一面是測溫需求爆發，另一面是產能供不應求，于是各類 AI 測溫方案魚龍涌現。在扎堆的精度宣傳詞之下，有多少真正合格，又有多少在渾水摸魚？行業亟待一套“通用”標準。【專題：紅外測溫儀，疫情帶火的2020首個爆款】

一根棉花棒也能提升測溫精度？大疆推出的無人機測溫方案頗為吸引眼球。除了空中消毒、喊話外，在測溫設備緊缺的情況下，無人機也緊急上陣，被拿來用做遠程測溫。【相關閱讀：大疆推出無人機測溫應急解決方案 一根棉花棒成解決精度的關鍵】

但無人機搭載的熱成像鏡頭，原本是為工業場景設計，測量體溫這樣精細的絕對溫度時，準確性往往不足，有時誤差甚至達 4~5℃，無法滿足室外的體溫篩查需求。

為了滿足這一應急需求，大疆工程師可謂團隊奇思妙想，在“熱成像傳感器+黑體”的研發思路下，找到了棉花棒這樣一個“簡易黑體”。

之所以用棉花棒有大疆嚴謹的考量：黑體必須很輕，重了影響飛行安全性；必須要有良好的熱力學特性，自身溫度不易變化；還必須容易獲得和制造，最好是一線隨手可得的簡單物品；類比黑體的思路，棉花棒可做參考溫度，固定在無人機熱成像鏡頭視野之內，再利用額溫槍對無人機的測溫進行校準，即可用于體溫測量。

棉花棒在熱成像視野中的界面

大疆稱，該方案可滿足 2~3 米距離下，在高速路口、社區等進行無接觸體溫篩查，在無風、無陽光直射的情況下，測量誤差為±0.5℃。

用一根棉花棒提升精度是否靠譜？顯然仍需在實際場景中檢驗。但不可否認的是，這仍然是應急需求下，倉促上陣的產物。

疫情之下，無論是交通樞紐、社區園區、商超寫字樓，出入口的測溫已是剛需，也是任務，爆發出緊急的需求。各類 AI 測溫方案不斷涌現，在沒有統一標準之下，產品良莠不齊，問題也在暗中滋長。

測溫準確度至關重要，直接影響疫情管控的結果。目前行業標注的精度多在±0.3℃~±0.5℃之間，這一精度代表了什么，又能否滿足不同環境下體溫篩查的需要？扎堆的精度之下，有多少真正合格，又有多少在渾水摸魚？

精度是如何煉成的

疫情所牽動的測溫需求足夠巨大，并且很有可能演化為一項基礎服務，于是各類 AI 測溫方案紛紛涌現。不但原有的門禁、閘機武裝了測溫功能，機器人、無人機、AR 眼鏡等也沖到測溫一線。

一位業內人士稱，與安防相關的公司幾乎都在做 AI 測溫產品，其行業熱度可見一斑。這些產品都會標出測溫誤差，多在±0.3℃~±0.5℃之間，數值越小，理論上代表測溫精度越高。

機器之心發現，無人機、機器人、刷臉門禁等測溫方案，宣稱精度多為±0.5℃，相對精度較低，且不少于室外場景。而火車站、地鐵站等高人流密度場景的 AI 測溫方案，精度多為±0.3℃，且多用于室內場景。

為何兩種場景下的方案精度不同？先拋開環境因素，這一結果與紅外傳感器的分辨率和黑體密切相關。

紅外探測器的分辨率越高，相對而言精度越高。以海康威視的 AI 測溫產品為例，精度為±0.3℃的方案，多使用 384*288 分辨率的紅外探測器，而精度為±0.5℃的方案多使用 160*120 的分辨率。

黑體的作用也不言而喻，一位 AI 測溫方案負責人稱，他們測試后發現，在一些極端條件下，是否加入黑體，方案的效果可相差 1 度。

市面的方案中，要實現±0.3℃甚至更好的測溫效果，往往要結合高精度的紅外探測器與黑體。相應的，這類方案成本更高，多用于高人流場景。不過，也有一些公司依靠軟件而非黑體來實現精度。

現實中，一款產品的定位和形態往往決定了其使用的精度。格靈深瞳產品總監陳天博談道，面向不同人流密度和場景的產品設計，受眾用戶往往會評估產品價格、測溫精度與測溫形態。例如一款體積較小的測溫產品，其價格與場景往往決定，無法加入黑體，精度相應會受到影響。

一家 AI 公司員工透露，使用黑體和高精度的紅外探測器，可使方案成本增長數萬元。這對于無人機、刷臉門禁等產品而言，顯然是難以負擔的價格。

此外，對于紅外測溫產品，行業開始逐漸形成一種精度上的共識，無黑體校準往往稱精度為±0.5℃，有黑體則是±0.3℃。

盡管±0.5℃的誤差略大，但作為一項初篩手段，再結合相應的應用策略，已滿足落地需要。高德紅外也表示，大量的應用實踐證明，±0.5℃精度可以滿足公共場所的體溫初篩要求。

但令人擔憂的是，當下并沒有一套 AI 測溫方案的國家標準，各家的±0.5℃精度究竟是何條件下得出的，效果是否相同，又是否真的達到這一精度，都要打上一個問號。

脫離環境談精度就是“耍流氓”

寒冷的冬天，當你從室外走進小區時，安保人員用額溫槍在你的額頭上“滴”一下，可能只顯示二十度左右。

即使是經過黑體校準的 AI 測溫儀也是如此。北京一家超市入口的 AI 測溫儀顯示，從寒冷的室外走入的行人額溫只有 30 度左右。并非設備不精確，而是行人額頭表面的溫度就是如此，此時測量額溫的絕對值，即使有高溫的行人也很難篩選出來。

“相比精度，怎么能夠測出接近人體的真實體溫更為重要。”格靈深瞳產品總監陳天博說。

為此，格靈深瞳結合紅外熱成像儀測量溫度、環境溫度、人體溫度以及人臉溫度等，通過算法進行溫度補償，盡可能呈現人體真實體溫。

陳天博稱，在北京崔各莊某一村口，近期其 AI 測溫設備檢測到一粒高溫人員，體溫達 38.4℃，二次篩查后體溫基本一致。通過溫度補償盡可能還原人體體溫，更有利于后期工作的推進。

溫度補償這一方式也被更多公司采用。愛華盈通副總經理趙志揚稱，他們使用一體化的黑體設計，在增加精度的同時部署更便捷；針對從寒冷的室外進入到室內這一場景，他們也通過算法補償獲得更準確的體溫。

他稱，其 AI 測溫方案主要應用在室內場景，從應用維度出發，設備的擺放位置要避免陽光直射；并且通過隔離帶搭建引導通道，使行人在 3 米內進行測量，從而保證測溫準確性。

比如在寫字樓等場景，光線照射在行人身上，可導致局部瞬間高溫，并可能引發報警，此時將紅外檢測鎖定人臉區域也是一種策略。此外，即使針對高人流場景的 AI 測溫儀，其精度最高的距離往往在 1~3 米之間。

可見，脫離了環境的限制，無論±0.3℃或±0.5℃的精度都沒有實際意義。

極具挑戰的戶外場景

猝不及防的疫情，從個人通行到公司開工，再到公共衛生，讓測溫成為一個全民性事件，相伴而生的是對測溫設備需求的迅猛增長。

但受限于春節期間工廠停工、道路封鎖，紅外探測芯片產能有限，且供應鏈緊缺，導致測溫設備嚴重稀缺，市場供不應求。

供給不足下，“群雄”并起，“混亂”的局面隨之出現。一眾機器人、無人機、AR 眼鏡等企業紛紛加入紅外測溫模塊，各種“測溫 XX”涌現。

這些“新生”方案多用在戶外測溫，而戶外的復雜環境，恰恰給紅外測溫帶來嚴重挑戰。

結合紅外熱成像的物理因素，戶外的工作條件更為惡略，溫度、陽光、霧霾、風沙以及移動等，都會改變人體紅外輻射能量，進而影響測溫的準確性。這些方案在戶外場景的真實表現仍需打上一個問號。

以大疆的無人機測溫方案為例，它在無風、無陽光直射的情況下，測量誤差才能達到±0.5℃，局限性也較為明顯。

大疆公關總監謝闐地坦言，這本身是一個工業級方案，只是已經有人拿無人機來測溫了，出于應急考慮，大疆盡可能的去改進它。

“我們的方案其實是一個工作方法，不是賣機器，針對的是已經有我們御 2 行業雙光版無人機的用戶，讓測溫干得更靠譜點。”

上述業內人士透露，許多測溫方案均是臨時趕工，拼湊起來的，一些方案連雙光（紅外光/可見光）校準都沒做，準確性更是參差不齊。

另外，即使許多企業都推出了紅外測溫方案，但受限于供應鏈，往往供貨不足。

一位渠道商透露，他們從國內知名廠商手里拿貨，周期往往要 6 周。6 周意味著近一個半月，可見核心供應鏈的緊缺，并沒有隨著復工而解決。

他解釋，一方面紅外測溫芯片產能有限，而新開一條芯片產線又意味昂貴的成本；另一方面整個供應鏈之前沒有準備，被疫情打的措手不及。

亟待行業標準

測溫，是否會變成一種基礎服務，融入到各式各樣的安防應用中，就如同 2017 年火熱的語音交互，似乎要滲入家庭的每一個角落。

隨著各種 AI 測溫產品涌現，這一市場也迎來一個“春秋戰國”般的局面，到底什么是好的方案，精準度多少才有意義，行業呼喚國家標準的出現。

畢竟，只有在共同的環境、場景、條件下，在一套通用“語言”下，精度才有意義。（作者：寓揚）