2021年2月25日 机器视觉与计算机视觉技术

红外、中国和3D堆叠:CMOS的发展趋势

3月13日在伦敦举行的Image Sensors欧洲会议的开幕式上,Analog Value的首席技术官兼创始人Vladimir Koifman在会议上上介绍了红外传感技术的进步、堆叠式传感器以及中国市场的价格趋势。

Koifman说:“堆叠式传感器中的像素级互联将在未来五到十年改变图像传感器的工作方式。”

他提到了索尼的140万像素堆叠式传感器,该传感器于2018年2月在旧金山举行的国际固态电路会议(ISSCC)上亮相。背照式传感器中的每个像素都有自己的模数转换器(ADC),因此每个像素在全局快门中同时读出。

索尼在发布声明时表示,这是业界首创:一款背光CMOS传感器,像素并行ADC超过100万像素。

ADC使用铜铜互连堆叠在像素下方。与传统的列模数转换方法相比,该传感器具有近1,000倍的ADC。索尼为传感器开发了一种低电流14位ADC。

Koifman在Image Sensors Europe表示,索尼的传感器是ADC架构设计转变的一部分,它有可能提高快门效率和全局快门传感器的性能。

在2018年国际电子设备大会上,Omnivision推出了一款像素级互连的HDR堆叠成像仪,奥林巴斯也推出了一款1600万像素、400万像素互连的传感器。

中国创新

Koifman表示,目前中国有8家CMOS图像传感器制造商,而10年前只有4家。

他指出,中国的传感器公司已经成功地将成本降低到了很低的水平。 2017年,Superpix发布了一款集成ISP的QVGA传感器,售价0.068美元,是当时市场上最具竞争力的QVGA芯片。

Koifman说,20年前这样的芯片售价50美元或30美元。 “这是一项重大成就,”他说。

Koifman观察到,这些价格降低不仅仅是通过使用廉价的铸造厂来降低成本,而且也是通过有效利用硅面积,减少像素阵列周围的区域来进行优化。一些中国公司,如Galaxycore,在区域优化方面表现出色。

就性能而言,虽然目前还无法和索尼、Omnivision等相媲美,但也不是遥不可及。

Koifman介绍的另一家中国公司是gpixel,成立于2012年,总部位于中国长春,在日本横滨和比利时安特卫普设有办事处。他说,该公司“赢得了大量追随者”,特别是在工业领域,许多公司都转向了使用gpixel传感器。

Koifman将GPixel的成功部分归功于能够毫不拖延地交付产品。他说,一些图像传感器公司虽然发布传感器,但这些传感器尚未准备好进行全面生产,导致交货期会延迟很长一段时间。但是GPixel却总是能够履行给客户承兑,缩短交换周期。

GPixel在长春通过YCM获得了一个低容量的高端BSI晶圆厂,支持8英寸和12英寸的晶圆尺寸。该公司的sCMOS产品与BSI兼容。

Gpixel的首席商务官Wim Wuyts在会议上的演讲中表示,该公司还可以通过YCM获得高端产品的3D堆叠技术。

“它[3D堆叠]打开了一个不同的维度,我们[Gpixel]可以显着提高读出速度,”Wuyts并补充说这项技术将克服与单片方法相关的一些物理挑战。

红外成像

Koifman谈到的另一个趋势是提高CMOS传感器的红外灵敏度。有许多方法可以提高红外灵敏度,包括:增强像素光学系统的灵敏度,例如Sony,Smartsens和Omnivision的传感器;绝缘体上硅(SOI)技术,用于iPhone X的传感器;例如,可以在台积电(TSMC)获得硅和锗(siliconium-on-silicon),并将灵敏度提高到1.55μm。硅锗具有高暗电流,因此不用于直接成像,但适用于曝光时间为几十纳秒的飞行时间传感器。

来自日本松下的Kazuko Nishimura介绍了该公司的有机CMOS传感器,该传感器具有用于光电转换的有机光电导膜,并提供可以电子控制的高近红外灵敏度。这是通过具有两个有机层,一个用于收集RGB光和另一个近红外辐射,以及通过控制施加到每个有机层的电压来实现的。

有机CMOS传感器还提供宽动态范围,具有像素内噪声消除功能,并通过控制光电转换提供全局快门。 Panasonic的传感器首次在ISSCC 2018上展出,具有3μm方形像素,分辨率为8,192 x 4,320像素,速度为60fps,采用65nm工艺技术。

Photolitics的MartinWäny在他关于医学成像的演讲中评论说,通过使用量子点或石墨烯光转换层来扩展SWIR的光谱范围有很多可能。他说,这些技术仍然主要处于新兴阶段,但它们可能足以应对专业领域。

美国的SWIR Vision Systems最近推出了基于量子点传感器的SWIR相机,而Emberion是一家开发具有石墨烯层的传感器的公司。

全局和滚动快门正在变小

Koifman介绍的其他技术趋势包括:更小的全局快门像素——TowerJazz在今年早些时候发布了一款具有2.5微米像素的全局快门CMOS传感器,在过去的七到八年里,滚动快门像素的尺寸一直保持不变,但现在已经缩小到0.8微米甚至更小。

SPAD成像仪也有很多投资,事件驱动的传感器正在通过,现在有更多具有组合功能的传感器,例如具有成像功能的激光雷达。 Koifman指出,大多数激光雷达公司正在开发自己的图像传感器,几乎所有公司都有图像传感器设计。

图片:Gpixel的GMAX3265 65万像素分辨率图像传感器

Banner
Related Posts

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

深度学习在机器视觉中的应用与发展

2019年5月7日

2019年5月7日

在短短几年内,深度学习软件已经比任何传统算法可以更好地对图像进行分类处理,而且可能很快就可以超越人工检查。

反光物体机器人机器视觉解决方案

2019年4月9日

2019年4月9日

SwRI和ROS-Industrial integrated intelligent parts reconstruction在ROS2框架内,用于提高工业机器人的三维图像感知能力,用于路径规划和路径点密集操作,如零件打磨。

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。

机器视觉成为防治农作物减产的新式武器

2019年5月15日

2019年5月15日

农作物的损失对农民来说是毁灭性的。随着生态波动性的增加,这也是生活中的事实。

基于3D技术的机器视觉解决方案

2018年8月9日

2018年8月9日

随着机器视觉领域测量技术的多元化发展,3D视觉技术必将成为一种重要的检测手段。3D视觉技术行业中越来越受到欢迎和重视。近年来,3D视觉领域的市场容量也在快速增加,相信3D市场必将成为机器视觉的一个主流的重要检测手段。

工程点扩展函数(E-PSF)技术可以实现高精度3D成像

2019年7月10日

2019年7月10日

工程点扩散功能(E-PSF)技术以光学相位板的形式发展,将使制造商能够满足对超精密物体成像不断增长的需求。

机器视觉相机类型以及接口标准详解

2018年8月9日

2018年8月9日

随着成像技术的进步,相机及其接口的类型不断演变,以满足大量应用的需求。对于检测和分析至关重要的半导体,电子,生物技术,装配和制造行业中的机器视觉应用而言,使用最好的相机系统来完成手头的任务对于获得最佳图像质量至关重要。

深度学习在机器视觉系统中的应用详解

2019年4月24日

2019年4月24日

随着机器视觉技术的不断发展,系统在不需要计算机编程的情况下也可以具有分析和分类对象的能力。而人工智能(AI)和深度学习是推动机器视觉发展的重要技术手段。

改善机器视觉系统的十大方法

2018年8月9日

2018年8月9日

机器视觉是一个新兴领域,如果设置正确,可以减少过程效率低下。任何使用机器视觉作为机器人引导或检查的设施都应重视这一领域,以寻求可能的改进。

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。

机器视觉技术可能比您想象的更厉害

2018年8月9日

2018年8月9日

从数字图像中自动提取信息的能力为制造商努力削减成本、提高质量和简化整体流程提供了更多可能。机器视觉的主要用途是检查、测量和机器人引导。

自动印刷代码检查解决方案

2019年4月17日

2019年4月17日

AutoCoding Systems将在米尔顿凯恩斯即将举行的UKIVA机器视觉会议上展示他们最新的视觉创新成果。由SICK AppSpace提供支持的4Sight解决方案是自动打印检测领域真正的行业突破。

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。

机器视觉检测系统完整解决方案以及开发流程

2019年4月25日

2019年4月25日

机器视觉一词可以想象是具有一组眼睛的计算机进行检测或检验行为。为了开发机器视觉应用的完整解决方案,视觉工程师执行一系列通常分为五个类别的任务:计划,设计,构建,集成和验证。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注