近日，我校人工智能学院生物医学精准检测与仪器研究所李晓春教授团队在仪器科学与测量领域权威期刊《IEEE Transactions on Instrumentation and Measurement》（IEEE TIM，JCR Q1，影响因子7.0）发表题为“Design and Application of a Multi-Factor Calibrated Infrared Thermometer”的研究论文。人工智能学院硕士研究生杨政桦为论文第一作者，李晓春教授、张玲玲博士为论文共同通讯作者。

非接触式红外测温具有快速、便捷、无交叉感染等优势，在公共场所体温筛查中具有广泛应用前景。然而，人体皮肤表面温度容易受到环境温度等外部因素影响：在高温环境下可能出现“假阳性”，在低温环境下则可能出现“假阴性”，从而影响户外体温筛查的准确性和可靠性。针对这一问题，研究团队提出了一种基于FPGA的多因素校准红外测温系统。

该系统融合红外温度、环境温度、测量距离及视觉信息，构建了覆盖0–40 ℃环境温区的动态校准模型，并采用硬件流水线并行计算架构，实现对测量结果的实时温度补偿。实验结果表明，系统多源数据采集与补偿算法处理延迟控制在0.1 ms以内，整机反馈延迟低于142 ms；在27–36 ℃高温环境下，平均绝对误差（MAE）由校准前的1.09 ℃显著降低至0.02 ℃。同时，系统能够利用环境温度反馈对低温条件下的人体皮肤冷却效应进行修正，有效提升复杂环境下的测温准确性。

为进一步验证系统的实际性能，研究团队开展了覆盖289名健康志愿者的多场景实验，实验环境温度范围为0–40 ℃，相对湿度范围为20.94%–75.64%。以37.3 ℃作为发热筛查阈值，多因素校准后，户外极端温度环境下的假阳性率由55%大幅降低至1%，ROC曲线AUC值由0.45提升至0.99，表明该方法能够显著提高复杂环境下人体体温筛查的准确性和判别能力。

在系统实现方面，研究团队进一步完成了设备的便携化与集成化设计，将红外测温、环境温度检测、超声测距、人脸检测及可视化预警等功能集成于一体，形成了“低成本集成化硬件+高性能并行算法”的技术路线。该系统能够适应不同环境温度和测量场景，为户外交通卡口、交通枢纽、医疗机构分诊等复杂环境下开展高精度、智能化体温筛查提供了新的技术方案。

该研究得到了国家自然科学基金、山西省自然科学基金等项目的资助。

初审：刘晶

复审：李晓春

终审：陈永乐