非制冷热红外传感器越来越多地部署在无人机系统(unmanned aerial systems，UAS)上，用于农业、林业、野生动物调查和监视。热数据的获取需要对设备进行准确和统一的测试，以确保精确的温度测量。

　　我们改进了一种专为无人机遥感设计的非冷却热红外传感器FLIR Vue Pro Radiometric (FVPR-FLIR Systems, Inc., Wilsonville, USA)，如图1，使用专有的外部加热快门作为校准源。

　图1 安装外部加热快门的FLIR Vue Pro Radiometric和标准的FLIR Vue Pro Radiometric。

　　对改进后的热传感器和标准热传感器(即没有加热快门的热传感器)在现场和温度调制实验室条件下的性能进行了比较。

　　实验室试验用黑体源在35◦C超过150分钟的测试期间，改进和标准的热传感器产生的温度范围分别为34.3-35.6◦C和33.5-36.4◦C，如图2。

　　图2 实验室温度试验，黑体源被保持在35◦C(灰线)。

　　实验室实验还包括通过在热传感器上方以每秒4米的速度引入气流来模拟飞行条件，如图3，测试的结果包括四个阶段:(1)初始传感器稳定阶段，(2)产生“激波冷却(shock cooling)”事件的第一个引入气流，(3)随后引入气流模拟飞行条件，(4)风停止后传感器稳定阶段。 

　　黑体源保持在25◦C的恒定温度下，引入2分钟的空气流导致在改进和标准的传感器中的“激波冷却”事件，分别在19-30◦C和-15-65◦C之间振荡。在最初的“激波冷却”事件后，改进和标准的热传感器分别在22-27◦C和5-45◦C之间振荡。

　　图3 对改进后和标准的FLIR Vue Pro Radiometric进行气流试验。黑体源被保持在25◦C并引入空气流(4米/秒)

　　在松树种植园进行的现场试验中，在并排比较中，改进的热传感器也优于标准的传感器，如图4。改进后的热传感器在整个飞行过程中能够更好地保持一致的温度，而标准的传感器的温度则在飞行过程中随着环境温度的变化而波动。“激波冷却”事件在改进后的传感器的数据中并不明显(图4b)。改进后的传感器的标准平均误差较大，主要是由于松树边缘效应(暗环)，这在标准的传感器的数据中也很明显。这是不同的正射影像之间的轻微错位和角度观察的结果，突出了树冠的边缘。与同一飞行中未修改的传感器相比，修改后的传感器的标准平均误差一直较小，如图5。

　　图4 松树园上空飞行的热成像正交图和直方图，显示每个独特像素位置的温度(°C)标准平均误差和测绘条件下发生的变化，(a)标准FLIR Vue Pro R(b)改进后的FLIR Vue Pro R，(c)研究地点上空的飞行路径，研究区域热图像上的剖面线和起止点。

　　图5 四次飞行的标准平均误差(℃)对比。四分位数1-灰色虚线，四分位数2-黑色虚线，以及四分位数3-灰色虚线。

　　总之，安装加热快门的使用改善了热测量，为热测绘项目提供了更一致、更准确的温度数据。

　　来源：Virtue, J.; Turner, D.; Williams, G.; Zeliadt, S.; McCabe, M.; Lucieer, A. Thermal Sensor Calibration for Unmanned Aerial Systems Using an External Heated Shutter. Drones 2021, 5, 119. https://doi.org/10.3390/drones5040119

　　编辑：王春颖