致力于推動(dòng)高能效電子的創(chuàng)新，安森美半導(dǎo)體提供全面的高能效聯(lián)接、感知、電源管理、模擬、邏輯、時(shí)序、分立及定制器件陣容，使客戶能夠減少全球的能源使用。安森美半導(dǎo)體市場(chǎng)范圍非常廣泛，核心市場(chǎng)主要是在汽車、工業(yè)、通信、消費(fèi)類和計(jì)算。

 

“我們最大的市場(chǎng)份額集中在汽車、工業(yè)和通信。”安森美半導(dǎo)體智能感知部全球市場(chǎng)和應(yīng)用工程副總裁易繼輝(Sammy Yi)說(shuō)，“這些行業(yè)有幾個(gè)非常重要的共同點(diǎn)，一是對(duì)產(chǎn)品性能要求非常高；二是對(duì)產(chǎn)品質(zhì)量和可靠性要求非常高；三是對(duì)產(chǎn)品長(zhǎng)期供貨的持續(xù)性要求非常高。而這正是安森美半導(dǎo)體的優(yōu)勢(shì)所在。”

 

安森美半導(dǎo)體智能感知部全球市場(chǎng)和應(yīng)用工程副總裁易繼輝

 

智能感知部(ISG)關(guān)注三大市場(chǎng)

 

安森美半導(dǎo)體主要分為三個(gè)產(chǎn)品部門，分別是電源方案部(PSG)、先進(jìn)方案部(ASG)和智能感知部(ISG)。設(shè)立于2014年的智能感知部(ISG)年輕且活躍，是安森美半導(dǎo)體目前成長(zhǎng)速度最快的部門。

 

“汽車、機(jī)器視覺(jué)和邊緣人工智能是智能感知部主攻的三個(gè)市場(chǎng)方向。”易繼輝說(shuō)，汽車行業(yè)雖屬傳統(tǒng)行業(yè)，但近年來(lái)得益于電力化、智能化，汽車行業(yè)煥發(fā)新生。

 

為了打造更加安全、舒適的智能汽車，各類感知產(chǎn)品應(yīng)用需求激增。“安森美半導(dǎo)體在汽車智能感知方面成長(zhǎng)速度遠(yuǎn)比汽車行業(yè)本身發(fā)展速度快得多，就是因?yàn)槠嚥捎眯录夹g(shù)的速度非?？?。”

 

 

同樣，在工業(yè)4.0時(shí)代，歷史悠久的機(jī)器視覺(jué)在自動(dòng)化、人工智能等技術(shù)的加持下不斷產(chǎn)生新的發(fā)展動(dòng)力和活力。

 

特別是在中國(guó)市場(chǎng)，越來(lái)越多的制造企業(yè)考慮采用機(jī)器視覺(jué)幫助生產(chǎn)線實(shí)現(xiàn)檢查、測(cè)量和自動(dòng)識(shí)別等功能，以提高效率并降低成本，從而實(shí)現(xiàn)生產(chǎn)效益最大化。

 

機(jī)器視覺(jué)作為新興技術(shù)被寄予厚望，被認(rèn)為是自動(dòng)化行業(yè)一個(gè)具備光明前景的細(xì)分市場(chǎng)。

 

從全球范圍看，由于下游消費(fèi)電子、汽車、半導(dǎo)體、醫(yī)藥等行業(yè)規(guī)模持續(xù)擴(kuò)大，全球機(jī)器視覺(jué)市場(chǎng)規(guī)模呈快速增長(zhǎng)趨勢(shì)，2017年已突破80億美元，并預(yù)計(jì)到2020年全球市場(chǎng)規(guī)模將達(dá)到125億美元，2025年將超過(guò)192億美元。

 

相較于前兩者，邊緣人工智能屬于行業(yè)“新兵”，但潛力無(wú)限。“邊緣人工智能主要是由人工智能、5G、IoT等新技術(shù)導(dǎo)入后開(kāi)發(fā)出新的應(yīng)用，發(fā)展非常迅速，經(jīng)常隔幾天、隔幾個(gè)禮拜，就會(huì)有新客戶打電話來(lái)說(shuō)他們有新的想法和應(yīng)用，希望得到幫助。”易繼輝舉例道。

 

在上述核心市場(chǎng)，安森美半導(dǎo)體智能感知部都做了長(zhǎng)時(shí)間的投入和布局，包括圖像感知，多光譜、高光譜的感知，激光雷達(dá)感知、毫米波雷達(dá)感知、傳感器融合此類深度感知。這些都在推動(dòng)人工智能和第四次工業(yè)革命的進(jìn)步。

 

工業(yè)人工智能應(yīng)用，圖像傳感器是關(guān)鍵

 

隨著智能制造的逐步深入推進(jìn)，工業(yè)機(jī)器視覺(jué)、機(jī)器人、人工智能技術(shù)發(fā)展迅速，圖像傳感器是助其發(fā)展的關(guān)鍵技術(shù)。

 

工業(yè)人工智能應(yīng)用的發(fā)展給圖像傳感器帶來(lái)了更高的挑戰(zhàn)，包括推動(dòng)了后者在全局快門性能、高速拍攝、大分辨率、使用不可見(jiàn)光譜區(qū)域和三維體積深度提供的信息進(jìn)行關(guān)鍵推斷，以及神經(jīng)網(wǎng)絡(luò)處理的發(fā)展。

 

易繼輝舉例說(shuō)，平板檢測(cè)是整個(gè)工業(yè)機(jī)器視覺(jué)行業(yè)中，對(duì)圖像傳感器最有挑戰(zhàn)性的應(yīng)用，從1K、2K、4K一直到8K，像素要求逐漸提高。

 

具體來(lái)講，平板檢測(cè)過(guò)程分兩步：

 

●    第一步是暗檢測(cè)，上電前主要檢測(cè)一些指紋、劃痕和其他物理上的問(wèn)題；

●    第二步是上電以后，檢測(cè)發(fā)光源。

 

LED有一個(gè)亮板在后面作為發(fā)光源，而OLED，特別是AMOLED(Active Matrix OLED)的每個(gè)像素都是一個(gè)單獨(dú)發(fā)光源，像素和像素之間發(fā)光的強(qiáng)度和色彩的均勻度，都要能夠很準(zhǔn)確地偵測(cè)出來(lái)，這就對(duì)圖像傳感器的要求非常高。

 

 

“過(guò)去檢測(cè)LED面板上的1顆像素，對(duì)應(yīng)需要9顆像素(3×3)，OLED則對(duì)應(yīng)需要16顆(4×4)，甚至25顆(5×5)像素。平板檢測(cè)對(duì)圖像傳感器的像素要求越來(lái)越高，從4,500萬(wàn)到1.5億像素，甚至超過(guò)2億像素。”易繼輝說(shuō)。

 

易繼輝以1.3英寸固定尺寸的圖像傳感器為例，闡述圖像傳感器技術(shù)發(fā)展路線圖。

 

首先，圖像傳感器的分辨率在逐年提升，從過(guò)去的200萬(wàn)像素、500萬(wàn)像素、800萬(wàn)像素、1200萬(wàn)像素，逐步升級(jí)到現(xiàn)在超過(guò)2000萬(wàn)像素。

 

其次，噪聲導(dǎo)數(shù)相當(dāng)于圖像質(zhì)量，在同樣大小的尺寸下的圖像傳感器逐年隨著像素的增大，圖像質(zhì)量也在不斷提高。

 

此外，帶寬也是逐年提高。比如，一個(gè)29×29mm2標(biāo)準(zhǔn)的工業(yè)用攝像頭，十年前可能只是200萬(wàn)像素，后來(lái)逐漸增加到300萬(wàn)、500萬(wàn)、1200萬(wàn)，今年已經(jīng)能夠用到1600萬(wàn)像素。

 

 

“安森美半導(dǎo)體在技術(shù)上有非常長(zhǎng)時(shí)間的積累。”易繼輝說(shuō)，如：

 

●    全局快門，在高速運(yùn)動(dòng)下使圖像不會(huì)有拖影；內(nèi)校正，像素內(nèi)的校正，以前都是在系統(tǒng)里通過(guò)軟件校正，現(xiàn)在直接做到硬件里，像素內(nèi)部去做圖像校正；

●    工藝節(jié)點(diǎn)，從110納米到65納米，再到45納米，甚至更小，充分利用了摩爾定律的優(yōu)勢(shì)，即成本、尺寸、耗電量都在逐年下降；

●    背照式，在同樣尺寸下分辨率越來(lái)越高，像素尺寸可能越來(lái)越小，感光量、感光度，特別是暗光下，性能可能就會(huì)降低，背照式就是用來(lái)提高感光能力；

●    堆棧架構(gòu)，以后就不光是兩維空間了，而是三維、堆棧式、兩次堆棧、三次堆棧都有可能實(shí)現(xiàn)。

 

以后不光把模擬和數(shù)字信號(hào)放在第二層，甚至于人工智能一些算法放在第三層里，整個(gè)圖像傳感器就是高智能化的圖像傳感器。

 

可以預(yù)見(jiàn)，圖像傳感器的開(kāi)發(fā)正在從僅提供RGB和二維坐標(biāo)信息轉(zhuǎn)移到新的更豐富的形式。圖像傳感器可提供更多類型的數(shù)據(jù)，無(wú)論是深度數(shù)據(jù)，還是增加的光譜信息，以及人工智能合并這些數(shù)據(jù)集并實(shí)現(xiàn)高級(jí)決策，從而使系統(tǒng)能夠通過(guò)新的測(cè)量和決策機(jī)會(huì)提供更快、更準(zhǔn)確的結(jié)果。

 

作為工業(yè)機(jī)器視覺(jué)的領(lǐng)導(dǎo)廠商，安森美半導(dǎo)體會(huì)以全方位的智能感知產(chǎn)品陣容和領(lǐng)先的技術(shù)，應(yīng)對(duì)工業(yè)人工智能應(yīng)用挑戰(zhàn)并推進(jìn)智能制造的創(chuàng)新。

 

文章來(lái)源：中國(guó)工控網(wǎng)，作者：張麗瑩

 

 

免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題，請(qǐng)聯(lián)系小編進(jìn)行處理。

 

推薦閱讀：