Thiết kế và thi công hệ thống đo nhiệt độ bằng camera nhiệt

Đồ án thiết kế và thi công hệ thống đo nhiệt độ bằng camera nhiệt tại ĐH SPKT TP.HCM

• Tác giả: Trương Thành Trung Hậu
• Người hướng dẫn: ThS. Nguyễn Duy Thảo
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Điện tử - Viễn thông
• Đề tài: Thiết kế và thi công hệ thống đo nhiệt độ bằng camera nhiệt
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng quan hệ thống đo nhiệt độ bằng camera nhiệt ĐH SPKT TP

Đề tài nghiên cứu hệ thống đo nhiệt độ bằng camera nhiệt được phát triển tại Khoa Điện - Điện tử, Đại học Sư phạm Kỹ thuật TP.HCM. Công trình tập trung xây dựng thiết bị quan sát nhiệt độ không tiếp xúc. Thiết bị hoạt động ổn định và có độ nhạy cao. Nhu cầu kiểm soát thân nhiệt và giám sát nhiệt độ thiết bị công nghiệp ngày càng tăng. Phương pháp đo truyền thống bộc lộ nhiều hạn chế về khoảng cách và thời gian. Giải pháp sử dụng cảm biến ảnh nhiệt khắc phục triệt để các nhược điểm này. Cảm biến thu nhận bức xạ hồng ngoại từ vật thể. Dữ liệu nhiệt được gửi trực tiếp về bộ xử lý trung tâm. Hệ thống hiển thị biểu đồ nhiệt trực quan trên màn hình. Người dùng có thể quan sát phân bố nhiệt độ đa điểm cùng lúc. Mô hình đáp ứng tiêu chuẩn kỹ thuật trong nghiên cứu học thuật và thực tiễn. Nghiên cứu khẳng định năng lực ứng dụng công nghệ nhúng tại nhà trường.

1.1. Bối cảnh nghiên cứu đề tài tại trường ĐH SPKT TP.HCM

Nghiên cứu xuất phát từ yêu cầu thực tế trong việc tự động hóa giám sát y tế và kỹ thuật. Đại học Sư phạm Kỹ thuật TP.HCM luôn chú trọng giải pháp công nghệ mang tính ứng dụng cao. Đề tài tốt nghiệp ngành Kỹ thuật Điện tử Viễn thông này hướng đến mục tiêu tạo ra sản phẩm hoàn chỉnh. Nhóm nghiên cứu thiết kế thiết bị có giá thành hợp lý và tính cơ động cao. Việc đo nhiệt độ tự động giúp giảm thiểu rủi ro lây nhiễm trong y tế cộng đồng. Đồng thời, hệ thống còn hỗ trợ phát hiện sớm nguy cơ chập cháy trong nhà xưởng. Đề tài là minh chứng cho năng lực thực hành kỹ thuật chuyên sâu của sinh viên.

1.2. Mục tiêu kỹ thuật và phạm vi ứng dụng của hệ thống

Hệ thống hướng đến mục tiêu thu nhận và xử lý tín hiệu nhiệt độ chuẩn xác từ xa. Phạm vi đo lường bao phủ các vật thể thông dụng trong đời sống và công nghiệp. Thiết bị phân biệt rõ rệt nguồn nhiệt từ cơ thể người, nước ấm đến khối đá lạnh. Hệ thống ứng dụng rộng rãi trong các cơ sở y tế nhằm sàng lọc thân nhiệt ban đầu. Trong môi trường công nghiệp, thiết bị kiểm tra mức độ tỏa nhiệt của máy móc và động cơ. Công nghệ này còn phát hiện sớm nguồn lửa trong công tác phòng cháy chữa cháy. Cấu hình nhỏ gọn giúp thiết bị dễ dàng tích hợp vào hệ thống robot tự hành.

II. Phân tích thách thức hệ thống đo nhiệt độ bằng camera nhiệt

Đo nhiệt độ bề mặt bằng cảm biến nhiệt đối mặt với nhiều thách thức vật lý phức tạp. Bức xạ hồng ngoại phát ra từ vật thể chịu ảnh hưởng lớn bởi môi trường xung quanh. Nhiệt độ môi trường, độ ẩm không khí và khoảng cách đo đều làm sai lệch kết quả. Các thiết bị đo nhiệt độ tiếp xúc truyền thống đòi hỏi chạm trực tiếp vào vật thể. Điều này gây nguy hiểm trong môi trường điện áp cao hoặc hóa chất độc hại. Ngoài ra, cảm biến hồng ngoại điểm đơn chỉ đo được một vị trí duy nhất. Phương pháp điểm đơn không phản ánh được phân bố nhiệt trên toàn bộ bề mặt thiết bị. Thách thức tiếp theo nằm ở độ phân giải của cảm biến nhiệt giá rẻ. Cảm biến MLX90640 có ma trận 32x24 pixel, tạo ra lượng điểm ảnh tương đối hạn chế. Nếu không qua xử lý nội suy, hình ảnh nhiệt sẽ bị vỡ hạt và khó quan sát. Tốc độ làm tươi của cảm biến cũng cần được tối ưu hóa để theo dõi chuyển động. Việc tính toán chính xác trường nhìn FOV là yêu cầu bắt buộc để định vị đối tượng.

2.1. Hạn chế của phương pháp đo nhiệt độ tiếp xúc truyền thống

Phương pháp đo nhiệt tiếp xúc bộc lộ nhiều điểm yếu trong giám sát diện rộng. Đầu đo nhiệt điện trở hoặc cặp nhiệt chỉ đo được tại một điểm duy nhất. Quá trình đo đòi hỏi thời gian truyền nhiệt để đạt trạng thái cân bằng. Người vận hành phải tiếp cận sát thiết bị, tiềm ẩn nguy cơ mất an toàn lao động. Trong y tế, việc tiếp xúc trực tiếp làm tăng nguy cơ lây nhiễm chéo virus. Trong cơ khí, đo tiếp xúc không thể thực hiện trên các chi tiết máy đang quay nhanh. Dụng cụ tiếp xúc cũng làm biến đổi một phần nhiệt dung của vật đo nhỏ. Do đó, công nghệ ảnh nhiệt không tiếp xúc trở thành xu hướng tất yếu.

2.2. Vấn đề trường nhìn và độ phân giải của cảm biến MLX90640

Cảm biến nhiệt MLX90640 sở hữu mảng phần tử gồm 768 điểm đo nhiệt độ độc lập. Ma trận kích thước 32x24 pixel này đòi hỏi góc trường nhìn FOV phù hợp. Góc FOV quyết định trực tiếp đến diện tích vùng quan sát tại khoảng cách xác định. Khoảng cách đo quá xa khiến một pixel bao trùm diện tích lớn hơn mục tiêu. Khi đó, nhiệt độ đo được là giá trị trung bình giữa vật thể và nền xung quanh. Hiện tượng này dẫn đến sai số đáng kể khi đo thân nhiệt khuôn mặt người. Ngoài ra, tần số lấy mẫu ảnh hưởng trực tiếp đến độ nhiễu tín hiệu nhiệt. Nhóm nghiên cứu cần giải quyết triệt để bài toán cân bằng giữa tốc độ và độ chính xác.

III. Giải pháp hệ thống đo nhiệt độ bằng camera nhiệt tại ĐH SPKT

Nhóm nghiên cứu lựa chọn bo mạch Raspberry Pi 4 làm trung tâm điều khiển của hệ thống. Bộ vi xử lý Broadcom mạnh mẽ đảm bảo tốc độ tính toán dữ liệu liên tục. Cảm biến MLX90640 kết nối với bo mạch thông qua giao thức truyền thông công nghiệp I2C. Dữ liệu mảng bức xạ hồng ngoại thô được thu thập với tần số ổn định. Phần mềm nhúng trên Raspberry Pi tự động chuyển đổi điện áp thành ma trận nhiệt độ Celsius. Để giải quyết hạn chế độ phân giải, thuật toán nội suy đa thức được áp dụng triệt để. Ma trận 32x24 ban đầu được phóng đại mượt mà thành hình ảnh nhiệt sắc nét. Ngôn ngữ Python cùng thư viện đồ họa Matplotlib hỗ trợ ánh xạ bảng màu linh hoạt. Người sử dụng có thể chuyển đổi giữa các bảng màu Jet, Hot hoặc Gray tùy hoàn cảnh. Hệ thống xuất hình ảnh trực tiếp lên màn hình LCD gắn kèm. Thiết bị cảnh báo tự động kích hoạt khi phát hiện nhiệt độ vượt ngưỡng an toàn.

3.1. Tích hợp phần cứng Raspberry Pi 4 và cảm biến MLX90640

Phần cứng hệ thống được thiết kế theo cấu trúc module nhỏ gọn và tiện lợi. Máy tính nhúng Raspberry Pi 4 cung cấp xung nhịp cao và bộ nhớ RAM dồi dào. Cảm biến MLX90640 giao tiếp qua 4 dây tín hiệu chuẩn I2C bao gồm nguồn, mass, SDA và SCL. Tốc độ xung nhịp bus I2C được thiết lập ở mức 400kHz nhằm tối đa hóa tốc độ đọc. Màn hình LCD được tích hợp trực tiếp để hiển thị hình ảnh thời gian thực mà không cần màn hình rời. Toàn bộ thiết bị được đóng gói trong hộp bảo vệ gọn nhẹ, dễ dàng di chuyển. Nguồn cấp 5V qua cổng Type-C đảm bảo hệ thống vận hành liên tục không gián đoạn.

3.2. Thuật toán xử lý ảnh nhiệt và hiển thị bảng màu Matplotlib

Chương trình xử lý trung tâm được lập trình hoàn toàn bằng ngôn ngữ Python hiện đại. Dữ liệu nhiệt thô từ 768 cảm biến con được xếp thành ma trận 2 chiều. Thuật toán nội suy Bicubic nâng cao độ mịn, loại bỏ góc cạnh răng cưa của ảnh nhiệt gốc. Thư viện Matplotlib đảm nhận nhiệm vụ chuyển đổi giá trị nhiệt độ thành các dải màu trực quan. Bảng màu Jet chuyển đổi mượt mà từ sắc xanh lạnh đến sắc đỏ nóng cảnh báo. Bảng màu Bone và Gray được sử dụng linh hoạt khi cần giảm mỏi mắt cho người quan sát. Màn hình hiển thị kèm theo thanh thang đo nhiệt độ rõ ràng giúp nhận diện chuẩn xác điểm quá nhiệt.

IV. Ứng dụng thực tế hệ thống đo nhiệt độ bằng camera nhiệt SPKT

Đề tài tốt nghiệp tại ĐH SPKT TP.HCM đã chế tạo thành công một thiết bị đo nhiệt hoàn chỉnh. Kết quả thử nghiệm thực tế chứng minh hệ thống hoạt động ổn định và chính xác. Thiết bị phân biệt rõ rệt nguồn phát nhiệt từ đá lạnh, nước ấm đến cơ thể sống. Thời gian phản hồi tín hiệu đo chỉ tính bằng mili giây. Độ sai lệch nhiệt độ nằm trong ngưỡng cho phép của các tiêu chuẩn đo lường dân dụng. Giá thành linh kiện thấp hơn nhiều lần so với các dòng camera nhiệt thương mại nhập khẩu. Khả năng tùy biến phần mềm cao tạo điều kiện thuận lợi cho việc phát triển thêm tính năng mới. Trong tương lai, hệ thống có thể tích hợp thuật toán trí tuệ nhân tạo để nhận diện khuôn mặt. Việc kết hợp camera quang học thông thường cùng camera nhiệt sẽ tăng cường khả năng định vị đối tượng. Thiết bị hoàn toàn sẵn sàng triển khai tại cổng trường học, bệnh viện và nhà xưởng công nghiệp. Đề tài đóng góp thiết thực cho giải pháp tự động hóa giám sát y tế và kỹ thuật.

4.1. Kết quả thử nghiệm đo nhiệt độ các vật dụng thực tế

Thử nghiệm thực tế được tiến hành với nhiều nguồn nhiệt khác nhau để kiểm tra độ nhạy. Hệ thống nhận diện chuẩn xác nhiệt độ âm và độ lạnh của cục nước đá. Thiết bị phản hồi nhanh chóng khi đưa cốc nước ấm vào trường nhìn của cảm biến. Đối với thân nhiệt người, hệ thống đo chính xác nhiệt độ bề mặt trán và bàn tay. Các dải màu hiển thị tương phản rõ rệt giữa vật thể nóng và môi trường nền. Dữ liệu nhiệt hiển thị liên tục, không xuất hiện hiện tượng giật hình hay đứng máy. Kết quả thử nghiệm khẳng định độ tin cậy và tính ổn định cao của thiết bị tự chế tạo.

4.2. Tiềm năng triển khai và hướng phát triển tương lai

Hệ thống sở hữu tiềm năng thương mại hóa và ứng dụng thực tiễn rất lớn. Thiết bị đáp ứng xuất sắc nhu cầu sàng lọc y tế không tiếp xúc tại nơi đông người. Trong bảo trì cơ điện, máy giúp kỹ sư phát hiện nhanh điểm nóng trên tủ điện và động cơ. Hướng nghiên cứu tiếp theo sẽ tập trung tích hợp camera RGB để nhận diện danh tính khuôn mặt. Nâng cấp thuật toán AI hỗ trợ theo dõi mục tiêu chuyển động trong khung hình phức tạp. Việc truyền dữ liệu lên máy chủ đám mây qua mạng không dây sẽ hoàn thiện hệ sinh thái IoT. Đề tài mở ra bước tiến mới cho giải pháp đo nhiệt thông minh tại Việt Nam.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghiệp hóa và đô thị hóa hiện đại, công tác giám sát nhiệt độ giữ vai trò thiết yếu tại nhiều khu vực như khu công nghiệp, cơ sở y tế, khu vực nông nghiệp và các tòa nhà chung cư cao tầng. Nhiệt độ là thông số kỹ thuật cốt lõi phản ánh trạng thái vận hành của máy móc, điều kiện môi trường cũng như tình trạng sinh lý của con người. Các phương pháp đo tiếp xúc truyền thống tồn tại nhiều bất cập như tốc độ đo chậm, đòi hỏi người thực hiện phải tiếp cận trực tiếp nguồn nhiệt, tiềm ẩn rủi ro lây nhiễm chéo hoặc nguy hiểm trong môi trường độc hại, đồng thời khó triển khai đồng loạt trên diện rộng.

Đặc biệt, sự bùng phát của đại dịch COVID-19 đã chứng minh tính cấp thiết của việc phát hiện sớm dấu hiệu sốt cao ở người tại các địa điểm công cộng tập trung đông người như trường học, sân bay và bệnh viện. Việc ứng dụng công nghệ cảm biến ảnh nhiệt để thu nhận bức xạ hồng ngoại từ xa, không cần tiếp xúc và cho kết quả theo thời gian thực đã trở thành giải pháp tối ưu nhằm kịp thời ngăn chặn dịch bệnh cũng như phát hiện các điểm nóng có nguy cơ cháy nổ trong vận hành thiết bị cơ điện.

Mặc dù thị trường đã xuất hiện một số giải pháp thương mại như Flir One, Seek Thermal Compact hoặc các trạm đo tự động chuyên dụng, các sản phẩm này thường có giá thành cao, cấu trúc phần cứng và phần mềm khép kín, gây khó khăn cho việc tích hợp vào các hệ sinh thái sẵn có hoặc tùy biến thuật toán xử lý. Đa phần các thiết bị thương mại phân khúc phổ thông chỉ cung cấp hình ảnh nhiệt đơn giản mà chưa tích hợp các cơ chế phân tích nâng cao hay khả năng mở rộng chức năng cảnh báo. Xuất phát từ thực tiễn đó, đề tài hướng đến việc nghiên cứu và chế tạo một hệ thống giám sát nhiệt độ mở, chi phí thấp, hoạt động ổn định và có tính ứng dụng cao.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định cụ thể:

1. Nghiên cứu cơ sở lý thuyết về bức xạ nhiệt hồng ngoại, nguyên lý cảm biến ảnh nhiệt và phương thức truyền thông số giữa các vi mạch.
2. Thiết kế và thi công hoàn chỉnh mô hình phần cứng gồm khối cảm biến hồng ngoại MLX90640, khối xử lý trung tâm sử dụng máy tính nhúng Raspberry Pi 4 và khối hiển thị qua màn hình LCD HDMI 7 inch.
3. Xây dựng chương trình phần mềm trên nền tảng Python để thu thập dữ liệu thô, thực hiện các thuật toán xử lý ảnh nhiệt (nội suy điểm ảnh, chuẩn hóa mức xám, cân bằng histogram, ánh xạ màu) và phát hiện các vùng có nhiệt độ bất thường.
4. Triển khai các bài đo thực nghiệm trên nhiều vật mẫu thực tế để đánh giá độ chính xác, tốc độ xử lý và tính ổn định của toàn hệ thống.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hệ thống thu nhận, xử lý và giám sát nhiệt độ không tiếp xúc dựa trên cảm biến ảnh nhiệt mảng.
• Phạm vi phần cứng: Kit máy tính nhúng Raspberry Pi 4 Model B, mô-đun camera nhiệt MLX90640, màn hình hiển thị LCD 7 inch kết nối qua cổng HDMI.
• Phạm vi phần mềm: Hệ điều hành Raspberry Pi OS, ngôn ngữ lập trình Python, các thư viện Smbus, Adafruit-blinka, Adafruit-circuitpython-mlx9040, OpenCV và NumPy.
• Phạm vi thực nghiệm: Đánh giá khả năng phân biệt và hiển thị nhiệt độ trên các đối tượng vật lý gồm bàn tay người, điện thoại di động, cốc nước nóng, cốc nước nóng kết hợp nước đá và hộp giấy.

---

Cơ sở lý thuyết và phương pháp

Về mặt lý thuyết vật lý, nhiệt độ biểu thị mức độ chuyển động nhiệt của các phân tử trong vật chất. Mọi vật thể có nhiệt độ lớn hơn độ không tuyệt đối (-273,15°C tương ứng 0 K) đều phát ra bức xạ điện từ dưới dạng bức xạ nhiệt. Hiện tượng này không cần môi chất trung gian để truyền năng lượng, cho phép đo đạc nhiệt độ bề mặt từ xa thông qua việc ghi nhận dải bức xạ hồng ngoại (IR). Cường độ bức xạ nhiệt tăng theo nhiệt độ bề mặt của vật thể.

Cảm biến ảnh nhiệt MLX90640 được cấu tạo từ một mảng vi nhiệt điện không làm mát (uncooled infrared array) gồm 768 phần tử cảm nhận (bố trí theo ma trận 32 × 24 điểm ảnh). Mỗi phần tử đo lường bức xạ từ một vùng không gian cụ thể trong trường nhìn (FOV - Field of View) và chuyển đổi thành tín hiệu điện số hóa tương ứng với nhiệt độ bề mặt. Mối quan hệ hình học giữa trường nhìn, khoảng cách đo và độ phân giải không gian được xác định theo công thức:

$$\text{Kích thước vùng quan sát} = 2 \times D \times \tan\left(\frac{\theta}{2}\right)$$

Trong đó $D$ là khoảng cách từ cảm biến đến vật thể (đơn vị mét) và $\theta$ là góc mở trường nhìn (đơn vị độ). Để đảm bảo độ chính xác cho phép đo, diện tích mục tiêu cần chiếm tối thiểu từ 3 × 3 điểm ảnh trở lên; nếu mục tiêu nhỏ hơn độ phân giải của một điểm ảnh, giá trị nhiệt độ ghi nhận sẽ bị trung bình hóa với nhiệt độ nền xung quanh.

Về phương diện xử lý ảnh số, dữ liệu ma trận 32 × 24 điểm ảnh được nội suy không gian để tăng độ phân giải hiển thị trực quan thông qua các thuật toán như Bilinear, Bicubic hoặc Lanczos. Dữ liệu nhiệt độ dạng số thực (float) được chuẩn hóa tuyến tính về miền giá trị mức xám 8-bit (0 đến 255). Nhằm tối ưu hóa độ tương phản và trực quan hóa phân bố nhiệt, hệ thống áp dụng kỹ thuật cân bằng histogram (Histogram Equalization) hoặc khớp histogram (Histogram Matching), sau đó ánh xạ qua các bảng màu chuyên dụng (như Jet, Hot, Inferno, Plasma, Cool, Summer, Winter...). Thuật toán phân ngưỡng nhiệt độ (tĩnh hoặc động) được sử dụng để khoanh vùng và tạo mặt nạ nhị phân cho các vị trí có nhiệt độ vượt ngưỡng cho phép (chẳng hạn mốc 37.5°C khi đo thân nhiệt).

Phương pháp nghiên cứu thực tế bao gồm:

• Phương pháp tổng hợp tài liệu lý thuyết: Thu thập, phân tích và hệ thống hóa các tài liệu chuyên ngành, báo cáo kỹ thuật và bài báo khoa học về máy tính nhúng, cảm biến hồng ngoại và các giải thuật thị giác máy tính.
• Phương pháp thực nghiệm: Thiết kế mạch nguyên lý, lắp ráp hoàn thiện phần cứng, lập trình phần mềm điều khiển, sau đó tiến hành chuỗi thực nghiệm đo đạc thực tế để kiểm tra sai số, tốc độ khung hình và độ ổn định của hệ thống.
• Phương pháp tham khảo ý kiến chuyên gia: Thường xuyên trao đổi, nhận định hướng và phản biện khoa học từ giảng viên hướng dẫn chuyên môn thuộc Bộ môn Điện tử Công nghiệp – Y sinh để hoàn thiện các giải pháp kỹ thuật.

Nguồn dữ liệu của nghiên cứu là các ma trận số liệu nhiệt độ thời gian thực được trích xuất trực tiếp từ thanh ghi nội của cảm biến MLX90640 thông qua bus I2C của Raspberry Pi 4.

---

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo cấu trúc module hóa gồm ba khối phần cứng chính tương tác chặt chẽ với nhau:

1. Khối cảm biến (Camera nhiệt MLX90640): Đóng vai trò thu nhận bức xạ hồng ngoại. Cảm biến hoạt động ở dải đo từ -40°C đến +300°C với độ chính xác danh định ±1°C, tốc độ làm mới lập trình được trong khoảng 0.5 Hz đến 64 Hz. Mô-đun sử dụng giao thức truyền thông I2C (hỗ trợ chế độ Fast Mode Plus lên tới 1 MHz) với địa chỉ mặc định là 0x33. Hai đường tín hiệu chính gồm SDA (dữ liệu nối tiếp) và SCL (xung nhịp nối tiếp) kết nối trực tiếp với các chân GPIO tương ứng trên vi máy tính. Cảm biến có hai cấu hình thấu kính quang học: MLX90640-D55 (góc nhìn 55° × 35°, phục vụ đo tầm xa) và MLX90640-D110 (góc nhìn 110° × 75°, phục vụ quan sát góc rộng tầm gần).

2. Khối xử lý trung tâm (Raspberry Pi 4 Model B): Đảm nhận việc quản lý luồng dữ liệu, tính toán ma trận, xử lý ảnh và điều khiển giao diện. Bo mạch tích hợp vi xử lý Broadcom BCM2711 gồm 4 nhân Cortex-A72 kiến trúc 64-bit với xung nhịp 1.5 GHz, bộ nhớ đồ họa VideoCore VI hỗ trợ xuất hình ảnh kép qua cổng micro HDMI, kết nối mạng LAN Gigabit, Wi-Fi băng tần kép 2.4/5.0 GHz và Bluetooth 5.0. Nguồn điện cấp cho toàn bộ khối xử lý là 5V với dòng tải tối thiểu 3A qua cổng USB-C.

3. Khối hiển thị (Màn hình LCD 7 inch): Kết nối trực tiếp với Raspberry Pi 4 thông qua chuẩn giao diện HDMI kỹ thuật số không nén, đảm bảo tín hiệu truyền hình ảnh độ phân giải cao ổn định, không bị trễ hoặc suy hao dữ liệu. Màn hình hiển thị bản đồ nhiệt màu, các đồ thị phân tích và bảng trạng thái cảnh báo theo thời gian thực.

Thành phần thiết bị	Thông số kỹ thuật / Đặc tính kết nối	Chức năng trong hệ thống
Raspberry Pi 4 Model B	Broadcom BCM2711, 4 nhân Cortex-A72 1.5 GHz, 40 chân GPIO	Bộ xử lý trung tâm, giải thuật tính toán và điều phối luồng dữ liệu
Cảm biến MLX90640	Ma trận 32 × 24 pixel, dải đo -40°C đến +300°C, sai số ±1°C	Thu nhận bức xạ hồng ngoại, số hóa dữ liệu nhiệt bề mặt
Giao tiếp I2C	Bus 2 dây (SDA, SCL), xung nhịp hỗ trợ tới 1 MHz, địa chỉ 0x33	Truyền nhận dữ liệu nhiệt độ thô giữa cảm biến và Raspberry Pi
Màn hình LCD 7 inch	Cổng nhận tín hiệu HDMI tiêu chuẩn, nguồn rời hoặc cấp qua USB	Trực quan hóa bản đồ nhiệt, bảng phân bố và thông tin cảnh báo
Nền tảng phần mềm	Raspberry Pi OS, Python 3, OpenCV, Adafruit CircuitPython	Môi trường lập trình, nội suy dữ liệu, xử lý ảnh và hiển thị

Về quy trình triển khai phần mềm, hệ thống vận hành theo chuỗi giải thuật tuần tự:

• Khởi tạo hệ thống: Thiết lập cấu hình chân GPIO, thiết lập giao tiếp I2C ở tần số quy định và nạp các driver của thư viện adafruit-circuitpython-mlx90640.
• Đọc ma trận nhiệt độ: Thu thập định kỳ 768 giá trị nhiệt độ thô từ cảm biến vào mảng hai chiều.
• Xử lý mảng dữ liệu: Sử dụng thư viện NumPy và OpenCV để chuẩn hóa dữ liệu sang kiểu dữ liệu mảng 8-bit uint8, áp dụng bộ lọc làm mịn loại bỏ nhiễu và sử dụng thuật toán nội suy nâng cao kích thước hiển thị.
• Cân bằng histogram và ánh xạ màu: Tối ưu hóa tương phản bằng hàm cv2.equalizeHist() và chuyển đổi ma trận sang không gian màu thông qua các bảng màu chuẩn hóa (Colormap).
• Phân ngưỡng và giám sát: So sánh các giá trị điểm ảnh với ngưỡng nhiệt độ cảnh báo cài đặt trước; nếu xuất hiện điểm quá ngưỡng, hệ thống kích hoạt hiển thị đánh dấu vùng nghi vấn và hỗ trợ chức năng nút bấm chụp màn hình để lưu trữ dữ liệu.

Đoạn mã mẫu sử dụng OpenCV xử lý cân bằng histogram ảnh nhiệt được nhóm tác giả triển khai như sau:

import cv2
import numpy as np

# Gia su frame la anh nhiet 2D tu MLX90640
frame = np.uint8(...)
# Can bang histogram
equalized = cv2.equalizeHist(frame)
# Tinh histogram
hist = cv2.calcHist([equalized], [0], None, [256], [0, 256])

---

Nội dung chính theo từng chương

Chương 1. Tổng quan

Chương 1 trình bày tính cấp thiết của việc giám sát nhiệt độ không tiếp xúc trong giai đoạn bình thường mới sau dịch bệnh COVID-19 và trong an toàn công nghiệp. Tác giả phân tích các hạn chế của giải pháp đo thân nhiệt truyền thống và sự đắt đỏ, khép kín của các thiết bị chuyên dụng như Flir One hay Seek Thermal. Từ đó, chương đề ra mục tiêu thiết kế hệ thống giám sát nhiệt độ chi phí thấp bằng camera nhiệt MLX90640 và vi máy tính Raspberry Pi 4; xác định rõ phạm vi giới hạn của đề tài về mặt linh kiện, ngôn ngữ lập trình và các phương pháp nghiên cứu áp dụng (tổng hợp lý thuyết, thực nghiệm và tham vấn chuyên gia).

Chương 2. Cơ sở lý thuyết

Chương này đi sâu vào nền tảng khoa học của việc đo nhiệt từ xa:

• Trình bày định luật vật lý về bức xạ nhiệt của các vật thể có nhiệt độ trên 0 K và phổ bức xạ hồng ngoại.
• Phân tích cấu tạo và nguyên lý của mảng cảm biến nhiệt không làm mát MLX90640 (32 × 24 điểm ảnh, trường nhìn 55° × 35° hoặc 110° × 75°, dải đo từ -40°C đến +300°C).
• Giới thiệu cấu hình phần cứng Raspberry Pi 4 Model B (CPU Broadcom BCM2711 4 nhân, các chuẩn giao tiếp ngoại vi GPIO, I2C, SPI, UART và xuất hình micro HDMI).
• Phân tích chi tiết giao thức truyền thông I2C (cơ chế Master-Slave, điều kiện START/STOP, xác nhận ACK, tần số bus tới 1 MHz) và giao diện màn hình HDMI 7 inch.
• Trình bày cơ sở lý thuyết xử lý ảnh nhiệt: các phép nội suy không gian (Bilinear, Bicubic, Lanczos) để khắc phục độ phân giải vật lý thấp; các phương pháp chuẩn hóa dữ liệu; lý thuyết phân tích histogram ảnh nhiệt, cân bằng và khớp histogram; nguyên lý phân ngưỡng cảnh báo tĩnh và động; đặc tính của các bảng màu chuyên dụng (Hot, Jet, Cool, Spring, Summer, Autumn, Winter, Gray, Bone, Copper).

Chương 3. Thiết kế hệ thống

Chương 3 chi tiết hóa các yêu cầu kỹ thuật và đặc tả chức năng của mô hình:

• Trình bày sơ đồ khối tổng thể gồm khối nguồn, khối cảm biến MLX90640, khối xử lý trung tâm Raspberry Pi 4 và khối hiển thị LCD HDMI.
• Phân tích sơ đồ nguyên lý của từng khối chức năng, mô tả chi tiết sơ đồ chân kết nối tín hiệu và đường cấp nguồn giữa các module.
• Xây dựng sơ đồ nguyên lý toàn mạch và thiết kế lưu đồ giải thuật cho toàn bộ hệ thống: chương trình chính, lưu đồ giải thuật chương trình con khởi tạo vi máy tính, chương trình con đọc dữ liệu đo nhiệt độ, chương trình phụ cảnh báo nhiệt độ và chương trình phụ thực hiện chụp ảnh màn hình lưu trữ thông qua nút nhấn.

Chương 4. Thi công hệ thống

Chương 4 mô tả quy trình hiện thực hóa mô hình từ bản vẽ thiết kế:

• Quy trình lắp ráp cơ khí và đấu nối dây tín hiệu thực tế giữa cảm biến MLX90640 với chân GPIO của Raspberry Pi 4, kết nối cáp HDMI tới màn hình 7 inch.
• Các bước chuẩn bị phần mềm: sử dụng công cụ Raspberry Pi Imager để định dạng thẻ nhớ microSD và cài đặt hệ điều hành Raspberry Pi OS; thiết lập địa chỉ mạng, tài khoản và mật khẩu đăng nhập; kích hoạt giao tiếp I2C trong cấu hình hệ thống.
• Cài đặt môi trường lập trình Python và các gói thư viện phụ thuộc (smbus, adafruit-blinka, adafruit-circuitpython-mlx90640, opencv-python, numpy).
• Xây dựng giao diện hiển thị đồ họa trực tiếp trên màn hình LCD, tích hợp khung hiển thị bản đồ nhiệt màu và các nút chức năng điều khiển.

Chương 5. Kết quả, nhận xét, đánh giá

Chương 5 ghi nhận kết quả thử nghiệm thực tế của hệ thống qua nhiều trường hợp kiểm tra độc lập:

• Kiểm tra đo nhiệt độ trực tiếp trên mẫu bàn tay người nhằm đánh giá khả năng đo thân nhiệt bề mặt.
• Kiểm tra đo nhiệt độ bề mặt điện thoại di động khi đang hoạt động để đánh giá khả năng phát hiện điểm nóng linh kiện điện tử.
• Kiểm tra đo nhiệt độ trên mẫu cốc nước nóng để kiểm tra độ nhạy ở dải nhiệt độ cao.
• Kiểm tra đo đồng thời hai mẫu cốc nước nóng và cốc nước đá đặt cạnh nhau để đánh giá khả năng phân tách tương phản nhiệt giữa hai thái cực nhiệt độ trong cùng một khung hình.
• Kiểm tra đo mẫu hộp giấy để theo dõi mức hấp thụ nhiệt ở điều kiện nhiệt độ phòng.
• Tổng hợp các kết quả thực nghiệm thành bảng số liệu đo, đưa ra các nhận xét khách quan về độ chính xác, tốc độ hiển thị và độ ổn định của thiết bị.

Chương 6. Kết luận và hướng phát triển

Chương 6 tổng kết toàn bộ kết quả nghiên cứu so với mục tiêu đặt ra ban đầu, xác nhận hệ thống đã hoạt động chính xác, ổn định và đáp ứng tốt yêu cầu đo nhiệt không tiếp xúc. Tác giả chỉ ra các điểm hạn chế về mặt phần cứng do độ phân giải cảm biến ban đầu còn thấp và đưa ra các đề xuất cụ thể để phát triển mở rộng hệ thống trong tương lai.

---

Kết quả và đóng góp

Hệ thống đã được chế tạo hoàn chỉnh thành một mô hình thiết bị đo nhiệt độ không tiếp xúc hoạt động độc lập, đạt được các kết quả kỹ thuật cụ thể:

• Thu nhận dữ liệu mảng hồng ngoại ổn định từ cảm biến MLX90640 qua bus I2C với ma trận 32 × 24 phần tử (768 điểm đo) trong dải nhiệt độ từ -40°C đến +300°C, sai số đo lường duy trì ở mức danh định ±1°C.
• Triển khai thành công thuật toán nội suy và xử lý ảnh trên nền tảng Raspberry Pi 4, hiển thị bản đồ nhiệt màu (heatmap) mượt mà và trực quan trên màn hình LCD 7 inch qua giao tiếp HDMI thời gian thực.
• Thử nghiệm hệ thống qua 5 trường hợp đo đạc cụ thể và thu được dữ liệu phân bố nhiệt độ rõ nét: mẫu bàn tay người (nhận diện thân nhiệt), mẫu điện thoại di động (nhận diện điểm tỏa nhiệt), mẫu cốc nước nóng, mẫu kết hợp cốc nước nóng cùng nước đá (tương phản nhiệt cao) và mẫu hộp giấy thông thường.
• Thiết lập thành công thuật toán phân ngưỡng phát hiện nhiệt độ bất thường (ngưỡng tĩnh trên 37.5°C cho y tế hoặc các ngưỡng tùy chỉnh cho thiết bị), đồng thời tích hợp chức năng chụp lưu ảnh màn hình thông qua nút nhấn.

Đóng góp chính của đề tài:

• Xây dựng thành công một giải pháp giám sát nhiệt độ bằng hình ảnh nhiệt với cấu trúc phần cứng và mã nguồn mở, giúp tiết kiệm đáng kể chi phí so với việc nhập khẩu các thiết bị thương mại đóng kín trên thị trường.
• Tích hợp hoàn chỉnh chuỗi xử lý từ giao tiếp phần cứng tốc độ cao (I2C 1 MHz), vi điều khiển máy tính nhúng đến các giải thuật xử lý ảnh nhiệt nâng cao (nội suy, phân tích histogram, phân ngưỡng nhị phân) trên cùng một thiết bị nhỏ gọn, có tính cơ động cao.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống:

• Độ phân giải vật lý của cảm biến MLX90640 tương đối thấp (chỉ 32 × 24 pixel), khiến các chi tiết nhiệt ở khoảng cách xa bị mờ và hệ thống phải phụ thuộc nhiều vào thuật toán nội suy hình ảnh.
• Phép đo bị giới hạn bởi trường nhìn và khoảng cách: ở khoảng cách 1 m với góc nhìn 55°, kích thước vùng quan sát của mỗi pixel lên tới 2,6 cm × 2,6 cm. Nếu kích thước vật thể nhỏ hơn vùng này hoặc không chiếm đủ diện tích tối thiểu 3 × 3 pixel, nhiệt độ đo được sẽ bị sai lệch do ảnh hưởng của nhiệt độ môi trường xung quanh.
• Hệ thống hiện tại vận hành chủ yếu theo phương thức giám sát cục bộ, chưa tích hợp mô-đun truyền dữ liệu không dây về máy chủ trung tâm hoặc lưu trữ đám mây.

Hướng nghiên cứu tiếp:

• Nâng cấp phần cứng với các loại cảm biến ảnh nhiệt có độ phân giải cao hơn để mở rộng cự ly giám sát và nâng cao độ sắc nét của hình ảnh nhiệt.
• Ứng dụng các thuật toán trí tuệ nhân tạo (AI) và mạng học sâu để tự động nhận diện khuôn mặt và trích xuất chính xác vùng trán của đối tượng cần đo, hạn chế cảnh báo sai trong sàng lọc y tế.
• Tận dụng kết nối mạng Wi-Fi có sẵn trên Raspberry Pi 4 để phát triển tính năng gửi cảnh báo tự động qua email, tin nhắn hoặc tích hợp vào hệ thống Internet vạn vật (IoT) phục vụ quản lý tập trung từ xa.

---

Giá trị tham khảo

Tài liệu khóa luận này mang lại giá trị tham khảo thiết thực cho:

• Sinh viên, học viên chuyên ngành Công nghệ Kỹ thuật Điện tử - Viễn thông, Kỹ thuật Máy tính, Điện tử Công nghiệp - Y sinh hoặc Điều khiển & Tự động hóa đang thực hiện các đồ án liên quan đến hệ thống nhúng và cảm biến.
• Các kỹ sư phát triển thiết bị đo lường không tiếp xúc, hệ thống giám sát an toàn nhiệt hoặc cảnh báo cháy nổ sớm trong các môi trường công nghiệp và y tế.

Các nội dung có giá trị ứng dụng cao bao gồm quy trình kết nối và cấu hình giao tiếp I2C tốc độ cao giữa vi xử lý Raspberry Pi 4 với cảm biến MLX90640; phương pháp lập trình chuyển đổi mảng dữ liệu nhiệt thô sang bản đồ nhiệt màu bằng thư viện OpenCV; cùng các sơ đồ nguyên lý mạch phần cứng và lưu đồ giải thuật điều khiển hệ thống thời gian thực.

---

Câu hỏi thường gặp

1. Cảm biến MLX90640 sử dụng trong hệ thống có thông số kỹ thuật và chuẩn giao tiếp như thế nào?
Cảm biến MLX90640 sở hữu mảng cảm biến hồng ngoại 768 điểm ảnh (ma trận 32 × 24 pixel), dải đo nhiệt độ từ -40°C đến +300°C với sai số ±1°C và tốc độ làm mới lập trình được từ 0.5 Hz đến 64 Hz. Thiết bị có hai phiên bản trường nhìn là 55° × 35° (MLX90640-D55) và 110° × 75° (MLX90640-D110). Cảm biến giao tiếp với Raspberry Pi 4 qua chuẩn I2C với địa chỉ phụ mặc định là 0x33, hỗ trợ tần số xung nhịp bus lên tới 1 MHz.

2. Tại sao cần phải thực hiện nội suy dữ liệu ảnh nhiệt trước khi hiển thị?
Do cảm biến MLX90640 có độ phân giải vật lý rất thấp (chỉ 32 × 24 điểm ảnh), hình ảnh nhiệt thu được thô ráp và khó nhận diện bằng mắt thường. Thuật toán nội suy (như Bilinear hoặc Bicubic) giúp tính toán và bổ sung các điểm ảnh trung gian, từ đó làm tăng độ phân giải ảo và làm mượt bề mặt phân bố nhiệt, giúp người quan sát dễ dàng theo dõi trên màn hình hiển thị.

3. Khoảng cách đo và trường nhìn (FOV) ảnh hưởng như thế nào đến độ chính xác của phép đo?
Kích thước vùng quan sát tỉ lệ thuận với khoảng cách đo $D$ theo công thức $2 \times D \times \tan(\theta/2)$. Để kết quả đo chính xác, vật thể cần chiếm diện tích tối thiểu tương đương 3 × 3 pixel. Ví dụ, với góc nhìn 55° ở khoảng cách 1 m, mỗi pixel bao quát vùng kích thước 2,6 cm × 2,6 cm; nếu vật thể nhỏ hơn kích thước này, giá trị đo được sẽ là giá trị trung bình giữa vật thể và môi trường xung quanh, dẫn đến kết quả bị sai lệch.

4. Cơ chế phân ngưỡng và phát hiện nhiệt độ bất thường của hệ thống hoạt động ra sao?
Hệ thống sử dụng các ngưỡng nhiệt độ (ngưỡng tĩnh như > 37.5°C khi đo thân nhiệt người, hoặc ngưỡng động dựa trên phân vị/histogram). Khi giá trị tại các điểm ảnh vượt qua ngưỡng này, hệ thống sẽ tạo mặt nạ nhị phân để khoanh vùng và làm nổi bật khu vực quá nhiệt bằng màu sắc cảnh báo trên giao diện màn hình LCD, đồng thời kích hoạt cảnh báo trực quan cho người sử dụng.

5. Hệ thống đã được kiểm nghiệm thực tế trên những đối tượng vật mẫu nào?
Tác giả đã triển khai kiểm tra và ghi nhận kết quả hiển thị trên 5 trường hợp vật mẫu thực tế gồm: bàn tay người (đo thân nhiệt), điện thoại di động đang hoạt động (kiểm tra tỏa nhiệt linh kiện), cốc nước nóng, cốc nước nóng đặt cạnh cốc nước đá (đánh giá độ phân giải tương phản nhiệt) và hộp giấy trong điều kiện môi trường phòng.

---

Kết luận

Đồ án tốt nghiệp "Thiết kế và thi công hệ thống đo nhiệt độ bằng camera nhiệt" đã chế tạo thành công một thiết bị giám sát nhiệt độ không tiếp xúc hoàn chỉnh dựa trên nền tảng máy tính nhúng Raspberry Pi 4 và cảm biến mảng hồng ngoại MLX90640. Hệ thống đã giải quyết hiệu quả bài toán thu nhận và xử lý ma trận nhiệt 32 × 24 điểm ảnh, áp dụng các thuật toán nội suy và phân tích histogram của OpenCV để hiển thị bản đồ nhiệt màu trực quan trên màn hình LCD HDMI 7 inch theo thời gian thực. Các thử nghiệm thực tế trên nhiều mẫu vật đã chứng minh tính ổn định, độ tin cậy và khả năng cảnh báo nhiệt độ bất thường của thiết bị, mở ra một giải pháp kỹ thuật mở có chi phí thấp và khả năng tùy biến cao phục vụ công tác an toàn y tế và công nghiệp.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN Tổng kết kết quả đạt được, nêu ra hạn chế và đề xuất hướng phát triển trong tương lai. CƠ SỞ LÝ THUYẾT CHƯƠNG 2. KHÁI NIỆM VỀ NHIỆT ĐỘ VÀ BỨC XẠ HIỆT Nhiệt độ là một đại lượng vật lý cơ bản biểu thị mức độ chuyển động nhiệt của các phân tử trong vật chất.

Nhiệt độ cho biết mức độ “nóng” hay “lạnh” của một vật thể và là một thông số quan trọng trong hầu hết các quá trình vật lý, hóa học và sinh học. Trong hệ đo lường quốc tế, đơn vị đo nhiệt độ là Kelvin (K), nhưng trong đời sống hiện nay và những ứng dụng kỹ thuật, đơn vị độ C (Celsius – °C) được sử dụng nhiều hơn. Khái niệm về nhiệt độ [1] Bức xạ nhiệt là một hiện tượng vật lý, đóng vai trò chủ yếu trong việc truyền nhiệt giữa các vật thể có thể được đo nhiệt độ mà không cần chạm trực tiếp. Theo 5 CHƯƠNG 2.

CƠ SỞ LÝ THUYẾT định lý vật lý, tất cả các vật thể nếu nhiệt độ cao hơn độ không tuyệt đối (-273,15°C hay 0°K) đều biểu hiện ra bức xạ điện từ. Quá trình đó có tên gọi là bức xạ nhiệt, và nó là một dạng truyền năng lượng dưới dạng sóng điện từ có thể lan truyền qua không gian mà không cần sử dụng bất kỳ môi chất trung gian nào. Điều này giúp phân biệt bức xạ nhiệt với các phương thức truyền nhiệt khác như dẫn nhiệt và đối lưu. Dẫn nhiệt xảy ra khi các phân tử vật chất tiếp xúc trực tiếp, còn đối lưu đòi hỏi sự hiện diện của chất lỏng hoặc khí để truyền năng lượng.

Bức xạ nhiệt phát sinh khi các nguyên tử hoặc phân tử của vật chất bị kích thích do nhiệt độ từ nguồn bên ngoài. Khi các nguyên tử, phân tử trở về trạng thái cơ bản, chúng phát ra sóng điện từ dạng ánh sáng hoặc bức xạ hồng ngoại. Quá trình này chính là quá trình chuyển hóa nhiệt năng từ môi trường sang nội năng của một hệ vật. Đặc biệt, bức xạ nhiệt không bị phụ thuộc bởi vật liệu hay môi trường xung quanh, miễn là vật thể có nhiệt độ lớn hơn 0°K.

Bức xạ nhiệt có thể được chia thành các loại dựa trên bước sóng của nó, với bức xạ hồng ngoại (IR) là dạng phổ biến nhất. Các vật thể nếu có nhiệt độ từ vài độ C đến hàng ngàn độ C đều phát ra bức xạ hồng ngoại, và các máy ảnh nhiệt hoặc camera hồng ngoại có khả năng phát hiện ghi nhận và đo lường loại bức xạ này. Ngoài bức xạ hồng ngoại, các vật thể có nhiệt độ cực cao ví dụ như là mặt trời có thể phát ra bức xạ cực tím (UV). Tuy nhiên, phần lớn bức xạ cực tím này bị khí quyển hấp thụ.

Vật thể có nhiệt độ rất cao, chẳng hạn như ngôi sao hoặc lò luyện kim, có thể phát ra bức xạ vi sóng và sóng vô tuyến. Bức xạ nhiệt không thể nhận diện được bằng mắt thường, vì vậy con người phải sử dụng các sản phẩm đặc biệt để đo, nhận diện nó. Các thiết bị phổ biến gồm có máy ảnh nhiệt , cảm biến hình ảnh nhiệt và quang phổ kế. Máy ảnh nhiệt ghi nhận bức xạ hồng ngoại và biến đổi chúng thành hình ảnh mang màu sắc, trong đó mỗi màu sắc tương ứng với một khoảng nhiệt độ tại các điểm khác nhau của vật thể.

Cảm biến nhiệt có khả năng đo bức xạ nhiệt tại một điểm vị trí cụ thể và chuyển đổi tín hiệu bức xạ thành tín hiệu điện nhằm tính toán nhiệt độ. CƠ SỞ LÝ THUYẾT Hình 2. Hình ảnh biểu đồ bức xạ nhiệt [2] Mối liên hệ giữa lượng bức xạ nhiệt và nhiệt độ của vật thể là rất rõ ràng,khi nhiệt độ vật thể tăng lên thì cường độ bức xạ nhiệt cũng tăng theo. Ví dụ như là mặt trời với nhiệt độ bề mặt khoảng 5,500°C toả ra một lượng lớn bức xạ điện từ, chủ yếu là bức xạ ánh sáng và hồng ngoại.

Các vật thể nóng như lò nung, thiết bị công nghiệp nóng chảy cũng phát ra bức xạ nhiệt mạnh mẽ, chủ yếu ở vùng bước sóng hồng ngoại. CƠ SỞ LÝ THUYẾT Hình 2. Hình ảnh bức xạ nhiệt giữa mặt trời và trái đất [2] Bức xạ nhiệt cũng đóng vai trò quan trọng trong ngành năng lượng mặt trời, nơi có những tấm pin mặt trời thu nhận bức xạ nhiệt từ mặt trời để chuyển đổi thành năng lượng điện. Ngoài ra, bức xạ nhiệt còn giúp trong xây dựng và bảo trì, như kiểm tra cách nhiệt của các tòa nhà, phát hiện rò rỉ trong hệ thống điều hòa và ống dẫn khí.

CƠ SỞ LÝ THUYẾT Hình 2. Ứng dụng về bức xạ nhiệt [2] Nhiệt độ của vật thể, đặc tính vật liệu và môi trường xung quanh đều ảnh hưởng đến bức xạ nhiệt. Các vật liệu có độ phát xạ cao sẽ phát ra nhiều bức xạ nhiệt hơn so với các vật liệu có độ phát xạ thấp. Môi trường cũng có thể làm thay đổi khả năng bức xạ của vật thể; ví dụ, trong môi trường chân không, bức xạ nhiệt sẽ không bị hấp thụ hoặc phản xạ như trong không khí.

Vậy bức xạ nhiệt là một hiện tượng vật lý cơ bản nhưng lại có vai trò thiết yếu trong những lĩnh vực thiết yếu. Từ việc giám sát nhiệt độ cơ thể trong y tế, phát hiện điểm quá nhiệt trong dây chuyền sản xuất, cho đến các ứng dụng trong năng lượng mặt trời và xây dựng, bức xạ nhiệt mang lại những biện pháp hiệu quả để tối ưu hóa quy trình công nghiệp, nâng cao độ chính xác cũng như an toàn để cải tiến chất lượng cuộc sống. Với sự cản tiến không ngừng của công nghệ, các thiết bị cảm biến nhiệt và máy ảnh nhiệt ngày càng được nhiều người sử dụng và sẽ tiếp tục làm tròn vai trò trong việc phát hiện, đo đạc bức xạ nhiệt trong tương lai. CẢM BIẾN ẢNH NHIỆT Cảm biến hình ảnh nhiệt (thermal imaging sensor) là một loại cảm biến thu nhận bức xạ hồng ngoại phát ra từ bề mặt vật thể và chuyển hóa thành dữ liệu nhiệt độ.

CƠ SỞ LÝ THUYẾT Khác với cảm biến hồng ngoại điểm chỉ đo được tại một vị trí, cảm biến hình ảnh nhiệt hoạt động như một ma trận gồm nhiều phần tử cảm nhận nhiệt (pixel), thường được bố trí thành lưới hai chiều như 8×8, 24×32, hoặc thậm chí cao hơn. Mỗi phần tử trong ma trận này ghi lại bức xạ từ một điểm cụ thể trong trường nhìn (FOV), từ đó tái tạo lại hình ảnh nhiệt phản ánh phân bố nhiệt độ của toàn cảnh. Cảm biến ảnh nhiệt [3] 2. Nguyên lý hoạt động Cảm biến ảnh nhiệt hoạt động dựa trên hiện tượng bức xạ nhiệt: mọi vật thể có nhiệt độ lớn hơn 0°K đều phát ra bức xạ hồng ngoại.

Cảm biến sử dụng các phần tử điện tử nhạy cảm với hồng ngoại, chẳng hạn như microbolometer hoặc thermopile, để ghi nhận cường độ bức xạ tại từng điểm ảnh. Dữ liệu nhiệt này được số hóa và xử lý thành hình ảnh với mức xám hoặc màu thể hiện các mức nhiệt khác nhau. CƠ SỞ LÝ THUYẾT Hình 2. Nguyên lý hoạt động của cảm biến ảnh nhiệt Cụ thể, MLX90640 sở hữu một mảng cảm biến hồng ngoại không làm mát (uncooled infrared array) gồm 768 điểm ảnh (32x24).

Mỗi một điểm ảnh cung cấp giá trị nhiệt độ riêng biệt theo thời gian thực. Thiết bị tích hợp sẵn bộ khuếch đại, ADC và vi điều khiển nội bộ để xử lý sơ bộ tín hiệu, giúp việc giao tiếp và lập trình trở nên đơn giản hơn. Camera nhiệt LMX90640 Hệ thống sử dụng cảm biến camera nhiệt MLX90640, một cảm biến hình ảnh hồng ngoại có độ phân giải 32x24 pixel. Đây là cảm biến có khả năng đo nhiệt độ bức xạ từ bề mặt vật thể mà không cần tiếp xúc trực tiếp, rất phù hợp cho các ứng dụng giám sát nhiệt 11 CHƯƠNG 2.

CƠ SỞ LÝ THUYẾT Hình 2. Camera nhiệt MLX90640 [2] Bảng 2. Thông số kỹ thuật camera nhiệt MLX90640 [2] Thông số kỹ thuật Giá trị Độ phân giải 32 × 24 pixel Trường nhìn (FOV) -MLX90640-D55: 55° × 35° (phù hợp cho đo tầm xa) -MLX90640-D110: 110° × 75° (góc rộng, phù hợp cho đo tầm gần) Giao tiếp I2C (địa chỉ mặc định: 0x33), hỗ trợ tốc độ lên đến 1MHz Nguồn 3.3V hoặc 5V Dòng điện < 23mA Tốc độ làm mới (frame rate) từ 0.5Hz đến 64Hz (lập trình được) Độ chính xác đo ±1°C Dải đo nhiệt độ -40°C đến +300°C Nhiệt độ hoạt động môi trường -40°C đến +85°C Kích thước mô-đun 28mm × 16mm 12 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Kích thước lỗ gắn 2.

Trường nhìn (FOV) và khoảng cách đo Trong hệ thống đo nhiệt độ dùng camera nhiệt, trường nhìn (FOV - Field of View) và khoảng cách đo là hai vai trò quan trọng ảnh hưởng trực tiếp đến khả năng quan sát và sự chính xác của phép đo nhiệt độ. - Trường nhìn (FOV) Trường nhìn là góc mà cảm biến nhiệt có thể quan sát được trong không gian phía trước nó. Lệ thuộc vào từng loại cảm biến, giá trị FOV có thể không giống nhau. Ví dụ như cảm biến nhiệt MLX90640 có hai phiên bản FOV phổ biến: 55° × 35° (góc nhìn hẹp): thích hợp để tập trung vào mục tiêu cụ thể ở khoảng cách xa.

110° × 75° (góc nhìn rộng): phù hợp để quan sát không gian lớn ở khoảng cách gần. - Khoảng cách đo Khoảng cách giữa cảm biến với mẫu vật thể cũng có thể làm ảnh hưởng đến nhiệt độ chính xác cần đo. Nếu vật thể có kích thước nhỏ so với vùng quan sát của một pixel, nhiệt độ đo được sẽ là trung bình của nhiều vùng xung quanh, làm sai lệch kết quả. Một nguyên tắc cần lưu ý là mục tiêu đo cần chiếm ít nhất một vùng tương ứng với nhiều pixel (thường từ 3×3 pixel trở lên) để cho kết quả chính xác.

Ví dụ, với camera nhiệt MLX90640 có độ phân giải 32×24, khi đặt ở khoảng cách 1m với FOV 55°, thì mỗi pixel tương đương vùng quan sát khoảng 2,6cm × 2,6cm. Vật thể nhỏ hơn kích thước này sẽ không thể đo chính xác. Mối quan hệ giữa FOV, khoảng cách và độ phân giải, có thể biểu diễn mối liên hệ này bằng công thức: Kích thước vùng quan sát = 2×D×tan(θ/2) (1) Trong đó: D: Khoảng cách giữa cảm biến đến mẫu vật thể (m) θ: Góc FOV của cảm biến (độ) 13 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Từ đó, có thể tính được kích thước vùng mà một pixel quan sát được, và đo được được khoảng cách lắp đặt tối ưu để quan sát chính xác vùng mục tiêu (ví dụ: khuôn mặt người).

Đo lường và trường nhìn [3] 2.