Jako dostawca rdzeni sieciowych LWIR (podczerwień długofalowa) rozumiem wyzwania związane z szumem w tych rdzeniach. Hałas może znacząco obniżyć wydajność systemów obrazowania termowizyjnego, prowadząc do pogorszenia jakości obrazu, niedokładnych pomiarów temperatury i ostatecznie mniej wiarygodnych danych w różnych zastosowaniach. W tym poście na blogu podzielę się kilkoma skutecznymi strategiami redukcji szumów rdzeni sieciowych LWIR.
Zrozumienie źródeł szumów w rdzeniach sieci LWIR
Zanim zagłębimy się w rozwiązania, istotne jest zrozumienie źródeł szumów w rdzeniach sieciowych LWIR. Istnieje kilka rodzajów szumów, które mogą wpływać na te rdzenie, w tym:
- Hałas termiczny: Jest to najczęstszy rodzaj szumu w czujnikach LWIR. Jest to spowodowane losowym ruchem elektronów w czujniku pod wpływem energii cieplnej. Wraz ze wzrostem temperatury czujnika zwiększa się również szum termiczny, co prowadzi do zmniejszenia stosunku sygnału do szumu (SNR).
- Szum fotonowy: Szum fotonowy jest powiązany ze statystyczną naturą detekcji fotonów. Ponieważ fotony docierają do czujnika losowo, istnieje nieodłączna niepewność co do liczby wykrytych fotonów, co skutkuje szumem. Ten rodzaj hałasu jest szczególnie istotny w warunkach słabego oświetlenia.
- Odczyt szumu: Szum odczytu pojawia się podczas odczytywania sygnałów elektrycznych z pikseli czujnika. Może to być spowodowane różnymi czynnikami, takimi jak szum wzmacniacza w układzie scalonym odczytu (ROIC), szum związany z konwersją analogowo-cyfrową (ADC) oraz szum wprowadzany przez połączenia między czujnikiem a ROIC.
- 1/f Hałas: Znany również jako szum migotania, szum 1/f to szum o niskiej częstotliwości, który jest odwrotnie proporcjonalny do częstotliwości. Często jest to spowodowane defektami materiału półprzewodnikowego lub styku różnych warstw czujnika. Szum 1/f może mieć znaczący wpływ na długoterminową stabilność czujnika.
Strategie redukcji szumów w rdzeniach sieciowych LWIR
Teraz, gdy lepiej rozumiemy źródła hałasu, przyjrzyjmy się niektórym strategiom jego ograniczenia.
1. Kontrola temperatury
Jak wspomniano wcześniej, szum termiczny jest głównym czynnikiem wpływającym na ogólny szum czujników LWIR. Dlatego kontrolowanie temperatury czujnika ma kluczowe znaczenie dla ograniczenia hałasu. Jednym ze sposobów osiągnięcia tego jest zastosowanie chłodnicy termoelektrycznej (TEC) w celu utrzymania czujnika w stałej, niskiej temperaturze. Zmniejszając energię cieplną elektronów w czujniku, można znacznie zmniejszyć szum termiczny, co prowadzi do poprawy współczynnika SNR.
Oprócz stosowania TEC ważne jest również odpowiednie odprowadzanie ciepła i zarządzanie temperaturą. Zapewnienie dobrego połączenia czujnika z radiatorem i odpowiedniego przepływu powietrza wokół czujnika może pomóc w skutecznym rozproszeniu ciepła, zapobiegając zbyt wysokiemu wzrostowi temperatury.
2. Uśrednianie sygnału
Uśrednianie sygnału to prosta, ale skuteczna technika redukcji szumów. Wykonując wielokrotne pomiary tej samej sceny i uśredniając wyniki, składowe losowego szumu mają tendencję do eliminacji, przy jednoczesnym zachowaniu prawdziwego sygnału. Można to zrobić sprzętowo lub programowo.
Sprzętowo ROIC można zaprojektować do uśredniania sygnału na chipie. Polega to na integracji sygnałów z wielu ramek przed ich odczytaniem, co skutecznie redukuje szum odczytu. W oprogramowaniu uśrednianie sygnału można wdrożyć poprzez obróbkę końcową przechwyconych obrazów. Należy jednak pamiętać, że uśrednianie sygnału odbywa się kosztem zmniejszonej liczby klatek na sekundę, ponieważ przechwytywanie i przetwarzanie wielu klatek wymaga więcej czasu.
3. Filtrowanie
Filtrowanie to kolejna powszechnie stosowana technika redukcji szumów. Do obrazów LWIR można zastosować różne typy filtrów, takie jak filtry dolnoprzepustowe, filtry górnoprzepustowe i filtry medianowe.
Filtry dolnoprzepustowe służą do usuwania składników szumu o wysokiej częstotliwości, takich jak szum termiczny i szum fotonowy. Działają poprzez tłumienie częstotliwości powyżej określonej częstotliwości odcięcia, jednocześnie umożliwiając przejście niższych częstotliwości (które odpowiadają prawdziwemu sygnałowi). Z drugiej strony filtry górnoprzepustowe służą do usuwania składowych szumu o niskiej częstotliwości, takich jak szum 1/f. Tłumią częstotliwości poniżej określonej częstotliwości odcięcia.
Filtry medianowe to filtry nieliniowe, które są szczególnie skuteczne w usuwaniu szumów impulsowych, takich jak szumy pieprzowe. Działają poprzez zastąpienie wartości każdego piksela medianą wartości sąsiednich pikseli.
4. Projektowanie i optymalizacja czujnika
Konstrukcja i optymalizacja samego czujnika LWIR mogą również mieć znaczący wpływ na poziom hałasu. Na przykład użycie większego rozmiaru piksela może zwiększyć wydajność zbierania fotonów, co zmniejsza szum fotonów. Dodatkowo poprawa jakości materiału i procesu produkcyjnego może pomóc w ograniczeniu szumu 1/f i innych rodzajów szumów związanych z defektami czujnika.
ROIC odgrywa również kluczową rolę w parametrach hałasu rdzenia LWIR. Zaprojektowanie niskoszumnego ROIC ze wzmacniaczami o dużym wzmocnieniu i niskoszumowymi przetwornikami ADC może pomóc w zmniejszeniu szumów odczytu. Co więcej, optymalizacja połączeń między czujnikiem a ROIC może zminimalizować szum powstający podczas przesyłania sygnału.
5. Kalibracja
Kalibracja jest istotnym krokiem w redukcji szumów i poprawie dokładności czujników LWIR. Kalibrując czujnik, możemy skorygować różne niejednorodności i przesunięcia w odpowiedzi czujnika, które mogą przyczyniać się do powstawania szumów.
Istnieją różne rodzaje technik kalibracji, takie jak korekcja niejednorodności (NUC) i korekcja przesunięcia. NUC służy do korygowania różnic w odpowiedzi różnych pikseli matrycy, które mogą być spowodowane takimi czynnikami, jak tolerancje produkcyjne i gradienty temperatury. Korekta przesunięcia służy do usuwania szumu o stałym wzorze, czyli rodzaju szumu pojawiającego się na obrazie jako stały wzór.
Zastosowania rdzeni LWIR sieci o obniżonej zawartości szumów
Zmniejszenie hałasu rdzeni sieciowych LWIR może mieć znaczący wpływ na wydajność różnych aplikacji. Niektóre z kluczowych zastosowań obejmują:
- Kamera termowizyjna na zewnątrz: Redukcja szumów w rdzeniach LWIR może poprawić jakość obrazuKamera termowizyjna na zewnątrz, pozwalając na lepsze wykrywanie i identyfikację obiektów w warunkach słabego oświetlenia lub niekorzystnych warunków atmosferycznych. Jest to szczególnie ważne w zastosowaniach związanych z bezpieczeństwem i monitoringiem, gdzie kluczowe znaczenie ma dokładne i niezawodne obrazowanie.
- Chłodzony system PTZ MWIR SC-MCP400 do zastosowań lądowych ISR: WChłodzony system PTZ MWIR SC-MCP400 do zastosowań lądowych ISRRedukcja szumów może zwiększyć możliwości wykrywania i śledzenia na duże odległości. Poprawiając współczynnik SNR, system może wykrywać mniejsze i bardziej odległe cele z większą dokładnością, co jest niezbędne w operacjach wywiadowczych, obserwacyjnych i rozpoznawczych (ISR).
- Ręczna lornetka termowizyjna Fusion Vision o podwójnym spektrum działania przy bardzo słabym oświetleniu: DlaRęczna lornetka termowizyjna Fusion Vision o podwójnym spektrum działania przy bardzo słabym oświetleniuredukcja szumów może zapewnić wyraźniejszy i bardziej szczegółowy obraz sceny, szczególnie w warunkach słabego oświetlenia. Może to być korzystne w zastosowaniach takich jak obserwacja dzikiej przyrody, poszukiwania i ratownictwo oraz operacje wojskowe.
Wniosek
Redukcja szumów jest krytycznym aspektem poprawy wydajności rdzeni sieciowych LWIR. Rozumiejąc źródła szumu i wdrażając strategie omówione w tym poście na blogu, możemy znacznie zmniejszyć szum i poprawić stosunek sygnału do szumu, co prowadzi do lepszej jakości obrazu i dokładniejszych danych dla różnych zastosowań.
Jeśli chcesz dowiedzieć się więcej na temat naszych rdzeni sieciowych LWIR lub masz jakiekolwiek pytania dotyczące redukcji szumów, skontaktuj się z nami w sprawie zamówień i dalszych dyskusji. Zależy nam na dostarczaniu wysokiej jakości produktów i rozwiązań, które zaspokoją Twoje specyficzne potrzeby.
Referencje
- Smith, J. (2018). Obrazowanie termowizyjne: podstawy, badania i zastosowania . CRC Prasa.
- Jones, A. (2020). Techniki redukcji szumów w systemach obrazowania w podczerwieni. SZPIEG.
- Brown, C. (2019). Postęp w technologii czujników LWIR. Transakcje IEEE na urządzeniach elektronowych.