Imágenes no Visibles: El Infrarrojo Cercano
¡Bienvenido a nuestra próxima serie de blogs sobre visión artificial! En los próximos cuatro artículos, avanzaremos en lo que aprendimos de nuestra serie de blogs sobre iluminación, explorando el mundo de las imágenes no visibles, ampliando nuestro conocimiento sobre los fundamentos de la luz y profundizando en la elección de la cámara en diferentes contextos de imágenes no visibles. Esta semana exploraremos el uso de imágenes de infrarrojo cercano (o también conocido como NIR) en sistemas de visión artificial y cómo seleccionar una cámara para imágenes NIR. Tanto si estás interesado en construir tu propio sistema de visión artificial para un proyecto, una aplicación comercial o simplemente estás interesado en obtener más información sobre imágenes no visibles para aplicaciones de visión artificial, esta publicación de blog es para ti. ¡Esperamos que disfrutes leyendo! ¿Qué Son las Imágenes de Infrarrojo Cercano (NIR)?Las imágenes NIR se refieren a un rango en el espectro de luz entre 850-940 nanómetros (nm).
Visible and IR light spectrum. La luz NIR tiene una longitud de onda más larga que la luz visible, lo que generalmente significa que la luz se transmite más fácilmente a través de materiales como papel, tela y plástico. Las longitudes de onda NIR también reaccionan de manera diferente a la luz visible en algunos materiales y recubrimientos. En definitiva, la luz NIR puede:
FILTROS NIRLos filtros paso banda son una excelente manera de garantizar que solo la luz NIR llegue al sensor de la cámara. MidOpt ofrece una muy buena gama de filtros de visión artificial, con su filtro BP880 que ofrece un rango útil de 845-930nm.
Datos MidOpt BP880 AplicacionesLas imágenes NIR pueden resolver problemas en una amplia variedad de aplicaciones, incluidas la seguridad y la vigilancia, el reconocimiento de matrículas, la alimentación la medicina y las aplicaciones científicas. En automatización, la iluminación NIR es excelente para tareas como inspección de niveles de llenado en envases. Ciertos defectos y la detección de fallos se pueden identificar con iluminación NIR donde la luz visible no funciona. Las imágenes NIR también han revolucionado la tecnología de reconocimiento automático de matrículas (ANPR), ayudando en aplicaciones específicas como el cobro electrónico de peajes (ETC) y la gestión de aparcamientos. En un sistema de visión ANPR, una cámara de alta resolución con un iluminador de sensor infrarrojo NIR tiene que generar una imagen clara de la placa de matrícula de un vehículo. El ingenio detrás del uso de imágenes NIR en esta aplicación es que, independientemente de los entornos diurnos, nocturnos, sombreados o bien iluminados, los LED NIR siempre serán capaces de proporcionar suficiente iluminación para que la cámara realice su tarea. Luego, la imagen se puede analizar en el sistema informático utilizando un software de reconocimiento óptico de caracteres (OCR). La implementación de un enfoque Deep Learning otorgaría aún mayor robustez al sistema ANPR, que funcionaría en cualquier entorno de iluminación gracias al uso de imágenes NIR.
Elección de CámaraAntes de dejarnos llevar, debemos asegurarnos de que la cámara, y más específicamente el sensor, sean capaces de capturar en la longitud de onda NIR. Como no todos los sensores están hechos para obtener imágenes fuera del espectro de luz visible, es importante observar la eficiencia cuántica del sensor en este espectro, de lo contrario, el sistema de visión podría no funcionar como esperamos. Conviene, por lo tanto, revisar los temas que ya que cubrimos en nuestro blog sobre el estándar EMVA 1288 para sensores. Factores a Considar al Seleccionar una Cámara para Aplicaciones NIREficiencia Cuántica (QE) de los Sensores NIRLa eficiencia cuántica cambia drásticamente en diferentes longitudes de onda, por lo que una cámara que funciona bien a 525 nm puede no funcionar tan bien cuando la fuente de luz está en frecuencias NIR. Rendimiento en el Infrarrojo CercanoEl silicio utilizado por los sensores de imagen CMOS para detectar los fotones entrantes tiene una sensibilidad relativamente baja a la luz de longitudes de onda superiores a 900 nm. El QE promedio para los sensores Sony Pregius y STARVIS a 850 nm es del 18 %, mientras que a 950 cae al 7 %. Para aplicaciones que se benefician de la sensibilidad en las longitudes de onda del infrarrojo cercano (NIR), generalmente se recomiendan los sensores Pregius y STARVIS. Si bien su QE a 950 nm puede ser más bajo que el de otros sensores optimizados para un QE más alto en esta longitud de onda, el ruido oscuro temporal mucho más bajo (ruido de lectura) de los sensores Pregius lo compensa fácilmente. El bajo ruido de lectura da como resultado que los sensores Pregius y STARVIS tengan un umbral de sensibilidad absoluta NIR mucho mejor. Esto permite aplicar una mayor ganancia, lo que brinda una imagen más clara y brillante que los sensores con un NIR QE más alto, pero un NIR AST más bajo.
GainLa ganancia, según recoge el estándar EMVA, es el número de electrones necesarios para aumentar el valor del píxel de un valor de escala de grises de 16 bits a un valor superior. Los sensores con mayor ganancia aparecerán más brillantes con menos electrones. La alta ganancia puede ser útil para detectar señales muy débiles en condiciones de poca luz. Conclusiones para Seleccionar una Cámara para Visión NIRComo colorario a lo explicado anteriormente, es de destacar que a la hora de elegir una cámara para una aplicación NIR, no sólo debemos darle importancia a la eficiencia cuántica. Depender mucho de QE puede ser lógico en longitudes de onda de luz visible típicas. Sin embargo, lo que encontrarás al hacer esto en longitudes de onda NIR es que la relación señal-ruido (SNR) a menudo es muy pobre, lo que significa que terminarás con una imagen arruinada por ruido oscuro temporal. Al seleccionar una cámara con un sensor con una eficiencia cuántica decente en longitudes de onda NIR y con unos valores bajos de ruido, tales como los Sony Pregius y STARVIS, podrás aplicar valores muy altos de ganancia y obtendrás una imagen mucho más clara que si solo te basas en los valores QE. Soluciones de Visión Artificial para Aplicaciones NIR de ClearView ImagingEso es todo para la publicación de blog de esta semana sobre imágenes de infrarrojo cercano (NIR). ¡Estén atentos a nuestro próximo blog sobre imágenes infrarrojas de onda corta (SWIR)! ¿Buscas componentes de visión artificial? ¡Asegúrate de consultar nuestra gran variedad de componentes de visión artificial en nuestra sección de productos! En ClearView, tenemos una amplia gama de conocimientos y experiencia en visión artificial para ayudarte a decidir la solución adecuada para tu proyecto. Ofrecemos una amplia gama de componentes y nuestros expertos estarán encantados de ayudarte sin importar cuál sea tu pregunta o problema. ¡No dudes en ponerse en contacto con nosotros y uno de nuestros expertos en visión artificial estará listo para ayudarte a comenzar con tu proyecto!
|
