客户痛点
红外影像容易受到环境、距离、角度、设备参数和目标状态影响。仅依靠颜色图人工观察，一致性和可追溯性有限；但如果直接训练模型而忽略温度校准和采集规范，也会得到不稳定结果。
总体架构
红外设备 → 采集引导与质量检查 → 温度数据与图像校正 → 区域定位和特征提取 → AI异常辅助分析 → 报告与复核 → 设备和数据管理。
AI算法
根据场景采用目标或区域分割、左右或历史对比、温度统计、异常模式识别和多模态信息融合。训练与评估需控制设备、环境和采集流程差异，并明确模型输出的适用边界。
硬件与边缘计算
热灵敏度、分辨率、温度范围、镜头和校准能力影响可观测信息。边缘设备可完成采集控制、实时质量检查与初步分析，平台负责报告、用户、设备和数据管理。
应用场景
健康管理辅助评估、体表温度分布分析、设备与电气巡检、热工研究和过程监测。不同场景的数据标准、专业解释和合规要求不同，不能混用。
技术指标
图像与温度数据完整性、重复采集一致性、区域定位误差、异常识别效果、报告生成时间和设备在线率均需要测试。
真实案例
红外热成像AI健康评估系统 整合红外影像采集、AI辅助分析与报告平台，用于大健康相关场景的辅助评估。页面措辞不替代专业判断或医疗诊断。
实施流程
场景和合规边界 → 设备与采集规范 → 数据和质量控制 → 分析PoC → 报告与业务流程 → 试运行、专业复核和持续评估。
常见问题
红外AI能否直接做医疗诊断？
不能仅凭网站方案作出诊断承诺。系统可用于影像质量、异常区域和变化趋势的辅助分析，医疗用途需符合实际资质、法规和专业流程。
环境温度会影响结果吗？
会。设备预热、拍摄距离、环境温湿度、反射、人体或设备状态都可能影响温度分布，需要建立采集规范和质量控制。