ภาพความร้อนและ LiDAR

ทำไมต้องรู้

UAT 361 สอนหลักภาพความร้อนเบื้องต้นแล้ว วิชานี้ต่อยอดไปที่งานระบบพลังงาน ซึ่งต้องใช้หลายเซนเซอร์ร่วมกัน กล้องความร้อนหาข้อต่อที่ร้อน LiDAR วัดระยะต้นไม้ถึงสายไฟแม่นยำกว่าภาพถ่าย และกล้อง UV เห็นโคโรนาที่ตาและกล้องธรรมดามองไม่เห็น แต่ละเซนเซอร์มีข้อจำกัด การเลือกผิดทำให้พลาดความเสียหายหรือเตือนผิด

กล้องความร้อนในงานพลังงาน

กล้องความร้อนมีพิกเซลน้อยกว่ากล้องสีมาก จุดร้อนเล็ก เช่น ข้อต่อสายไฟ ต้องครอบคลุมหลายพิกเซลจึงวัดอุณหภูมิได้น่าเชื่อถือ เพราะพิกเซลที่ครอบทั้งข้อต่อและท้องฟ้าจะได้ค่าเฉลี่ยที่ต่ำกว่าจริง ทีมต้องกำหนดขนาดพิกเซลที่ต้องการแล้วคำนวณระยะแบบเดียวกับ UAT 361 โมดูล 4 NETD บอกความไวต่อความต่างอุณหภูมิ ส่วนค่า emissivity และอุณหภูมิสะท้อนต้องตั้งตามวัสดุ โลหะมันวาวของสายไฟมี emissivity ต่ำและสะท้อนท้องฟ้าเย็นได้มาก จึงอ่านผิดง่าย (Vollmer และ Möllmann)

LiDAR

LiDAR ยิงพัลส์แสงเลเซอร์แล้ววัดเวลาที่แสงเดินทางไปกลับ ระยะคือ $R=ct/2$ เพราะแสงเดินทางสองเที่ยว ระบบบนโดรนกวาดลำแสงเป็นแนวกว้าง $w$ ขณะบิน ความหนาแน่นของพัลส์บนพื้นประมาณเท่ากับจำนวนพัลส์ต่อวินาที (PRF) หารด้วยพื้นที่ที่กวาดได้ต่อวินาที

USGS กำหนดระดับคุณภาพข้อมูล LiDAR ใน Lidar Base Specification เช่น QL2 ความหนาแน่นอย่างน้อย 2 พัลส์/m² และ QL1 อย่างน้อย 8 พัลส์/m² ข้อกำหนดนี้เขียนสำหรับงานสำรวจพื้นที่กว้าง แต่ใช้เป็นเกณฑ์อ้างอิงเมื่อระบุคุณภาพข้อมูลได้

import math

C = 299_792_458                     # m/s
PRF, FOV_DEG = 240_000, 70

for height, speed in ((60, 6.0), (100, 12.0)):
    t_ns = 2 * height / C * 1e9
    swath = 2 * height * math.tan(math.radians(FOV_DEG / 2))
    density = PRF / (speed * swath)
    level = "QL1" if density >= 8 else ("QL2" if density >= 2 else "below QL2")
    print(f"H {height} m, v {speed} m/s: echo {t_ns:.0f} ns, swath {swath:.1f} m, "
          f"{density:.0f} pulses/m2 ({level})")

H 60 m, v 6.0 m/s: echo 400 ns, swath 84.0 m, 476 pulses/m2 (QL1)
H 100 m, v 12.0 m/s: echo 667 ns, swath 140.0 m, 143 pulses/m2 (QL1)

ระยะต้นไม้จากสายไฟ

ต้นไม้ที่โตเข้าใกล้สายส่งทำให้เกิดไฟฟ้าลัดวงจรและไฟดับ มาตรฐาน NERC FAC-003-5 ของอเมริกาเหนือกำหนด ระยะห่างต่ำสุดของพืชพรรณ (MVCD) ตามแรงดันและความสูงจากระดับน้ำทะเล เป็นตัวอย่างของการกำหนดเกณฑ์ที่ชัดเจน ในไทยต้องใช้เกณฑ์ของการไฟฟ้าที่ดูแลสาย point cloud จาก LiDAR ทำให้คำนวณระยะจากยอดไม้ถึงสายไฟได้ทุกต้น

import math

def wire_z(x):                      # ความสูงสายไฟ (m) ตามระยะ x จากเสาต้นแรก
    return 20 - 4 * (1 - ((x - 100) / 100) ** 2)

wire = [(x / 10, 0.0, wire_z(x / 10)) for x in range(0, 2001)]
trees = {"T1": (40, 3, 14.5), "T2": (95, -2, 15.0), "T3": (150, 4, 12.0), "T4": (170, -6, 17.5)}
LIMIT = 3.0
for name, top in trees.items():
    d = min(math.dist(top, p) for p in wire)
    print(f"{name}: {d:.2f} m {'-> trim' if d < LIMIT else ''}")

T1: 4.20 m
T2: 2.24 m -> trim
T3: 6.40 m
T4: 6.02 m

กล้อง UV ตรวจโคโรนา

โคโรนา (corona discharge) คือการคายประจุบางส่วนรอบตัวนำหรือฉนวนไฟฟ้าแรงสูงที่ชำรุดหรือสกปรก ปล่อยแสงอัลตราไวโอเลต งานวิจัยของ Wang และ Qian (2019) และ Wang และคณะ (2014) ใช้ กล้อง UV แบบ solar-blind ที่ทำงานในช่วงคลื่นต่ำกว่าประมาณ 280 nm ซึ่งแสงอาทิตย์ถูกบรรยากาศกรองออก จึงเห็นโคโรนาได้แม้กลางวัน กล้อง UV บอกว่ามีการคายประจุที่ใด แต่การประเมินความรุนแรงต้องอาศัยผู้เชี่ยวชาญและข้อมูลอื่นประกอบ

ปฏิบัติการประจำโมดูล

ข้อผิดพลาดที่พบบ่อย

สรุป

• จุดร้อนต้องครอบคลุมหลายพิกเซล และต้องตั้ง emissivity ตามวัสดุ
• LiDAR วัดระยะ R = c·t/2 ความหนาแน่นประมาณ PRF/(v·w) เทียบระดับ QL ของ USGS ได้
• ระยะต้นไม้ถึงสายไฟต้องคำนวณแบบสามมิติ และใช้เกณฑ์ของเจ้าของสาย
• กล้อง UV แบบ solar-blind เห็นโคโรนาได้ในเวลากลางวัน

แบบฝึกตรวจความเข้าใจ

1. LiDAR วัดเวลาไปกลับได้ 500 ns ระยะเท่าใด
2. บินที่ 80 m มุมกวาด 70° แนวสแกนกว้างเท่าใด
3. PRF 100,000 พัลส์/s บิน 10 m/s แนวสแกน 100 m ความหนาแน่นเท่าใด และผ่านระดับใด
4. ทำไมต้นไม้ที่สูงที่สุดจึงไม่จำเป็นต้องใกล้สายไฟที่สุด
5. ทำไมกล้อง UV แบบ solar-blind จึงใช้กลางวันได้