短波红外相机的原理及应用场景

短波红外 (简称SWIR,通常指0.9~1.7μm波长的光线) 是一种比可见光波长更长的光。这些光不能通过"肉眼"看到,也不能用"普通相机"检测到。由于被检测物体的材料特性,一些在可见光下无法看到的特性,却能在近红外光下呈现出来,因此,可以通过短波红外相机对物体特征进行检测。

短波红外成像有一个特点,即它能够透过玻璃进行成像,这就使得它们可以用于各种各样的应用和产业。这种能力还允许短波红外相机安装在一个保护窗口内,当将相机系统固定在一种潜在平台上时,这将可以提供很大的灵活性。

目前在短波红外相机广泛应用于工业、航空航天、生物、医疗、户外监控、化妆品等众多领域,其中半导体检测和食品检测是两大主要应用市场,分布占据40%和30%的市场份额。

  • 短波红外成像技术优点

具体来说,短波红外成像还具有以下优点:

1)较高识别度

短波红外成像主要基于目标反射光成像原理,其成像与可见光灰度图像特征相似,成像对比度高,目标细节表达清楚,在目标识别方面,短波红外成像是热成像技术的补充。

2)全天候适应

短波红外成像受大气散射作用小,透雾、烟尘能力较强,有效探测距离远,对气候条件和战场环境的适应性优于可见光成像。

3)微光夜视

夜视条件下,光子辐照度主要分布在1.0~1.8μm的短波红外波段范围内,这使得短波红外夜视成像相比于可见光夜视成像而言具有优势。

4)隐秘主动成像

在0.9~1.7μm波段内,激光光源技术成熟(1.06μm、1.55μm),这使得短波红外成像在隐秘主动成像应用中具有对比优势。

5)光学配置简便

从光学上,玻璃光窗在短波红外波段范围内具有很高的透过率,这赋予短波红外成像一个重要的技术优点,这允许短波红外相机可装配于一个保护窗口内实现较高灵敏成像,当应用于某种特定平台或场合时,这将提供很大的灵活性。

  • 相关行业应用:

1)半导体晶圆检测

晶圆是一种薄的半导体材料基材,用于制造电子集成电路。半导体材料种类多样,其中最常用的一种半导体材料是硅(Si)。

晶圆在生产过程中会产生各种缺陷,比如在各环节累积的残余应力会使得晶圆内部产生裂纹。如果未能在后续IC制造环节之前把这些缺陷检测出来,就会影响最终成品IC芯片的良率,推高制造成本。利用短波红外光能穿透硅片的特性,使用短波红外相机就能检测到硅片内部的缺陷,防止不良晶圆流入后续环节,大大降低制造成本。

2)物品分选

短波红外波段对应分子键振动的合频和倍频,通过检测物品对不同波长的短波红外光的吸收情况,就能分析出物品的种类和缺陷等信息。因此,短波红外相机也被广泛用于谷物、茶叶、塑料等的分拣。

3)短波红外测温

对于几百度以上的高温目标,短波红外测温相对于目前常用的非制冷长波红外测温具有测温稳定、精度高、响应速度快等优势。使用短波线扫相机,对于传送带上快速移动的物体进行成像和测温,可以极大地消除拖尾效应的影响,得到画质清晰、测温准确的短波红外图像。

4)光伏板隐裂检测

在晶体硅太阳电池的生产过程中,会产生隐裂、划伤等缺陷,这些缺陷限制了电池的光电转换效率和使用寿命,然而这些缺陷大部分是难以通过肉眼或可见光成像等手段检测出来。利用硅太阳能电池具有的电致发光(EL)和光致发光(PL)特性,可以通过外加正向偏压或激光照射激发的方式,使太阳能电池片自身发出短波红外光。而缺陷区域的发出的光相对于正常区域会有明显的差别,通过短波红外相机对激发状态下的太阳能电池片进行检测,就能有效地检测出其内部缺陷。

短波红外成像因为其技术特点突出,还有很多应用场景,包括电子板检查、太阳能电池检测、生产检查、识别与排序、监测、反假冒、过程质量控制等。

相关推荐
格林威2 天前
多相机重叠视场目标关联:解决ID跳变与重复计数的 8 个核心策略,附 OpenCV+Halcon 实战代码!
人工智能·数码相机·opencv·算法·计算机视觉·分类·工业相机
weixin_455524267 天前
物流3D工业相机,智能视觉如何重塑现代仓储与分拣体系
工业相机
格林威7 天前
纹理表面缺陷分析:利用频域变换检测织物疵点的 6 种技术,附 OpenCV+Halcon 实战代码!
人工智能·opencv·机器学习·计算机视觉·视觉检测·工业相机·堡盟相机
格林威7 天前
线缆外皮破损检测:保障电气安全的 7 个核心策略,附 OpenCV+Halcon 实战代码!
人工智能·opencv·安全·机器学习·计算机视觉·视觉检测·工业相机
Hi202402179 天前
使用星图AI算力平台训练PETRV2-BEV模型
人工智能·自动驾驶·gpu·机器视觉·bev·算力平台
格林威11 天前
印刷电路板阻焊层缺失识别:防止短路风险的 7 个核心策略,附 OpenCV+Halcon 实战代码!
人工智能·数码相机·opencv·机器学习·计算机视觉·视觉检测·工业相机
格林威11 天前
基于灰度投影的快速图像配准:适用于产线在线对位的 5 个核心方法,附 OpenCV+Halcon 实战代码!
人工智能·数码相机·opencv·机器学习·计算机视觉·视觉检测·工业相机
Dev7z14 天前
基于机器视觉与YOLO11的服装厂废料(边角料)分类检测系统(数据集+UI界面+训练代码+数据分析)
机器视觉·yolo11·服装厂废料·边角料·分类检测
Hi2024021714 天前
相机与激光雷达联合标定:如何选择高辨识度的参照物
数码相机·自动驾驶·雷达·相机标定·机器视觉
格林威15 天前
传送带上运动模糊图像复原:提升动态成像清晰度的 6 个核心方案,附 OpenCV+Halcon 实战代码!
人工智能·opencv·机器学习·计算机视觉·ai·halcon·工业相机