麥姆斯咨詢獲悉，近期，北京航空航天大學（簡稱：北航）白相志、孟偲團隊在熱紅外成像+人工智能領域取得進展，相關論文以 “TherNet: Thermal Segmentation Network Harnessing Physical Properties” 為題發表于《IEEE 模式分析與機器智能匯刊》（IEEE Transactions on Pattern Analysis and Machine Intelligence）。該研究基于熱輻射紅外成像物理機理，構建了熱輻射成像機理引導的編解碼深度網絡，實現了熱紅外圖像高精度分割，為深度學習模型從純“數據驅動”轉變為“物理機理+數據驅動”提供了一條新途徑。
熱紅外成像依托物體熱輻射實現全天候觀測，但其成像質量由大氣傳輸、傳感器響應、物體間相互作用等多物理過程耦合決定，導致熱紅外目標精準分割面臨如下挑戰：（1）大氣傳輸過程中熱輻射的吸收與散射衰減，直接削弱目標信號完整性；（2）傳感器熱慣性引發的時間響應滯后，難以精準復現動態場景真實熱輻射特征；（3）物體間熱交換導致的邊界彌散效應和材料發射率個體差異，加劇熱特性相似物體的區分難度；（4）現有數據集規模小、語義類別覆蓋不足，限制了模型泛化能力。這都使得未融入熱輻射成像機理的傳統純數據驅動方法缺乏對熱輻射環境變化的自適應調節能力，導致分割精度與魯棒性難以滿足實際應用需求。
圖1 熱輻射物理特性建模
針對上述問題，研究團隊從物理建模與網絡設計兩個維度開展深入研究。在物理機制建模層面，基于熱輻射成像理論與傳感器工作原理，建立了熱紅外成像數學解析模型；并通過算子理論分析證明，神經網絡逼近逆算子可穩定重構熱紅外成像逆過程。該模型為熱輻射成像機理引導的深度網絡構建奠定了理論基礎。
圖2 方法主體框架
進而，在網絡設計上，圍繞熱輻射成像全鏈條建立了四個物理驅動模塊（圖1），包括：（1）大氣傳輸模塊：基于輻射衰減規律，通過自適應學習補償大氣吸收與散射損耗，增強遠距離目標特征辨識度；（2）熱慣性模塊：以能量守恒為核心，修正熱感元件時間響應滯后效應，還原物體真實熱輻射強度；（3）材料邊界模塊：提取熱輻射物理邊界先驗，強化模糊邊界特征表達，緩解物體間熱交換導致的邊界彌散問題；（4）材料輻射模塊：建模不同材料輻射特性差異，實現溫度相似但材質不同物體的有效區分，提升分割準確性。研究團隊將構建的大氣傳輸、熱慣性和材料邊界模塊嵌入特征編碼階段，將材料輻射模塊集成于語義解碼階段，實現熱輻射成像機理的深度網絡構建（圖2），抑制成像過程的物理失真，獲得了高精度分割結果。
實驗結果表明，該方法在熱紅外圖像多類別目標分割中均取得顯著提升效果，且對應物理模塊權重分布與熱慣性變量、大氣傳輸因子等物理分布相符；并在智能駕駛夜間感知、視障輔助導航等場景開展驗證，從物理可解釋性和實際應用中進一步證明了方法的先進性。研究成果為熱紅外圖像智能解析提供了一條新的解決途徑。
論文鏈接：
https://ieeexplore.ieee.org/document/11124592
《蘋果在量子點光電傳感器領域的發明專利與產業布局分析》
《量子點光電傳感器專利態勢分析-2024版》
《紅外熱成像與傳感技術及市場-2025版》
《短波紅外、中波紅外和制冷型紅外成像-2025版》
《高光譜和多光譜成像技術、應用和市場趨勢-2025版》
《CMOS圖像傳感器產業現狀-2025版》
《3D成像與傳感-2025版》
《單光子雪崩二極管（SPAD）專利態勢分析-2023版》
《汽車紅外攝像頭技術及市場-2024版》
《自動駕駛及艙內感知應用的紅外相機技術及市場-2025版》
