2. 温度数据采集：热成像仪选型、拍摄距离与角度影响、环境因素校正、数据存储格式
好，咱们进入正题。温度数据采集这一步，说白了就是决定你后面所有分析工作能不能站住脚的关键。数据不准，后面再漂亮的算法也是白搭。我见过太多人拿着热成像仪对着叶子一顿拍，回去一分析，发现数据全是乱的——不是环境没校正，就是距离没控制好。
这一节，我把自己踩过的坑和总结的经验都摊开来讲。你跟着走一遍，基本就能避开 80% 的常见问题。
2.1 热成像仪选型：不是越贵越好，是越合适越好
选热成像仪，我个人的习惯是先看三个硬指标：分辨率、测温精度、热灵敏度（NETD）。其他的花里胡哨功能，说实话，对叶片测温来说没那么关键。
| 参数 | 推荐范围 | 我的经验 |
|---|---|---|
| 红外分辨率 | ≥ 320 × 240 像素 | 低于这个数，叶片上的小病斑根本看不清 |
| 测温精度 | ±0.5°C 或更优 | ±1°C 的也能用，但做精细诊断时心里没底 |
| 热灵敏度 (NETD) | ≤ 0.05°C (50 mK) | 这个很关键，低于 0.05°C 才能捕捉到叶片蒸腾作用的细微温差 |
| 光谱范围 | 7.5 - 14 μm（长波红外） | 这个波段对植物叶片的水分吸收最敏感 |
我在项目中遇到过有人用工业巡检那种低分辨率热成像仪来拍叶片，结果拍出来的图像糊成一团，叶脉都看不清，更别说分析温度异常点了。所以我的建议是：预算允许的话，直接上 640×480 分辨率的，后期处理空间大很多。
核心观点： 叶片温度异常往往只有 0.5°C ~ 2°C 的温差。仪器选不好，这些信号就淹没在噪声里了。
2.2 拍摄距离与角度：这两个因素最容易被忽略
你想想看，热成像仪测的是物体表面的红外辐射能量。距离一变，大气对红外线的衰减程度就变了。角度一变，叶片表面的发射率特性也跟着变。这两点搞不定，数据就是废的。
2.2.1 拍摄距离的影响
我做过一个简单的对比实验：同一片叶子，分别从 0.5 米、1 米、2 米、3 米距离拍摄。结果发现，距离超过 2 米后，测得的温度平均偏低 0.8°C 左右。为什么会这样？因为空气中的水蒸气和二氧化碳会吸收一部分红外辐射。
我的经验法则：
- 最佳距离：0.5 米 ~ 1.5 米。这个范围内大气影响最小。
- 最大距离不要超过 3 米。超过这个距离，误差会快速增大。
- 如果必须远距离拍摄（比如大棚高处叶片），记得在软件里设置大气透过率补偿参数。
小技巧： 我习惯在拍摄前先对着已知温度的参考黑体拍一张，用来反推当前距离下的大气透过率。这样校正后数据更可靠。
2.2.2 拍摄角度的影响
角度这个问题，我曾经吃过亏。有一次在温室里拍黄瓜叶片，为了省事，我站在过道上斜着拍。结果发现叶片边缘温度比中心高了将近 1.5°C。一开始我还以为是病害，后来才发现是拍摄角度太大，叶片边缘的发射率发生了变化。
具体来说：
- 最佳角度：镜头光轴与叶片表面法线夹角 ≤ 30°。
- 夹角超过 45° 时，叶片表面的表观发射率会明显下降，导致测温偏低。
- 对于卷曲或皱褶的叶片，尽量选择相对平坦的区域拍摄。
注意： 如果你必须从大角度拍摄，建议在后期处理时使用发射率角度校正模型。不过说实话，最稳妥的办法还是调整拍摄位置，让镜头尽量正对叶片。
2.3 环境因素校正：温度、湿度、风速、太阳辐射
环境因素对叶片温度的影响，有时候比叶片本身的健康状况还大。我见过有人在大太阳底下拍叶片，结果测出来的温度全是太阳辐射加热的假象，根本不是叶片自身的温度异常。
需要校正的主要环境因素有四个：
| 环境因素 | 影响机制 | 校正方法 |
|---|---|---|
| 环境温度 | 影响叶片与环境的对流换热 | 记录环境温度，计算温差（叶片温度 - 环境温度） |
| 相对湿度 | 影响大气透过率和叶片蒸腾速率 | 在热成像软件中设置湿度参数 |
| 风速 | 加速叶片表面散热，降低叶片温度 | 风速 > 1 m/s 时，建议加装挡风板或选择无风时段拍摄 |
| 太阳辐射 | 直接加热叶片，掩盖真实温度异常 | 尽量在阴天或清晨/傍晚拍摄；或使用遮光板 |
我个人习惯的做法是：每次拍摄前，先记录一组环境参数。包括环境温度、湿度、风速和光照强度。然后在热成像仪的软件里把这些参数填进去，仪器会自动进行初步校正。
但这里有个坑——大多数热成像仪的自动校正算法是针对工业场景设计的，对植物叶片不一定完全适用。所以我建议：在软件校正的基础上，再用手动方式做一次二次校正。具体做法是：在拍摄画面中放置一个已知发射率的参考板（比如黑胶带），用参考板的实测温度来反推校正系数。
避坑指南： 我曾经在温室里拍番茄叶片，环境湿度高达 85%，结果热成像仪自动校正后温度偏低 1.2°C。后来我手动输入了湿度参数，才把数据拉回来。所以，高湿度环境下一定要手动复核校正结果。
2.4 数据存储格式：选对格式，事半功倍
数据存成什么格式，看起来是个小问题，但实际影响很大。我见过有人把热成像数据存成 JPEG 图片，结果温度信息全丢了，只剩下一张彩色图片，什么都分析不了。
热成像仪通常支持以下几种存储格式：
- JPEG / PNG：只保存可见光图像或伪彩色图像，不包含温度数据。仅用于展示，不能用于分析。
- BMP / TIFF：部分仪器支持保存 16 位温度数据，但兼容性一般。
- CSV / TXT：以文本形式保存每个像素的温度值。数据量大，但便于导入 Excel 或 Python 进行分析。
- 专有格式（如 FLIR 的 .fcf、.jpg+ 等）：包含完整的温度矩阵和元数据（发射率、距离、环境参数等）。强烈推荐。
我的建议是：
- 首选保存专有格式。这样所有拍摄参数都保留在文件里，后期可以随时调整校正参数重新计算。
- 同时导出 CSV 格式的温度矩阵。方便用 Python 或 MATLAB 做批量分析。
- 不要只存 JPEG。除非你只是想给别人看个大概效果。
我的工作流： 拍摄时同时保存专有格式和 CSV。专有格式用于在仪器软件里做可视化分析，CSV 用于导入 Python 做深度数据挖掘。两套数据互相印证，心里踏实。
2.5 本章知识体系总览
下面这张图是我自己梳理的本章核心逻辑。你跟着这个流程走一遍，温度数据采集这块基本就不会出大问题。
嗯，这一节的内容就这些。从选型到拍摄，从环境校正到数据存储，每一步都有讲究。你把这些细节都做到位了，采集到的温度数据才能真正反映叶片的生理状态。后面做异常分析和诊断，才有扎实的基础。
公众号:蓝海资料掘金营，微信 deep3321