深度热成像技术可创建让人感受到温度的3D对象

美国威斯康辛大学麦迪逊分校的研究人员研发了一种新技术,可以创建让人感受到温度的 3D 对象。据 osa-opn 报道,这一被称为“深度热成像”的技术,利用测量的热辐射光谱提取其温度作为深度的函数。这一技术在 VR、AR 等沉浸式内容制作上的应用,无疑将带来更逼真的体验。

所有温度大于绝对零度的物体都会产生热辐射,尽管它在很大程度上是肉眼看不见的。红外热成像可将热辐射信息转换成可见图像,从而揭示给定表面的温度分布。威斯康辛大学麦迪逊分校的研究将红外热成像技术又推进了一步。

在过去的五年里,Mikhail Kats 和他的同事们一直致力于提高他们实验室中进行热辐射测量的准确性——这一任务由于环境甚至仪器本身的背景辐射的混淆性而变得困难。随着数据质量的提高,研究人员考虑将他们的发现应用到更好的传感技术上。

Kats 是威斯康星大学麦迪逊分校的电子和计算机工程教授,他说:“现在我们的测量能力已经足够精确,我们可以开始辨别物体表面和表面以下区域对热辐射的影响。”

虽然多频微波辐射测量技术也能够进行无创的 3D 温度剖面分析,但其横向分辨率最多只能达到几厘米。另一方面,深度热成像的分辨率约为几十微米。

在他们的实验中,用傅里叶变换光谱仪测量的热辐射光谱是由不同深度的贡献组成的。每个贡献由局部温度和光学特性决定。利用这一概念,Kats 和他的同事创建了一个温度检索算法,从光谱中提取不同深度的温度剖面。

作为一个概念验证实验,研究人员测量了放置在加热表面上的 1 毫米厚熔融二氧化硅平板的 3D 温度分布。他们从平板和碳纳米管黑体基准上收集了 100、200 和 300℃的热辐射光谱。然后,该平板被建模为一个薄膜堆栈,每一层有不同的温度。根据样品的几何形状和光学性质,计算结果与预期的温度分布一致。

接下来,Kats 希望将机器学习融入温度检索算法中,并执行额外的实验,以测试这项技术在未来的应用。【数字叙事 黎雾】

有问题和想法?与数字诗人讨论、交流,以获得更多的信息、意见。

赞赏
黎雾
黎雾
技术一直以来都是艺术不可或缺的因素
本文系数字叙事原创(编译)内容,未经授权,不得用于商业目的,非商业转载须注明来源并加回链。

订阅

受欢迎的

相关文章
Related