赤外線カメラの設計および製造サービス

ここ数カ月間、COVID-19からのリソース確保がエコシステムにとって困難な課題となっていいます。症状のある人を検出するための技術的な要求が非常に高く、現在のパンデミック状況では、体温測定が重要なトピックとなっており、サーマルカメラはそのようなソリューションの一つで、発熱のような症状を測定するために広く使用され、多くのOEMメーカーがソリューションを発売していますが、体温測定におけるカメラの正確性が依然として重大な懸念事項となっています。　そこで、より信頼性の高いサーマルカメラソリューションを社会に提供するためには、OEMは正確なキャリブレーションで洗練された強力な設計アーキテクチャを持つAI対応のカメラ設計を必要としています。これらの技術がどのように機能するのか、サーマルカメラのコンセプトを理解してみましょう。

サーマルカメラの原理Thermal Camera Principle

CMOS/CCDカメラとは異なり、サーマルカメラは赤外線領域で動作するマイクロボロメーターを搭載しており、各画素の赤外線強度を捉えることができ、赤外線イメージングの鍵は、高温の表面が低温の表面よりも多くの赤外線を放出することです。特殊な光学系は、シーンのすべての熱放射をそのセンサーアレイに集中させます。すべてのピクセル値をそれぞれの温度値に変換し、それぞれのカラーコードで表現することができます（例えば、冷たい表面は青色、熱い表面は赤色で表現することができます）。

高精度キャリブレーション

このようなパンデミックの状況下では、体温測定のために様々な場所にサーモグラフィを設置されますが、定期的なカメラのキャリブレーションを行うことで高い精度を維持することが求められます。人間の体温範囲（35℃～40℃）に対して、正常体温範囲（36.5℃～37.5℃）が範囲が狭いことから正確な測定が必要とされています。これはキャリブレーションによって一定レベルまで満たすことができます。しかしキャリブレーションを行わずに行った場合は、浮動小数点以下の精度で不確かな結果になり、赤外線サーマルカメラは表面上の低精度の温度値と相対温度変化を提供することになります。

キャリブレータデバイスは、他のピクセル温度の推定値基準として、一定の温度でサーマルカメラFoV内に設置。
外部キャリブレータを使用することで、0.3Cまでの精度を達成することができます。
平板 IR およびブラックボディキャリブレーションは、一般的に使用できるキャリブレーション装置です。

サーマルカメラの精度に影響を与える他のパラメータは以下の通りです。

放射率 – IRエネルギーを放出するオブジェクト能力の測定値です。

大気の温度 – 寒さ、風、熱など、すべてが重要な役割を果たしています。

反射温度 – 熱放射は、測定しているターゲットを反映する他のソース/オブジェクトから発生します。

AI、ディープラーニング、そしてサーマルカメラはどのように連携するのか。

パンデミック発生により、ウイルスの拡散を緩和するためにAIを組み込んだ技術が加速している。サーマルカメラは体温上昇を正確に識別できるように再利用しなければならない。AIとディープラーニング技術が最善の策であり、サーマルカメラはAIを有効活用することで、その精度を次のように支援します。

AIアナリティクスとともにハードウェア精度要求を向上させる
正確に人の”額”をAIで精密に狙う

CMOSカメラと赤外線カメラでAIを実行する組み合わせにより、人の額を検知して自動で温度スクリーニングを行うことが可能になります。これにより、通常の赤外線カメラでは多くの誤検知を回避することができます。例えば、熱いコーヒーカップを持っている人などの場合、AIを使わずに処理を行うと誤検知してしまうなどです。画像処理、分析技術、AI、ディープラーニングアルゴリズムは、誤検知を無くすためにによく使用されます。

サーマルカメラでの顔検出と額検出を可能にする

顔と顔のランドマークの検出はMTCNN (Multi-Task Cascaded Convolutional Neural Network)を用いて行われます。これはAI/MLベースの3段階のアルゴリズムで、画像中の顔のバウンディングボックスを5点の顔のランドマークとともに検出します。各段階では、CNNを介して入力を与え、バウンディングボックスをスコアとともに返し、その後、非最大抑圧を行うことで、検出結果を徐々に向上させています。

第1段階：入力画像を複数回縮小して画像ピラミッドを構築し，各縮小版の画像をCNNに通します．

第2、第3段階：各バウンディングボックスに対して画像パッチを抽出し，リサイズ（ステージ2では24×24，ステージ3では48×48）した後，そのステージのCNNを介して転送する．ステージ3では，バウンディングボックスとスコアの他に，各バウンディングボックスに対して5つの顔のランドマークポイントを計算する

MTCNNからの出力は、顔のランドマークがマークされた顔のバウンディングボックスになります。

バウンディングボックスの座標と両目が利用できるので、トリミングで簡単に額を抽出することができます

推定ROIは、温度測定値を計算するためにCMOSカメラとサーマルカメラを並べて配置した場合、サーマルカメラのFoVと関連付けることができます。ROIの最適な温度測定値を決定するため、平均化とピークファインディングアルゴリズムの組み合わせを使用します。

VVDNがOEMに貢献できることは。

VVDNのビジョンチームは、カメラ設計、キャリブレーション、コンピュータビジョン、AI on Edge、ディープラーニング技術、製品検証、システムインテグレーションの分野で実績のある専門知識を持っています。VVDNは、信頼性の高いサーマルカメラに対するOEMの懸念に、その幅広いエンジニアリング能力と製造力で対応しています。再利用可能なフレームワークとコンポーネントを備えたVVDNは、AIとディープラーニングを搭載した効果的で正確なサーマルカメラソリューションを市場投入までの時間を短縮しOEMに提供いたします。

このブログに関するお問い合わせはinfo@vvdntech.comまでお気軽にお問い合わせください。

VVDNカメラに関する詳細につきまてはこちらをクリックしてください。