紅外線熱像儀準確度的問題，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

ThermalPose：基於熱影像深度學習人體姿態辨識技術之設計與實現

為了解決紅外線熱像儀準確度的問題，作者蔡承翰 這樣論述：

現行的人體姿態辨識方法相當多樣，其中，多數使用RGB相機拍攝高解析度的圖像來取得人體特徵後進行骨幹評估，然而彩色圖像在人體姿態辨識容易受到燈光、環境所影響，導致無法準確的獲得關節點骨架，此外，彩色圖像的相機無法運用於具有隱私之場域，如：醫院、照護中心的廁所或浴室等。目前有許多研究為了達到去特徵化的人體姿態辨識，使用射頻訊號收發器、毫米波雷達等感測器進行人體姿態辨識，然而，這些方法雜訊過高與解析度不足，導致關節點骨架準確度低。本論文提出一種基於熱影像深度學習人體姿態辨識技術，稱為「ThermalPose」，可準確的辨識與追蹤人體關節與骨幹。ThermalPose包含兩個部分:骨幹辨識技術與動作

辨識演算法，骨幹辨識技術以熱像感測器、AI邊緣運算裝置與自蒐集熱影像資料集進行人體姿態辨識；而動作辨識演算法的目標是辨識日常生活中的動作，如:走路、跑步、坐地與彎腰。由實驗結果可證明，ThermalPose可在無RGB相機的情況下有效的使用熱影像辨識人體姿勢，因此可用於低光源與具有個人隱私環境的無人化應用。

物聯網技術應用在火雞生理性狀監測之研究

為了解決紅外線熱像儀準確度的問題，作者朱建而 這樣論述：

家禽在台灣一直是相當重要的產業，根據業者指出，火雞的成長過程需要注意的環境參數包含溫濕度、氨氣、二氧化碳都是重點。國外火雞飼養周期約為3.5-4個月，台灣由於市場需求，飼養周期常達5個月以上，因此需要長期投入大量人力於禽舍飼養環境的維持與管理。為改善餵飼現況，本研究將環境感測器包含溫濕度感測器、二氧化碳感測器、氨氣感測器、風速計整合，並配置手機APP遠端監控及警示功能，另更整合可見光相機及紅外線熱像儀整合於單晶片微電腦樹莓派(RaspberryPi)系統中，並將環境感測系統、火雞本體監測系統及體重監測系統設置於雲林北港及嘉義溪口2商業禽舍內。利用WIFI蒐集禽舍之環境感測數值、可見光影像、紅

外線影像及體重資訊並上傳至雲端，以進行即時監控及火雞生長觀察試驗。實驗結果發現，火雞體溫將隨著日齡的增長逐漸上升，在日齡約8周時，火雞的平均體溫約為37±3oC，當飼養日齡到約16周時，平均體溫約38±3oC，此時火雞發生熱緊迫的頻率會來越高。另外，本研究將已收集的可見光影像利用機器學習進行辨識，建立了火雞本體及火雞雞頭兩模型，其中火雞本體辨識的準確度(Precision)為95.5%、火雞雞頭辨識的準確度(Precision)為93.1%，皆達到9成以上，已展現辨識系統的有效性。最後，本研究亦將所收集的體重資訊與業者提供的飼料提供資訊進行比對分析，結果顯示火雞在90日齡前的飼料轉換率較90日

齡後佳，代表飼養越久所需的飼料成本則越來越高。本研究所設置之環境感測系統、影像監測系統及體重系統除可全天候且長期設置於禽舍中，更提供業者所需的即時量化資訊，不只減少飼養業者的人力花費，更提升火雞飼養福利，同步增進家禽業者的經濟獲益。