再添新品|OPT(奥普特)高速高分辨率线阵相机发布!

针对大幅面且高速生产的视觉检测场景,OPT(奥普特)持续在数据传输接口技术上进行开发创新,推出三大系列线阵相机,产品阵容再升级。

本次发布的新品共12款,分别有万兆网、CXP及CL系列的新品,分辨率覆盖4~16K;从芯片、像元尺寸、行频、带宽等多方面进行升级,并集成了ISP图像算法,更能满足用户提质增效需求,可广泛应用于锂电、光伏、印刷、薄膜等行业。

超高行频,图像采集速度更快

OPT新款万兆网、CXP及CL线阵相机,是基于不同的高带宽接口技术设计,并采用高行频感光芯片,如8K、16K线阵相机行频分别可达到140KHz、80KHz,其扫描速度可以应对更快的运动系统。

其中,万兆网线阵相机,内置大容量图像缓存,无需搭配图像采集卡,理论支持100米远距离无损传输;CXP线阵相机采用的是CoaXPress数据接口,带宽可达20Gbps,传输数据量更大、更稳定;而CL线阵相机采用Camera Link数据传输接口,可实时传输,抗干扰能力强。三大系列线阵相机更贴合高速视觉检测场景的需求。

随着锂电池逐步迈入TWh 时代,终端厂商既要保障电池产品全生命周期可靠性,又要大幅提高生产效率,由此对视觉检测的精度和效率提出了更高的要求。

如在锂电池极片涂布环节,当前产线速度最快可达180米/分钟,未来还会继续提速,这极其考验相机的行频及带宽。OPT能在应用六个线阵相机的情况下,实现200米/每分钟的检测速度。

可支持FPGA边缘计算技术,视觉检测更高效

除了行频及带宽,影响视觉系统的检测效率外,其计算能力也至关重要,尤其是在深度学习算法和高精度的视觉应用中,需要大量的矩阵运算,这对系统的计算性能要求极高。

为降低工控机运行及软件算法处理分析图像负荷,OPT在万兆网线阵相机植入FPGA边缘计算技术,充分利用相机内部并行运算能力,实时对采集的图像进行二值化、滤波、形态学、找边、Blob分析等,即相机在采集时就已同步对图像进行预处理和分析。

而且,万兆网线阵相机随即将运算结果,连同图像一并传输给工控机,视觉软件只需要根据检测的实际需求,对后续结果进行综合分类或判断,可以减少工控机的CPU运算负荷,并提升了检测效率。

内置图像校正算法,还原优质图像

本次发布的三大线阵相机集成了伽马校正、明暗场校正、黑电平等ISP图像算法,即在前端就对原始图像进行优化,全面提升图像亮度和对比度;并支持自动增益、自动曝光、锐化及LUT等功能,可提供更高质量的成像效果,大幅度降低软件算法分析处理难度。

同时,OPT线阵相机还采用多功能I/O设计,支持多种触发模式和控制方式,可通过数字信号输入和输出实现与其他设备的集成,如PLC、运动控制器等,从而实现更加复杂和高效的应用场景。

得益于超高行频、稳定传输和优异的成像特点,新款线阵相机尤为适用于对速度和精度有较高要求的检测场景,如在锂电池辊压、激光切、分条机设备上,实时在线检测极片外观瑕疵、边缘毛刺等,需使用更高速度更高分辨率的线阵相机,以保证不遗漏任一细微缺陷。

相关推荐
CoovallyAIHub3 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
这张生成的图像能检测吗5 天前
(论文速读)XLNet:语言理解的广义自回归预训练
人工智能·计算机视觉·nlp·注意力机制
十铭忘5 天前
自主认知-行动1——架构
人工智能·计算机视觉
yuzhuanhei5 天前
YOLO26实操记录(自用)
人工智能·计算机视觉·目标跟踪
sali-tec5 天前
C# 基于OpenCv的视觉工作流-章27-图像分割
图像处理·人工智能·opencv·算法·计算机视觉
音视频牛哥5 天前
Android平台RTMP/RTSP超低延迟直播播放器开发详解——基于SmartMediaKit深度实践
android·人工智能·计算机视觉·音视频·rtmp播放器·安卓rtmp播放器·rtmp直播播放器