MLX90640 红外热成像仪测温模块开发笔记（一）概述及开发资料准备

wenkon · 发表于 2022-8-1 09:04:38

MLX90640 红外热成像仪测温模块开发笔记（一）概述及开发资料准备
现在自己在做红外成像仪的越来越多了，两年前有个井下机电设备运行状态的科研项目，当时使用了 AMG8833（8*8 像素），科研毕竟就是科研，后来也没有听说成果得到应用的消息，我想也是， 8*8 能干什么，也就能做个红外测温枪吧。前段时间因为公司生产电路板测试需要，打算买一台红外成像仪测量电路板发热是否正常，商用的价格还是有些小贵的，我们电路板都不大所以就找了一台便宜的先用着，无意中发现了 MLX90640 这个东西， 32*24像素， 768 个测温点，基本上可以成像用了。现在都智能手机、信息化、人工智能了，能不能用 MLX90640 做个能和手机连接成像的红外模块呢，那样的话测试、存储岂不是很方便。说做就做，马上行动。。。。。

MLX90640 有两个型号， A 型和 B 型，各拍了一个，在等待物流的过程中索性先做些准备工作，也科普一下红外成像是怎么回事。
首先是上 MLX 的官网下载几个必备文件，有用的其实只有两个文件。

（1） MLX90640 数据手册
下载地址不好放上，大家可以私信。
（2） MLX90640 驱动库和说明文档
下载地址

关于官网下载的两个文件，手册写得很一般，说一点用处也没有也不至于，但看完后觉得大部分是没有意义和不知所以然要写的，但手册不看毕竟是不行的。同时也做了中文翻译， MLX90640 中文手册下载地址

另一个下载的文件 mlx90640-library-master.zip 问题比较严重（折腾了我大概一天多时间）。过程不多说了，直接说问题在哪。这个压缩包里有 API 使用说明、 API 的 C 语言源代码以及一组用 Excel 文件计算完成的参数计算实例，实例的原数据和计算结果都是没有问题的，但我按照 API 使用说明里的指导调用函数库存里的函数，使用 Excel 里的原始数据无论如何也得到不正确的结果，后来发现问题出在下载的 API 函数。
MLX90640_API.h 文件里定义了一个结构体类型，里面较为明显的错误有：
uint16_t alpha[768];
int8_t kta[768];
int8_t kv[768];
上面三个变量被定义为整型，但是， Excel 计算表里面，这三个数组的值分别显示为0.0000000397885742132、 0.00634766、 0.43750000 的样子，这是整数？其它的不说， Excel和 API 不是同一个版本或者说不一致是 100%的。经过不断找别人用过的 API、测试，下面的文件是可用的，同时也做了一份 API 说明文件的中文翻译。
MLX90640 驱动库:
MLX90640API 中文说明

MLX90640 红外热成像仪测温模块简要介绍说明

（1） A 型和 B 型的区别

区别主要有以下几点

视场角不同： A 型为 110*75° ， B 型为 55*35° ，通俗一点讲就是 A 型是广角，所以镜头矮一些，视野更宽，但对远处物体的捕捉能力更低， B 型更适于拍摄稍远的物体。精度不同： A 型的噪声比 B 型大，所以 B 型的绝对温度和灵敏度都好一些。

（2）供电电压和数字接口

MLX90640 共有 4 个引脚，两个电源 3.3V 供电，两个通讯 I2C 接口， I2C 支持最高 1MHz的通讯速率（实际测试发现 1.2MHz 也是可以的，只是偶尔会出错，还是老老实实 1MHz 吧）。I2C 完全是经典的时序，而且通讯速率范围特别宽，从几十赫兹到兆赫兹都通讯正常，所以它的 I2C接口程序还是很好写的。功耗大约是 25mA，实测没有问题。

供电必须是 3.3V，但 I2C 的两根引脚可以 2.5~5V 兼容。

（3）灵敏度、测温范围和精度

MLX90640的测量速率最高可以达到 64Hz，但越快的速率时的噪声会越大，导致灵敏度下降，手册上给出的指标是 1Hz 时可以区分出 0.1℃。测温范围是-40~300℃。

测温精度和成像的区域有关，靠近中间位置是±0.5~1.0℃，最外侧 4 个角是±2.0℃，其它区域约是±1.0℃。还有就是传感器上电后有个热平衡的时间，大约是 5分钟，未达到热平衡时精度会差一些。

（4）坏点

手册里特别提到了每个MLX90640 传感器可能存在最多 4 个不能使用或者精度达不到要求的像素，这也许和传感器的生产工艺有关吧，坏点都会在出厂时记录到传感器的EEPROM 里，实际使用时记得要读取一下并且在成像时特殊处理这种可能存在的像素点数据。在后面的实际测试过程中，并没有发现坏点的存在，可能是运气比较好。在官方的 API 库里，坏点和未达到精度要求的点是不做区分的，都是同样的处理方法（用相邻的好的点做平均值做为坏点的值）。