2020年10月22日 机器视觉与计算机视觉技术

短波红外成像技术与原理

短波红外(SWIR)的范围占据了电磁频谱略高于近红外。在1050到2500纳米之间——短波红外范围远远超出了标准硅基成像传感器的探测能力。

尽管存在这一缺点,但除了诸如监视之类的环境光应用之外,SWIR独特的检查、分类和质量控制能力已经越来越多地用于机器视觉。

硅的量子效率在800纳米以上迅速衰减,因此,由于这种SWIR传感器往往建立在替代化学成分的基础上,包括铟镓砷化镓(InGaAs)和汞碲化镉(MCT)。更现代的SWIR成像仪也在利用单个传感器架构,比如量子点技术。正确的图像模式取决于它的应用,这使得选择至关重要。

这些技术中的每一项都显着提高了可见传感器以外的成像能力 – 无论是通过它们打开的扩展光谱,还是SWIR光改变熟悉材料呈现的独特方式。

中波红外(MWIR)光谱是MCT相机更有效的地方。位于该光谱附近的SWIR波长具有该光谱区域捕捉物体发射能量的能力。在这个范围内的光子不太容易受到较小直径粒子引起的瑞利散射的影响,因为它们的波长相对较长。这意味着SWIR成像仪可以透过烟雾、薄雾或雾看到东西。

SWIR波长较短——大约在900纳米到1700纳米之间——作用类似于可见光范围内的光子。尽管SWIR中目标的光谱含量不同,但生成的图像在特征上更直观,不太像MWIR和LWIR光带的低分辨率热行为。

这种质量使它们更紧密地符合许多工业机器视觉应用程序的需求。与MWIR和LWIR相比,SWIR波长较短,有利于对比度较强的高分辨率图像;分类和检验的重要标准。

图1 – SWIR位于近红外(NIR)和长波红外(IR)之间的非可见光光谱中。它的行为更像可见光,而不是红外光谱的热能。

此外,尽管在SWIR的浅部操作的相机具有与可见光相机类似的光捕获技术,但这些相机与硅传感器创建的相机之间的图像非常不同,即使在成像相同的项目时也是如此。

物理和化学都是这一现象的原因。光与物质的相互作用涉及能量的交换。当电磁能量转移到物体的分子时,它被物体表面吸收。如果这没有发生,能量就会被反射。在一个波长出现相似的材料在另一个波长出现完全不同的材料,因为每个离散波长都有自己独特的能量定义。

因此,SWIR相机的独特功能可以捕捉这些高分辨率的图像熟悉的项目。这些图像将完全不同于传统的硅成像仪在可见范围内工作。

短波红外成像探测器阵列

在SWIR范围的900到1700纳米窗口,InGaAs传感器是目前流行的相机技术。与其他SWIR成像方式相比,它们具有较高的成本效率和成熟程度,是机器视觉应用中最常用的分类、检查和质量控制技术。

InGaAs传感器提供了高检测性能和快速响应速度,就像硅基探测器在可见范围内工作一样,尽管它们的光敏度取决于波长。它们是固态设备,没有百叶窗或其他移动部件,这使得它们能够抵抗震动,而震动在工厂的地板上很常见。与针对热成像应用的SWIR相机相比,InGaAs设备不需要昂贵的硅或锗透镜来利用传统的玻璃光学。

通常,针对工业机器视觉中SWIR应用的InGaAs相机不需要冷却。尽管如此,冷却传感器可以显著降低暗电流,从而提高图像质量,在某些应用中,还可以延长曝光时间,这一点可以从三台滨松InGaAs相机的比较中得到证明。

图2 -典型的InGaAs SWIR相机性能。
图3 – InGaAs与量子点结构。

需要注意的是,基于量子点技术的摄像机作为一种相对较新的SWIR成像技术,也正在获得越来越大的吸引力。这些设备工作在一个光谱波段,与InGaAs传感器重叠,这使得量子点相机成为现有技术的直接竞争对手。

与InGaAs成像仪相比,量子点相机的量子效率(QE)较低是需要考虑的一个方面。由于这导致相机灵敏度较低,这可能被认为是一个缺点。然而,这种灵敏度可能不像最初设想的那么有限,因为在受控机器视觉应用中,SWIR照明以及QE也可以合理地预期随着技术的成熟而改进这一事实。

由于量子点相机的相对新颖性,它们往往具有较高的附加成本;然而,随着技术的成熟,这种情况也可能会减少。InGaAs相机也是如此:随着人们对SWIR在机器视觉方面的潜力越来越感兴趣,规模经济的改善、制造技术和更高的收益率都将成为降低这两种相机技术成本的因素。

不同的是更好的

与可见光波段相比,SWIR波长更长,与原子结构的相互作用非常不同,这为机器视觉应用提供了一些新的、独特的成像可能性。当图像在SWIR光谱,熟悉的项目出现非常不同,所以强调工业机器视觉方面启用了无数的应用,这将是困难的或不可能的可见光和相机。

例如,当硅分子的带隙使材料吸收可见光和近红外波长时,硅传输较低的能量SWIR波长,这使得半导体晶圆在这个光谱范围内变得透明。这拓宽了原材料工业应用的选择,比如硅晶圆内部和表面的成像缺陷。这种质量的SWIR光也可以通过两个晶圆的背面看到校准基准标记,提高了精度,这也有利于晶圆键合应用。

产品的检测和分类是SWIR最有前途的机器视觉应用之一。在该波长的物体图像中,水几乎是黑色的,因为它在1450纳米和1900纳米都有很强的吸附性。因此,使用合适的光源或过滤器可以清楚地显示受损水果、散装谷物或灌溉良好的作物的水分含量。

图4 -硅变成半透明并通过SWIR光。这一特性有助于许多与半导体制造过程相关的机器视觉应用。
图5 -当水果被碰伤时,细胞壁会破裂,该区域的水分含量会更高。水在SWIR范围内吸收许多波段的光。这种吸收使得SWIR成像能够看到肉眼看不到的瘀伤。
图6 – 1550 nm的SWIR光可以使SWIR相机通过塑料连续体看到液体的水平。

然而,水分检测的价值远远超过瘀伤产品。这种SWIR成像可以分析染色织物或刨花板是否足够干燥,以便进一步加工。这种成像还可以检查密封的完整性和货物包装的质量,特别是如果高水分的项目包含在内。

在可见波长上不透明的多种塑料在SWIR范围内变成半透明。这种半透明为检测密封塑料容器内的产品体积提供了新的方法。SWIR光穿透塑料的能力也提供了多种方法来检测白色塑料瓶中药品的填充水平。

虽然“塑料”一词可能适用于在可见范围内看起来相似的多种聚合物化学性质,但SWIR光阐明了材料之间的关键区别,并易于识别。这种质量在利用SWIR摄像机在1100到2200纳米范围内工作的回收应用中非常有用,因为它们可以用于在分选输送装置上识别不同的聚合物。

SWIR光与多种材料之间独特的相互作用目前正处于其发展潜力的开端。虽然无法预测SWIR波长将如何照亮和成像复杂的化学成分,如药物,但很明显,潜在的影响是广泛和广泛的。

可见之外的照明

检查和其他操作通常受益于窄带内的主动照明,以提高物体和特征的对比度,就像在可视范围内的机器视觉应用一样。

直到今天,包含在SWIR范围内的led通常都是低输出的,并且在光谱中范围相对较广。最近的技术进步使得在更可控、更窄的光谱范围内可以产生更高的输出。SWIR发光二极管已经达到了一个阶段,在这个阶段它们可以被控制,亮度足以成像,尽管与可见光相比,它们的输出功率会更低,光谱范围会更广。

这些光源的峰值波长为1050、1200、1300、1450和1550纳米,现在提供了足够高的功率,为机器视觉照明提供了潜在的新选择。

在SWIR范围内工作的LED光源在配置上可与传统可视范围机器视觉应用程序中使用的光源相媲美,与我们熟悉的可见LED照明相比,这种新技术具有相似之处。这些光源可以单独或组合,很像可见光led,用于实现类似复杂的图像捕获。

图7 – SWIR LED照明有许多常见的形式因素,易于使用。从1050-1550纳米有很好的波长选择。

结论

InGaAs传感器产量的增加和新的SWIR成像技术的发展将降低技术成本,并增加机器视觉集成商对这些选项的可访问性。广泛采用SWIR成像的最大障碍可能仅仅是缺乏研究。

虽然宽频带光源对这一范围内的某些应用程序很有用,但在特定波段内捕获数据通常会提供更适用或更合适的图像数据。要问的关键问题是,哪种波长对它们独特的应用最有效——当然,SWIR光谱拥有的波长比可见光多得多。即使是像高光谱光谱仪这样的先进工具,也必须经过反复试验才能回答这个问题。

然而,仍有许多积极因素。当用户为自己的应用程序确定了最佳的SWIR波长时,就有了更广泛的成像选择。当缩小频谱时,不再需要依赖滤波器或算法来最大化糟糕的成像方案。

SWIR发光二极管将能够在广泛选择的SWIR波长下提供强烈的照明,因此集成商有信心能够将最佳光源匹配到他们的相机和应用中。最终,许多人将能够利用在SWIR光谱中等待他们的可能性。

Banner
Related Posts

自主机器视觉系统Inspekto S70

2019年12月18日

2019年12月18日

自主机器视觉(AMV)是通过机器学习的技术,让视觉系统拥有自动识别对象的能力,它为质量保证提供了革命性的方法,同时将使巨额投资和长时间停机成为过去。

工业相机调研凸显嵌入式趋势

2019年3月27日

2019年3月27日

据一项专业调查显示,机器视觉行业正凸显出向嵌入式视觉和模块化发展的趋势。制造商们看到了嵌入式视觉解决方案在汽车和基础设施应用方面的巨大潜能。

基于计算机视觉和深度学习的智能缺陷检测

2019年9月4日

2019年9月4日

自亨利·福特首次引入装配线系统以来,质量控制一直是制造中的一个关键因素。其理念是,质量可以通过大规模生产流水线来实现,只要每个人在生产过程中各尽其责。从那时起,我们显然已经走了很长一段路。传统的装配线仍然以许多形式存在,尽管机器已经取代了许多手工过程。

如何利用开源软件开发机器人视觉系统?

2019年6月28日

2019年6月28日

机器人视觉应用程序可以带来一系列复杂的需求,但开源库可以为几乎所有需求提供解决方案。开发人员可以找到从基本的图像处理和对象识别再到运动规划和避免碰撞的开源软件包 。另外,还有有一些关键的开源图像处理软件包,可以帮助开发人员实现复杂的机器人系统。

新的视觉系统可以在传感器内计算,无需将信息转换成数字格式

2020年3月5日

2020年3月5日

研究人员开发了一种图像传感器阵列,它作为自己的人工神经网络,可以同时捕获和识别光学图像,无需将信息转换成数字格式即可快速处理信息。

MicrochipPolarFire FPGA成像和视频开发套件加快机器视觉应用的开发与部署

2019年8月29日

2019年8月29日

制造业和工业界正在经历巨大的变化,工业物联网(IIoT)等新兴技术有望大幅提升工厂运营效率。因此,各种传感器正以前所未有的速度进行部署,让IIoT应用能够感知和洞察生产过程、工业自动化和质量控制等现实场景所发生的一切。

研究人员开发了一种非侵入性果实成熟度检测方法

2019年6月25日

2019年6月25日

昆士兰的研究人员开发了一种新工具,可以在收获前评估芒果作物的成熟度,这可能会提高收获时间和果实质量。

机器视觉应用的柔性开发

2019年9月12日

2019年9月12日

本文使用IBV软件MERLIC的例子,概述了图像处理的当前要求,并展示了如何在不编程的情况下创建应用程序。

涂布纺织品皮革表面缺陷检测解决方案

2019年7月2日

2019年7月2日

本文详细地介绍了基于自适应视觉算法的表面缺陷检测的应用原理及实际案例。同时以涂布、纺织品和皮革等类似行业的实际案例验证了该原理的可行性和实用性。介绍了能应用于涂布、印刷、涂布、塑料、橡胶、薄膜及皮革等缺陷检测的通用解决方案。

中科院自动化所王欣刚:机器视觉将取代人类视觉

2019年6月21日

2019年6月21日

智能制造已成为全球制造业升级发展的重要方向,未来工厂里将采用越来越来越多的自动化技术,包括机器人、人工智能、虚拟现实等先进技术,其中,机器视觉将在智能工厂中将发挥关键作用。对于生产商来说,如何将这些技术运用到当前的生产线,将是实现工厂价值提升和未来发展的关键。

科创板|天准科技:中国机器视觉第一梯队企业

2019年6月2日

2019年6月2日

2019年5月27日,上交所决定将于6月5日召开第1次审议会议,审议深圳微芯生物、安集微电子科技、苏州天准科技3家企业的发行上市申请。

自动化金属表面缺陷检测系统

2019年6月25日

2019年6月25日

近年来,生产制造企业对于金属的需求快速增长,对于产品质量的要求也是日益严格。如何对金属产品质量进行有效控制,我们的方法很简单:提供针对每种金属产品应用优化的表面缺陷检测解决方案,以高效一致方法的进行在线检查。事实证明,实时信息在为客户解决问题方面具有无可估量的价值,通过消除对生产后物理带材检验的依赖,制造商能够克服重大障碍。

如何利用机器人视觉进行拣货作业

2019年4月27日

2019年4月27日

机器人进行拣货作业定义了不同的过程,在这些过程中机器人用于从箱子中拾取和放置货物。 Bin pick是机器人领域中棘手的机器人任务。但是,您不必使用复杂的解决方案来解决它。使用机器人视觉的拣选可以以简单的方式执行。

快速创建三维纳米结构图像的新方法

2019年4月17日

2019年4月17日

通过X射线激光脉冲从两个方向照射物体(在图像中心切出十字)。在下一步骤中,将星形衍射图像重建为3-D对象

机器视觉技术在农业应用研究进展

2019年3月31日

2019年3月31日

随着计算机软硬件、图像采集处理装置、图像处理技术的迅猛发展,机器视觉技术在农业的应用领域不断扩展。目前,美国、日本、德国等发达国家已经开始将机器视觉系统应用到农业生产的各个阶段,以解决人口老龄化加剧、劳动力缺失等问题引起的挑战。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注