Novel Performance Evaluation of Thermal Camera Based on VOx Bolometer Focal Plane Array via Analysis of Sigma NETD, Mean NETD, and Roughness Index
Notice bibliographique
Résumé
Keywords: roughness index (RI), noise equivalent temperature difference (NETD), full width at half maximum (FWHM), non-uniformity correction (NUC)With recent advancements in thermal imaging, the evaluation of thermal imaging performance has become important.In this study, the thermal-camera performance parameters of roughness index (RI), noise equivalent temperature difference (NETD), and the full width at half maximum (FWHM) of a statistical NETD histogram are investigated and compared by varying the integration times at different operating temperatures for vanadium oxide (VOx)based microbolometer focal plane arrays (FPAs) with the use of the Matlab algorithm platform.The quantitative performance assessment of an uncooled VOx microbolometer-based thermal imager, which was designed and fabricated by researchers from the National Chung-Shan Institute Science of Technology (NCSIST), Taiwan, and the National Optics Institute (INO), Canada, is proposed systematically.Explicitly, the uncompressed video data streams before non-uniformity correction (NUC) using two-point temperature calibration were acquired for integration times of 16.67, 33.33, and 50 ms at three operating temperatures of 10, 15, and 20 °C.The results from the estimations of NETD, FWHM of the NETD histogram, and the RI for the thermal imager are discussed for the imaging performance evaluation in different infrared operation scenarios.We believe that our findings can significantly contribute to the further development of IR imaging technology.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».