Beruflich Dokumente
Kultur Dokumente
I. RESUMEN
El proyecto tuvo como propósito desarrollar un sistema de visión térmica a partir del
empleo de un módulo cámara térmica FLIR Lepton y la plataforma de desarrollo
Raspberry Pi como hardware principal, luego el software contaría con la librería OpenCV
como herramienta principal para el procesamiento digital de las imágenes. 1fianlmente
El sistema tendría la capacidad de mostrar e identificar cuerpos calientes, así como la
temperatura de puntos o regiones determinadas.
II. INTRODUCCIÓN
Radiación Infrarroja (IR)
La radiación infrarroja es un tipo de radiación electromagnética. En el espectro se
encuentra entre los 7000 y 14000 Å de longitud de onda (Figura 1). Esta radiación es
emitida por cualquier cuerpo que posea una temperatura mayor al cero absoluto, 0 K.
Microbolómetros
Un microbolómetro es un arreglo de pequeños detectores de calor que son sensibles a
la radiación infrarroja de tal manera que varían su resistencia con la presencia de
radiación IR. Cada pixel del arreglo que conforma el microbolómetro está compuesto de
distintas capas (Figura 2): una banda absorbedora sensible al IR, una capa reflectora
para garantizar una mayor ganancia de la radiación por parte de la capa absorbedora,
electrodos y un circuito de lectura que en conjunto con los electrodos detectan la
variación de la resistencia en el material absorbente.
Los microbolómetros son la parte fundamental de las cámaras térmicas actuales ya que
cuentan con ventajas por sobre instrumentos antiguos, entre ellas: no requieren
refrigeración y generan imágenes de mayor calidad y resolución.
OpenCV
En OpenCV las imágenes son tratadas como matrices o arreglos, cada pixel es denotado
como un elemento de la matriz y este a su vez puede ser un arreglo (arreglo de tres
elementos en el caso de imágenes a color).
III. EQUIPAMIENTO
FLIR Lepton module
El sensor dentro del módulo FLIR Lepton es un arreglo de microbolómetros. A partir de
la resistencia medida en el microbolómetro se puede determinar la temperatura del
objeto que emite la radiación y así crear una imagen que codifica la data.
Raspberry Pi 3
Computador de placa simple de arquitectura ARM, desarrollado como plataforma
multipropósito para desarrollo de proyectos de electrónica y software. Compatible con
sistemas operativos Linux en principio.
Tabla 2. Especificaciones del Raspberry Pi 3.
Así mismo el Raspberry Pi cuenta con interfaces SPI y I2C entre los pines GPIO.
Figura 7. Raspberry Pi 3.
IV. METODOLOGÍA
La comunicación entre el Raspberry Pi y el módulo FLIR Lepton se da mediante el
protocolo SPI, por ello se conecta la cámara en los respectivos pines SPI del Raspberry,
así mismo la alimentación dela cámara sale de los pines GPIO del Raspberry Pi.
CS
MOS
I
MIS
O
CLK
GND
DATOS MEDIDOS
90
80
TEMPERATURA (°C)
70
60 y = 0.0316x - 225.05
50 R² = 0.9861
40
30
20
10
0
7500 8000 8500 9000 9500 10000
PIXEL
Una vez obtenida la aproximación de la temperatura a partir de los valores de los pixeles,
se procedió a desarrollar el software o código completo, basado en Python y partiendo
de la librería ‘pylepton’, esta librería permite la comunicación por SPI Raspberry-FLIR
Lepton y así la obtención de las imágenes.
Luego, empleando herramientas para el tratamiento de imágenes, se usó OpenCV, que
nos permitió una mejor apreciación de la imagen proveniente de la cámara.
El programa empieza por establecer la cominicación SPI (Ver figura 9) entre los
componentes mediante la librería ‘pylepton’ está imagen obtenida es posteriormente
expandida para un mejor tratamiento, ya que la resolucióon original de 60x80 pixeles
es demasiado pequeña. La imagen redimensionada es copiada para ser normalizada
para hacer apreciable la imagen térmica aumentando el contraste. Se cre a partir de
ahí podemos seleccionar puntos para evaluar su temperatura. En la copia se
mantienen los pixeles con el formato original de 14bits con estos valores se hacen los
cálculos de temperatura según el ajuste anterior.
Figura 10. Diagrama de flujo reducido del procesamiento de imágenes térmicas.
V. RESULTADOS
Figura 12. Toma con el código implementado, se muestra el recuadro verde el promedio de los valores de pixel
dentro del recuadro, se ajustó una ecuación de tal manera que dependa de cada valor de pixel medido.
Con el algoritmo CANNY se pudo obtener el margen de zona más caliente del Frame , en nuestro
caso ( figura 13), es un brazo; como se puede observar en la parte izquierda de la figura 13 el
algoritmo canny encierra la región del brazo considerando esta de mayor temperatura en
comparación.
Con códigos de selección tanto para un click y para una región rectangular , se pudo evaluar el
valor del pixel para esa región seleccionada , teniendo el pixel seleccionado del frame y con la
ecuación de calibración obtenida previamente, figura 9. Así se obtuvo las temperaturas para
poder comparar cuerpos distintos.
Una de las desventajas que se tuvo fue la calibración, aún no se ha podido dar con mucha
exactitud las temperaturas ya que los dispositivos que usamos para la aproximación no
eran muy precisos y había interferencia de reflejos de IR que llegaban a la cámara.
Tampoco se contó con otra cámara térmica de gama alta para hacer la comparación de
datos. Es recomendable el empleo de cuerpos negros para la calibración de cámaras
térmicas ya que cuentan con una mayor precisión cuando mantienen su temperatura y
no reflejan radiación.
1. BARRETO, José Antonio García. Radiación de un Cuerpo Negro. Ley de Emisión de Planck.
Una Breve Introducción. P. 10 – 40 2008.
2. NAHUM, M.; MARTINIS, John M. Ultrasensitive‐hot‐electron microbolometer. Applied
physics letters, vol. 63, n° 22, p. 3075-3077, 1993.
3. NEILSEN, Mitchell L.; SHAFFER, James; JOHNSON, Nicholas. Time-lapse Photography
for K-12 Education. En Proceedings of the International Conference on Frontiers in
Education: Computer Science and Computer Engineering (FECS). The Steering
Committee of The World Congress in Computer Science, Computer Engineering and
Applied Computing (WorldComp), 2015. p. 201
4. https://docs.opencv.org “documentacion de OpenCV”