Tespit Doğruluğu için Termal Hassasiyetin (NETD) Önemi

Doğru Termal Güvenlik Kamerasını Seçmek: Termal Hassasiyetin (NETD) Rolü

Kullanıcılar güvenlik sistemlerini genişletmeye ve geliştirmeye devam ettikçe, çevre güvenliğinde genel durumsal farkındalığı artırmak için termal kameraların adaptasyonu giderek yaygınlaşan bir trend haline gelmiştir. Daha fazla görünür kamera üreticisi termal çözümler sunmaya başladığı için, giriş seviyesi bir kamera ile yüksek performanslı bir kamera arasındaki farkları anlamak önemlidir. Görünür kameralarla aşina olanlar, çözünürlük ve mevcut piksel sayısının, gerekli uygulamalarda analitiklerin ne kadar iyi çalışacağını belirlediğini bilir. Termal kameralarda çözünürlük önemli olmakla birlikte, aynı zamanda NETD'nin ne olduğu ve bunun kamera performansını nasıl etkilediğini de bilmek gerekir. Bu teknik notta, bir termal kameranın NETD'sinin görüntü kalitesini ve analitiklerle olan performansını nasıl etkilediğini öğreneceksiniz.

Termal Hassasiyetin (NETD) Tanımı

Termal hassasiyet, Gürültü Eşdeğeri Sıcaklık Farkı (Noise Equivalent Temperature Difference - NETD) olarak da bilinir ve bir termal cihaz kullanılırken görülebilen en küçük sıcaklık farkını ifade eder. Bu değer genellikle miliKelvin (mK) cinsinden ölçülür. Temelde, sistem için bir elektronik gürültü derecesi olarak hizmet eder.

İdeal olarak, termal kameranızın mümkün olan en düşük mK değerine sahip olmasını istersiniz. NETD ne kadar düşük olursa, sensör küçük sıcaklık farklarını o kadar iyi kaydedebilir. Daha yüksek bir NETD ile görüntü netliğini kaybederiz ve bu durum analitik performansını ve zorlu hava koşullarında görme yeteneğini etkiler.

Sahne detaylarını mümkün olduğunca yakalamanızı sağlayabilecek başka değişkenler de vardır; örneğin f-stop numarası. Ancak, bu yazının amacı doğrultusunda NETD'ye odaklanacağız.

Termal Hassasiyetin (NETD) Önemi

Termal Hassasiyetin (NETD) Görüntü Netliği Üzerindeki Etkisi

Termal bir güvenlik kamerasını değerlendirirken ve NETD değerine bakarken, kameranın küçük sıcaklık farklarını algılama yeteneği (düşük NETD) ile sistem fiyatı arasında bir ilişki olduğunu fark edebilirsiniz. Genel olarak, termal bir dedektörün kalitesini belirlemek için aşağıdaki ölçeği kullanabilirsiniz:

<25mK (Mükemmel)
<40mK (Harika)
<50mK (İyi)
<60mK (Kabul edilebilir)
<80mK (Tatmin edici)

Bir termal kamera, görüş alanındaki sıcaklık değişikliklerine gri tonlar atayarak bir görüntü oluşturur. Daha düşük mK değerleri, daha küçük sıcaklık değişimlerini algılayabildiği için görüntüde daha fazla gri ton üretilir ve bu da nihayetinde daha iyi netlik sağlar. Bu durum, kötü hava koşullarında daha iyi bir performans sağlamanın yanı sıra analitiklerle birlikte kullanıldığında daha iyi algılama ve sınıflandırma sunar. Buna karşılık, <60mK değerine sahip bir kamera kabul edilebilir olmakla birlikte, daha grenli bir görüntü üretecek, daha düşük bir algılama aralığına sahip olacak ve büyük olasılıkla analitiklerle daha fazla yanlış alarm tetikleyecektir.

Ek bir avantaj olarak, düşük NETD değerine sahip kameralar sıcaklık değişimlerini daha hızlı ve daha hassas bir şekilde algılayabilir, bu da potansiyel sorunların tespit edilmesi ve kaynakların yönetimi konusunda daha fazla verimlilik sağlar.

Yukarıdaki örnekler, ortam sıcaklığının yaklaşık 55°F olduğu ve yağmur yağdığı koşullarda çekilen görüntüleri göstermektedir. Şekil 2’de, NETD değeri <35 mK olan kamera, daha net bir görüntü ve daha keskin sahne detayları sağlamaktadır.

Çözünürlük ve NETD

Peki, doğru termal güvenlik kamerasını araştırırken bu bilgiler sizin için ne ifade ediyor? Şirketlerin genellikle 640 × 480 termal çözünürlük sunduklarını iddia etmeleri yaygındır. Ancak bu modeller arasında fiyat farkı binlerce doları bulabilir. Neden? Genellikle, düşük maliyetli 640 × 480 kameralar hakkında belirtilmeyen şey, bu kameraların NETD değeridir: Daha az hassasiyet sunan dedektörleri (yüksek NETD ile) daha düşük performans gösterir.

NETD değeri <25 mK olan bir termal kamera, görüş alanındaki çok küçük sıcaklık farklarını, NETD değeri <60 mK olan bir kameraya kıyasla ayırt edebilir. Her iki kamera da 640 × 480 çözünürlüğe sahip olsa bile, yani görüntü oluşturmak için 307.200 piksel kullanıyor olsa da, <25 mK NETD değerine sahip kamera, <60 mK olan kameraya kıyasla çok daha net bir görüntü üretecektir.

Termal Hassasiyetin (NETD) Güvenlik Sistemi Performansını Geliştirmesi

Güvenlik uygulamalarında, termal kameralar genellikle bir tür analitik ile eşleştirilir. Çoğu üretici yerleşik bir çözüm sunarken, bazı müşteriler sunucu tabanlı bir seçenek tercih eder. Kenar (edge) veya sunucu tabanlı olmasından bağımsız olarak, çoğu analitik ya hareket tabanlı ya da sinir ağı tabanlı platformlar olacaktır. Her iki platformun da güçlü ve zayıf yönleri vardır. Ancak doğru termal kamerayı seçerken, termal hassasiyetin analitik performansı nasıl etkileyeceğini anlamak önemlidir.

Hareket Tabanlı Analitiklerde Termal Hassasiyetin (NETD) Rolü

Genel olarak, hareket tabanlı analitik platformlar hareketle tetiklenen nesne sınıflandırması sağlar. Bu sistemde, analitikler kamera görüş alanına göre kalibre edilerek ön ve arka plandaki hedef boyutları belirlenir. Kamera hareket algıladığında, hareket eden nesneyi hedef boyutuna ve piksel değişikliğine göre sınıflandırır. Hedef, tanımlı kuralları ihlal ederse ve istenilen hedef olarak sınıflandırılırsa, alarm oluşturulur.

Hareket tabanlı analitiklerde, ilk algılama için kamera çözünürlüğü en önemli unsurdur. Daha fazla piksel bulunması, kameranın nesneleri daha uzak mesafelerde algılayıp sınıflandırmasına olanak tanır. Ancak, düşük NETD değeri, kamera ve analitiklerin daha kararlı bir performans göstermesini sağlar, özellikle olumsuz hava koşullarında. Örneğin, <30 mK değerine sahip bir kamera, yağmur sırasında <50 mK değerine sahip aynı çözünürlükteki bir kameradan daha kararlı bir görüntü sunacaktır (Şekil 1 ve 2’ye bakınız). Bu durum, daha doğru ve tutarlı bir performans sağlar.

Sinir Ağı Tabanlı Analitiklerde Termal Hassasiyetin (NETD) Rolü

Sinir ağı tabanlı analitik platformlar, insan beyninin çalışma şekline oldukça benzer şekilde çalışır. Algoritmalar, tek bir görüntüde nesneleri tanır, sınıflandırır ve konumlandırır. Sinir ağları, derin öğrenme süreciyle eğitilir ve büyük bir veri setine ihtiyaç duyar. Ayrıca, analitikleri çalıştırabilecek özel bir işlemci gerektirir. Bu sistemde, nesneler piksel değişikliği ve hareket temelinde sınıflandırılmak yerine, yüzbinlerce örnek üzerinde eğitilmiş bir model kullanılarak analiz edilir. Bu durum, daha doğru bir sınıflandırma sağlayarak yanlış alarm oranını düşürür.

Sinir ağı tabanlı analitiklerle kullanılacak doğru termal kamerayı seçerken, en düşük mK değerine sahip bir kamera en iyi seçenek olacaktır. Özellikle görüntü analizi yazılım düzeyinde yapılıyorsa, detaylar ve netlik optimal performans için önemlidir. Düşük mK değeri, sadece olumsuz hava koşullarında optimal performansı korumakla kalmaz, aynı zamanda yanlış alarmları da azaltır.

FLIR Termal Güvenlik Kameralarının İyiden En İyiye Karşılaştırması: FB-Serisi, PT-Serisi, FH-Serisi Hassasiyet Değerleri

Temel Çıkarımlar

Eğer bir termal güvenlik kamerası almayı düşünüyorsanız, görünür bir kameranın sunamayacağı özelliklere ihtiyaç duyuyor olabilirsiniz. Bu teknolojiyi bir yatırım olarak değerlendiriyorsanız, daha yüksek doğruluk, daha iyi görüntü kalitesi, gelişmiş nesne tanıma ve zorlu hava koşullarında bile artan verimlilik sunmayan bir ürünle kendinizi sınırlamayın.

Termal kameralar, analitiklerle birleştirildiğinde, her türlü çevreyi sanal bir bariyerle koruma altına alır. Bu teknolojiye yatırım yapıyorsanız, yalnızca açık ve güneşli günlerde değil, kar, yağmur, sis ve karanlıkta da sonuç verecek bir kamera aldığınızdan emin olun.