Page 96 - Vol.41

51
52
55
54
53
64

63

66
62
61
65

71
73
74

72
76
85
84
82

81

86
83

Tech 75 56
Notes
技術專文
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
上需具備下述要點 : box(定位問題)。
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
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
定性，不可有溫度飄移的現象。
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。 定
統

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、 圖1、深度學習技術分類說明
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
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
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。
大，所以醫學臨床均參考腋下體溫及耳溫作為醫學測溫，醫
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
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
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
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
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]
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
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 圖2、紅外線熱像之基本原理
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。

③ YOLO : 將物體檢測作為回歸問題求解，輸入圖像便能得
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 圖3、紅外線熱像儀之量測技術

91 92 93 94 95 96