Funzionamento semplice con una sola mano

Puoi tenere una mano libera durante l’ispezione dei componenti per la sicurezza dell’operatore e per ridurre l’affaticamento del collo.

Rilevamento del suono di qualità superiore con 124 microfoni

Le termocamere Si-Series sono dotate di 124 microfoni, che possono aiutare a rilevare rumori molto silenziosi a lunga distanza per l'imaging acustico. Ciò è particolarmente importante quando si ispezionano sistemi ad alta tensione e le loro potenziali perdite d'aria, che richiedono una distanza di sicurezza dalle apparecchiature sotto tensione. La forza di un segnale acustico diminuisce significativamente man mano che ci si allontana dalla sua fonte. La soluzione è aumentare il numero di microfoni: quadruplicare il numero di microfoni raddoppia essenzialmente la portata di rilevamento del suono. Utilizzano una gamma dinamica ottimizzata per bilanciare le capacità di frequenza con la distanza percorsa dal suono.  Si desidera che i rilevatori utilizzino le frequenze più basse possibili per ottenere la distanza più lontana.

Scalabilità aziendale

Garantisci l’uso e la manutenzione ottimali delle apparecchiature in ambienti industriali su larga scala con gestione della flotta, integrazione dei dati cloud e aggiornamenti software OTA. Il software di supporto offre anche la possibilità di integrarsi negli storici dei dati, di creare report su cloud e desktop e di combinare i programmi di ispezione IR e acustica. Gli utenti della Si-Series possono anche sfruttare la funzione Organization, una soluzione intuitiva che semplifica il compito di eseguire il follow-up dei rapporti in posizioni separate da parte di telecamere e utenti diversi.

Funzionalità di machine learning

La Flir Si-series utilizza il machine learning per distinguere le altre caratteristiche del modello sonoro creato dalle perdite dallo sfondo. È lo stesso modo in cui si distingue tra un'armonica e una campana che suona la stessa nota. A causa dell’elevato numero di microfoni sensibili combinati con la moderna elaborazione informatica mediante il machine learning, siamo in grado di distinguere tra il rumore di fondo e il rumore creato dal difetto a causa di proprietà diverse dalla frequenza.