当买方问“这套 EO/IR 系统能看多远？”时，得到的答案通常模糊到没有实用价值。真正的问题更具体：它能在多远探测到目标，能在多远识别目标，又能在多远确认目标？
这正是 DRI 标准带来的改变。它把一个笼统的距离宣称拆成三个不同的视觉任务。一旦这样划分，视场、焦距、稳定性、目标尺寸假设，甚至传感器在整个系统中的角色，都需要重新审视。
这一点之所以重要，是因为许多 EO/IR 项目会以一种可预见的方式失败：团队围绕一个偏探测的招牌指标采购，然后期待在相近距离上获得识别或确认性能。硬件本身可能毫无缺陷，问题只是需求定义得不够明确。DRI 的价值就在于，在选定光学方案之前先把任务说清楚，从而避免这种错误。
DRI 将“距离指标”转化为“任务指标”
DRI 代表 detection、recognition 和 identification，也就是探测、识别和确认。
- 探测（Detection）：判断是否存在目标。
- 识别（Recognition）：判断目标属于哪一类。
- 确认（Identification）：判断目标是否能够被区分到足以支撑更具体处置决策的程度。
这看似只是语义上的差别，但实际上会直接改变系统设计。某台摄像机也许能在远距离上探测到一个小目标，却未必能分辨它是无人机、鸟类还是其他物体。即使具备识别能力，如果工作流程要求更细致的区分、更高的稳定性或更多目标细节，它也可能不足以完成确认任务。
Johnson 准则以及 NVESD 目标获取研究之所以长期存在，就是因为这并不是一个简单问题。美国国防分析研究所（IDA）关于这一脉络的教程说明，Johnson 的原始实验为不同视觉任务的 50% 完成概率给出了经验性图像要求。按常见的简化理解，其阈值大致是：
- 目标关键尺寸跨越 1.5 个像素用于探测，
- 6 个像素用于识别，
- 12 个像素用于确认。
这些数字不应被当作神奇常数，但它们仍然有价值，因为它们能把正确的规划问题逼出来。摄像机不是只被要求“看得远”，而是要针对特定目标完成特定任务。
为什么 DRI 会改变硬件选择
一旦任务定义清楚，硬件取舍就很难再混在一起讨论。
焦距与视场
识别和确认通常需要目标上有更多像素，而不是像探测那样只需要能发现轮廓。这往往会推动系统采用更窄的视场或更长的等效焦距。但代价是搜索覆盖范围变小。窄视场、高倍率的成像方式在被引导后用于判别非常强，但如果要独立承担搜索任务，就会比较吃力。
探测器分辨率与采样
更高的探测器分辨率当然有帮助，但前提是整个成像链都能配合。像素更多，并不等于光学性能差、场景对比度低、运动模糊或指向不稳的问题会自动消失。分辨率是能力放大器，而不是替代品。
光谱通道与场景对比度
可见光与热成像通道提供的信息并不相同。白天的可见光通道可能携带标识、纹理和形状信息，在光照良好时更利于识别或确认；而当热对比明显、可见对比不足时，热成像可能更有优势。因此，DRI 选型必须结合具体场景，而不能只看目标名称。
稳定性与指向精度
即便某个传感器在纸面距离模型上达标，如果平台不能稳定保持视线，实际效果仍可能不理想。确认性能对模糊、抖动和引导延迟尤其敏感，因为此时目标在画面中可能只占很小一部分。
这些取舍正是 DRI 会改变 EO/IR 选型的原因。它不只是修正一个距离数字，而是改变系统被要求完成的事情。
探测、识别和确认，意味着不同的系统倾向
如果把任务差异展开看，系统偏向会非常清楚。
| 任务 | 核心问题 | 系统倾向 | 常见错误 |
|---|---|---|---|
| 探测 | 是否有目标？ | 更宽的搜索覆盖、更快完成场景覆盖、足够把目标与背景区分开来的对比度 | 只追求最大变焦，却失去了有效搜索能力 |
| 识别 | 这属于哪一类目标？ | 目标像素更多、更窄的视场、更强的场景对比假设 | 把“探测距离”误当成已经包含识别能力 |
| 确认 | 是否能区分到所需的具体对象或威胁？ | 最高像素密度、更强稳定性、更窄视场、更好的引导和跟踪支持 | 没有明确目标尺寸、对比度和任务阈值，却期待完成确认 |
这也是为什么一套 EO/IR 载荷往往需要不同的通道或变焦状态来承担不同工作。搜索、确认和留证，不一定适合用同一种光学折中方案。
DRI 不是一个通用数字
即使 DRI 的使用方法是正确的，最后得到的数值也仍然依赖许多买方常常忽略的假设条件。
IDA 教程把经典规则与目标关键尺寸以及 50% 概率阈值联系起来。MDPI 关于热成像仪距离预测的综述又补充了一个重要提醒：目标获取模型依赖对观察者行为、目标隔离、对比度条件和成像链认知的简化假设。换句话说，DRI 数值只有在其背后的条件同时清晰可见时才真正有意义。
因此，任何严肃的 DRI 表述都应立即引出以下追问：
- 针对的是什么目标尺寸，
- 使用的是哪个通道，
- 在什么大气条件下，
- 基于怎样的对比度假设，
- 采用什么焦距或变焦状态，
- 以及概率阈值是多少？
如果这些细节缺失，这个指标也许还能提供方向性参考，但还不足以支撑采购或验收逻辑。
现代 EO/IR 选型不能只看经典 DRI
现代性能建模之所以超越简单的 Johnson 式阈值，是有原因的。
MDPI 综述指出，NVThermIP 等工具会使用更细致的对比度阈值函数、光学传递假设、探测器行为以及显示/观察者参数，从而更真实地预测实际任务表现。这并不意味着经典 DRI 失效了，而是改变了它的使用方式。
经典 DRI 仍然有价值，因为它为项目提供了共同的任务语言：
- 我们是在解决探测，
- 还是识别，
- 或者确认？
但一旦这个语言被统一，系统仍然需要对光学、传感器链路、对比度和实际使用方式做更完整的工程评估。尤其是在载荷需要跨越昼夜转换、远距离、窄视角或复杂大气环境时，这一点更为重要。
DRI 本身无法完整描述什么
一套系统即使在 DRI 图表上看起来很强，实际部署中也可能表现不佳，因为 DRI 并不描述整个工作流程。
大气与天气
湿度、雾霾、降雨和湍流都可能在名义任务距离尚未达到之前，就削弱有效对比度或图像清晰度。
观察者与显示假设
MDPI 综述明确指出，显示设计、观察者特性和观看条件都会影响目标图像感知。这意味着同一距离模型，在不同呈现和使用方式下，表现可能并不相同。
搜索覆盖与引导
NASA 关于 EO/IR 探测与避让距离的研究在这里很有参考价值，因为它把需求定义为不只是一个宣称距离数字。视场范围还包括方位和俯仰覆盖，而关键的运行驱动因素也不仅是光学极限，更包括告警时间。这个逻辑同样适用于安防场景：窄视场、高倍率载荷也许能满足判别任务，但如果没有其他传感器先行引导，它作为第一视角搜索工具就可能很弱。
转向、对焦与工作流时序
如果载荷转向、稳定和目标获取耗时过长，那么即使其纸面性能看上去更强，实际作战价值也可能不如一套理论上较弱、但上目标更快且更稳定的方案。
所以，DRI 对 EO/IR 选型是必要条件，但单靠它还不够。
如何在采购中使用 DRI，避免被误导
最好的采购做法，是把需求写成任务语言，而不是营销语言。
建议明确提出：
- 分别给出探测、识别和确认要求，
- 明确目标类别及其关键尺寸，
- 说明该指标使用的是可见光、热成像，还是双传感器工作流，
- 说明距离估算所对应的视场或变焦位置，
- 说明大气与对比度假设，
- 说明概率阈值和观察者模型，
- 并明确 EO/IR 层是独立搜索，还是接受雷达或 RF 引导后再工作。
最后这一点往往最重要。如果载荷主要是验证层，那么设计可以合理偏向引导后的识别与确认；如果它还必须独立承担大范围搜索，光学架构就需要完全不同的平衡。
DRI 在分层安防体系中的位置
当 DRI 与 EO/IR 在分层系统中的角色绑定时，它才最有意义。
在很多实际架构中：
- 雷达或 RF 负责前期搜索问题，
- EO/IR 负责确认和留证，
- 而 DRI 则定义了 EO/IR 在每个阶段能提供多少视觉置信度。
因此，最好的答案往往不是“一个摄像机配一个完美数字”，而是看工作流程如何分工。较宽的通道可以支持探测和初步识别；较窄且更稳定的通道可以在引导后支持确认。只要把流程说清楚，选型问题就会更明确。
结论
DRI 标准会改变 EO/IR 系统选型，因为它迫使买方定义真实的视觉任务。探测、识别和确认并不等同，而一套针对其中某一项选出来的系统，并不会自动在同一距离上满足另外两项要求。
实用的结论很简单：用 DRI 先把任务说清楚，再围绕该任务评估视场、焦距、分辨率、对比度、稳定性和引导方式。好的 DRI 要求不会让 EO/IR 选型变得轻松，但它能避免最常见的错误：买下一个模糊的距离宣称，却期待它同时给出三种不同层级的视觉性能。