Page 95 - Vol.41

51
52
55
53
54
63
66
64
65

61

62

73

76
74
72
71

81
84

82
83
86
85

紅外線熱影像熱像儀、測溫儀運用於人體體溫篩選監控 兩部分求解 : 物體類別(分類問題)，物體位置即bounding 75 56
TSMC / FACILITY DIVISION PUBLISHED
VOL.41 上需具備下述要點 : box(定位問題)。
廠務季刊 ① 熱像儀必須有全影像溫度校正，且具有自動溫度校正補償 YOLO本身容易打造並且可以直接在整張圖像上訓練，不
功能；於環境溫度有任何變化時，仍保持儀器的穩定度及 像其他以分類器為基礎的方法，是目前文獻中最快的物體檢
URL.http://nfjournal/
可靠性。 測系統，而 YOLO也推進了即時物件偵測的發展，使得 YOLO
可以成為快速、強健的物件偵測系統的較佳選擇。
② 儀器需能在24Hrs/365Days長時間操作下，持續維持其穩
智慧型防疫體溫異常偵測技術在新建廠工地的實務應用 定性，不可有溫度飄移的現象。
Smart Temperature Detecting system application in new construction sites ③ 儀器畫面掃描頻率(反應時間)，必須在1/30秒內，才能真
正達到即時顯示人體溫度的功能，待測人員毋需停頓於熱
像儀前，即可測得溫度。
文│洪文當 鄒李達│新廠工程管理部│ ④ 人體體表溫度易受環境溫度變化的影響，不能代表真正體
內的核心溫度，所以測體表溫度時需選擇最具有代表性、
關鍵詞 / Keywords 摘要 最可靠的部位 ; 而人體的額頭及眼窩溫度較接近耳溫溫度，
因此使用紅外線熱像測溫儀時，以測量額頭的溫度為主。 不管是醫用還是工業紅外測溫儀，其使用原理都是接收
新建廠工地 / New Construction Site 根據世界衛生組織WHO在今年2月底所公布的報告顯示，新型冠狀病毒肺 人體發出的紅外波，測量的都是表面溫度，正常人體額頭溫
⑤ 量測距離之決定，取決於影像解析度的大小，因此影像解
紅外線熱影像測溫儀 / IR Scanner 炎COVID-19的前十大患者症狀排行榜，有高達87.9%的人都曾出現發燒症狀， 度要比腋下溫度低1-1.5℃左右，而且額頭受環境影響變化較
析度與溫度測值準確與否有絕對關係。
深度學習 / Deep Learning 發燒病兆可識別度居排名第一位，因此在防疫管制措施及自我健康管理上，能
大，所以醫學臨床均參考腋下體溫及耳溫作為醫學測溫，醫
人工智慧技術 / AI 在一開始就做入員入場體溫全檢量測，及時發現異常且第一時間通報隔離發燒 ⑥ 體表溫度不等於體內溫度，必須先取得可靠的溫度基準值
用測溫儀在出廠前已經修訂了差值或限定了相關範圍，工業
熱檢作用 / Bolometric Effect 人員是非常關鍵的防疫作為。 後， 再設定溫度界限警報值，環境溫度不同時，溫度警報設
產品更加真實回饋測溫情況，正常人體發射率為0.98(某些測
本文將針對紅外線熱像測溫防疫偵測系統的特性，對新建工地及公司治理 定值也不同，不可取固定的溫差值來設定溫度界限警報值。
溫儀默認0.95)所以測量出的結果在34-35℃左右，可以通過
上的重要管理價值，提供精準可靠的紅外線熱影像測溫儀，作系統的細緻規劃
修改發射率(設備需支援修改發射率之功能)為0.8來修正差
設計，在儀器位置、動線安排及環境溫控的要求，提供具體及實務上的建議， 2. 文獻探討
值，避免非專業人士使用帶來的體溫偵測不準確的情況。 [2]
讓新建廠工地在面對高危險性傳染病時，能以最精簡的人力，達到最快速有效
規劃評估一套新的「熱影像體溫異常偵測技術」除了辨識 下列針對紅外線熱像儀的基本原理、量測技術、工作原
且可靠的自動體溫快篩系統管控機制，確保實現防疫零漏洞管理的功效。
的精細度與準確性外，與一般紅外線感測器最重要的差異在於 理及量測的對焦技術作架構圖示說明 : (如 圖2~圖6)
需具備「AI人工智慧人臉辨識功能」，可直接鎖定人臉進行額
溫偵測，不用擔心拿著熱食、熱咖啡卻被機器偵測到溫度過高
1. 前言
發出誤警報的狀況，此外，以智慧化溫度補償技術，減少如光
自2020年2月以來，新型冠狀病毒肺炎COVID-19感染 紅外輻射能，其紅外輻射波波段在5-50µm之間，峰值在8-13 線、氣流或濕度等外在環境干擾是非常重要的基本功能要求。
的病例波及全球，疫情愈發嚴峻；為配合國家防疫需求，防 µm附近。由於解剖結構、組織代謝、血液迴圈及神經狀態的 所以首先針對AI人工智慧辨識深度學習(Deep Learning)
止新型冠狀病毒擴散，體溫測量已成為防疫的首要步驟，在 不同，機體各個部位的溫度不同，形成不同的熱場。 的主流技術做深入了解(如 圖1)，讓系統具備高度的自動學習及
機場、港口檢查站、醫院、公共場所出入口等人潮眾多之處 當人體患病時，人體的全身或局部的熱平衡將受到破壞， 智慧辨識能力，方可應用於熱影像在複雜環境下的人臉偵測。
架設非接觸式自動測量體溫的熱像儀及測溫人員配備非接觸 在臨床上則多會表現為人體組織溫度的升高，正是通過這一 現有主流的AI人工智慧深度學習技術有：R-CNN、Fast
式測溫儀，可有效的增加測溫效率，去控制異常體溫人群的 原理，非接觸式測溫系統捕捉人體紅外輻射，並將其轉換為 R-CNN、Faster R-CNN及YOLO。
感染擴散。 數位信號，形成畫面圖像或數位資料，從而可安全並高效率 ① RCNN與Fast RCNN : 用分離的模組(獨立於網路之外的
首先本文先介紹非接觸式測溫儀(熱像儀、測溫儀)測體 的檢測出人體的異常溫度。 selective search方法)求取候選框(可能會包含物體的矩
溫的基本原理 : 綜上系統偵測所需之特性，先定義以下熱影像系統之設 形區域)，訓練過程因此也是分成多個模組進行。
人體是一個天然的紅外輻射源，不斷地向周圍空間發散 計規格範疇 :
② Faster RCNN : 使用RPN(region proposal network)卷積
網路替代R-CNN/Fast RCNN的selective search模組，將
RPN集成到Fast RCNN檢測網路中，得到一個統一的檢
測網路。
達
參與建廠ESH管理及消防約有十來個年 2010~2020廠務處新廠工程管理部。 ③ YOLO : 將物體檢測作為回歸問題求解，輸入圖像便能得
頭，很高興和一群認真的夥伴一起，繼 保有善良陽光的心，Make it better place for you and for me.
續挑戰Mission seems impossible。 專長 : 儀電系統設計監造 到圖像中所有物體的位置和其所屬類別及相應的信賴程
度。而RCNN/Fast RCNN/Faster RCNN將檢測結果分為

91 92 FACILITY JOURNAL 0 3 2 0 2 1 93 94 95 96