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
成都佳洋光电科技有限公司6 小时前
一文了解红外成像的基础知识及应用
工业相机·工业镜头·短波红外
格林威21 小时前
C#图像快速剪切:使用OpenCvSharp和Halcon优化图像剪切和CPU占用
开发语言·人工智能·数码相机·计算机视觉·c#·视觉检测·工业相机
格林威1 天前
C#图像分块处理:图像按行或按块(Tile)切分,多个 CPU 核心同时处理不同的区域
开发语言·图像处理·人工智能·机器学习·计算机视觉·c#·工业相机
AttosTek2 天前
大口径激光光斑成像分析短波红外相机推荐
短波红外相机·阿秒科技·短波红外·大靶面短波红外相机·激光光束分析·光斑成像·衍射光成像
格林威2 天前
C#高位深相机图像保存:12位16位图像保存方案,OpenCvSharp和Halcon实现
开发语言·人工智能·数码相机·计算机视觉·c#·视觉检测·工业相机
格林威7 天前
C#图像像素放大:邻域平均、双线性插值实现像素放大的C#实现代码
开发语言·人工智能·数码相机·计算机视觉·c#·视觉检测·工业相机
51camera1 个月前
Vieworks工业相机采用素位移和TEC热电冷却技术
工业相机·vieworks
格林威1 个月前
工业相机Chunk功能全解析:图像嵌入时间戳、编码器元数据(附堡盟C#代码)
开发语言·人工智能·数码相机·计算机视觉·c#·视觉检测·工业相机
格林威2 个月前
网口相机 vs USB相机:区别与适用场景(选型不再纠结)
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
51camera2 个月前
高感光度背照式(BSI)23k TDI线阵相机:VTS-23K3.5DF
工业相机·vieworks