Searching for victims with RGB and thermal imagery

กล้องสองแบบให้ข้อมูลต่างกัน

RGB บันทึกภาพแสงที่มองเห็น ช่วยอ่านรูปร่าง เสื้อผ้า และสภาพแวดล้อม ส่วนกล้องความร้อนแสดงความแตกต่างของรังสีความร้อนที่เซนเซอร์รับได้ สีสว่างบนพาเลตจึงไม่ได้หมายถึง “คน” เสมอไป วัตถุที่ถูกแดด อุปกรณ์ร้อน หรือสัตว์อาจเป็นจุดให้ตรวจเพิ่มเติม

FLIR อธิบายว่ากล้องความร้อนไม่เห็นทะลุกำแพง แต่ตรวจผิวที่อยู่ในมุมมองได้ เมื่อมีสิ่งบดบังผู้ประสบภัย การไม่พบสัญญาณในภาพจึงไม่ยืนยันว่าไม่มีคน คำอธิบายจาก FLIR

รายงานจุดต้องสงสัยให้ตรวจต่อได้

บันทึกรหัสภาพ เวลา บริบท ตำแหน่งที่มีแหล่งอ้างอิง และเหตุผลที่สงสัย ถ้าตำแหน่งยังไม่แน่นอน ให้บอกความไม่แน่นอน แทนการรายงานพิกัดละเอียดเกินหลักฐาน จากนั้นส่งให้ผู้ตรวจตามกระบวนการของทีม ไม่เผยแพร่พิกัดผู้ประสบภัยลงช่องทางสาธารณะโดยอัตโนมัติ

วัดทั้งการพบผิดและการพลาด

False positive คือแจ้งสิ่งที่ไม่ใช่เป้าหมาย ส่วน false negative คือพลาดเป้าหมายที่มีอยู่ การฝึกควรเก็บทั้งสองด้าน รวมเวลาที่ใช้ตรวจซ้ำและส่งต่อ ไม่ปรับ threshold เพียงเพื่อให้จำนวนกรอบดูน้อยลง อ่านพื้นฐานเพิ่มใน เครื่องมือ confidence

ภาพประกอบของบทเป็นฉากจำลองสำหรับเรียนรู้ ไม่ใช่หลักฐานความสามารถตรวจจับของกล้องหรือผลค้นหาจริง

แผนภาพประกอบความเข้าใจ

แผนภาพนี้สรุปแนวคิดของบท ใช้ประกอบขั้นตอนและข้อจำกัดที่อธิบายด้านบน สามารถกดภาพเพื่อขยายได้

ลองทำบนคอมพิวเตอร์

1. ใช้ภาพที่มีสิทธิ์หรือฉากฝึกที่ทราบคำตอบ โดยไม่ใช้ข้อมูลผู้ประสบภัยจริง
2. ให้ผู้เรียนสองคนอ่านภาพแยกกันและบันทึกจุดต้องสงสัย
3. เทียบกับคำตอบ นับจุดแจ้งผิด จุดพลาด และรายการที่ต้องตรวจเพิ่ม

สิ่งส่งมอบ: ตารางตรวจภาพพร้อมเหตุผลและสถานะการยืนยัน

ตรวจผล: อธิบายกรณีที่พลาดได้ และไม่ใช้การไม่พบเป็นหลักฐานว่าพื้นที่ว่าง

เรียนต่อและแหล่งฝึก

เปิดบทที่เชื่อมโยงกับเรื่องนี้ → · เปิดชุดฝึกสถานการณ์และไฟล์ดาวน์โหลด →

บรรณานุกรมและอ่านต่อ

• FLIR: Can Thermal Imaging See Through Walls?. สืบค้น 8 กันยายน 2569
• NIST: Aerial Drone Tests. สืบค้น 8 กันยายน 2569
• ICRC: Humanitarian drones and data protection. สืบค้น 8 กันยายน 2569

เนื้อหาและแบบฝึกเรียบเรียงจากแหล่งต้นทางข้างต้น ส่วนภาพเสมือนจริงเป็นภาพประกอบจำลอง ไม่ใช่หลักฐานผลภารกิจหรือผลทดสอบอุปกรณ์

F34: แยก coverage ออกจากโอกาสค้นพบ

ระดับขั้นสูง · แบบจำลองเพื่อการเรียนรู้ · คำถาม: การค้นหามี effort เท่าใด และหากให้โอกาสอยู่ในพื้นที่กับโอกาสตรวจพบแบบมีเงื่อนไขแล้ว โอกาสพบรวมเป็นเท่าใด?

C = W_eff L/A; POS = POC × POD_conditional

AMSA แยก effective sweep width ซึ่งสะท้อนความสามารถตรวจพบออกจาก track spacing และกำหนด POD แบบมีเงื่อนไขว่าเป้าหมายอยู่ในพื้นที่ค้นหา สำหรับแบบฝึกพื้นที่สี่เหลี่ยมแนวขนานสม่ำเสมอ A≈LS จึง C=W_eff/S≈W_eff L/A อีกมุมคือ effective swept area หารA ค่านี้นับ effort ที่ซ้ำได้ ไม่ใช่ union area ของภาพกล้อง

ให้เหตุการณ์ I=เป้าหมายอยู่ในพื้นที่ และ D=ตรวจพบจากการค้นหานี้ กฎคูณความน่าจะเป็นให้ P(I∩D)=P(I)P(D|I) โดยไม่ต้องสมมติว่า I กับ D อิสระ จึงได้ POS ตามนิยามด้านบน ต้องใช้ POC กับ POD ที่อ้างถึงพื้นที่และช่วงค้นหาเดียวกัน

FOV/footprint ไม่ใช่ W_eff; ถ้าไม่ทราบ W_eff ให้ C=ยังไม่ทราบ ถ้าไม่ทราบ POD ให้ POS=ยังไม่ทราบ ห้ามแทนศูนย์หรือเดา POD จาก C บทนี้ไม่ใช้ POD=1−exp(−C) เป็นสูตรสากล ไม่มีตารางรับรองUAVหรือเกณฑ์ยุติการค้นหา การประยุกต์สนามยังต้องมีการทดลอง detection ตรงบริบทและผู้เชี่ยวชาญ SAR ตรวจ

ตัวอย่างแทนค่า

สมมติ W_eff=20 m,L=1000 m,A=40000 m² ให้ C=20×1000/40000=0.5 ไร้หน่วย จากนั้นให้ POC=0.6 และ POD_conditional=0.5 เป็นข้อมูลสมมติแยกต่างหาก ได้ POS=0.6×0.5=0.3 หรือ30% ค่า POD0.5 ไม่ได้คำนวณจาก C0.5 ความเท่ากันเป็นความบังเอิญในโจทย์

แบบฝึกเปลี่ยนค่า

เปลี่ยน POC เป็น0.8 โดยคงข้อมูลอื่นตามโจทย์เดิม C และ POS เป็นเท่าใด?

อ้างอิง: AMSA NATSAR Manual2026 Version1 Volume2 §4.3.6–9, §4.3.45–52, §4.14.30 (P4A07), OpenStax Introductory Statistics2e §3.3 กฎคูณแบบมีเงื่อนไข (P4A09); ตรวจ26กันยายน2569 ตัวเลขทั้งหมดเป็นโจทย์สังเคราะห์

ดาวน์โหลดชุดฝึกการนำทางและภารกิจขั้นสูง (CSV/JSON พร้อมเฉลย) · แบบจำลองสังเคราะห์พร้อมสมมติฐานและข้อจำกัด