专访安森美：图像传感器正在成为边缘智能的 “决策节点”

一台生产线上的摄像头，如何在300毫秒内分辨出微米级的屏幕缺陷？一部移动机器人，如何在强光与阴影交错的工厂环境中精准定位？一枚嵌在智能门铃中的微型芯片，如何在电池耗尽前持续守护家庭安全？这些看似无关的场景，背后都指向同一个关键技术的变革——图像传感器的智能化演进。

“传统传感器只是采集视觉信息的‘眼睛’，而未来的传感器正在成为拥有预处理能力的‘大脑’。”在与非网的专访中，安森美（onsemi）智能感知工业应用市场经理Annie Tao如此描绘行业演进图景。

图 | 安森美智能感知工业应用市场经理Annie Tao

她的观察揭示了一个根本性转变：工业4.0和AIoT浪潮下，传感器正从单纯的数据采集者，转变为具有边缘智能的决策节点。

工业产线如何在毫秒间发现微米级缺陷？

在工业制造向智能化转型的过程中，图像传感器面临着前所未有的挑战与机遇。Annie Tao指出：“随着显示面板、光伏、锂电等新兴制造行业对检测精度的要求不断提升，客户需要能够准确捕捉像素级发光强度与色彩均匀度的成像能力。”

为应对这一需求，安森美推出了XGS系列等高分辨率全局快门传感器，其中XGS45000支持4500万像素分辨率，结合3.2μm低噪声像素设计，确保在高速产线上稳定输出高保真图像。Annie Tao特别强调：“这不仅仅是分辨率的提升，更是为后续AI算法分析提供了高质量的输入数据基础。”

在复杂工业光照环境下，传统HDR技术往往因多帧合成产生运动伪影或LED闪烁条纹。安森美创新的eHDR技术通过将线性化与多曝光融合内置于传感器端，直接输出120dB高动态范围图像。“这不仅显著减少了伪影问题，更将接口带宽需求降低50%，让后端处理器能够更专注于AI算法的执行。”Annie Tao解释道。

移动机器人如何在强光与阴影中精准定位？

随着自主移动机器人（AMR）、仓储机器人和无人机等应用的普及，图像传感器在机器人导航中扮演着越来越重要的角色。Annie Tao分享了客户反馈的关键痛点：“在户外或半户外环境中，设备常需在同时存在强光与阴影的环境中运行，传统传感器在高对比度场景下易出现亮部过曝或暗部细节丢失，导致导航误判。”

为此，安森美在AR0822等产品中集成了eHDR技术，不仅实现120dB的高动态范围输出，还能有效抑制因物体运动或LED光源闪烁引起的伪影和条纹。同时，所有相关传感器均采用全局快门架构，避免卷帘快门在高速运动中产生的果冻效应，保障机器人在快速移动时仍能获取无畸变图像。

在深度感知方面，安森美的Hyperlux ID系列iToF 深度传感器AF0130和AF0131提供了针对性解决方案。该系列传感器采用120万像素全局快门iToF架构，具备3.5 µm像素尺寸，在940 nm波长下实现超过40%的量子效率，并支持200 MHz调制频率。Annie Tao表示：“得益于独特的间歇式激光调制技术，这些传感器可实现高达30米的精确测距，有效拓展了机器人的感知距离和环境适应能力。”

电池供电的设备如何兼顾续航与智能？

在物联网设备领域，续航能力和智能化需求往往形成矛盾。Annie Tao介绍了安森美在此领域的创新突破：“Hyperlux LP系列的‘运动唤醒’技术让图像传感器在未检测到运动时，以低分辨率和低帧率运行，功耗不到满负荷运行时的百分之一。”

这种智能功耗管理机制特别适用于电池供电的穿戴摄像头和安防摄像头。Annie Tao补充道：“当检测到移动时，传感器会触发中断机制唤醒系统，并将检测到的对象图像传输至处理器进行分析。这种设计显著延长了电池续航时间，尤其对部署多台摄像头的系统而言，能大幅减少维护成本。”

在智能家居场景中，安森美通过堆栈式架构与BSI堆叠技术，将传感器体积压缩至米粒级别，功耗可低于2mW。同时，通过强化近红外灵敏度，Hyperlux LP系列在低于1 lux的微光环境下仍能保持稳定成像，满足智能门铃等设备的夜视需求。

AR/VR等设备如何实现低延迟与高精度交互？

在AR/VR设备中，用户对图像质量、低延迟、高帧率、精确追踪能力提出了更高要求。Annie Tao详细介绍了安森美的解决方案：“在视频透视（Video See-Through）功能中，我们推出的Hyperlux LP AR2020图像传感器具备2000万像素分辨率、1.4 µm背照式堆叠CMOS结构，并支持全分辨率下60 fps的视频流传输，确保低延迟和高质量成像。”

在眼动追踪和SLAM功能中，Hyperlux SG系列全局快门传感器如AR0145和AR0235，可提供高达120 fps的帧率、2.8µm像素、高快门效率以及可编程的感兴趣区域（ROI），同时保持紧凑设计和低功耗。

对于物流扫码和医疗成像等专业场景，Annie Tao指出：“这些应用对图像的精度和速度有着特殊要求。安森美通过优化传感器架构和信号处理流程，在保证图像质量的同时，提升了数据采集和处理的速度。”

为什么边缘智能要前移至传感器节点？

当被问及安森美为何选择将智能算法集成在传感器内部时，Annie Tao给出了深刻见解：“高运算量、高带宽需求成为AI技术与机器视觉融合的主要瓶颈。通过在新一代图像传感器中内置高动态范围融合算法和运动物体捕捉算法，我们帮助客户节省了更多系统资源。”

以AR0822传感器为例，其内置eHDR融合算法与运动补偿技术，将多次曝光数据压缩为12bit输出，减少了50%带宽需求。同时，其支持的智能ROI功能，能够大幅提升目标检测效率。“这使得系统构建者能够在处理引擎中加入最先进的神经网络，以更快的时钟速率运行它们，提取图像数据中的细微差别。”Annie Tao强调。