電子發(fā)燒友網(wǎng)報道（文/周凱揚）在工業(yè)機器視覺系統(tǒng)中，最為常見的視覺傳感器件莫過于圖像傳感器了，無論是工業(yè)檢測、掃碼還是機器人中都有用到。然而在手機圖像傳感器上，我們看到了對高像素、大尺寸的趨向，而在汽車圖像傳感器上，我們也都知道追求的是高動態(tài)范圍、LFM以及安全可靠性等特性。那么在以上那些主流的工業(yè)場景中，圖像傳感器又存在哪些要求呢？

圖像傳感器在工業(yè)視覺系統(tǒng)中的要求

在接受電子發(fā)燒友網(wǎng)的采訪時，安森美智能感知部工業(yè)及消費應(yīng)用大中華區(qū)市場經(jīng)理陶志指出了工業(yè)圖像傳感器的幾大常見指標(biāo)。比如在PCBA檢測、半導(dǎo)體晶圓檢測以及太陽能面板光伏檢測中，都需要在固定的單位時間內(nèi)盡可能檢測更大面積的線路板，從而提高生產(chǎn)制造的效率。這些要求轉(zhuǎn)換到圖像傳感器上，就成了更大的分辨率。

就拿顯示面板來說，隨著8K時代和OLED、MiniLED等技術(shù)的出現(xiàn)，對用于面板檢測的圖像傳感器也提出了更高的精度要求，將像素與像素之間的發(fā)光強度和色彩均勻度全部檢測出來。陶志解釋道，過去檢測LED面板的1顆像素，對應(yīng)需要圖像傳感器上的9顆像素（3x3），而OLED面板則需要16顆（4x4）乃至25顆（5x5）像素，所以像素要求也就越來越高，從過去的3000萬像素，提高到現(xiàn)在上億的像素。

還有的工業(yè)相機需要在高速流水線上完成抓拍，快速讀取數(shù)據(jù)傳輸給上位機，同時也要預(yù)留一定的時間給算法軟件去分析和判斷，所以要求短曝光和高幀率，這也就是全局快門的圖像傳感器在工業(yè)領(lǐng)域中越來越常見的原因。

同時，不少工業(yè)檢測已經(jīng)不再局限在可見光波段，越來越多的工業(yè)圖像傳感器開始專為近紅外（NIR）波段進行優(yōu)化，比如在成分分析以及運動軌跡的抓拍中，都有這個需求，因此不少傳感器廠商都相繼推出了加強NIR波段下量子效率的產(chǎn)品。

工業(yè)機器視覺上不可或缺的AI技術(shù)

不過以上更像是對工業(yè)圖像傳感器的基本要求，不少廠商也都通過不斷發(fā)布的新品做出了解讀，反倒是在一些新興技術(shù)上，成了各家追求差異化的方向，比如AI。AI在工業(yè)領(lǐng)域已經(jīng)不算什么新鮮事了，借助算法來推動機器視覺的精度、效率，從而改善圖像傳感器的圖像質(zhì)量，或是抑制噪聲，已經(jīng)成為一大趨勢。更何況隨著邊緣計算技術(shù)的發(fā)展，將AI計算集成到傳感器上已經(jīng)不再是什么難事了。

陶志表示：“隨著AI技術(shù)的逐漸成熟，未來也會大量運用在工業(yè)場景中，圖像傳感器作為機器之眼，更是推動人工智能發(fā)展的一個元素。如今，AI已用于60％以上的計算機視覺應(yīng)用程序中，而AI在制造應(yīng)用程序中的增長已超過50％年復(fù)合增長率。用于成像的AI決策已從云過渡到邊緣，再遷移到與成像系統(tǒng)本身相鄰或并入其中的計算機系統(tǒng)。”

安森美智能感知部工業(yè)及消費應(yīng)用大中華區(qū)市場經(jīng)理 陶志

而且圖像傳感器并不需要參與AI計算的全部過程，訓(xùn)練環(huán)節(jié)依然可以保留在GPU或者云端，而圖像傳感器只需要負責(zé)一些決策相關(guān)的預(yù)處理，比如在傳感器上集成用于圖像識別的卷積神經(jīng)網(wǎng)絡(luò)層。不過AI運算本身需要大量的圖像數(shù)據(jù)，所以安森美的工作就是在維持采集圖像質(zhì)量穩(wěn)定的同時，盡可能去減少噪聲，并在傳感器中集成更多的優(yōu)化算法方便使用者開發(fā)。

堆棧一定是未來傳感器的趨勢

而要想實現(xiàn)AI計算的集成，自然就離不開堆棧這一工藝技術(shù)。手機圖像傳感器由于出貨量大且利潤率高等原因，常常成為各大CMOS廠商先進技術(shù)的試驗田，比如堆棧、片上HDR等等，如今工業(yè)圖像傳感器也不例外。但伴隨著圖像傳感器的用途不再是感知這么簡單，如今不少處理與計算也要在傳感器內(nèi)部完成，所以才需要用到多層堆疊的堆棧技術(shù)。

堆棧圖像傳感器示意圖 / 安森美

以安森美不久前發(fā)布的AR0822為例，就采用了背照式堆棧技術(shù)，在其內(nèi)部嵌入了HDR功能的合成算法，從而以更低的系統(tǒng)功耗、帶寬和成本實現(xiàn)120dB的高動態(tài)范圍。除此之外，AR0822還通過智能線性化和曝光組合，對運動與閃爍的光源進行補償，從而實現(xiàn)卓越的圖像質(zhì)量。

而且堆疊式圖像傳感器的各個晶圓層不一定非得選擇同一個工藝打造，比如數(shù)字邏輯層可以選擇更加先進的工藝，從而集成更多的處理單元和功能，將整個傳感器打造成一個高度智能化的器件。如此就能降低對后端處理器的性能需求，簡化整個相機系統(tǒng)。陶志認為，工業(yè)智能化的發(fā)展一定是需要這樣的堆棧式工藝加持的。

與其他工業(yè)傳感器的定位差異

正如汽車上圖像傳感器與激光雷達之爭一樣，在工業(yè)領(lǐng)域也不例外。對擁有工業(yè)圖像傳感器產(chǎn)品線，同時也為工業(yè)激光雷達提供SiPM、SPAD方案的安森美來說，應(yīng)該對這兩者在工業(yè)場景中的定位最熟悉不過了。

對于3D相機而言，安森美有各種圖像傳感器做雙目和結(jié)構(gòu)光配置來獲得3維數(shù)據(jù)，也有配合激光實現(xiàn)的dToF解決方案來滿足遠距離的應(yīng)用需求。據(jù)陶志透露，阿漢峨眉也會在今年陸續(xù)推出智能iToF的解決方案，結(jié)合背照式全局快門的像元技術(shù)，滿足短距離應(yīng)用需求。

她也提到，不同的應(yīng)用會因為精度和距離環(huán)境的不同，去選擇對應(yīng)的解決方案。比如在工業(yè)測量中往往精度要求比較高，通常在μm級，檢測距離相對較小，所以選擇圖像傳感器的方案比較多；而在生物識別或者大場所環(huán)境的應(yīng)用中檢測距離從10cm到1m、2m乃至更遠，精度沒那么高，所以dToF方案會是更好的選擇。