机器视觉
按行业筛选
请选择行业
----------------------
-全部行业
------------------
-机床与金属加工设备
-刀具/量具/夹具/磨具
-模具设计与制造
-塑料机械/橡胶机械
-通用机械/化工机械
-工程机械/建材机械
-交通运输/海工装备
-农业机械
-食品机械/烟草机械
-包装机械
-印刷机械/广告设备
-纺织机械
-木工/造纸/环保/医疗设备
-物流设备
-智能楼宇/安防设备
-炉窑/热处理设备
-五金工具
------------------
-工业自动化
-佳工激光网
-仪器/仪表/衡器
-电力设备
-电子/通讯/办公文具
-家电/照明/健康设备
------------------
-基础件/通用件
-标准件
-工业原材料
-电子元器件及材料
-包装材料
------------------
-CAD/CAM/PDM/PLM
-ERP/制造业信息化
-管理咨询/认证
-服务/培训/工业设计
按产品筛选
----------------------
-本行业全部文章
--------------------
-变频器
-PLC
-伺服与运动控制
-工业安全产品/工业
-人机界面
-传感器
-机器视觉
-工业PC/工控机
-现场总线/工业以太
-数据采集/无线通讯
-嵌入式系统/自动化
-工业机器人
查看本类全部文章
智能感知推进机器视觉应用的发展
作者:安森美半导体
工业自动化 与人工智能息息相关,也与机器视觉 息息相关。机器视觉技术可说是人工智能的分支技术,是全球智能化的“慧”眼图像传感器 ,影响着很多应用的发展与增展,包括工业自动化、机器人 、安防/监控、智能交通系统(ITS)、智能家居/楼宇、智能零售、虚拟实境(VR)/增强实境(AR)等等。全球图像传感器领袖安森美半导体传承40多年的成像经验,拥有2000多项成像专利,提供宽广的智能感知阵容,包括电子卷帘快门前照式(FSI)/背照式(BSI) CMOS传感器、全局快门CMOS传感器、CCD传感器及图像信号处理器,光学格式从1/13英寸到35 mm,分辨率从100 K到5000万像素,满足不同的应用需求并推动创新。同时,安森美半导体也是全球领先的半导体供应商,提供电源 控制模块、逻辑单元、通信模块、5G和无线网络、工业局域网等领域配套的半导体芯片。
关键的成像技术
高动态范围(HDR)、全局快门、近红外增强(NIR+)、RGB-IR、功率可扩展性都是增强嵌入式系统和机器视觉系统性能的关键成像技术。动态范围越高,越能呈现出高对比度、细节清晰的图片。 全局快门则最大地消除运动伪影。关键的全局快门参数包括全局快门效率、读出噪声和灵敏度。安森美半导体的全局快门系列产品具备同类最佳的性能,促成广泛的应用,如条码扫描、3D深度映射等高要求的应用场景,除了消除运动伪影,还具备低噪声、增强的深度范围、快速捕获等特性。NIR+技术可实现比标准硅工艺好3倍的灵敏度。采用RGB-IR能呈现更丰富、更逼真的图片色彩。功率可扩展性对于电池供电的摄像机是个关键优势,能在不同帧率有不同功耗,和持续运行,实现低功耗的高能效设计,如在1 fps时的低功耗模式。此外,减少LED闪烁(LFM)技术在汽车应用中消除交通信号灯和汽车照明的高频LED闪烁,有助于更安全地驾驶。
各种不同的机器视觉应用需求
在自动化领域,机器人需要高性价比的全局快门方案,装配线需要高速全局快门,嵌入式/智能应用则注重深度学习和人工智能,平板检测要求超高分辨率;对于智能交通系统(ITS),微光性能和全局快门很重要;针对扫描应用,需要高性价比的全局快门;在运动分析领域,应选用超高速全局快门方案。
安森美半导体提供广泛的视觉方案,采用上述关键的成像技术,解决各种嵌入式和机器视觉系统的不同需求和挑战。
图1:先进的产品阵容用于机器视觉和边缘人工智能
4.5 μm ITCCD系列:高分辨率和真正的全局快门
CCD技术能够满足众多工业成像应用对图像均匀性的要求;同时市场要求持续的像素开发达至更高的分辨率。如安森美半导体的4.5 μm ITCCD传感器 KAI-43140适用于要求严格的检测和航拍等应用,采用35 mm光学格式,提供4300万像素,与KAI-29050 / KAI-29052使用相同的封装以简化升级。而最新推出的KAI-50140是当前市场上分辨率最高的ITCCD图像传感器,提供5000万像素,为智能手机显示屏检测、电路板检测和机械装配检测以及空中侦察提供所需的关键成像细节和高图像均匀性。KAI-50140采用2.18:1的纵横比,与现代智能手机格式相匹配,减少检测全显示屏所需的图像捕获次数,并与当红的KAI-29050、KAI-29052和KAI-43140图像传感器使用相同的引脚定义。4.5 μm系列ITCCD提供比前代5.5 μm系列在相同帧率下高50%以上的分辨率,同时保持关键的成像性能,如高动态范围(>60 dB)、抑制拖尾、CCD级图像均匀性和电子全局快门。
最初的摄像机设计,设计人员使用每一款图像传感器都需从零开始设计开发,耗时费力成本高。安森美半导体的ITCCD系列共享一个通用架构,使单一的摄像机设计能够支持各种不同的图像传感器,仅需微小的电气变化便能用于现有的摄像机设计中,加快了采用新器件的上市时间。
PYTHON系列:2块PCB支持8种分辨率
安森美半导体的PYTHON系列,仅需2块PCB就能支持该系列中的所有8种分辨率(从VGA到25 Mp),为要求严格的工业应用如机器视觉、智能交通系统(ITS)、安防、监控、医疗和科学提供高性能成像和简化的升级。
X-Class平台:使单一摄像机设计能支持多种产品分辨率和不同的像素功能
X-Class平台是PYTHON系列的更进一步演进,提供可扩展的单一器件,适用于多种分辨率和像素,使单一摄像机设计不仅能够扩展图像传感器中的像素数量,还能够扩展所使用的像素类型——无论是全局快门、卷帘快门、增加的动态范围,还是其他不同的功能。只要将像素置于X-Class平台所用的通用高速低功耗帧中,就能够充分利用单一摄像机设计提供所需的支持,采用高带宽、低功耗架构,是工厂自动化、智能交通系统(ITS)、广播成像、智能零售、机器人等应用的理想选择。
图2:X-Class 平台—— 演进的设计功能
该平台的XGS系列具备无与伦比的性能特征,在图像质量、功率密度、帧率、可支援的平台、29 x 29 mm2兼容性、对客户的支援及价格方面都优于竞争对手。
随着分辨率的上升,若像素尺寸不变,那么图像传感器芯片尺寸必然会越做越大,与其适配的镜头价格昂贵,这会增加整体成本。因而市场需要减小像素尺寸。X-Class平台首两款器件XGS 12000和XGS 8000采用先进的3.2 μm全局快门像素,能在同样的光学尺寸下提高分辨率,且先进的像素设计确保不会因像素更小而影响图像品质,甚至提供更优的低噪声、高性能,同时全局快门确保捕获移动物体无运动伪影。
AR0237 RGB-IR:增强的夜视
RGB-IR版本AR0237增强的NIR灵敏度增强夜视能力,使得摄像头无需特别的滤色片进行日/夜的切换,尤其适用于安防应用,具有210万像素,分辨率1928 x 1088,能实现1080p/60 fps输出,提供出色的微光性能和HDR,支持高动态范围的长短交错曝光,同时使用红外差谱技术以避免颜色的失真,也适用于机器人、AR/VR可穿戴、智能楼宇的成像应用。
全局快门AR0144实现静态和动态场景下快速清晰准确的成像
3.0 μm像素的AR0144采用了创新的全局快门设计,尺寸极紧凑,在条码扫描器等静态应用中,AR0144易于设计进手持式产品中,确保初次扫描省电、省时和方便。在无人机等动态应用中,该传感器的低功耗特性能够延长充电时间间隔,其成像性能能够更好地映射环境,避免严重碰撞。在3D摄像机和AR/VR设计中,AR0144可提供一种性价比更高、尺寸小的方案,用于捕捉双重图像进行3D成图或深度感知。AR0144是1/4英寸、100万像素CMOS传感器。
AR0431:集成NIR+能力、同步深度映射
增强的NIR+使AR0431即使在最暗的光照条件下也能实现更好的成像,从而帮助安防和物联网摄像机设计人员创建高灵敏度的夜间模式,基于2.0 um BSI像素,提供多种低功耗模式,帧速率最高120fps,非常适用于要求慢动作视频拍摄的应用。其低功耗优势使其仅需125 mW就能提供400万像素、30 fps输出;在低功耗监测模式下,功耗降至8 mW,成为电池供电型应用的理想选择。AR0431采用Super Depth 技术能够从单一图像传感器同时获取彩色图像和深度映射,省下原本需要另外一个单独提供深度映射功能的传感器,实现AR/VR中简单的3D模型等功能。
AR0522:高动态范围与增强的微光性能相结合
AR0522作为安森美半导体高性能卷帘快门系列的器件之一,提供彩色和黑白色彩滤波阵列(CFA)配置选项,1/2.5英寸、510万像素,基于一个2.2 μm BSI像素技术平台,专为需要在微光条件下捕获高分辨率、高质量视频的应用而开发,其近红外波长的灵敏度大概是AR0521图像传感器的两倍。
总结
安森美半导体是全球智能感知方案的领袖,并领先于供应基于半导体的方案,传承40多年成像专知,在机器视觉领域的市占称冠全球,能充分利用先进的成像技术和全面的CMOS和CCD图像传感器阵容以及广泛的电源半导体产品阵容提供系统方案,满足不同的应用需求,并针对市场趋势持续开发创新的方案,以配合机器视觉检测和工业自动化等工业成像应用持续推进的需求。同时,安森美半导体将持续注重中国,通过遍及全球的评估及应用技术支持,帮助客户应对挑战和实现创新。(end)
文章内容仅供参考
(投稿 )
(如果您是本文作者,请点击此处 )
(4/28/2019)
对 机器视觉 有何见解?请到 机器视觉论坛 畅所欲言吧!