解后的高频部分进行软阈值去噪,然后经过小波逆变换得到去噪重构后的图像,随后进行图像特征数据采集,为后续建立钢水测温模型做好准备。然后,采用最小二乘法和BP神经网络分别进行曲线拟合模型的建立,并对两种模型的测温结果作对比,BP神经网络的拟合结果会好于最小二乘法的结果。但是两种测温的精度都已经达到了设计的要求,使测温误差达到?1%以内。所以在真正应用的时候,如果要求精度高而且时间上允许可以采用BP神经网络建立的模型来测温,一般情况下只需采用最小二乘法建立的模型即可。最后,在分析了软件的功能需求以后,决定采用MATLAB软件来实现系统中需要的各种功能即温度显示模块、图像处理模块及友好的人机界面操作平台,可在软件上查询钢水表面温度场上任意点的温度,还能显示任意时刻温度场等温线图、三维形态学图及伪彩图像等,这些图像能够准确的反映出中频炉中钢水的温度分布情况。通过做实验可知,检测系统可以比较准确的反映钢水生产中温度的实际情况,待进一步完善后可以应用到实际的钢厂生产中。