【科技抗疫实例：工研院】靠AIoT改良红外线体温量测准度，不只-自用还开放技转

台湾从农历年后开始，为防堵疫情在人群中扩大传染，-单位、学校、企业、公共场所等具空间封闭性、同时又是人群汇聚的地方，纷纷在入口处设有体温量测机制，除了一般常见安排人力来量测访客体温，部分人流较多之处，也导入红外线热影像仪（以下简称热像仪）来自动化体温量测流程，让访客只需行经特定感测范围，在走路过程中就完成检测。由此可见，热像仪因其快速通关、有效降低人力负担的特性，也被用来作为体温筛检一大利器。

不过，不少民众可能也发现，虽然不用排队量体温了，但拿着一杯热咖啡经过热像仪时，仪器会尽责地“哔”一声，来提醒温度检测异常，又或者气温较低时，热像仪检测到的人体温度也跟着下降，量测结果甚至只剩33、34度，这也让人不禁怀疑，热像仪是否能真正发挥发烧通报的功能？

事实上，红外线热像仪的原理，是透过热感测器被动接收物体表面发出的红外线，再于监测画面中即时转换为热像图，以不同颜色来呈现温度分布。而用来量测体温的热像仪，为了让检测者能快速判读人体温度，通常仅在界面中显示温度最高的数值，若数值超过设定的通报标准，就会向监测者自动报警。

但这个机制，也导致环境中出现多热源干扰时，容易影响热像仪对体温的判定，比如接近室外的场域，可能出现太阳、汽车、猫狗等热源，就连访客手中的热食，都会造成热像仪误判。

而且，工研院微系统中心副组长陈柏戎也说明，市面上许多热像仪原先是作为工业用途，部署时会先经过校正，大多也设置在环境因素（如温、湿度）较可控的地方，来确保量测到的温度足够精准，但因应临时疫情需求用在一般生活场景后，环境条件变得不可控，大气中各种气体分子、水蒸气、粒子等，都会影响红外线在传递过程产生衰减，这也是为什么气温低的时候，仪器感测到的温度也会下降，需要人为手动调降发烧通报的温度基准，“但调整后真的准吗？其实也不一定。”

为了解决这个问题，陈柏戎表示，有些业者开始尝试加入校正技术到热像仪中，“但是发展还不成熟。”比如说，部分业者运用温度校正技术，针对人体温度30～40度来调整热像仪的灵敏度，或是让使用者能手动将监测影像分割成几个部分，再设定以特定范围所感测的温度为准，避开其他具有热源干扰之处。这些加入了校正技术的做法，“部分精准高阶的仪器，可以做到误差在0.5度以内，但是温度校正没那么好的，误差可能会大到1～2度，对于绝对温度的判断没有把握。”

工研院开发体温量测热像仪，整合多种校正技术缩小误差值

因此，工研院近期开发了一套整合了AI人脸侦测、温度补偿、成色影像校正算法的热像仪，不仅能让多人在走路的同时进行额温量测，体温量测数值也更精准，能将误差控制在0.3度之内。而且，这套设备只有在部署时需要人工校正设定，部署后就能根据每天的环境条件，来自动量测精准的体温数值。

陈柏戎说明，热像仪整合技术中，AI人脸侦测技术能锁定人脸来量测额温，避免其他热源干扰产生误判的问题；而温度补偿技术，则是能根据仪器与热源的距离、环境温湿度等条件，来自动对仪器量测到的温度进行补偿校正，使数值不会受到红外线衰减而影响；而成色影像校正算法，则是能对感测器的每一个像素进行成色显像的校正，来获得更准确的温度数值，“在部署时先进行黑体辐射校正，才能确保每一颗出厂感测器的品质、稳定度是一致的。”

也因为这些AI技术的整合，这一整套装置，除了感测器以及显示温度数值的画面之外，还配备一个运算单元，让感测器量测到的温度先经过算法校正，再显示精确数值于画面中。

陈柏戎表示，未来搭配彩色镜头，还能运用人脸辨识的技术，将体温结合个人身份资料来长期追踪，“就像人脸辨识打卡一样，可以做到类似体温履历的应用，我们正在跟国内厂商尝试不同型态的应用来推广。”

目前，工研院因应国内疫情需求，已经将初步开发的热像仪样品雏形，推广到全台超过40个学校、-单位来使用，“但工研院不是生产制造商，没有能力做大量的生产布建。”因此，工研院也积极与厂商合作商转，开放软件界面、程式码、训练模型，提供厂商来客制化开发新应用，“比起从国外引进技术，工研院开放底层架构让厂商使用，这是我们国产技术的优势。”陈柏戎说。