I. การรื้อโครงสร้างผลิตภัณฑ์: การวางตำแหน่งระบบของโมดูลกล้องในกล้องโทรทรรศน์ AI
ความนิยมของ Solvia ED 8x32 แสดงถึงการบูรณาการข้าม-โดเมนของเลนส์ที่มีความแม่นยำแบบดั้งเดิมและเทคโนโลยีโมดูลกล้องมือถือ ในฐานะผู้ผลิตโมดูล เราต้องชี้แจงบทบาทสามประการในสถาปัตยกรรมระบบ:
ช่องการถ่ายภาพหลัก: เซ็นเซอร์ 8MP ไม่ทำงานแยกกัน การออกแบบเส้นทางแสงโคแอกเชียล TrueFrame™ ช่วยให้บรรลุผลสำเร็จการจัดตำแหน่งโคแอกเชียลแบบออปติคอลพร้อมด้วยเลนส์ใกล้ตาที่เป็นกระจก ED ขนาด 32 มม. สิ่งนี้ต้องใช้โมดูลความยาวโฟกัสด้านหลัง (BFL)จะถูกบีบอัดให้ต่ำกว่า 12 มม. ในขณะที่รูปแบบของเซ็นเซอร์จะต้องตรงกับข้อกำหนด 1/3.2- นิ้วเพื่อรองรับกรวยแสงขอบเขตการมองเห็น 7.6 องศา- ความต้องการนี้ความคลาดเคลื่อนทางกลของกระบอกเลนส์±0.05 มม. ซึ่งเกินมาตรฐาน ±0.1 มม. สำหรับโมดูลสมาร์ทโฟนอย่างมาก
หน่วยประมวลผลเบื้องต้นของคอมพิวเตอร์ AI-: การวัดความเร็วการรู้จำ 1 วินาทีขึ้นอยู่กับ ISPเครื่องยนต์เร่งความเร็ว AIสำหรับการประมวลผลล่วงหน้า-ด้านขอบ- ต่างจากวิธีการสังเคราะห์หลายเฟรม-ของสมาร์ทโฟน แอปพลิเคชันกล้องโทรทรรศน์จำเป็นต้องมีการทำลายล้าง การลดสัญญาณรบกวน และการปรับปรุงขอบที่จะแล้วเสร็จในเฟรมเดียวก่อนที่จะป้อนข้อมูลโดยตรงไปยัง NPU สำหรับการสกัดคุณสมบัติสปีชีส์ สิ่งนี้จำเป็นต้องมีวิวัฒนาการจากการประกอบเซนเซอร์+เลนส์+VCM แบบเดิมมาเป็นเซ็นเซอร์-บรรจุภัณฑ์แบบรวม ISP (SiP)โดยมีฮาร์ดแวร์อัลกอริธึม AI -นำมาใช้เป็นเฟิร์มแวร์ ISP
การสุ่มตัวอย่างอย่างต่อเนื่องภายใต้-ข้อจำกัดด้านพลังงานต่ำ: ข้อกำหนดอายุการใช้งานแบตเตอรี่ 10 ชั่วโมงหมายความว่าจะต้องควบคุมการใช้พลังงานในการใช้งานโมดูลกล้องต่ำกว่า 150mW(โดยทั่วไปโมดูลสมาร์ทโฟนกินไฟ 300-500mW) ความต้องการนี้ROI (ภูมิภาคที่สนใจ)เทคโนโลยีสำหรับประสิทธิภาพการอ่านเฟรมชัตเตอร์กลิ้งและกลไก MIPI CSI-2 อินเทอร์เฟซ sleep-wake ซึ่งจะเปิดใช้งานพิกเซลเต็มในช่วงเวลาการจดจำเท่านั้น
ครั้งที่สอง ความท้าทายทางเทคนิค: การก้าวกระโดดด้านประสิทธิภาพจากผู้บริโภคไปสู่ระดับมืออาชีพ
1. ข้อกำหนด SNR ต่ำ{0}}ไม่ปกติ
Telescope usage scenarios concentrate during golden hour when ambient illuminance may drop to 10 lux. However, limited by the 32mm aperture, sensor light intake is only 1/5 of smartphone main cameras. Our calculations show that to achieve usable recognition image quality with SNR>30 เดซิเบล,เซ็นเซอร์พิกเซลขนาดใหญ่ 1.4μm-จำเป็น (แทนที่จะเป็นกระแสหลัก0.8μm) รวมกับการรวมพิกเซลเทคโนโลยี. ซึ่งจะลดความละเอียดที่มีประสิทธิภาพจาก 8MP เป็น 2MP แต่ยังคง SNR ที่เพียงพอสำหรับการรับรู้ AI
2. ขอบเขตการแก้ไขความผิดเพี้ยนทางอิเล็กทรอนิกส์สำหรับความคลาดเคลื่อนทางแสง
กล้องโทรทรรศน์แบบดั้งเดิมอาศัยกลุ่มเลนส์เพื่อชดเชยการบิดเบือน ด้วยโมดูลกล้องในตัวอัลกอริธึมการแก้ไขความผิดเพี้ยนตามวิธีการสอบเทียบของจางจะต้องดำเนินการใน ISP การทดสอบเผยให้เห็นว่าหมอนอิงบิดเบี้ยวเกิน 2% ในช่องต่อพ่วงจะลดความแม่นยำในการจดจำ AI ลง 15% ผู้ผลิตโมดูลจะต้องจัดเตรียมให้ไฟล์ MAP พารามิเตอร์การบิดเบือนส่วนบุคคลสำหรับแต่ละโมดูลที่โหลดโดย MCU หลักระหว่างการเริ่มต้นระบบเพิ่มขึ้นสถานีทดสอบแสงต้นทุนในสายการผลิตประมาณ 12%
3. ความน่าเชื่อถือในสภาพแวดล้อมที่รุนแรง
ต้องมีระดับการป้องกัน IP64การห่อหุ้มกระถางสูญญากาศสำหรับโมดูล แต่ค่าสัมประสิทธิ์การขยายตัวเนื่องจากความร้อนไม่ตรงกันระหว่างสารห่อหุ้มและที่ยึดเลนส์การเปลี่ยนโฟกัส. การทดลองของเราแสดงให้เห็นว่าการสลายตัวของค่า MTF50 จะต้องได้รับการควบคุมภายใน 15% ระหว่างการหมุนเวียนด้วยความร้อน -20 องศาถึง 50 องศา โดยต้องใช้ที่วางแก้ว+โลหะแบบไฮบริดแทนตัวยึดพลาสติกที่ใช้ในโมดูลสมาร์ทโฟน
ที่สาม ทิศทางในอนาคต: การออกแบบเฉพาะทาง ISP และออปติคอล-อัลกอริทึมร่วม-
ระยะสั้น- (2025-2027):
สถาปัตยกรรมโมดูล AI แบบแยกส่วน: รวม 4-TOPS NPU เข้ากับชิป ISP เพื่อสร้างวิสัยทัศน์-โมดูล AI SiPทำการ-โหลดฐานข้อมูลพันธุ์นกล่วงหน้าเมื่อส่งมอบ ลูกค้าสามารถเรียกใช้ผลลัพธ์การจดจำผ่านอินเทอร์เฟซ UART ซึ่งช่วยลดอุปสรรคในการพัฒนาคอนโทรลเลอร์หลัก
พิกเซล WDR-การเพิ่มระดับ: พัฒนาเซ็นเซอร์ DCG (อัตราขยายการแปลงคู่)การทำแผนที่ระดับพิกเซล-สำหรับฉากป่า-ท้องฟ้าแบบไดนามิก-ที่มีไดนามิกสูง เพิ่มช่วงไดนามิกเป็น 110dB
ระยะยาว- (2028-2030):
ฟิวชั่นเลนส์คอมพิวเตอร์: ร่วมมือกับผู้ผลิตเลนส์บนองค์ประกอบทางแสงแบบเลี้ยวเบน (DOE)เพื่อทำการแปลงฟูริเยร์บางส่วนที่ระดับเลนส์ ช่วยลด-ความซับซ้อนของอัลกอริทึมด้านข้างของ ISP และบรรลุเป้าหมายร่วม-การออกแบบทัศนศาสตร์และอัลกอริธึม (CODESIGN).
การประยุกต์ใช้เซ็นเซอร์ควอนตัมดอท: ใช้การตอบสนองสเปกตรัมแบบกว้างของวัสดุจุดควอนตัม PbS เพื่อขยายไปถึงใกล้-อินฟราเรด 850 นาโนเมตรการปรับปรุงแสงน้อย- ในทางทฤษฎีจะปรับปรุง SNR ได้ถึง 40% แต่ต้องใช้ความละเอียดความเข้ากันได้ของกระบวนการ CMOSปัญหา.
