AI-NUC 如何重新定義紅外線影像品質：契合邊緣運算的極致校正

 

進入 2026 年新一代武器系統與無人載具 (UAV) 已全面導入機器學習與卷積神經網路 (CNN) 的「自動目標辨識 (ATR)」與邊緣 AI 運算技術，這些 AI 演算法極度依賴紅外線影像中的微小溫度梯度、邊緣對比與空間特徵來鎖定目標，為了在部署前驗證這些 AI 尋標器，工程師必須在硬體迴路 (HWIL) 實驗室中，利用「動態紅外線場景投影器 (IRSP)」投射出虛擬戰場。

然而如果 IRSP 自身的發射陣列存在微小的像素不均勻性，這些硬體瑕疵會直接在投影畫面上形成虛假的邊緣或固定圖案雜訊 (FPN)，對於極度敏感的 AI 視覺演算法而言，這些雜訊會被誤判為真實的目標特徵，導致嚴重的「虛警」或演算法崩潰，傳統的非均勻性校正 (NUC) 技術在面對 AI 級別的嚴苛要求時，將暴露出難以克服的數學與物理痛點。

單次取樣的「量測不確定性」超過硬體真實誤差

傳統 NUC 仰賴單次資料收集來計算增益與偏移係數，然而在執行低輻射（低溫）區間的「稀疏網格 (Sparse Grid)」量測時，由於訊號極度微弱，測試設備本身的量測不確定性與電子雜訊，甚至會超過 IRSP 陣列真實的物理誤差；如果僅依賴單次取樣，NUC 演算法實際上是將「量測雜訊」錯誤地寫入補償矩陣中，導致最終投影出的紅外線畫面仍存在明顯的高頻空間雜訊，嚴重干擾 AI 演算法的特徵提取。

異常值 (Outliers) 扭曲曲線擬合，導致局部校正失效

在建立像素的驅動電壓與輻射亮度 (Drive-to-Radiance) 響應曲線時，傳統的迭代 NUC 通常只使用特定測試點及其相鄰點進行簡單的二階多項式擬合，這種數學模型的致命弱點在於對「異常值 (Outliers)」極度敏感，只要在資料收集中出現一個因環境波動或突發雜訊引起的異常數據點，就會對最終擬合的 NUC 係數產生巨大的扭曲影響，這會在 IRSP 的局部區域產生異常的亮度突變，使得 AI 尋標器在追蹤目標經過這些「瑕疵區塊」時瞬間脫鎖。

低溫場景的訊噪比崩潰與大面積結構誤差

當模擬接近常溫或寒冷背景（如 285K）時，稀疏網格量測法會因為單一像素能量無法填滿測試相機的像素，導致訊噪比大幅下降，為了解決這個問題而採用傳統的「泛光模式 (Flood NUC)」雖然速度快，卻會因為相機平均了相鄰像素的輻射，導致單一像素級別的誤差變大，若無法巧妙融合兩者的優勢，投影畫面在低溫背景下會出現明顯的數位類比轉換器 (DAC) 區塊差異或垂直列狀變異，這種大面積的結構誤差是 AI 影像辨識的致命傷。

面對 AI 世代對紅外線影像品質的極端要求，奧創系統 (Ultrontek) 推薦導入 Santa Barbara Infrared (SBIR) 革命性的 先進迭代非均勻性校正 (Advanced Iterative NUC, 簡稱 AI-NUC) 技術，這技術正是為了解決「AI 視覺」痛點而生的終極解答，SBIR 提供從高解析度投影硬體到 AI-NUC 演算法軟體的完整「一站式方案 (Turnkey Solution)」：

深入了解 SBIR 全方位雷射測試解決方案，涵蓋 LRTM 測距模擬、BAM 同軸校準、TEM 脈衝分析、PLD 目標投影及 MSS 多光譜源，為您的光電系統提供精確性能特性化。

演算法核心：IRWindows™ 5 與 AI-NUC 模組

SBIR 的 AI-NUC 技術徹底顛覆了傳統的資料管理與曲線擬合方式，並完美整合於 IRWindows™ 5 自動化測試軟體 中：

• 多重數據採集與平均化：
  AI-NUC 不再依賴單次量測，而是擴展了可用的輻射資料集，將所有收集階段的量測結果納入資料庫，透過對多個採集通道 (Multiple passes) 的數據進行平均，演算法大幅降低了量測不確定性對整體非均勻性的貢獻。
• 卡方最小化 (Chi-squared Minimization) 演算法：
  在生成驅動-輻射響應曲線時，AI-NUC 放棄了脆弱的簡單擬合，改為利用群聚在每個驅動點周圍的資料點，執行嚴謹的「卡方最小化」演算法來確定最佳擬合曲線，這種數學模型能強勢吸收並降低任何「異常數據點 (Outliers)」對最終擬合參數的影響。
• 混合式校正 (Hybrid NUC) 策略：
  AI-NUC 完美融合了泛光 (Flood) 與稀疏網格 (Sparse Grid) 的優勢，在低溫背景採用泛光數據修正大尺度環境變異，在高溫區間採用稀疏網格進行真實的逐像素量測。

完美契合 AI 標準的極致表現

透過 AI-NUC 的多重迭代與卡方最小化處理，IRSP 在全溫域（最高達 675K）的殘餘不均勻度能穩定降至 3% 以下的嚴苛標準，在較高的驅動電平下甚至能達到 0.5% 至 1% 的極致純淨度。這徹底消除了 DAC 與行列間的結構雜訊，為 AI 尋標器提供無干擾的高清晰紅外線特徵。

硬體平台：MIRAGE™ 系列動態紅外線場景投影機

要發揮 AI-NUC 的最強實力，必須搭配具備卓越體質的發射硬體：

• MIRAGE-XL：
  具備 1024x1024 高解析度電阻式發射陣列，能呈現最細緻的目標輪廓，是訓練與測試高階邊緣 AI 演算法的最佳平台。
• MIRAGE-H：
  具備 512x512 或 800x800 解析度，極度輕量化的數位發射器引擎 (DEE) 完美適配多軸飛行運動模擬器 (FMS)，能在劇烈動態姿態下維持 AI-NUC 的校正精度。

SBIR MIRAGE XL DXP 為動態紅外線場景投影系統，核心是高解析度紅外線發射器，產生模擬場景；可選擇客製化準直儀調整光束，客製化發射器滿足特殊需求；命令與控制電子設備供操作監控，場景投射範例展示模擬影像；整體而言，MIRAGE XL DXP 透過客製化光學電子組件，為測試模擬提供精確可控的紅外線刺激。

立即聯繫奧創系統團隊，無論您的 AI 演算法需要多高的紅外線影像純淨度，我們都能為您的 HWIL 實驗室量身打造專屬的 MIRAGE 投影系統與自動化校正，請聯繫「奧創系統 (Ultrontek)」，我們將協助您以最先進的光電整合技術，確保您的 AI 系統在實戰中具備無懈可擊的辨識能力。