短波红外工业相机:材料检测和质量检验的不二之选(以Dalsa相机为例)

短波红外(SWIR)成像技术的工作波长超出了可见光范围,主要在900nm至1700nm之间。与可见光不同,SWIR能够穿透硅、塑料和织物等多种材料,揭示隐藏的细节。这种特性使得SWIR技术在众多工业应用中脱颖而出,特别是在需要精确材料检测和质量检验的场合中,其优势尤为明显。

下面我们来看Teledyne的Forge®️ 1GigE SWIR(短波红外)相机系列,该系列工业相机采用了最新的 Sony® Sen-SWIR InGaAs 传感器,外形紧凑。该相机可提高各种机器视觉应用的图像性能和可靠性。它具有从 400 nm 到 1700 nm 的宽光谱范围,使工业成像实现性能、尺寸和 GigE 可靠性的理想平衡。它具有以下特点:
1、扩大光谱范围
可捕获从可见光到 SWIR(400 nm 至 1700 nm)的图像,并增强各种材料和应用的检测和分析。
2、紧凑而平衡的设计
紧凑的外壳实现了图像性能与外形尺寸的平衡。它非常适合空间受限的环境,同时不影响图像质量。
3、GigE 的性能和可靠性
GigE 驱动程序的性能得益于 Spinnaker® SDK、Sapera™ 处理和强大的触发器到图像可靠性 (T2IR) 框架。

SWIR的优势
1、增强材料检测能力
新款工业相机在低光环境、雾气中及穿透不透明材料时,依然能保持图像的清晰度和对比度,表现出色。这一特性使其在高温潮湿环境、模糊的户外条件以及医疗诊断等应用中具有显著优势。
2、无损检测与质量控制
Forge 1GigE SWIR相机具备无损检测能力,能够在不破坏物体的情况下,对其内部结构进行精确检查。这一特性在工业质量控制和食品分拣等领域中发挥着至关重要的作用。
3、窄带滤光片助力灵活应用
借助窄带滤光片,这款相机可以针对特定波长进行成像,从而增强对材料的检测和状态监测能力。这一特性在农业、食品生产、回收、科学研究以及工业检测等众多领域中都发挥着至关重要的作用。

应用案例

1、 半导体检测

高精度精细成像,精准捕捉缺陷与变化。

2、食品分拣

增强果蔬检测领域水分含量、瘀伤以及缺陷的检测能力。

3、医学成像

在多种医疗应用场景中展现出卓越的成像性能。

4、材料分拣

有效识别并分拣回收与生产中的各种材料。

相关推荐
格林威2 天前
如何用 eBPF 监控 GigE Vision 相机网络性能
网络·人工智能·数码相机·yolo·计算机视觉·视觉检测·工业相机
格林威3 天前
AI视觉检测:Jetson Orin vs RTX A2000 推理速度对比
人工智能·数码相机·机器学习·计算机视觉·视觉检测·机器视觉·工业相机
格林威5 天前
AI视觉检测:模型量化后漏检率上升怎么办?
人工智能·windows·深度学习·数码相机·计算机视觉·视觉检测·工业相机
格林威6 天前
AI视觉检测资源:ONNX → TensorRT 转换 checklist
人工智能·深度学习·数码相机·计算机视觉·视觉检测·工业相机·ai智能
lclin_20206 天前
大恒Galaxy SDK MFC开发(1):枚举、打开、开始_停止采集基础流程(无画面版)
c++·机器视觉·工业相机·大恒相机·galaxysdk
lclin_20207 天前
【大恒相机】C++ 设备枚举+打开关闭+启停采集(基础入门)
c++·工业相机·大恒相机·galaxysdk
51camera7 天前
工业视觉系统中工业相机的选型维度
工业相机
格林威9 天前
AI视觉检测:INT8 量化对工业视觉检测精度的影响
linux·运维·人工智能·数码相机·计算机视觉·视觉检测·工业相机
格林威9 天前
工业相机 SDK 在 Docker 容器中的部署与权限配置(含 USB/GigE)
开发语言·人工智能·数码相机·计算机视觉·docker·容器·工业相机
格林威9 天前
AI视觉项目部署:Docker 部署视觉服务可行性分析
linux·运维·人工智能·数码相机·docker·容器·工业相机