探測人體溫度的熱成像感測器

2021-11-30
作者 Hasan Gadjali,Meridian Innovation聯合創始人暨運營長、科學家Markov Stanislav Nikolaev博士

面對新冠疫情危機,有效識別發燒人士有助於限制病毒的傳播,而熱成像感測器是實現該應用的核心技術。

電子產品的廣泛應用,可望使我們的生活更加舒適和安全。新冠肺炎爆發後,熱成像攝影機應用日益普及。新冠病毒在全球的迅速傳播為公共衛生、食品系統和工作領域帶來了前所未有的挑戰,在全世界造成了巨大的生命損失。

這場疫情摧毀了就業機會,使數百萬人的生計受到影響,面對這場危機,一個重大需求是遠距離快速探測個人或群體體溫而不影響正常活動。因為發燒是病毒感染的常見症狀之一,有效識別發燒人士有助於限制病毒的傳播,而熱成像感測器是實現該應用的核心技術。


探測人體溫度的熱成像感測器


熱成像感測器

什麼是熱成像感測器?熱成像攝影機如何從遠處測量核心體溫?熱成像感測器是一種微機電系統(MEMS)晶元,是一個對8~14微米波長範圍內的長波紅外線電磁輻射(LWIR)敏感的探測器陣列。凱爾文(Kelvin) 0度以上的所有物體和所有生物都在這個光譜範圍內發出輻射,這種輻射的強度代表了它們的表面溫度。與波長在400~700奈米之間的可見光不同,長波紅外線輻射人眼是不可見的,然而,形成熱成像陣列的探測器能夠透過可測量的方式改變其特性(例如,透過改變其電阻或由於塞貝克效應產生電壓輸出)來對入射的紅外線熱發出回應。這些變化被讀出電路放大和數位化,最終產生的數位代碼被轉換成溫度值,因此,每個熱探測器依照時序在其可測角度範圍內測量物體的表面溫度。然後,二維探測器陣列有序生成一個二維畫素陣列——類似於灰度視覺影像。但在這種情況下,每個畫素表示場景的該部分的溫度,而不是亮度。這個簡單的類比告訴我們,一定程度上,熱影像也可以透過標準視覺影像處理技術進行處理和分析,它還可以顯示為熱資訊圖,每個溫度值都有一個特定的相關顏色。圖1是同一場景的視覺影像、彩色熱影像和灰度熱影像的對比實例。

 

圖1:視覺攝影機影像與熱攝影機影像(包括彩色和灰度熱影像)。

(來源:Meridian Innovation)

 

圖1的熱影像是由一個特殊的熱攝像相機拍攝,這個相機是使用圖2所示的熱成像晶元組成的模組。

 

圖2:Meridian Innovation 80 × 62解析度LWIR熱成像晶片和模組。

(來源:Meridian Innovation)

 

人體體溫的測量

我們之前說過,熱成像儀測量視野中物體或物體的表面溫度。現在的問題是——在熱像圖中,如何測量人體的體溫。在回答這個問題之前,讓我們回顧一下傳統的體溫測量方法。人體體溫是利用水銀溫度計或數位溫度計測量的(如圖3所示),該溫度計必須與身體的隱蔽區域進行物理接觸,該區域的溫度與內部器官的溫度非常接近或相同。典型的接觸部位是直腸內(直腸溫度計,最準確)、舌頭下(口腔溫度計,約低攝氏0.3度)或腋窩(腋窩溫度計,約比直腸溫度讀數低攝氏0.6度)。接觸式溫度計的實際局限性已被不同類型的非接觸式紅外線感測溫度計所克服,該溫度計可透過其形狀係數和進行測量時的定位的方式進行區分——例如,位於遠耳道的鼓室溫度計、顳動脈溫度計(滑過前額側面的顳淺動脈),或前額溫度計(置於前額正前方)(如圖4所示)。這些溫度計有三個共同因素:1.它們有一個感測器皮膚溫度的長波紅外線探測器,由矽基熱電堆技術製造;2.根據測量的皮膚溫度、環境溫度和熱傳導方程,在設備中計算人體體溫;3.溫度計必須接觸皮膚或者放置在離皮膚非常近的位置(例如:最多幾公分距離)。

 

圖3:接觸式溫度計。

 

圖4:額溫槍。

 

用於檢測高溫的熱成像攝影機

如前所述,熱成像相機是圍繞多畫素熱成像感測器建構。探測器製造過程中使用的設計和製程可以將探測器微型化——這有利於每個模組封裝更多的探測器,例如5,000個畫素點或更多。而且還可以產生更靈敏的探測器:響應時間短,不僅可以捕捉靜態場景,也可以拍攝影格速率在每秒1~30影格之間的熱視訊流。配合使用視野超過40度的可見光鏡頭,它允許人們在50公分到幾公尺的距離內同時拍攝複雜、動態多人熱場景。

以上這些設定似乎使人們能夠在動態下從遠處快速測量一組人的體溫。但這真的足夠嗎?顯然不是。首先,探測器只能感應皮膚表面的溫度。與前額溫度計類似,人體體溫必鬚根據人體的某些生物物理模型進行運算,但這裡出現了一個問題——哪個畫素代表真正的體溫?這是一個非常重要的問題,因為熱成像儀只能在多個畫素中解析人臉,溫度讀數可以變化超過1度。此外,鏡頭的缺陷、相機和被拍攝對象之間的視角、是否佩戴口罩、髮型是否遮住面部、是否佩戴眼鏡等都會影響溫度讀數的準確性,在這些情況下,如何解讀體溫比簡單的前額或耳內紅外線溫度計複雜得多。

這種情況下,熱影像處理和分析就發揮了關鍵作用。考慮到熱影像中可用的「過多」訊息,各種不準確度大多具有系統性特徵,可以進行補償。

然而,這使得用於發燒檢測的熱成像相機的設計成為一項相當複雜的工作,需要詳細了解熱成像感測器的特性、良好的熱成像和一些生物物理學知識,當然還需要精通影像和數據 分析——當由於隱私問題而無法使用視覺成像流時,對視野中對象的可靠檢測也是一個相當大的挑戰。

 

 

有關其工作原理的更多詳細訊息,請參見《發熱檢測研究報告》Stanislav Markov of Meridian Innovation Ltd (https://erp.meridianinno.com/documents/On_Fever_Detection_traditional_chinese.pdf)。

參考設計

如上所述,及時交付用於檢測高溫的紅外線熱像儀的必要性,以及建構良好解決方案的複雜性,促使各企業共同努力為OEM和ODM提供大量參考設計。Arrow Electronics提供了此類參考設計的一個示例,並在此處進行了更詳細的介紹(https://www.arrowopenlab.com/HkOpenLab/solution_video_article/2021E001_sc.pdf)。

其核心是Meridian Innovation (www.meridianinno.com)的新型熱像儀,採用CMOS/MEMS技術量產,在畫素設計上使用了傳統微測輻射熱計和熱電堆的結合技術。除熱像儀外,參考設計還包括了環境感測器、用於估計與對象距離的飛行時間(ToF)感測器,並受益於人工智慧(AI)增強的應用軟體,提高了熱讀數和核心體溫計算的準確性,以及用於可視化的熱影像質量。選擇具有成本效益的組件和SDK,有助於解決最重要的障礙——人體體溫的計算,這降低了設計和研發成本,並有助於滿足熱像儀用於檢測人體體溫的應用。

結論

熱成像感測器現在以實惠的價格在大眾市場產品中隨處可見。無障礙參考硬件設計和軟體解決方案極大地促進了該技術的應用,並實現了熱像儀的快速開發,包括用於自動檢測人體體溫的攝影機。這類產品有助於管控當前的疫情,並描述了一個令人信服的理念:「創新技術促進更安全和更好的生活」。

了解更多有關Meridian Innovation:https://www.meridianinno.com/

(本文由Meridian Innovation提供)

本文同步刊登於《電子工程專輯》雜誌2021年11月號

 

 

 

 

 

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報