红外探测、识别、确认距离不是同一个指标。很多项目只写“探测距离5 km”，但采购真正关心的是：能不能发现目标、能不能判断是人还是车、能不能确认目标类型或行为。三者差别主要来自目标在图像中占据的像元数，而不是单纯由探测器分辨率决定。

红外探测距离、识别距离、确认距离的定义

探测距离 Detection：图像中出现可疑热目标，操作者或算法知道“那里有东西”。此时通常只能看到亮点或小斑块，不能可靠判断类别。

识别距离 Recognition：可以判断目标大类，例如人、车辆、船只、动物。对边境安防、周界监控、机载搜索来说，识别距离通常比探测距离更有采购价值。

确认距离 Identification / Confirmation：可以进一步确认目标细节，例如人员姿态、车辆类型、是否携带物体、目标朝向等。中文项目文件里常写“确认距离”或“辨认距离”，本质上接近Identification。

工程上常参考Johnson准则：目标关键尺寸上约1.5–2个像元可探测，约6–8个像元可识别，约12–16个像元才适合确认。实际项目会受对比度、噪声、镜头MTF、大气衰减、显示端和算法影响，不能把这些数字当成绝对保证。

为什么探测距离通常远大于识别距离？

假设目标是1.8 m高的人，使用640×512、12 μm长波红外探测器，镜头焦距50 mm。单像元瞬时视场约为：

IFOV = 12 μm / 50 mm = 0.24 mrad

目标在距离R处的像元高度约为：

像元数 = 目标高度 / (R × IFOV)

在3 km处，1.8 m目标约占2.5个像元，可能被探测到，但很难识别。
在1 km处，约占7.5个像元，具备人形识别基础。
在500 m处，约占15个像元，更接近确认级别。

这就是为什么同一套热像系统可能标称“探测3 km、识别1 km、确认500 m”。如果只看最远探测距离，容易高估系统能力。

影响红外作用距离的关键参数

第一是焦距。焦距越长，目标像元数越多，远距离识别能力越强，但视场变窄，搜索效率下降。边境、海防、机场周界通常需要长焦或连续变焦；移动机器人和车载避障则更重视宽视场。

第二是探测器分辨率和像元尺寸。同等镜头下，1280×1024比640×512能提供更宽视场或更多目标细节。SPECTRA L12 1280×1024 LWIR适合需要大视场覆盖并保留细节的固定监控；SPECTRA L06 640×512 LWIR 12μm更适合成本、功耗、体积受限的通用系统。

第三是波段和制冷方式。LWIR 8–14 μm适合多数地面热成像，非制冷方案集成简单；MWIR 3–5 μm配合制冷探测器，通常在远距离、小温差、高帧频场景中更有优势。SPECTRA M12 1280×1024 制冷MWIR更适合远距离监视、机载载荷和高端光电转台。

第四是大气条件。雾、雨、湿度、沙尘和热湍流都会压缩识别与确认距离。红外不是“全天候无限穿透”，尤其在高湿环境中，远距离对比度会明显下降。波段划分可参考ISO 20473:2007对光学辐射谱段的定义：[ISO](https://www.iso.org/standard/39482.html)。国内红外成像设备相关要求也可参考国家标准信息平台，例如GB/T 19665-2024：[China national standards platform](https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=3263E348B092EF7A39AF7B94E3AF6D5E)。

采购时应怎样写距离指标？

建议不要只写“探测距离≥X km”。更合理的写法是同时给出目标尺寸、环境条件、概率要求和三类距离。例如：

“对1.8 m×0.5 m人体目标，在能见度良好、温差≥2 K、50%或90%判读概率条件下，探测距离≥3 km，识别距离≥1 km，确认距离≥500 m。”

如果用于边境安防，应优先确认“识别距离”和“目标虚警率”；如果用于机载搜索，应同时关注视场、云台稳定性和运动模糊；如果接入AI识别，还要明确算法输入分辨率、目标最小像素和训练场景，避免只用静态样张评估。

结论：先定任务，再定红外模组

远距离发现目标，重点看探测距离；需要判断人、车、船，重点看识别距离；需要确认细节和行为，重点看确认距离。工程选型时，先写清目标尺寸、目标温差、工作距离、视场范围和环境条件，再选择探测器分辨率、焦距、波段和是否制冷。不要用单一“最远距离”评价红外系统，否则很容易买到能发现亮点、却不能解决业务问题的设备。

常见问题

Q1：探测距离是不是越远越好？
不一定。探测距离远但视场太窄，可能搜索效率很低。监控系统要在“看得远”和“覆盖宽”之间平衡。

Q2：640×512一定不如1280×1024吗？
不是。1280×1024细节更多，但成本、带宽和处理压力更高。若目标距离中等、预算有限，640×512仍然是常用选择。

Q3：红外确认距离能否直接按公式计算？
只能估算。公式给出像元占比，实际还要看镜头质量、NETD、图像增强、大气透过率、目标温差和操作者经验。

Q4：AI能不能提高识别距离？
AI可以提升稳定性和批量处理能力，但不能凭空创造图像细节。目标像元太少、对比度太低时，算法结果仍然不可靠。