Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Eric P. Whitenton
RESUMEN.
Descargo de responsabilidad: este documento es una contribución oficial del Instituto Nacional de
Estándares y Tecnología y no está sujeta a derechos de autor en los Estados Unidos. El Instituto
Nacional de Standards and Technology no recomienda ni respalda equipos o materiales
comerciales, tampoco implica que el equipo o los materiales mostrados sean necesariamente los
mejores disponibles para el objetivo.
TABLA DE SÍMBOLOS
Los procedimientos descritos en este documento son una extensión y mejora de los trabajos
previos en análisis de incertidumbre para termografía infrarroja [1, 2 Modificaciones dirigidas al
equipo y los procesos de calibración y medición se realizaron con el fin de reducir o cuantificar la
incertidumbre de la medición. La termografía infrarroja es un proceso de medida complicada,
haciéndolo apto para simulaciones Monte-Carlo, para análisis de incertidumbre [1,3]. Como se
señaló en [1], algunos componentes de la incertidumbre pueden determinarse analíticamente,
mientras que los factores más complicados probablemente requieran simulación numérica. Las
soluciones analíticas brindan el beneficio de ceder ecuaciones analíticas que abordan las
complejas interrelaciones entre las variables de proceso y componentes de la incertidumbre. Sin
embargo, las complejidades de algunas fuentes de incertidumbre inhiben métodos analíticos. Los
métodos de Monte-Carlo permiten evaluar todos los componentes de la incertidumbre
reproduciendo iterativamente la cadena del proceso de medición con los parámetros de entrada
especificados por algunas funciones de densidad de probabilidad. Si bien el método de Monte-
Carlo puede calcular ciertos valores del componente de incertidumbre que los métodos analíticos
no pueden, generalmente solo dan correlaciones estadísticas que pueden perder detalles de los
parámetros de entrada y las relaciones de incertidumbre de la medición. Además de las mejoras
en el sistema de medición termográfica física, Se realizaron mejoras en el proceso de calibración y
medición para facilitar el análisis para calcular los métodos de la incertidumbre de la medición y
reducir la incertidumbre de la medición en general.
Este informe describe el nuevo proceso de medición y calibración, y presenta la base para un
enfoque más completo de la incertidumbre de la medición [1]. Este informe detalla sólo los
procedimientos de calibración y medición, pero no muestra cómo se calcula la medición de la
incertidumbre. Estos procedimientos son parte de un proceso de medición recientemente
desarrollado, la cadena que se muestra en el esquema de la Figura 1 se detalla a lo largo de este
documento comercial, el software de la cámara térmica permite a los usuarios utilizar a veces
calibraciones de fábrica e internas los cálculos patentados, lo que dificulta la evaluación de la
incertidumbre. Para entender completamente y Analizar el proceso, cada paso de la Figura 1
utiliza un procesamiento previo o posterior desarrollado a medida del software. Los siguientes
capítulos de este documento están organizados de acuerdo con este diagrama Desarrollando este
nuevo procedimiento de calibración y medición, cuatro nuevos componentes son introducidos:
1.) Medición y corrección de la no linealidad mediante un modelo analítico aplicado píxel por
píxel
2.) Calibración de cuerpo negro mediante un modelo analítico aplicado píxel por píxel
(Ecuación de Sakuma-Hattori)
3.) Medición de la resolución espacial y la función de dispersión de puntos (PSF)
4.) Medida y cálculo de emisividad.
1.) No lineal.
Curva de
ajuste
De
Deconvolución Emisividad
responsividad espectral
calibración de la temperatura del cuerpo negro (°C)
señal sin procesar y linealizada
señal en los puntos de calibración
Función de linealización
ecuación de calibración (Sakuma-Hattori)
imagen de filo de cuchillo (a.u.)
función de extensión de borde (a.u.)
función de dispersión de puntos (a.u.)
imagen de la señal de emisividad (a.u.)
valor de emisividad del objeto
imagen de la señal de emisividad (a.u.)
temperatura indicada por termopar (° C)
temperatura ambiente reflejada (° C)
tubo de extensión
85 mm
Colector de refrigerante
y tubos de suministro
Objetivo 5x NIR
espuma aislante
Las imágenes se muestran en ventanas de 256 x 320 píxeles. Este conjunto de ópticas le da a la
cámara MOTS un campo de visión (FoV) de 1,10 mm por 1,38 mm y un campo de visión
instantáneo de 3,365 μm / píxel (iFoV). Esto da como resultado un aumento de 4.46x en la matriz
de plano focal (FPA) de 15 μm / píxel.
2 CALIBRACIÓN Y NO CORRECCIÓN LINEAL DEL CUERPO NEGRO.
Figura 3: Respuesta espectral combinada de la cámara MOST determinada a partir del espectro
responsividad / transmisividad de cada componente.
Para este documento, se asume que la especificación del fabricante para la capacidad de
respuesta espectral es precisa, aunque existen métodos de medición más precisos. Por ejemplo,
varias obras proporcionan incertidumbre de medición para medir las incertidumbres espectrales
[4,5]).
Antes de realizar cualquier medición de temperatura, la respuesta del FPA de la cámara debe ser
relacionado con una temperatura termodinámica. Esto se hace imaginando una variable de
temperatura comercial de un cuerpo negro de calibración de cavidad esférica. Se utiliza el término
cuerpo negro de calibración a lo largo de este artículo para distinguir el instrumento utilizado para
calibrar dispositivos radiométricos para la definición física de un cuerpo negro (es decir, un
radiador perfecto). El cuerpo negro de calibración proporciona una potencia emitida
nominalmente uniforme con dependencia espectral muy parecida a la de un radiador. Esto
esencialmente vincula la señal de la cámara térmica, a través de la ley de radiación de Planck, a
una temperatura conocida con precisión. En realidad, la temperatura indicada del instrumento no
se relaciona perfectamente con la salida de la cavidad del cuerpo negro. Este error puede
corregirse parcialmente mediante la calibración cruzada con un radiómetro de transferencia, que
a su vez se calibra en función de la temperatura definido por la Escala Internacional de
Temperatura de 1990 [6].
El valor de error se resta de la lectura del termopar de cuerpo negro de calibración, Tbb, TC, para
obtener temperatura radiante del cuerpo negro Tbb, rad = Tbb, TC - E. El cuerpo negro de
calibración tiene una emisividad efectiva de εbb ≤ 0,995, por lo tanto, la temperatura radiante
debe convertirse a una temperatura verdadera termodinámica, Tbb. Esto se logra usando la
medición espectral de ecuación y rutina de minimización numérica detallada en [1] y [2] para
resolver Tbb.
Tenga en cuenta que las temperaturas (3) están en Kelvin. Los límites de ancho de banda λ1 y λ2
son 1,5 μm y 2,5 μm, respectivamente, y se supone que la temperatura ambiente reflejada, T amb,
es de 20 ° C. Los límites de ancho de banda no se eligen estrictamente, sino que se establecen de
manera que los límites de integración estén bien dentro del valor cero del rango de la capacidad
de respuesta espectral relativa de la cámara. Los resultados de la conversión calibrada del punto
de ajuste de la temperatura radiante a la verdadera del cuerpo negro se dan en la Tabla 1.
Al adquirir imágenes térmicas, los investigadores generalmente desean imágenes en tiempo real
que sean tan claras como posible. Todos los FPA tienen una sensibilidad no uniforme inherente de
píxel a píxel, lo que da como resultado imágenes de señal sin procesar no uniformes o "con rayas".
Además, el viñeteado de la óptica puede causar píxeles alrededor de la periferia del campo de
visión para que parezcan más oscuros. Por lo tanto, una falta de uniformidad en la cámara, la
corrección (NUC) se usa típicamente incluso si las imágenes serán post procesadas (como se hacen
en Este reporte). Un NUC asigna valores únicos de ganancia y compensación a cada píxel para que
la señal a través de los píxeles de la FPA parece uniforme cuando se crea una imagen de una
escena verdaderamente uniforme. Se puede aplicar un NUC a la señal sin procesar de píxeles en el
chip FPA (NUC en la cámara), o través del software después de que los datos de imagen se hayan
adquirido (software NUC), o ambos.
Antes de realizar cualquier calibración, se realiza un NUC de un solo punto en la cámara para cada
tiempo de integración utilizado y almacenado en el disco duro. Ya sea calibrando o midiendo una
temperatura, primero se selecciona un tiempo de integración y se recupera el NUC asociado en la
cámara desde el disco duro dado que siempre se utiliza el mismo NUC en la cámara para ese
tiempo de integración, la calibración y las posteriores mediciones de temperatura serán válidas.
Si se obtiene una imagen de una escena que no cambia en dos momentos diferentes, la señal de la
cámara resultante puede cambiar debido a la deriva sistemática restando una escena térmica
uniforme estándar de un objetivo de medición de la escena, la deriva sistemática se cancela
(excepto por cualquier deriva que ocurra durante el tiempo entre la medición de objetivo y
medición de escena estándar). Una escena térmica estándar es creada por formación de imágenes
de una placa de emisividad (placa electrónica); una placa intercambiadora de calor de aluminio
conectada en línea con el sistema de refrigeración líquida de la cámara que está pintado en un
lado con pintura negra de alta emisividad, el otro lado es una superficie de aluminio de forma
difusa reflectante, el enfriamiento liquido del sistema mantiene la placa electrónica entre 12,8 ° C
y 13,9 ° C. La placa se sostiene directamente frente a la cámara con el lado negro hacia la cámara y
el lado de aluminio hacia el cuerpo negro, y Se recopilan 100 fotogramas inmediatamente antes o
después de una medición. Estos 100 cuadros son entonces promediado y restado de los marcos de
calibración correspondientes, o marcos tomados durante una medida real.
Cada vez que se obtiene una imagen del cuerpo negro de calibración, se obtiene la imagen de la
placa electrónica inmediatamente antes o después de cada punto de ajuste de temperatura, se
permite que el cuerpo negro de calibración alcance al menos una hora de equilibrio, alcanzando el
punto de ajuste dentro de 0.1 ° C (resolución de la lectura digital del cuerpo negro), y se recogen
100 fotogramas. Se mide la placa electrónica y se recogen 100 fotogramas inmediatamente antes
o después de la medición del cuerpo negro. La medición de placas electrónicas en digital, los
niveles (LD) se restan de la medición del cuerpo negro en LD, que luego se expresan aquí como
unidad ΔDLs para indicar que se ha realizado una resta.
Una lista de píxeles defectuosos se crea manualmente después de que todos los puntos de ajuste
de cuerpo negro se miden visualmente inspeccionando los cuadros de calibración y observando la
ubicación de los píxeles que no responden, los marcos de placa de 100 e en cada punto de ajuste
se promedian y se restan del cuerpo negro promediado de 100 marcos para crear marcos de datos
ΔDL en cada temperatura de punto de ajuste. Estos marcos de datos se trazan, y los píxeles
atípicos se seleccionan manualmente y se anotan sus coordenadas de píxeles. Los valores atípicos
son visualmente determinados ya que su desviación de la media del marco es obvia y significa
probablemente más de 10σ del marco, dado que la calibración se realiza píxel por píxel, incluso los
píxeles con respuestas significativamente diferentes a la respuesta media (por ejemplo, más de 3σ
de la calibración medios de marco).
fotograma único) menos la media de una medición de placa electrónica de 100 fotogramas (que
también da como resultado un cuadro). La señal sin procesar de las mediciones del cuerpo negro o
de la placa electrónica está en unidades de niveles digitales (DL). Después de restar la medición de
la placa electrónica, los valores de la señal se anotan con unidades de ΔDL.
En lugar de mostrar cada uno de los 12 marcos de calibración resultantes, los resultados que se
dan en la Tabla 1 dan la media de fotogramas (media de todos los valores de píxeles de 256 píxeles
x 320 fotogramas de píxeles) de la media de píxeles (media de píxel por píxel de 100 fotogramas).
Es decir, se promedian 100 fotogramas para formar un fotograma, luego todos los píxeles de ese
fotograma se promedian. También se da el ruido de cuadro, calculado como desviación estándar
de un fotograma de 256 x 320 píxeles. El ruido del marco da una medida por falta de uniformidad,
o variación de píxel a píxel en un cuadro. Los 12 cuadros de calibración se almacenan como 256
píxeles x 320 cuadros de píxeles en la estructura de datos de calibración. Más explicación de la
media de la trama, el ruido de la trama, la media de píxeles, el ruido de píxeles y cómo se crean los
cuadros de calibración se dan en el Apéndice A.
Tabla 1: Resultados de la medición de un cuerpo negro para el conjunto de calibración de
ejemplo. Tenga en cuenta que los píxeles defectuosos son excluidos de estos cálculos.
El ruido del marco en cada punto de calibración fue típicamente 0,8% de la media del marco. El
marco de la media de la media de píxeles indica que, en promedio, una imagen térmica de un
cuerpo negro a 300 ° C da como resultado aproximadamente 25 DL más que la medición de la
placa electrónica. Las medidas de la placa E variaron desde Medias de cuadro de 1687.80 DL a
1737.71 DL, con ruido de fotograma de la media de píxeles que va desde 0,92 DL hasta 21.60 DL.
Aunque contribuye de manera insignificante a la calibración (suponiendo que los niveles de ruido
simétrico con respecto a la media), se notó que los niveles de ruido para algunas mediciones de
placa electrónica eran apreciablemente más altos para algunas medidas. Se determinó que esto
ocurrió cuando las mediciones de la placa electrónica se tomaron inmediatamente después de una
medición de cuerpo negro. Es posible que eleve el calentamiento del FPA puede haber ocurrido en
el poco tiempo que estuvo expuesto al cuerpo negro, lo que puede haber influido en el ruido de la
línea de base de la medición de la placa electrónica. Como resultado, todo el futuro de las
calibraciones garantizará que las mediciones de la placa electrónica se tomen antes que el cuerpo
negro.
2.2 No lineal.
En la mayoría de los sistemas de cámaras térmicas comerciales, la señal de la cámara sin procesar
se escala mediante el NUC integrado en la cámara, entonces esta señal está relacionada con la
temperatura de calibración del cuerpo negro; la mayoría de las veces a través de la interpolación
lineal, aunque se puede utilizar interpolación spline, polinomio u otro ajuste de curva. Este es
relativamente simple, suficiente para la mayoría de las aplicaciones de medición, a menudo
integradas en aplicaciones comerciales, software de la cámara y, a menudo, calibrado por el
fabricante de la cámara. Para la mayoría cámaras comerciales, la señal de píxeles en bruto es muy
lineal con el flujo radiante incidente, por lo que se presume que La señal medida está
directamente relacionada con la temperatura del cuerpo negro a través de la ley de Planck. Sin
embargo, opta por separar las relaciones señal-flujo y señal-temperatura, que luego muestre
cómo la respuesta de la cámara MOTS es ligeramente no lineal. Usando varios pasos (ajuste de
curva de linealización y luego ajuste de curva de calibración) los valores de señal de cámara
"linealizados" que están disponibles, están directamente relacionados con el flujo sin el supuesto
de linealidad, Esto proporciona varios beneficios: 1) La medición de la no linealidad proporciona
información sobre el óptimo rango de medición de la cámara (por ejemplo, si el rango medido está
cerca de los límites superior o inferior del rango dinámico de la cámara) y 2) Cálculo de la función
de dispersión de puntos (PSF) o emisividad de las señales medidas puede incurrir en error si estos
valores de señal están en los rangos no lineales de la cámara.
Para un cambio incremental en el flujo radiante incidente en el FPA, la cámara dará un cambio
incremental en la señal. La linealidad describe cuán constantes son estos cambios incrementales
sobre el rango de medición de la cámara. En otras palabras, si se representa el flujo incidente
frente a la señal, describe qué tan cerca siguen los datos de una línea recta. Esto vincula la señal
de una cámara a un flujo radiante, que está relacionada con la temperatura termodinámica del
objetivo. Se puede medir la linealidad utilizando fuentes de flujo estándar [7], o basándose en un
flujo calculado, que se hace aquí comenzando con la Ecuación de Planck:
Si se aplica individualmente a cada píxel de una imagen, la lineal actúa como una corrección de
falta de uniformidad. Generalmente, un NUC en cámara asume la linealidad. Es decir, si se realiza
un NUC en un uniforme de temperatura, la escena de captura de otras escenas de temperatura
uniforme también dará como resultado imágenes. En realidad, la no linealidad inherentemente
diferente de cada píxel dará como resultado una imagen no uniforme. Al linealizar cada píxel
individualmente, esto actúa como corrección de falta de uniformidad más allá del NUC en la
cámara tomado antes de la medición del cuerpo negro. Este NUC inherente causado por la
linealización está limitada por la uniformidad del marco de calibración original y la bondad de
ajuste de la curva para cada píxel.
Para cada píxel, se calculó η a partir de los 12 puntos de calibración utilizando la ecuación (6.1) y
un ajuste por mínimos cuadrados se utilizó la ecuación (6.2) para generar los coeficientes de η (S).
Se dan ejemplos de resultados de ajuste para tres píxeles en la Figura 4 (izquierda). Cuatro nuevas
matrices / fotogramas de 256 píxeles x 320 píxeles compuestos por los valores del coeficiente de
linealización k, a, b y c para cada píxel se crean y almacenan en la estructura de datos de
calibración junto con estadísticas de ajuste. Usando estos marcos de coeficientes de linealización,
los marcos de calibración (Sbb) se linealizaron y se convirtieron a [a.u.]. La figura 4 (derecha)
muestra la media de la trama y ruido de trama de las tramas de calibración linealizadas. Esto
muestra el rango relativo de los valores de η sobre el FPA.
Ajustar curva,
Ajustar curva,
La Tabla 2 muestra la media de la trama y el ruido para las cuatro tramas de coeficiente de
linealización y dos de ajuste marcos de estadísticas. Cada píxel tiene su propio conjunto de
coeficientes y estadísticos de ajuste, y la Tabla 2 da valores medios de todos los píxeles. Las
estadísticas de ajuste incluyen el coeficiente de determinación ( r 2) y error de la estimación
estándar (VER).
Tabla 2: Media de fotogramas y ruido de fotogramas de 256 x 320 píxeles que constan de cada
píxel de fotogramas coeficientes de ajuste de linealización (a, b, c y k) y estadísticos de ajuste (r 2 y
ver)
Linealización
Coeficiente y ajuste de Media de fotogramas Ruido del marco
Estadísticas
Figura 5: Comparación de una imagen de cuerpo negro sin procesar T bb = 837 ° C (menos la medición de la placa
electrónica) (izquierda) y los resultados después de ser linealizados (derecha) muestran una falta de uniformidad
reducida como resultado del proceso de linealización.
Marco de calibración
Marco de calibración original linealizado
Figura 6: Comparación de una imagen de cuerpo negro sin procesar T bb = 349,7 ° C (menos la medición de la placa
electrónica) (izquierda) y los resultados después de ser linealizados (derecha) muestran una falta de uniformidad
reducida como resultado del proceso de linealización.
Mientras que la linealización convierte la señal de la cámara sin procesar en valores linealmente
proporcionales al flujo radiante en el FPA, se requiere una calibración radiométrica adicional para
convertir la señal linealizada a una temperatura.
2.3 Calibración de temperatura (Sakuma-Hattori)
La ecuación (7) describe un ajuste de regresión no lineal realizado para cada píxel que relaciona
una medida de señal S a la temperatura verdadera del cuerpo negro Tbb en cada uno de los puntos
de calibración utilizando la ecuación de Sakuma Hattori (SH) [9]. Aquí, Sbb es la señal linealizada
después de restar una placa electrónica medida para cada píxel, y T bb son los valores verdaderos
de cuerpo negro de la Tabla 1. Si bien La linealización convierte una señal medida en un valor de
unidades arbitrarias, La ecuación Sakuma-Hattori convierte la temperatura radiométrica o
aparente en una señal. La ecuación (7.1) muestra que la La función F asigna la temperatura del
cuerpo negro Tbb (en Kelvin) a la señal de medición Sbb de la cámara de un cuerpo negro y que este
mapeo es fácilmente invertible. La ecuación (7.2) da las ecuaciones de Sakuma Hattori utilizadas
en la regresión lineal y la calibración en la forma directa y (7.3) da la forma inversa, que da la
temperatura aparente Tapp. Esto se llama temperatura aparente porque el uso directo de (7.3)
para convertir la señal de la cámara en temperatura ignora los efectos de emisividad o fuentes de
temperatura ambiente que se describen en la ecuación de medición en Sección 5.
Al ajustar la ecuación (7.3), la variable independiente fue ponderada por 1/S bb para forzar la
regresión. Para favorecer los valores de temperatura más bajos. Más tarde se supo que los pesos
deben elegirse basado en la varianza de los errores de medición i.e., es decir, cada valor de peso
debe ser wi = 1/σi², aunque estos errores no se calcularon a priori. La Tabla 1 mostró que el ruido
del marco es aproximadamente el 0,8% de la señal media del marco, lo que hace que los pesos
elegidos 1/Sbb ∝ 1/σ, en lugar del preferir 1/σ². En [10], eligieron ponderaciones basadas en las
incertidumbres relativas de la señal del 0,05%, aunque no se indicó si eran recíprocos al cuadrado
o simplemente recíprocos como se hace aquí.
Se almacena un fotograma diferente de 256 píxeles x 320 píxeles para cada coeficiente SH y la
estadística de ajuste es similar al procedimiento de linealización descrito en la Sección 2.2. La
Tabla 3 da los valores medios del marco para estas matrices. También se dan valores de ruido de
cuadro para demostrar la variación de estos valores a través del FPA. Por ejemplo, la media de
cuadro y el ruido de cuadro del coeficiente A significa 68.2% de todos los píxeles dieron como
resultado un valor A de 1.9331 ± 0.0606. O bien, el 68,2% de todos los píxeles dieron como
resultado un SEE de 0,0438 ± 0,0149 ° C.
Aunque la ecuación SH inversa puede resultar en temperaturas por debajo de 300 ° C, los niveles
por debajo del punto de calibración más bajo de 25 ΔDL (300 ° C) no se reconoce. Aunque este
ejemplo fue dado para un tiempo de integración (550 μs), el coeficiente A debe escalar con el
tiempo de integración. Sin embargo, esta relación se vuelve no lineal a medida que disminuye el
tiempo de integración, por lo que no Se recomienda extender una calibración realizada en un
momento de integración a otro únicamente escalando por el tiempo de integración sin verificar
varios puntos de calibración.
los valores de r² y SEE relativo. Esto se debe principalmente al hecho de que la regresión SH
utilizada de la señal linealizada como la variable independiente, y la linealización ya había actuado
como una corrección de falta de uniformidad y redujo la variación de todos los píxeles en cada
fotograma. El SEE promedio del ajuste de la curva SH para todos los píxeles es de
aproximadamente 0,044 ° C. Similar a la linealización, el ajuste de curvas SH actúa como un NUC
por píxel. Los marcos de calibración linealizados de ejemplo de la Figura 5 y la Figura 6 se
convirtieron a la temperatura aparente píxel por píxel utilizando la Ecuación inversa SH (Ecuación
(7.3)) cuyos resultados se muestran en la Figura 7.
Para un sistema perfecto, estos marcos de temperatura aparente deben ser uniformes e iguales a
la temperatura verdadera del cuerpo negro T bb. El error del procedimiento de calibración se
puede cuantificar calculando la diferencia entre la temperatura aparente y T bb. La figura 8 muestra
la media del marco de estos valores para cada punto de calibración, y también muestra el ruido de
cuadro de cada temperatura aparente para dar una idea de la falta de uniformidad relativa de
cada marco.
Temperatura aparente media del cuadro menos la temperatura real del cuerpo negro (y ruido del cuadro)
Saunders y White [11] dieron fórmulas para estimar los coeficientes de Sakuma-Hattori basados en
la capacidad de respuesta espectral relativa del detector. Los resultados de estas fórmulas se
aplican al marco de valores medios de la Tabla 3 para comparar con los valores basados en la
capacidad de respuesta de la cámara que se muestra en la Figura 3. Estas fórmulas de conversión
se dan en el Apéndice B.
Mientras que el ancho de banda central λ 0 está bien determinado por los coeficientes de
calibración (dentro de 20 nm), el ancho de banda calculado en base a los coeficientes es
aproximadamente un 30% más estrecho. Para esta cámara, no se sugiere basar los coeficientes de
calibración únicamente en los datos conocidos para la capacidad de respuesta, especialmente
porque la escala (coeficiente SH "C" en la Tabla 3) de cada píxel varía a través del FPA. Sin
embargo, al determinar las especificaciones de un sistema de cámara potencial, estos
proporcionan relaciones útiles entre el ancho de banda espectral, la respuesta del sistema y sus
contribuciones a la incertidumbre de la medición [1].
Imágenes térmicas microscópicas cerca de la misma escala que la longitud de onda del detector
(difracción de escala limitada) tiene el problema inherente de resolución espacial limitada e
imágenes borrosas. En termografía, donde la resolución de la temperatura de los píxeles y la
resolución espacial son importantes, el desenfoque puede causar error significativo. Las áreas de
scenel de alta temperatura pueden sesgar la temperatura aparente de píxeles vecinos más altos,
mientras que a su vez el píxel de alta temperatura está sesgado más bajo por los escenarios
vecinos relativamente más frescos. La escala de este efecto depende de los gradientes locales de
una escena medida particular y la resolución espacial intrínseca del sistema óptico definido por la
función de dispersión de puntos (PSF). Una imagen "ideal", o que sin los efectos ópticos de
desenfoque, puede extraerse de una imagen medida mediante la descomposición de una PSF
conocida o medida de una imagen.
La función de dispersión de puntos se define como la imagen resultante de medir una fuente
puntual infinitesimal estrecho, es decir, es la respuesta al impulso del sistema óptico. Creando una
fuente de impulso para medir la PSF es difícil en la práctica, ya que reducir el ancho de una fuente
a casi cero a su vez reducir la intensidad, y así acercarse al piso de ruido del sistema. Más bien,
midiendo el borde de la función de propagación (ESF) es más simple, más común en la práctica y
se recomienda en ISO 12233 para caracterización del rendimiento del sistema óptico [12,13]. La
función de extensión de borde (ESF) es la imagen obtenida al ver el límite en línea recta entre
fuentes de alta y baja intensidad. Está relacionado con el PSF a través de la función de
ensanchamiento de línea (LSF), que es la imagen obtenida cuando una fuente de línea
infinitesimalmente estrecha e infinitamente larga. El ESF, LSF y PSF son relacionados de la
siguiente manera:
Otra medida para caracterizar el rendimiento del sistema óptico es la función de transferencia de
modulación. (MTF, también llamada función de transferencia óptica). El MTF es la transformada de
Fourier 2D del PSF, por lo tanto definido en el dominio de la frecuencia espacial. La caracterización
en el dominio de la frecuencia no se hace aquí, aunque se puede encontrar mucha información
[8,12,14].
El ESF se mide creando e imaginando una escena de filo de cuchillo (KE), donde una imagen nítida,
recta, el borde opaco se coloca en el plano focal entre la cámara y la fuente del cuerpo negro. El
KE la imagen se utiliza para crear una función esf (x) proyectando todos los valores de píxeles de la
imagen KE a lo largo de la Línea KE en un ESF digital supermuestreado (es decir, el espaciado de
datos es <1 píxel), luego La función esf (x) se ajusta a estos datos. Este proceso se describe con
más detalle en la siguiente sección.
Una vez que se determina un ESF, se diferencia para determinar la LSF. Se requiere un paso más
para obtener la PSF de la LSF. Los PSF pueden aproximarse como rotacionalmente simétricos para
sistemas con óptica rotacionalmente simétrica y definidos sobre un radio (psf (r)) en lugar de
Coordenadas cartesianas (psf (x, y)). Marchand [15] dio varios métodos para convertir un LSF en
un PSF rotacionalmente simétrico y viceversa, uno de los cuales señaló que el LSF es el Abel
transformada de la sección transversal radial de la correspondiente PSF rotacionalmente
simétrica:
Transformada de Abel:
Hacia adelante
Transformada de Abel:
Inversa
La función PSF rotacionalmente simétrica psf (r) puede calcularse a partir de la medición de ESF
usando las ecuaciones (8) y (9.2). La función psf (r) se puede girar digitalmente alrededor de un
centro para formar la matriz de píxel de imágenes PSF.
Hacer uso de ciertas propiedades de la transformada de Abel puede permitir una evaluación más
precisa del FSE y la transformación en PSF. Abel transforma y sus inversas (así como operador
diferencial d/dx) son transformaciones lineales [16]. Por lo tanto, una combinación lineal de Los
ESF pueden convertirse en una combinación lineal de LSF y luego de PSF. Tazannes y Mooney [14]
mencionaron la posibilidad de utilizar una combinación lineal de funciones para adaptarse a un
FSE, sin embargo no detallaron cómo se trataba de un enfoque matemáticamente sólido. Al
ajustar una combinación lineal de funciones ESF, el número de parámetros de ajuste puede
aumentarse hasta que se obtenga un resultado satisfactorio, se hace el ajuste, además, se pueden
utilizar combinaciones lineales de diferentes funciones potenciales de ESF. Esta propiedad de la
PSF se explota aquí.
1. Cree una escena de filo de cuchillo frente a la fuente de un cuerpo negro y recopile una
imagen KE en DLs. Obtenga una medida de placa electrónica correspondiente.
2. Reste la medida de la placa electrónica de la imagen KE, luego linealice la imagen KE para
convertir de ΔDL a a.u.
3. Proyecte los valores de los píxeles a lo largo del filo de la cuchilla para formar el ESF
supermuestreado.
4. Adapte varias combinaciones lineales de posibles funciones ESF al ESF supermuestreado.
Seleccione el mejor ajuste como esf(x).
5. Convierta esf(x) en psf(r) usando la transformada inversa de Abel.
6. Rote digitalmente y remuestree el psf(r) 2D para formar una matriz de imágenes PSF.
Una vez que se determina un PSF, una imagen se puede quitar desenfocando deconvolviendo la
matriz de PSF de la imagen medida. Tenga en cuenta que todo esto se hace con señal linealizada
(por ejemplo, proporcional a radiante intensidad) antes de convertir a temperatura.
La ESF tal como se define es perpendicular a la línea KE. Sin embargo, si el KE está alineado
verticalmente u horizontalmente con el FPA, la ubicación de la línea KE estará en el medio de una
fila de píxeles, por lo tanto, no se puede determinar una anchura superior a un píxel la Inclinación
del KE diagonalmente se prefiere la escena. Se pueden usar varios métodos para ubicar el borde
en la imagen, principalmente confiando en algún método para diferenciar la imagen a lo largo de
alguna dirección, y ubicar al máximo de este gradiente, y ajustando una línea a las ubicaciones
máximas. Se da un ejemplo en Figura 9, que se realizó colocando una hoja de afeitar en el plano
focal frente a una temperatura de 700 ° C fuente de cuerpo negro. El resultado de ajustar una
línea a estos puntos es la forma de intersección de la pendiente del KE línea, es decir, j = mi + b,
donde j e i son índices de píxeles, y m y b son pendiente e intersección.
De acuerdo con la ISO 12233, un ESF con supermuestreo se genera a partir de la imagen KE
proyectando valores de píxeles a lo largo de la línea KE en un eje unificado. Este eje se define por
la distancia entre un pixel y la línea KE (por lo tanto, haciendo 0 el centro del filo de la cuchilla y
ESF). Sin embargo, la ISO 12233 también establece que la línea KE solo debe inclinarse 5° desde la
vertical y la La distancia horizontal desde el píxel hasta la línea KE se utiliza como eje de
proyección. Suponiendo que una inclinación de 5° es equivalente a un filo de cuchillo vertical es
computacionalmente más fácil, aunque aquí usamos el valor normal real (o mínima) distancia a la
línea KE, como se muestra en la Figura 9, y se calcula en la Ecuación (10).
señal linealizada
región opaca
Figura 9: Ejemplo de imagen de borde de cuchillo que muestra la línea KE ajustada a los máximos
de gradiente de imagen (denotado por un pequeño "+" blanco en el medio de un píxel). Cálculo
para determinar la normalidad de cada píxel de distancia también se muestra la línea KE.
Trazar los valores de los píxeles (señal linealizada, [a.u.]) frente a esta distancia da como resultado
el ESF supermuestreado, se muestra en la Figura 10 con tres regiones (a, byc) resaltadas en
subfiguras. Esto fue hecho por tres valores de temperatura del cuerpo negro. Estos valores están
normalizados, ya que la escala vertical del FSE no es importante, y los valores posteriores de PSF
también se normalizan.
ESFs con supermuestreo a tres temperaturas de cuerpo negro
Figura 10: Tres ESFs supermuestreadas (normalizadas) a diferentes temperaturas de cuerpo negro.
El ESF supermuestreado a 900 °C parecía similar a los demás en el extremo superior, lo que
representa la región ópticamente clara de la imagen del filo de la cuchilla, pero diferente en la
región opaca inferior. se creía que la hoja de afeitar puede haberse calentado mientras estaba
frente al cuerpo negro, por lo que los niveles de emisión radiante superiores a las condiciones
ambientales 1, El ESF de 900 °C se considera erróneo y no se analiza más a fondo. Debido a la
similitud entre los ESF de 500 °C y 700 °C, solo el ESF se analiza a 700 °C adicionalmente.
En este punto, la norma ISO 12233 recomienda que el ESF supermuestreado se vuelva a muestrear
en "contenedores" donde todos los puntos que se encuentran dentro de incrementos de ¼ de
píxel se promedian juntos para reducir el ruido por promediado, pero todavía proporciona datos
supermuestreados 4x para reducir el aliasing. Sin embargo, este documento se aparta de la norma
ISO 12233 en este punto, y ajusta una curva suave y continua al supermuestreo los datos del ESF.
Uno de los propósitos de la norma ISO 12233 es desarrollar el MTF para caracterizar y comparar
sistemas de cámaras. Sin embargo, aquí pretendemos desarrollar un PSF para utilizarlo como
kernel de deconvolución para desenfocar imágenes termográficas.
¹ Cabe señalar que la región inferior (opaca) de la ESF tenía valores de señal de cámara muy cerca del límite inferior de la
calibración (0 ΔDL a 20 ΔDL), mientras que la región más alta (transparente) varía en magnitud con la temperatura del
cuerpo negro. Un método más apropiado puede ser utilizar un filo de cuchillo semitransparente para que la los niveles
de señal que estén en el rango y escala más lineales con la región más alta y la temperatura del cuerpo negro.
Ajuste de curvas del ESF:
Múltiples autores han señalado que las formas funcionales comunes de la ESF se asemejan a
funciones acumulativas de distribución, y afirman que la LSF o la PSF son las distribuciones de
probabilidad asociadas. Smith [17] intentó múltiples funciones ESF individuales (es decir, no una
combinación lineal) que se ajustaban a un ESF medido. Estos incluyen la función de error (que
genera un PSF de distribución gaussiana) y arcangente (que genera una PSF de distribución de
Cauchy). Tazannes y Mooney [14] encajan la combinación lineal de distribuciones de Fermi a un
FSE medido.
Tabla 4: Relaciones de ESF, LSF y PSF basadas en la suposición de Gaussian o Cauchy PSF con forma
de distribución.
Se intentaron cinco combinaciones lineales y se dan en la Tabla 5. Estas incluyeron de uno a dos
funciones de Cauchy y de una a tres funciones gaussianas. Combinaciones mixtas de gaussiano y
no se intentaron las PSF de Cauchy. Las combinaciones lineales de gaussianos proporcionaron
ajustes superiores después de que la función de 3, Gauss dio como resultado un error RMS de
menos del 0,2% de la escala completa de la ESF, cesaron nuevos intentos de ajustar
combinaciones de FSE más complejas. La curva múltiple se ajusta al ESF supermuestreado de 700
°C se muestran en la Figura 11, con las regiones inferior, central y superior expandido para mayor
claridad. Las funciones psf(r) resultantes, normalizadas al área bajo la curva, esta trazado en la
Figura 12
Funciones de ajuste ESF
Figura 11: La curva se ajusta al ESF de 700 ° C utilizando varias combinaciones lineales de funciones
de ajuste.
Tabla 5: Resultados de ajuste para las cinco funciones ESF probadas.
Función ESF (ajuste)
Radio [píxeles]
Todos los cálculos aquí, incluida la integración, se realizan numéricamente. La suave función
algebraica psf(r) dada en la Tabla 5 está sobremuestreada a 10/pixel, y la interpolación de la
ranura se usa para determinar valores intermedios. Para "rotar digitalmente" y volver a muestrear
psf(r) en una matriz de imagen PSF, el valor del radio se convierte de nuevo en coordenadas
cartesianas y se integra sobre cada píxel de coordenadas (i, j):
Después de generar la matriz de imágenes de PSF, se normaliza de modo que el volumen debajo
de la PSF sea unidad. La Figura 13 (izquierda) demuestra cómo la Ecuación (12) desarrolla el PSF
rotado y digitalizado la formación uestra la región central de 5 píxeles x 5 píxeles, aunque la matriz
PSF se define sobre una matriz de 41 píxeles x 41 píxeles. La mayoría de la PSF ocurre sobre el
diámetro central de 7 píxeles, cuando los valores disminuyen rápidamente fuera de esta región,
como se ve en el gráfico de escala logarítmica de la Figura 13 (Derecha). A pesar de su baja
magnitud, estos píxeles exteriores son importantes debido a la acumulación natural de la
convolución y deconvolución 2D. Se eligió el tamaño de 41 píxeles x 41 píxeles del PSF
arbitrariamente, pero se aseguró de que abarcara todos los datos de PSF dentro de cuatro órdenes
de magnitud. También es visible la transición entre las diferentes funciones gaussianas
contribuyentes que componen la combinación lineal PSF detallada en la Tabla 5.
Función
suave psf(r)
PSF normalizada [a.u.]
PSF normalizada [a.u.]
Píxeles
promediados
Figura 13: Izquierda: demostración de cómo se promedia la región central de la función suave
psf(r) sobre cada píxel para desarrollar la matriz de imágenes PSF. Derecha: la matriz de imágenes
PSF completa trazada en un escala logarítmica para detalles.
3.3 Deconvolución y resultados de PSF
Para probar la medición de PSF, se tomó una imagen de calibración. Esto se hace colocando un
vaso Gráfico de resolución 1951 estándar de la Fuerza Aérea de EE. UU. (O objetivo de la Fuerza
Aérea, AFT) delante de la calibración de un cuerpo negro. Debido a que era un objetivo de vidrio,
la señal se atenúa, por lo que los valores de la señal no corresponden a la temperatura del cuerpo
negro. No obstante, el objetivo sigue siendo útil para determinar la atenuación de objetivos
pequeños (barras de tresillos de varios tamaños en el AFT) debido a la borrosidad del PSF. La Tabla
6 muestra los tamaños de barra para cada elemento en cada grupo de la AFT.
Tabla 6: Ancho de barra para grupos y números de elementos en el AFT de 1951 utilizado para
probar el PSF
Temperatura aparente, sin corrección de PSF [°C] Temperatura aparente, sin corrección de PSF [°C] Temperatura aparente, PSF desconvolucionado [°C]
Temperatura aparente, PSF desconvolucionado [°C]
Figura 14: Ejemplo de imagen AFT convertida a temperatura aparente sin desconvolución de PSF (imagen
superior izquierda) y con deconvolución PSF (imagen superior derecha), que muestra el efecto de desborde
en pequeñas características (fila inferior).
Se hacen tres trazos de la imagen AFT para observar mejor el efecto sobre los valores de
temperatura VS ancho de barra. La Figura 15 muestra los resultados. Los elementos de la barra en
las subfiguras 1B y 2D en la Figura 14 son el grupo 6, elemento 2 y 3, con espaciado de barra de
7,0 μm y 6,2 μm, respectivamente. Estos son también se muestran en la Traza # 3 en la Figura 15.
PSF desconvolucionado Sin corrección de PSF
Figura 15: Ejemplo de trazos de la imagen AFT (izquierda) con y sin corrección de PSF. Los números de grupo
y elemento se dan en cada trazo por trazo para elementos de barra seleccionados.
En [1], se encontró que para una escena de ejemplo y PSF y midiendo el píxel máximo del valor de
temperatura, la corrección de PSF proporcionó un error de solo -8 C del máximo real temperatura
de 973 °C, mientras que sin la corrección de PSF, el error fue de -105 °C. El componente, la
incertidumbre debida al error en la PSF "medida", según se define en [1], fue de 10,5 °C en [1], los
errores se basaron en una imagen simulada y una incertidumbre de PSF y PSF simuladas. Sin
embargo, el problema inverso logra de evaluar el error de una imagen PSF medida y todavía está
bajo investigación. Sin embargo, se demostró que la corrección de la PSF es necesaria para Reducir
el efecto de polarización del desenfoque óptico en el error de medición y la medición precisa de la
PSF es clave para reducir la incertidumbre debido a esta corrección.
El desenfoque de movimiento también se investigó en [1]. Esto ocurre cuando los objetos
en la escena medida están moviéndose o vibrando a una frecuencia tal que se produzca
un movimiento borroso o persistente [2]. el desenfoque aumenta con la velocidad del
objeto y disminuye con el tiempo de integración de la cámara, aunque no se menciona
aquí puede ser necesario compensar el desenfoque de movimiento mediante su efecto
midiendo en el sistema de la cámara, midiendo el movimiento o la vibración de la medida
del objeto e idear una incertidumbre de tipo A adecuada, o proporcionar una estimación
de incertidumbre de tipo B [19].
4 MEDICIÓN DE EMISIVIDAD
En este punto, las imágenes se pueden recopilar, corregir y convertir PSF a temperatura
aparente utilizando el esquema de linealización y calibración en la Sección 2. Sin embargo,
para convertir los valores de temperatura verdadero, de la señal deben corregirse para
determinar la emisividad. Se señaló en [1] que la incertidumbre en la emisividad
representa la mayor fuente de incertidumbre en la medición. Por lo tanto, aquí se hace un
mayor esfuerzo para proporcionar mejores mediciones de emisividad Madding [20].
Mencionando varios métodos para medir la emisividad; utilizando un emisor de
referencia, una temperatura de referencia, medir el objetivo a dos temperaturas o medir
la reflectividad. En el anterior trabajo de los autores, solo se utilizó el método de
temperatura de referencia midiendo las temperaturas de objetivo con un termopar. Aquí,
se utiliza cada método (excepto la medición de la reflectividad), aunque no siempre
simultáneamente. Esto depende de si hay un emisor de referencia disponible en la
muestra en particular siendo medido. El método del emisor de referencia se logra
mediante mecanizado de electrodescarga. (EDM) un pequeño orificio en la cara de la
herramienta que se muestra en la Figura 16. Cuando se calienta el inserto, este agujero
actúa como un microcuerpo negro (mBB), con un valor de emisividad de referencia muy
cercano a la unidad.
Cobre Térmico
Vista de microscopio (zoom 10x) de
mordazas de tornillo
de banco Termocupla Tipo K micro-cuerpo negro
ID de 0,27 mm
> 3 mm de profundidad
Mientras está en el tornillo de banco térmico, la herramienta se calienta en ciclos que duran 200 s
cada uno. Estos ciclos aumentan en temperatura de 100 °C a 550 °C para un total de 25 ciclos.
Mientras desarrollaba este método, Se encontró que la decoloración por oxidación, así como los
valores de emisividad, dejaron de cambiar después de aproximadamente 20 ciclos las imágenes
del mBB se toman a una temperatura nominal de 550 °C y otro ciclo a 450 °C. Si no hay un mBB en
una muestra, entonces la cara desnuda del inserto se mide en nominalmente 550 °C y 450 ° C.
Después de tomar las imágenes de emisividad, la imagen de la señal sin procesar se linealizan
usando los métodos de la Sección 2, y PSF corregido usando el PSF medido en Seccion 3.
media media
media Media
Figura 17: Ejemplo de imágenes de señal de microcuerpo negro (en [a.u.]) y regiones
seleccionadas por el usuario de interés (ROI) utilizado para medir la señal mBB y la señal en la cara
de la herramienta calentada.
Inmediatamente, se notó que el mBB y el termopar dieron diferentes valores de temperatura para
cada inserto medido. Por ejemplo, en la Figura 17, la señal media medida en la región mBB (SmBB)
convertido a temperatura aparente usando la calibración inversa discutida en la Sección 2.3 da
temperaturas de mBB de 435 °C y 525 °C; menor que las lecturas del termopar de 446 °C y 545 ° C,
respectivamente. Dos cosas pueden causar esto; 1) el termopar está de hecho en una mayor
temperatura que el micro-cuerpo negro o 2) el micro-cuerpo negro tiene una emisividad menor
que lo esperado > valor 0.990.
La razón 1 se toma como verdadera. El termopar se encuentra debajo de una lámina de cobre
altamente conductora que acerca el termopar a una mayor proximidad térmica a la fuente de
calor de nicrom. El mBB
² Si las temperaturas del termopar se consideran verdaderas y el mBB es la misma temperatura, esto resultaría en una
emisividad de mBB de aproximadamente 0,85. De trabajos anteriores en NIST [22], la emisividad de la herramienta se
midió cerca a 0.85, mientras que el mBB en la Figura 17 está emitiendo visiblemente más que la cara de la herramienta
circundante. Esto además da razonamiento de que TTC es una medida inexacta de la temperatura de la cara de la
herramienta.
ocurre en una cara expuesta que está sujeta a enfriamiento radiativo y convectivo, mientras que el
termopar se encuentra debajo de la lámina de cobre. Además, la alta relación entre profundidad y
diámetro del mBB discutido anteriormente asegura una emisividad efectiva relativamente alta.
Debido a la diferencia de potencial entre las temperaturas del termopar y la cara de la
herramienta, previamente no consideradas en [1], se observa que los termopares deben colocarse
muy cerca del mBB en la cara expuesta del inserto; preferiblemente fijo mediante soldadura por
puntos de resistencia. Aunque esta discrepancia se conoce aquí, los métodos para calcular la
emisividad basada en mBB, termopar o ambos se dan en la siguiente sección.
Se puede suponer que εµBB = 1 en la ecuación (15). Si se asume que ϵ mBB ≠ 1, ϵmBB puede ser
calculado a partir de (13,2). Sin embargo, se desconoce T mBB. Si asume TµBB = TTC, entonces (13.2)
da el seguimiento:
Al insertar la ecuación (16) en (15) se obtiene (14), por lo que se requieren los mismos supuestos.
Si Las mediciones se toman a más de una temperatura, se puede suponer que la emisividad es lo
mismo a las dos temperaturas (Δϵ = 0). La técnica de dos temperaturas indicada en [20] puede
sercalculado por lo siguiente:
Y de manera similar a la formación de la Ecuación (15), donde se supone que la temperatura del
microcuerpo negro es igual a la temperatura de la superficie:
Estas ecuaciones se resumen en la Tabla 7 con los supuestos requeridos para cada técnica.
Tabla 7: Resumen de los métodos de cálculo de emisividad que utilizan temperatura de termopar
(TTC), la señal de la cámara en el ROI de la herramienta (Stool) y la señal de la cámara del ROI de
microcuerpo negro (SmBB)
* No mBB disponible
** Solo se mide una temperatura
Aunque son más precisos que el termopar, los microcuerpos negros son costosos y requieren
tiempo consumir para fabricar. Colocando el termopar más cerca del microcuerpo negro en la
parte expuesta de la cara del inserto, y asegurar un buen contacto térmico asegurará una
temperatura más comparable de valores. Los esfuerzos futuros probarán un nuevo método de
colocación de termopares junto con microcuerpos negros y probarán la correlación entre las
mediciones de emisividad en función de sus respectivos valores. Dada una buena correlación, se
espera que una mejor ubicación del termopar pueda reducir la necesidad de microcuerpos negros.
Finalmente, la ecuación de medición se usa para convertir S maes en temperatura real, Verdadero:
Recuerd
a que F-¹ se calcula utilizando la Ecuación (7.3) para cada píxel. La Figura 18 muestra los resultados
de convertir un marco de ejemplo a temperatura real utilizando el valor de emisividad medido de
ϵ = 0,822. El ejemplo es de una prueba de corte ortogonal usando un ranurado de carburo de
tungsteno inserto, oxidado en el tornillo de banco térmico descrito en la Sección 4, y cortando una
pieza de trabajo Ti-6 A1-4V en 90 m / min de velocidad superficial y 0,225 mm por revolución de
avance (ó 0,225 mm de profundidad de corte). Nota la conversión no lineal de señal a temperatura
debido a la ecuación F de calibración no lineal.
señal linealizada, con corrección de PSF [a.u.] temperatura real, ϵ = 0,822 [°C]
Figura 18: Conversión de un marco de infrarrojos con corrección de PSF linealizado (izquierda) a
una temperatura real fotograma (derecha) tomado durante experimentos de mecanizado con la
cámara MOTS. Campo de visión del a imagen es de aproximadamente 0,87 mm en vertical por
1,09 mm en horizontal.
6 DISCUSIÓN
En este punto, todos los pasos del proceso para convertir las mediciones infrarrojas en
temperatura real se han dado las medidas. Sin embargo, un video que consta de una serie de
temperatura real no es la medida final de las imágenes. Una vez que se crea un marco de
temperatura real o un conjunto de marcos, entonces el resultado de la medición real se basa en la
definición del mensurando. Además, El cálculo final de un valor de incertidumbre de medición
dependería de cómo se mide el mensurando definido.
Por ejemplo, el mensurando puede definirse como la temperatura máxima física real en la
superficie de la imagen (por ejemplo, la cara de la herramienta en la Figura 18). Sin embargo, este
valor puede no ser directamente medibles debido al tamaño de los efectos de la fuente que
incluyen promediado sub-escenario y difuminado debido a PSF [1, 2, 23]. El promedio de sub-
escena describe cómo el valor de un píxel resulta de un resplandor sobre el área de la escena, y
cualquier rasgo radiante más pequeño que la escenal se pierde en esta integración. El efecto es
mayor para las regiones superficiales de alta temperatura o gradientes de emisividad, pero puede
descuidarse para superficies muy uniformes. La figura 19 ofrece un ejemplo simulado de un punto
cuya temperatura se reduce mediante el promediado sub-escenario y el desenfoque PSF. Mientras
que el efecto de la borrosidad PSF puede corregirse utilizando el método desarrollado en la
Sección 3, ningún método se sabe que corrige el promedio de sub-escenas.
Subescenario Desenfoque
promediando de PSF
Figura 19: Tamaño de los efectos de la fuente en una medición de ejemplo donde la fuente es más
pequeña que una escena. No se conoce ningún método para corregir el promedio de
subescenario.
El error de temperatura debido a que el promedio del sub-escenario aumenta con la temperatura
local y gradientes de emisividad (o más simplemente, el gradiente de temperatura aparente). Sin
embargo, para regiones aparentemente uniformes, como las temperaturas máximas en la cara de
la herramienta en la Figura 18, es poco probable que existan puntos fríos o calientes locales que
sean más pequeños que el tamaño de una escena. Además, si la temperatura aparente es
uniforme, se minimizan los efectos del desenfoque de PSF. Sin embargo, todavia se recomienda
corregir el desenfoque de PSF ya que se conoce una metodología.
7. CONCLUSIONES
Este documento describe los pasos utilizados para calibrar una cámara térmica infrarroja y
convertir imágenes recopiladas en mediciones verdaderas de temperatura. Este proceso se
desarrolló en base a trabajo previo de los autores, y con la intención de reducir la incertidumbre
de la medición de fuentes conocidas y evaluar de manera más fácil y precisa la incertidumbre de
la medición en general. Los Los pasos desarrollados incluyen:
1) linealización, 2) calibración de cuerpo negro, 3) medición de PSF, 4) medición de emisividad y 5)
medición de temperatura del objeto. Mientras que la linealización, procesos de calibración y
medición de temperatura del objeto (es decir, convertir una señal medida en temperatura real
usando una emisividad) están disponibles los fabricantes de cámaras térmicas como operaciones
internas de la cámara o del software operativo de la cámara, estos algoritmos son propietarios,
por lo tanto, calcular la incertidumbre de la medición es difícil. Además, trabajos previos de los
autores determinó que la medición precisa de emisividad y la medición de PSF eran clave para
reducir incertidumbre general de la medición. Por tanto, nuevos procesos para PSF y emisividad
medidas fueron desarrolladas, probadas y difundidas en este documento, con recomendaciones
para futuras mejoras.
Los datos de la señal medida de la cámara térmica se convierten y almacenan como una formación
tridimensional. Aquí, los primeros índices (i, j) representan los píxeles en cada cuadro, y el tercer
índice k representa un número de fotograma. Las estadísticas se pueden tomar a lo largo de un
cuadro o de un píxel. El marco medio μF es la media de 256 píxeles x 320 píxeles en un solo
fotograma. Durante el cuerpo negro las mediciones se toman 100 fotogramas a la vez. La media de
píxeles μP (i, j) es el valor medio de cada píxel sobre los 100 cuadros, y da como resultado una
matriz o cuadro de 256 x 320 píxeles.
La media del cuadro del píxel significa que da un valor único que es la señal aproximada del nivel
en un punto de calibración:
Una medida de no uniformidad en un marco de calibración se realiza calculando el ruido del marco
σF que es la desviación estándar de los 320 x 256 píxeles en un solo cuadro. Una medida de la falta
de uniformidad de píxel a píxel de un cuadro de calibración es el ruido del cuadro de la media de
píxeles de un marco de calibración:
Durante una medición de cuerpo negro o placa electrónica, cada píxel experimenta una
fluctuación de fotograma a fotograma sobre la medida de 100 fotogramas. Tomando la desviación
estándar de esta fluctuación se obtiene el ruido de píxeles.
Dado que cada píxel tiene un ruido de píxel asociado, una medida de valor único de todo el ruido
de píxel es la media de fotogramas del ruido de píxeles
Una medida de cuán uniforme es el ruido de píxeles sobre el FPA es el ruido de cuadro del ruido
de píxeles:
Tenga en cuenta que un cuadro de calibración es la diferencia entre la media de píxeles de una
medición de cuerpo negro y media de píxeles de una medición de placa electrónica:
Es importante tener esto en cuenta para calcular la incertidumbre de calibración píxel por píxel
que requerirá una suma de cuadrados del error estándar de las medias para el componente de
incertidumbre debido al ruido electrónico. Sin embargo, en este documento y en la Tabla 1, las
estadísticas para la calibración, los fotogramas solo están pensados como una representación de
sus valores medios o una medida general del ruido FPA.
Saunders [11] desarrolló una relación entre la capacidad de respuesta espectral de un detector y
los coeficientes esperados A, B y C de la forma de la ecuación de Sakuma-Hattori dada en la
ecuación (7,2). La capacidad de respuesta espectral del detector se caracteriza por la longitud de
onda central, λ0, y la varianza, σ² de la banda espectral. Para un espectro espectral de forma
rectangular (o uniformemente distribuido) responsividad, σ² = Δλ²/ 12, donde Δλ es el ancho de
banda. Dada una receptividad espectral conocida como la de la cámara MOTS en la Figura 2, la
longitud de onda central y la varianza se dan como sigue:
Para anchos de banda suficientemente estrechos (σ / λ0 ≪ 1), estos están relacionados con el
Sakuma-Hattori coeficientes a través de lo siguiente:
Con estas ecuaciones, se puede deducir una responsividad espectral equivalente a partir de una
calibración usando la ecuación de Sakuma-Hattori, o, una respuesta de señal a un cuerpo negro
puede ser deducido de una responsividad conocida:
Todos los datos de linealización y calibración y los resultados estadísticos se almacenan en la "
estructura de calibración "en Matlab. Esta estructura se alimentará a otras funciones para calcular
PSF, emisividad o convertir archivos de video. Por ejemplo, para acceder al coeficiente "A" de
Sakuma-Hattori para el (45,100) píxel, escriba: Cal_Mit_0550.SH.A (45,100).