红外热成像技术栈选型需综合考虑应用场景、性能要求、成本预算及开发周期。组件包括探测器、处理平台和软件算法。

1.探测器选型：

*制冷型vs.非制冷型：制冷型（如InSb、MCT）灵敏度高（NETD低）、响应速度快，适用于科研、；非制冷型（主流为氧化钒、非晶硅微测辐射热计）成本低、体积小、功耗低、可靠性高，是工业检测、安防监控、消费级应用的主流选择。

*分辨率与帧率：分辨率（如160x120,384x288,640x480）影响图像细节和测温精度，帧率（如9Hz,25Hz,50Hz）影响动态场景能力。根据具体应用权衡选择。

*波段：主流为LWIR（8-14μm），SWIR/MWIR适用于特定场景（如火焰检测、材料穿透）。

2.处理平台选型：

*FPGA：擅长实时高速图像处理（非均匀性校正NUC、滤波），低延迟，功耗相对可控，适用于嵌入式系统和高帧率应用。开发难度较高。

*ARM/DSP：通用性强，易于开发，成本较低，适合中等复杂度的算法（如测温、伪彩）和嵌入式应用。处理能力有限于复杂实时算法。

*X86/GPU：强大的通用计算能力，适合在PC或服务器端进行复杂的后处理分析（如深度学习目标识别、大数据分析）。功耗高，体积大，不适合便携设备。

*ASIC/SoC：性能功耗比，适用于大批量消费级产品。前期投入巨大。

3.软件算法与平台：

*算法：NUC（两点、多点、快门式）、测温（点、线、面、区域）、图像增强（滤波、伪彩映射）、融合（可见光）。算法效率和精度是关键。

*开发平台：底层驱动开发（Linux/QNX）、应用层开发（C/C++/Python）、SDK（厂商提供）。选择成熟稳定的平台和工具链。

*AI集成：目标检测、分类、异常识别等需求日益增长，需考虑平台对AI框架（TensorFlowLite,ONNXRuntime）的支持。

总结：工业检测、安防等主流应用通常选用非制冷微测辐射热计（VOx/a-Si），搭配ARM+FPGA处理架构平衡性能与开发；科研或特殊应用考虑制冷探测器及更强算力平台（如X86+GPU）。软件需优化算法，并评估AI需求。国产化方案（如睿创、高德红外）在性能、成本和供应链上优势显著，是重要选项。选型需在性能、成本、功耗、尺寸和开发难度间寻求平衡点。