算法与功能
温度,作为一种状态指标,主要反映物体变化的程度与强度。例如,摩擦产生的热量、免疫反应引发的发热、电子设备的功耗等都是状态的具体表现。在过去的生产实践中,我们通常将温度作为一个观察窗口断点,用以进行简单的差异性对比,从而定义出某种状态,如判断人体是否发烧,或评估笔记本电脑的散热效能。
然而现在,我们赋予温度在时间和空间维度的连续性,众妙之门由此开启。例如,我们可以追踪锅中每一片肉的温度,观察到人每一次呼吸带来的口鼻附近的温度变化,看到空调吹出的冷风在人体上的影响,或者感知到大汗淋漓后,衣服从身体带走的每一丝热量。
在开发面向这些应用的时,围绕温度的算法变得至关重要。人的眼睛无法在短时间内盯着数千个数字进行实时变化并提取有效信息,而现有的算法也难以满足这类需求。因此,我们提供了一些基本的算法辅助,以帮助用户更快地构建温度相关的应用。
温度是一种基本的测量单位,其准确性是用户的核心需求。然而,由于测量方法的限制,误差在所难免。特别是对于远红外非接触测温方式,其精度主要可以从以下三个维度进行评估:
1、样本间一致性:在同一环境下,面向相同目标的不同模组,理论上应该得出相同的结果;
2、环境间一致性:对于相同的模组,即使在不同的工作环境温度下,面向相同目标,理论上也应该得出一致的结果;
3、目标温度线性还原:当目标温度升高一度时,测量结果理论上也应相应提升一度;
然而,由于半导体和光学加工的固有随机性公差,在批量化工业生产中实现绝对精确的测量是非常困难的。在控制变量的前提下,我们的测温标定与校正算法能够在多自由度下将精度提升至±1℃。同时,这种算法在整个测温范围内都能保持一致且精确的线性还原性,使得温度可以成为跨越时间和空间的标准数据。
温度标定
热成像,作为一种独特的数据可视化方式,与常规光谱有所不同,其画面中的每一个像素点所反映的是温度值,而非光强。在特定应用领域之外,追求红外图像的清晰稳定性并不经济实惠。
因此,在构建多维数据感知系统时,利用多光谱融合技术有效整合不同类型的信息,成为了优化和补充各种技术的必然选择。例如,我们可以通过可见光来获取环境物体的轮廓信息,通过激光或雷达来获取距离和尺度信息,通过远红外来获取目标的温度信息。然而,不同数据之间的时间同步、数据格式的协调、视场的匹配、畸变的矫正等问题给多光谱融合技术带来了巨大的挑战。
我司有能力提供多层次的多光谱融合相关算法,从而实现场景化的数据综合应用。我们的技术可以帮助客户克服上述挑战,实现不同数据的高效整合,为客户提供全面、准确的信息。
多光谱融合
在常规的温度测量应用中,我们往往并不关注全局的温度细节,而是集中于特定目标的温度状态。
通过目标提取,我们可以显著降低通信带宽的需求和应用建设的复杂性。然而,传统的目标提取方法通常依赖于可见光图像和建立在图像基础上的人工智能算法。
我们创新性地结合了温度数据本身的特性,构建了新的模型体系,能够将复杂的温度流数据压缩成几个简单且易于解释的特征温度值。更令人兴奋的是,对于动态场景中的多目标跟踪、体积变化、温度特性变化,这些因素并不会显著影响我们的模型的准确性。比喻来说,我们就像是在即时射击游戏中完成了“人头锁定”的外挂,而且我们的准星不止一个!
更重要的是,我们的模型可以跑在绝大多数嵌入式系统中,并不需要显卡或NPU的介入。抱歉了,英伟达。
AI-目标提取