ಥರ್ಮಲ್ ಕ್ಯಾಮೆರಾದೊಂದಿಗೆ ನಾನು ಎಷ್ಟು ದೂರ ನೋಡಬಹುದು?

ಸರಿ, ಇದು ಸಮಂಜಸವಾದ ಪ್ರಶ್ನೆಯಾಗಿದೆ ಆದರೆ ಸರಳವಾದ ಉತ್ತರವಿಲ್ಲ.ವಿಭಿನ್ನ ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿನ ಕ್ಷೀಣತೆ, ಥರ್ಮಲ್ ಡಿಟೆಕ್ಟರ್‌ನ ಸೂಕ್ಷ್ಮತೆ, ಇಮೇಜಿಂಗ್ ಅಲ್ಗಾರಿದಮ್, ಡೆಡ್-ಪಾಯಿಂಟ್ ಮತ್ತು ಬ್ಯಾಕ್ ಗ್ರೌಂಡ್ ಶಬ್ದಗಳು ಮತ್ತು ಗುರಿ ಹಿನ್ನೆಲೆ ತಾಪಮಾನ ವ್ಯತ್ಯಾಸದಂತಹ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಹಲವಾರು ಅಂಶಗಳಿವೆ.ಉದಾಹರಣೆಗೆ, ಗುರಿಯ ಹಿನ್ನೆಲೆ ತಾಪಮಾನ ವ್ಯತ್ಯಾಸದ ಕಾರಣ, ಸಿಗರೆಟ್ ಬಟ್ ಹೆಚ್ಚು ಚಿಕ್ಕದಾಗಿದ್ದರೂ ಅದೇ ದೂರದಲ್ಲಿರುವ ಮರದ ಎಲೆಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗಿ ಕಾಣುತ್ತದೆ.
ಪತ್ತೆ ದೂರವು ವ್ಯಕ್ತಿನಿಷ್ಠ ಅಂಶಗಳು ಮತ್ತು ವಸ್ತುನಿಷ್ಠ ಅಂಶಗಳ ಸಂಯೋಜನೆಯ ಫಲಿತಾಂಶವಾಗಿದೆ.ಇದು ವೀಕ್ಷಕರ ದೃಶ್ಯ ಮನೋವಿಜ್ಞಾನ, ಅನುಭವ ಮತ್ತು ಇತರ ಅಂಶಗಳಿಗೆ ಸಂಬಂಧಿಸಿದೆ."ಥರ್ಮಲ್ ಕ್ಯಾಮೆರಾ ಎಷ್ಟು ದೂರ ನೋಡುತ್ತದೆ" ಎಂದು ಉತ್ತರಿಸಲು, ನಾವು ಅದರ ಅರ್ಥವನ್ನು ಮೊದಲು ಕಂಡುಹಿಡಿಯಬೇಕು.ಉದಾಹರಣೆಗೆ, ಒಂದು ಗುರಿಯನ್ನು ಪತ್ತೆಹಚ್ಚಲು, A ತಾನು ಅದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ನೋಡಬಹುದೆಂದು ಭಾವಿಸಿದರೆ, B ಇಲ್ಲದಿರಬಹುದು.ಆದ್ದರಿಂದ, ವಸ್ತುನಿಷ್ಠ ಮತ್ತು ಏಕೀಕೃತ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡ ಇರಬೇಕು.

ಜಾನ್ಸನ್ ಅವರ ಮಾನದಂಡ
ಪ್ರಯೋಗದ ಪ್ರಕಾರ ರೇಖೆಯ ಜೋಡಿಗಳೊಂದಿಗೆ ಕಣ್ಣಿನ ಪತ್ತೆ ಸಮಸ್ಯೆಯನ್ನು ಜಾನ್ಸನ್ ಹೋಲಿಸಿದ್ದಾರೆ.ವೀಕ್ಷಕನ ದೃಷ್ಟಿ ತೀಕ್ಷ್ಣತೆಯ ಮಿತಿಯಲ್ಲಿ ಸಮಾನಾಂತರ ಬೆಳಕು ಮತ್ತು ಗಾಢ ರೇಖೆಗಳ ಉದ್ದಕ್ಕೂ ಇರುವ ಅಂತರವನ್ನು ರೇಖೆಯ ಜೋಡಿ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.ಒಂದು ಸಾಲಿನ ಜೋಡಿಯು ಎರಡು ಪಿಕ್ಸೆಲ್‌ಗಳಿಗೆ ಸಮನಾಗಿರುತ್ತದೆ.ಗುರಿ ಮತ್ತು ಚಿತ್ರದ ದೋಷಗಳ ಸ್ವರೂಪವನ್ನು ಪರಿಗಣಿಸದೆ ಲೈನ್ ಜೋಡಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅತಿಗೆಂಪು ಥರ್ಮಲ್ ಇಮೇಜರ್ ಸಿಸ್ಟಮ್ನ ಗುರಿ ಗುರುತಿಸುವಿಕೆಯ ಸಾಮರ್ಥ್ಯವನ್ನು ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಿದೆ ಎಂದು ಅನೇಕ ಅಧ್ಯಯನಗಳು ತೋರಿಸಿವೆ.

ಫೋಕಲ್ ಪ್ಲೇನ್‌ನಲ್ಲಿನ ಪ್ರತಿ ಗುರಿಯ ಚಿತ್ರವು ಕೆಲವು ಪಿಕ್ಸೆಲ್‌ಗಳನ್ನು ಆಕ್ರಮಿಸುತ್ತದೆ, ಇದನ್ನು ಗಾತ್ರ, ಗುರಿ ಮತ್ತು ಥರ್ಮಲ್ ಇಮೇಜರ್ ನಡುವಿನ ಅಂತರ ಮತ್ತು ತತ್‌ಕ್ಷಣದ ಕ್ಷೇತ್ರದಿಂದ (IFOV) ಲೆಕ್ಕಹಾಕಬಹುದು.ಗುರಿಯ ಗಾತ್ರದ (d) ದೂರಕ್ಕೆ (L) ಅನುಪಾತವನ್ನು ದ್ಯುತಿರಂಧ್ರ ಕೋನ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.ಚಿತ್ರವು ಆಕ್ರಮಿಸಿಕೊಂಡಿರುವ ಪಿಕ್ಸೆಲ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಪಡೆಯಲು ಇದನ್ನು IFOV ಯಿಂದ ಭಾಗಿಸಬಹುದು, ಅಂದರೆ, n = (D / L) / IFOV = (DF) / (LD).ಫೋಕಲ್ ಲೆಂತ್ ದೊಡ್ಡದಾದಷ್ಟೂ ಗುರಿಯ ಚಿತ್ರವು ಹೆಚ್ಚು ಪ್ರಧಾನ ಬಿಂದುಗಳನ್ನು ಆಕ್ರಮಿಸಿಕೊಂಡಿರುವುದನ್ನು ಕಾಣಬಹುದು.ಜಾನ್ಸನ್ ಮಾನದಂಡದ ಪ್ರಕಾರ, ಪತ್ತೆ ದೂರವು ಹೆಚ್ಚು ದೂರದಲ್ಲಿದೆ.ಮತ್ತೊಂದೆಡೆ, ಫೋಕಲ್ ಉದ್ದವು ದೊಡ್ಡದಾಗಿದೆ, ಕ್ಷೇತ್ರದ ಕೋನವು ಚಿಕ್ಕದಾಗಿದೆ ಮತ್ತು ಹೆಚ್ಚಿನ ವೆಚ್ಚವಾಗುತ್ತದೆ.

ಜಾನ್ಸನ್ನ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಕನಿಷ್ಠ ರೆಸಲ್ಯೂಶನ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ನಿರ್ದಿಷ್ಟ ಥರ್ಮಲ್ ಇಮೇಜ್ ಅನ್ನು ಎಷ್ಟು ದೂರ ನೋಡಬಹುದು ಎಂಬುದನ್ನು ನಾವು ಲೆಕ್ಕಾಚಾರ ಮಾಡಬಹುದು:

ಪತ್ತೆ - ಒಂದು ವಸ್ತುವು ಇರುತ್ತದೆ: 2 +1/-0.5 ಪಿಕ್ಸೆಲ್‌ಗಳು
ಗುರುತಿಸುವಿಕೆ - ಪ್ರಕಾರದ ವಸ್ತುವನ್ನು ಗುರುತಿಸಬಹುದು, ಒಬ್ಬ ವ್ಯಕ್ತಿ ವಿರುದ್ಧ ಕಾರು: 8 +1.6/-0.4 ಪಿಕ್ಸೆಲ್‌ಗಳು
ಗುರುತಿಸುವಿಕೆ - ನಿರ್ದಿಷ್ಟ ವಸ್ತುವನ್ನು ಗುರುತಿಸಬಹುದು, ಮಹಿಳೆ ವಿರುದ್ಧ ಪುರುಷ, ನಿರ್ದಿಷ್ಟ ಕಾರು: 12.8 +3.2/-2.8 ಪಿಕ್ಸೆಲ್‌ಗಳು
ಈ ಅಳತೆಗಳು ವೀಕ್ಷಕನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಮಟ್ಟಕ್ಕೆ ವಸ್ತುವನ್ನು ತಾರತಮ್ಯ ಮಾಡುವ 50% ಸಂಭವನೀಯತೆಯನ್ನು ನೀಡುತ್ತದೆ.