ಸರಿ, ಇದು ಸಮಂಜಸವಾದ ಪ್ರಶ್ನೆಯಾಗಿದೆ ಆದರೆ ಸರಳ ಉತ್ತರವಿಲ್ಲ. ವಿಭಿನ್ನ ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿನ ಕ್ಷೀಣತೆ, ಉಷ್ಣ ಪತ್ತೆಕಾರಕದ ಸೂಕ್ಷ್ಮತೆ, ಇಮೇಜಿಂಗ್ ಅಲ್ಗಾರಿದಮ್, ಡೆಡ್-ಪಾಯಿಂಟ್ ಮತ್ತು ಹಿನ್ನೆಲೆ ಶಬ್ದಗಳು ಮತ್ತು ಗುರಿ ಹಿನ್ನೆಲೆ ತಾಪಮಾನ ವ್ಯತ್ಯಾಸದಂತಹ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಹಲವಾರು ಅಂಶಗಳಿವೆ. ಉದಾಹರಣೆಗೆ, ಗುರಿ ಹಿನ್ನೆಲೆ ತಾಪಮಾನ ವ್ಯತ್ಯಾಸದಿಂದಾಗಿ, ಸಿಗರೇಟ್ ತುಂಡು ಅದೇ ದೂರದಲ್ಲಿರುವ ಮರದ ಮೇಲಿನ ಎಲೆಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗಿ ಕಾಣುತ್ತದೆ, ಅದು ತುಂಬಾ ಚಿಕ್ಕದಾಗಿದ್ದರೂ ಸಹ.
ಪತ್ತೆ ದೂರವು ವ್ಯಕ್ತಿನಿಷ್ಠ ಅಂಶಗಳು ಮತ್ತು ವಸ್ತುನಿಷ್ಠ ಅಂಶಗಳ ಸಂಯೋಜನೆಯ ಪರಿಣಾಮವಾಗಿದೆ. ಇದು ವೀಕ್ಷಕರ ದೃಶ್ಯ ಮನೋವಿಜ್ಞಾನ, ಅನುಭವ ಮತ್ತು ಇತರ ಅಂಶಗಳಿಗೆ ಸಂಬಂಧಿಸಿದೆ. "ಥರ್ಮಲ್ ಕ್ಯಾಮೆರಾ ಎಷ್ಟು ದೂರ ನೋಡಬಹುದು" ಎಂದು ಉತ್ತರಿಸಲು, ನಾವು ಮೊದಲು ಅದರ ಅರ್ಥವನ್ನು ಕಂಡುಹಿಡಿಯಬೇಕು. ಉದಾಹರಣೆಗೆ, ಗುರಿಯನ್ನು ಪತ್ತೆಹಚ್ಚಲು, A ಅದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ನೋಡಬಹುದು ಎಂದು ಭಾವಿಸಿದರೆ, B ಅದನ್ನು ನೋಡದೇ ಇರಬಹುದು. ಆದ್ದರಿಂದ, ವಸ್ತುನಿಷ್ಠ ಮತ್ತು ಏಕೀಕೃತ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡ ಇರಬೇಕು.
ಜಾನ್ಸನ್ ಅವರ ಮಾನದಂಡಗಳು
ಜಾನ್ಸನ್ ಕಣ್ಣಿನ ಪತ್ತೆ ಸಮಸ್ಯೆಯನ್ನು ಪ್ರಯೋಗದ ಪ್ರಕಾರ ರೇಖೆಯ ಜೋಡಿಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದರು. ರೇಖೆಯ ಜೋಡಿ ಎಂದರೆ ವೀಕ್ಷಕರ ದೃಷ್ಟಿ ತೀಕ್ಷ್ಣತೆಯ ಮಿತಿಯಲ್ಲಿ ಸಮಾನಾಂತರ ಬೆಳಕು ಮತ್ತು ಗಾಢ ರೇಖೆಗಳಾದ್ಯಂತ ಒಳಗೊಳ್ಳಲ್ಪಟ್ಟ ಅಂತರ. ರೇಖೆಯ ಜೋಡಿ ಎಂದರೆ ಎರಡು ಪಿಕ್ಸೆಲ್ಗಳಿಗೆ ಸಮಾನವಾಗಿರುತ್ತದೆ. ಗುರಿಯ ಸ್ವರೂಪ ಮತ್ತು ಚಿತ್ರ ದೋಷಗಳನ್ನು ಪರಿಗಣಿಸದೆ ರೇಖೆಯ ಜೋಡಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅತಿಗೆಂಪು ಉಷ್ಣ ಚಿತ್ರಣ ವ್ಯವಸ್ಥೆಯ ಗುರಿ ಗುರುತಿಸುವಿಕೆ ಸಾಮರ್ಥ್ಯವನ್ನು ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಿದೆ ಎಂದು ಅನೇಕ ಅಧ್ಯಯನಗಳು ತೋರಿಸಿವೆ.
ಫೋಕಲ್ ಪ್ಲೇನ್ನಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಗುರಿಯ ಚಿತ್ರವು ಕೆಲವು ಪಿಕ್ಸೆಲ್ಗಳನ್ನು ಆಕ್ರಮಿಸುತ್ತದೆ, ಇದನ್ನು ಗಾತ್ರ, ಗುರಿ ಮತ್ತು ಥರ್ಮಲ್ ಇಮೇಜರ್ ನಡುವಿನ ಅಂತರ ಮತ್ತು ತತ್ಕ್ಷಣದ ವೀಕ್ಷಣಾ ಕ್ಷೇತ್ರ (IFOV) ದಿಂದ ಲೆಕ್ಕಹಾಕಬಹುದು. ಗುರಿ ಗಾತ್ರ (d) ಮತ್ತು ದೂರ (L) ನಡುವಿನ ಅನುಪಾತವನ್ನು ದ್ಯುತಿರಂಧ್ರ ಕೋನ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಚಿತ್ರವು ಆಕ್ರಮಿಸಿಕೊಂಡಿರುವ ಪಿಕ್ಸೆಲ್ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಪಡೆಯಲು ಇದನ್ನು IFOV ನಿಂದ ಭಾಗಿಸಬಹುದು, ಅಂದರೆ, n = (D / L) / IFOV = (DF) / (LD). ಫೋಕಲ್ ಉದ್ದವು ದೊಡ್ಡದಾದಷ್ಟೂ, ಗುರಿ ಚಿತ್ರವು ಆಕ್ರಮಿಸಿಕೊಂಡಿರುವ ಅವಿಭಾಜ್ಯ ಬಿಂದುಗಳು ಹೆಚ್ಚು ಎಂದು ಕಾಣಬಹುದು. ಜಾನ್ಸನ್ ಮಾನದಂಡದ ಪ್ರಕಾರ, ಪತ್ತೆ ಅಂತರವು ದೂರದಲ್ಲಿದೆ. ಮತ್ತೊಂದೆಡೆ, ಫೋಕಲ್ ಉದ್ದವು ದೊಡ್ಡದಾಗಿದ್ದರೆ, ಕ್ಷೇತ್ರ ಕೋನವು ಚಿಕ್ಕದಾಗಿರುತ್ತದೆ ಮತ್ತು ವೆಚ್ಚವು ಹೆಚ್ಚಾಗಿರುತ್ತದೆ.
ಜಾನ್ಸನ್ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಕನಿಷ್ಠ ರೆಸಲ್ಯೂಶನ್ಗಳ ಆಧಾರದ ಮೇಲೆ ನಿರ್ದಿಷ್ಟ ಉಷ್ಣ ಚಿತ್ರವು ಎಷ್ಟು ದೂರ ನೋಡಬಹುದು ಎಂಬುದನ್ನು ನಾವು ಲೆಕ್ಕ ಹಾಕಬಹುದು:
ಪತ್ತೆ - ಒಂದು ವಸ್ತು ಇದೆ: 2 +1/-0.5 ಪಿಕ್ಸೆಲ್ಗಳು
ಗುರುತಿಸುವಿಕೆ – ಪ್ರಕಾರದ ವಸ್ತುವನ್ನು ಗ್ರಹಿಸಬಹುದು, ವ್ಯಕ್ತಿ vs ಕಾರು: 8 +1.6/-0.4 ಪಿಕ್ಸೆಲ್ಗಳು
ಗುರುತಿಸುವಿಕೆ - ಒಂದು ನಿರ್ದಿಷ್ಟ ವಸ್ತುವನ್ನು ಗುರುತಿಸಬಹುದು, ಮಹಿಳೆ vs. ಪುರುಷ, ನಿರ್ದಿಷ್ಟ ಕಾರು: 12.8 +3.2/-2.8 ಪಿಕ್ಸೆಲ್ಗಳು
ಈ ಅಳತೆಗಳು ವೀಕ್ಷಕನು ಒಂದು ವಸ್ತುವನ್ನು ನಿರ್ದಿಷ್ಟ ಮಟ್ಟಕ್ಕೆ ತಾರತಮ್ಯ ಮಾಡುವ 50% ಸಂಭವನೀಯತೆಯನ್ನು ನೀಡುತ್ತವೆ.
ಪೋಸ್ಟ್ ಸಮಯ: ನವೆಂಬರ್-23-2021