紅外線測溫槍準確度的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

整合可見光與熱像儀之邊緣運算裝置應用於即時多人顏面溫度量測

為了解決紅外線測溫槍準確度的問題，作者施宣宇 這樣論述：

發燒為人體免疫系統對抗大部分病毒入侵時的反應，因此可用來判定是否感染了某些疾病，進而提醒發燒者自主健康管理。在公共場所偵測發燒的技術仍存在一些瓶頸，例如：使用額溫槍測量每個人的額溫增加了人力負擔與接觸風險，且無法及時處理大量人群。部分人流量大的入口改以熱像儀進行量測，但會受非人體的熱源影響造成量測錯誤，需使用額溫槍進行二次複查。部分熱像儀改以多點測溫或在感興趣的矩形框內進行測溫，但對於不同個體的身高差異仍無法準確量測。 我們在Nvidia Jetson平台上整合可見光鏡頭與熱像儀，使用透視轉換矩陣實現雙影像對位，應用YOLOv4、U-Net模型與YCbCr閾值過濾進行可見光影像內人頭部

位膚色區域的偵測，再從對位後的熱影像同一位置找出該膚色區域的溫度。我們設計了圖形化介面操作儀器並即時顯示量測結果。 本研究開發的設備體積輕巧便於攜帶，適合應用在人流量大且不定期營業的場所入口，例如市場、夜市入口等。當行人手上拿著熱食，或是毛髮被烈日曝曬下的情境中，傳統熱像儀抓取到的高溫易被這些干擾誤導，而本設備仍可正確取得頭部皮膚的高溫。在陰天模式下每秒平均能運算8張影像，接近市售熱像儀的最高取樣頻率。本研究所開發的程式以python語言撰寫，可轉移至不同的運算設備上進行修改與擴充，所用的硬體設備主打較低的價格、優異的性能表現與輕巧且易於架設的特性，能被普及應用。

緊急應變系統之體溫量測系統變異分析

為了解決紅外線測溫槍準確度的問題，作者李彬鴻 這樣論述：

工業快速進步及人類文明迅速發展，資訊傳遞與交流頻率增加，進而增進人類對於緊急應變管理需求，緊急應變系統中的減災、整備、應變及復原的能力相對受到重視。台灣在全球疫情發展史上同樣歷經2002年嚴重急性呼吸道症候群(SARS)、2015年中東呼吸症候群冠狀病毒感染症(MERS)及2019年嚴重特殊傳染性肺炎(COVID-19)三大重要疾病肆虐，其中更以2019年爆發的COVID-19疫情更為嚴重。2019年爆發的COVID-19使得台灣與世界各國皆進入緊急管制措施與防制境外與境內感染，並在2020年2月份起台灣的消毒用酒精、防疫用口罩及量測體溫儀器列入三大疫情需求量最高項目。本研究詳細針對消防體系

中的緊急應變體系、企業防疫體系、大眾運輸防疫體系、醫療系統防疫體系及居家防疫體系所需使用之體溫量測儀器之水銀溫度計、電子體溫計、耳溫計、額溫計及紅外線熱感計執行變異係數(CV)並瞭解緊急應變體系中能準確量測出發燒患者並進入緊急決策系統的能力。本研究運用問卷分析法及體溫實測法評估50名隨機取樣受測者，分析其相關體溫儀器使用觀念與不確定性系統關聯性。本研究分析與評估，體溫量測儀器可分為接觸式(水銀溫度計、電子體溫計、耳溫計)與非接觸式(額溫計、紅外線熱感計)，對應使用單位類別優先度分析為(1)消防體系中的緊急應變體系(非接觸型)、(2)企業防疫體系(非接觸型)、(3)大眾運輸防疫體系(非接觸型)、

(4)醫療系統防疫體系(非接觸型)、(5)居家防疫體系(接觸型)。本研究分析指出，接觸型體溫量測儀(水銀溫度計、電子體溫計、耳溫計)量測體溫準確度於誤差1%但不適用於公眾防疫系統；非接觸型體溫量測儀(額溫計、紅外線熱感計)量測體溫準確度於誤差5%於公眾防疫系統但需要加入誤差修正值以表示正確體表溫度。有鑑於防災應變系統應用，當非接觸型體溫量測儀(額溫計、紅外線熱感計)測定體溫加入修正值超過37.5℃則時需要再增加接觸型體溫量測儀(水銀溫度計、電子體溫計、耳溫計)再次確定是否有發燒現象，以確保可能因為修正誤差、量測距離誤差、環境溫度誤差、量測人員判讀誤差及其他系統誤差導致訊號偵檢理論中的(1)命中

率(+/+)、(2)正棄率(-/-)、(3)失誤率(+/-)及(4)漏失率(-/+)問題增加及犯第一型錯誤(type I error, α)及第二型錯誤(type II error, β)篩選率下降。