1.一种用于高炉炉温监测的装置，其特征在于，包括：第一炉温采集模块，包括非接触测温仪器，通过所述非接触测温仪器实时采集炉温，得到非接触式温度数据；

处理模块，与所述第一炉温采集模块连接，所述处理模块获取所述非接触式温度数据，根据第一温度修订参数、第二温度修订参数和所述非接触式温度数据，得到高炉炉温；

温度修订模块，与所述处理模块连接，所述温度修订模块用于获取所述第一温度修订参数和所述第二温度修订参数，所述温度修订模块包括：热敏图像采集单元，用于获取高炉炉内热敏图像；

环境参数采集单元，用于获取环境参数；

工作参数采集单元，用于获取工作参数，其中，所述热敏图像经过卷积神经网络运算得到热敏特征向量，所述热敏特征向量、所述环境参数和所述工作参数进行全连接计算，得到所述第一温度修订参数和所述第二温度修订参数；

第二炉温采集模块，与所述处理模块连接，所述第二炉温采集模块包括：直接接触测温仪器，通过所述直接接触测温仪器按照预设采集频率采集炉温，得到接触式温度数据；

所述处理模块，还用于获取所述接触式温度数据，并计算所述接触式温度数据和所述高炉炉温的经验误差，根据所述经验误差反向训练所述第一温度修订参数和所述第二温度修订参数。

2.根据权利要求1所述的装置，其特征在于，所述处理模块通过以下公式计算得到所述高炉炉温：

其中，为时间为i时的高炉炉温，i=1,2，…，W为第一温度修订参数，B为第二温度修订参数，为时间i时的非接触式温度数据。

3.根据权利要求1所述的装置，其特征在于，所述处理模块通过以下公式计算得到所述第一温度修订参数W和所述第二温度修订参数B，其中 代表热敏图像 的热敏特征向量， 为环境参数， 为工作参数， 、为权重矩阵， 为偏置量。

4.根据权利要求1‑3任一项所述的装置，其特征在于，所述处理模块通过模型的损失函数，计算所述经验误差，

所述模型的损失函数 ，其中，为时间i时的接触式温度数据，为模型的超参数。

5.一种用于高炉炉温监测的方法，其特征在于，包括：步骤S1：采用非接触式测温方法，实时获取高炉炉内的非接触式温度数据；

步骤S2：获取高炉炉内热敏图像、环境参数和工作参数，所述热敏图像经过卷积神经网络运算得到热敏特征向量，所述热敏特征向量、所述环境参数和所述工作参数进行全连接计算，得到第一温度修订参数和第二温度修订参数；

步骤S3：根据所述第一温度修订参数、所述第二温度修订参数和所述非接触式温度数据，得到高炉炉温；

所述步骤S2进一步包括：

步骤S21：采用接触式测温方法，按照预设采集频率获取高炉炉内的接触式温度数据，计算所述接触式温度数据和所述高炉炉温的经验误差，根据所述经验误差反向训练所述第一温度修订参数和所述第二温度修订参数。

6.根据权利要求5所述的方法，其特征在于，所述步骤S3中，通过以下公式计算得到所述高炉炉温：

其中，为时间为i时的高炉炉温，i=1,2，…，W为第一温度修订参数，B为第二温度修订参数，为时间i时的非接触式温度数据。

7.根据权利要求5所述的方法，其特征在于，所述步骤S2中，所述第一温度修订参数W和所述第二温度修订参数B通过以下公式计算得到，其中 代表热敏图像 的热敏特征向量， 为环境参数， 为工作参数， 、为权重矩阵， 为偏置量。

8.根据权利要求5‑7任一项所述的方法，其特征在于，通过模型的损失函数，计算所述经验误差，

所述模型的损失函数 ，其中，为时间i时的接触式温度数据，为模型的超参数。