微波炉加热一盘菜——边缘烫嘴，别处差点意思，加热不均。这种温差不是操作失误。微波能量按驻波分布，食物各部位吸收的能量本就不一致，加上形状、密度、含水量的差异，同一份餐食里出现十几摄氏度的温差是常见现象。想让它收敛，得先知道食物当下多少度——可腔体里的高温环境，让多数测温元件难以贴近食物本身。

领麦微FW-D1作为MEMS热电堆红外传感器，5.5μm响应波长，不用接触即可接收食物表面辐射的红外能量，不用探针插进饭菜，也不接触任何食材。

腔体内的测温环境

腔体里是持续高温的环境。放进去的任何测温元件都要长时间待在这种条件下，还要面对食物、水汽与油脂等影响。多数方案因此只能退到腔体外围，隔着一段距离去读，这让可选范围比常温场景小得多。

FW-D1采用TO-39金属管壳封装，就是为这种环境准备的。金属管壳提供结构强度与长期稳定性，器件不参与加热链路，只负责接收辐射；传感器还集成热敏电阻做环境温度补偿，腔温怎么变，读数的基准跟着修正。

但光耐得住高温还不够，关键在测的是谁。同样是测温度，测腔体空气和测食物表面是两个任务——前者好实现，后者才与加热效果相关。FW-D1视场角10°、建议测温距离2~50cm，这两个数决定了它盯着的是食物那一小块表面，而不是整个腔体。

由空气推导到直接测温食物表面温度

传统方案的做法是用NTC测量空气温度，再依据经验关系推导食物温度。这个思路在预热阶段还算好用，一旦进入正常加热就露出短板。

以空气作为导热介质，热量在其中的传递缓慢，腔体空气升温和食物升温并不同步。等空气读数上来，食物可能已经过了最佳状态；空气读数稳定时，食物内部可能还远没到位。推导链越长，偏差越大。更要紧的是响应。空气温度的变化本就滞后于食物，再经过一层经验换算，控制系统拿到的其实是过去一段时间的估计值。FW-D1绕开了空气这一层中介——不需要等待热平衡，读数随食物表面辐射能量即时变化，避免了传统测温响应迟滞的问题。

食物表面的直接读取

读到的红外信号，经24BitSigma-DeltaADC转换，由数字I²C输出。主控拿到的是已经处理过的温度值，不需要另外搭一套模拟前端，也避开了长线传输带来的衰减。

视场角的选择有个常被搞反的逻辑：不是越大越好，判据是被测物能否撑满视场。视场覆盖的范围若远大于食物，读数里就混进了腔体背景的辐射。做选型的工程师拿到视场角与测温距离，先算被测物直径，再确认食物能否覆盖住它。

版本上，FW-D1商业级0~150℃、工业级-30~500℃，物温不超过100℃时标准精度±2℃。腔体内食物表面温度通常在这个范围内，选型时把传感器自身所处的环境温度一并考虑进去就行。

智能菜谱的落地支撑

有了食物真实状态的温度数据，智能菜谱才有了落点。机器按菜谱设定的温度节点自动调节火力与时长，到了就停，不再依赖人工估算的分钟数。

解冻是个能说明问题的例子。冰和水的吸收特性差异极大，局部一旦开始融化就会加速吸热，从化冻变成烫熟。按表面温度控制，则可以在温度刚过冰点时降低功率，让热量向内传导，把过程拉平。

领麦微红外测温传感器以“传感器+算法+产品级出厂标定”一站式应用模式。让厂商拿到的是能直接进入联调的方案，免去搭建测试环境及标定等工序。传感器负责采集，算法负责解算与环境补偿，出厂标定让每一颗器件带着自身参数出厂。

回到开头那盘一半滚烫、一半带凉的菜。微波加热的不均匀无法靠结构完全消除，但能不能在正确的时刻停止加热，取决于机器是否知道食物当下的状态。控温的第一步不是调火力，是选对被测的那个对象——而FW-D1选的是食物本身。