视觉的未来:传感器将会是一个多面手

2020-12-15 来源：EEWORLD

相机与人眼很相似，它依靠透镜、滤光片和电子器件等不同层次的部件来提供视觉清晰度、色彩和深度。在智能手机摄像头中， CMOS图像传感器是一个可与人眼视网膜相媲美的关键部件，简称CIS。

CIS技术最初的目的是为了优化人眼观看的图像质量。现在，CIS技术正被用于一个新的目的——增强人类视觉。它被用作传感器，收集数字图像信息，为未来的人工智能应用提供数据。这项技术从筛选生产过程中的缺陷到在黑暗环境中检测物体，有着一系列新用途，。

随着移动设备上的照相功能变得越来越强大，竞争也越来越激烈，人们预计这项技术将继续改进，并推动进一步创新。根据Research and Markets 2018年的一份报告，到2023年，全球图像传感器市场预计将增长6.2%，市场规模达到232亿美元。

经济增长的助推剂

在很大程度上，CIS增长主要归因于图像传感器性能的改善，但其他因素也发挥了作用。智能手机制造商不断在摄像头里大做文章，将其作为差异化竞争的一种方式。相机功能就这样变得越来越多样化，例如光学变焦，这些需要先进的传感器技术。低功率和小巧的图像传感器的发展，此外，在生物识别应用中图像传感装置的增加使用，也有诸多贡献。可以看出，移动设备上多摄像头的趋势是一个驱动因素。

在智能手机相机中，图像质量往往与CIS联系在一起，因为它的性能影响着关键因素，如分辨率、灵敏度和信噪比(SNR)。但它也催生新产品应用浮出水面，同时提高成像设备的性能。因此，智能手机相机的CIS图像质量已经超过了紧凑型相机的水平，与单反的差距也在不断缩小。

技术方向会转变哪里

在早期，CIS技术的目的是优化人眼的图像质量。随着技术更迭，它的目标转向了为机器算法优化的图像质量。但是衍射极限限制了CIS像素的小型化。

因此，企业需通过设备和工艺技术的不断发展，来改进图像信号处理(ISP)技术，支持各种应用领域，不断提高CIS像素的集成水平。这是一个渐进的转变。

在第一阶段，像素工程师专注于弥补像素尺寸减小不可避免的灵敏度损失，开发了许多创新技术，包括片上透镜(或微透镜)，硅厚的深光电二极管，背面照明技术。

当像素大小达到大约1微米时，技术的第二阶段就主要关注于减少串扰。为了抑制光串和电串扰，我们开发出了彩色滤光层金属栅格结构和硅光电二极管深沟槽隔离工艺等新技术。有了这些新创新，CIS平台有望发展成为支持高级附加功能的信息传感器，而不局限于图像质量的改善。

新技术涌现

这项创新背后还有另一个推动力:堆栈传感器技术的出现。由于之前的传感器大多为传统的背照式传感器，背照式是相对于传统CMOS前照式而言的。传统CMOS在感光元件的感光层前面有一排金属电路，光线要先通过金属排线电路才能到达感光层，这就影响了透光率，甚至造成像素干扰。而背照式传感器的意思就是将这层金属电路层移到了感光层后面以解决上述问题，从而提高光线利用率。传统传感器的结构是在相同的基板上实现像素和电路，为了减小CIS尺寸，必须减少无光面积。但仅实现模拟/数字电路的基本功能，为附加功能添加电路就变得非常有限。

堆栈式传感器是对背照式结构的改进。背照式中的感光层原来也是有电路的并且和后面的电路层相连，堆栈式就是将感光层的像素部分进一步独立出来，将其中的电路层挪至下方替代原有的支持基板，这就进一步提高了感光层的利用率，可以容纳更多的像素，也可以让电路层使用更先进的工艺。“堆栈式传感器技术”，由两个可以独立工作的可见光和近红外图像传感器组成，其中可见光传感器将采用背照式，并配有RGB彩色滤镜。

比如海力士的堆栈传感器，它能够基于先进的半导体工艺，将一个简单的人工智能硬件引擎嵌入到较低的衬底上的ISP中。与此同时，基于机器学习的新技术如超分辨率、颜色恢复、人脸识别和物体识别也在发展中。

这些新型芯片将在一些领域发挥作用，其中一些创新已经开始进入市场。

索尼最近宣布发布两款智能视觉传感器，这是世界上第一个为云服务配备人工智能处理功能的图像传感器。这些产品扩大了开发人工智能摄像头的机会，使零售和工业设备行业的各种应用成为可能，并有助于构建与云连接的最佳系统。

例如，当带有这些传感器的摄像机安装在设施入口处时，它可以计算进入的游客人数。当安装在零售货架上时，它可以检测库存短缺。安装在天花板上，它可以用来绘制游客的热图，以确定人们聚集最多的区域。由于使用基于机器学习的ISP技术，它可以从输入图像中提取和分类各种特征，CIS将成为信息传感器的关键组成部分，用于收集关于图像的各种数据点、位置、距离等生物特征信息。

这对于使用至少10个摄像头来探测周围环境的自动驾驶汽车来说更加重要。为了提高精度，汽车摄像头需要满足各种各样的要求，比如对区分距离物体的高分辨率支持，对即使在黑暗环境中也能识别物体的HDR支持，以及对ISP进行预处理以减少处理器的计算量。