Skalierung der SWIR-Bildgebung über die Kamera hinaus
SWIR-Skalierung jenseits der Kamera
Die Kurzwellen-Infrarot-Bildgebung (SWIR) basiert häufig auf Kontrastmessungen. Feuchtigkeit, Beschichtungen, Verunreinigungen, Siliziumstrukturen oder Materialunterschiede, die für RGB-Kameras unsichtbar sind, werden im Bereich von 400–1700 nm messbar. Für die industrielle Inspektion stellt sich die Frage, ob das System diesen Kontrast kontinuierlich, aus verschiedenen Blickwinkeln und in Produktionsgeschwindigkeit erfassen kann.
Dadurch lenkt sich der Fokus von der Kamera auf das gesamte System. Ein skalierbares SWIR-Inspektionssystem beginnt mit Kameras, die entlang der Linie positioniert sind, um Breite, Winkel und Sichtfeld abzudecken.
Emergent Multi-Kamera SWIR-System
Die EROS 10GigE SWIR-Kameras von Emergent sind für Multi-Kamera-Setups konzipiert und nutzen Sony SenSWIR™-Sensoren mit einer Auflösung von 0.3–5.2 MP und Bildraten von 132–256 fps. Dank ihrer kompakten Abmessungen von 29 × 29 mm eignen sie sich ideal für dichte Installationen. Die automatische Aushandlung der Netzwerkgeschwindigkeit (1, 2.5, 5 und 10 GigE) sorgt dafür, dass jede Kamera die verfügbare Netzwerkgeschwindigkeit optimal nutzt. Der geringe Stromverbrauch – 3 W über Glasfaser, 4 W über RJ45 und 4.8 W über RJ45 mit PoE – vereinfacht die Integration.
EROS-Kameras unterstützen die Standards GigE Vision 3.0 und RDMA mit IEEE 1588-Synchronisierung auf 1 µs. In Mehrkamerasystemen ermöglichen diese Funktionen, dass mehrere SWIR-Ansichten als ein koordiniertes Inspektionsinstrument und nicht als unabhängige Geräte fungieren.
Die nächste Ebene ist das Netzwerk. Ethernet-basierte Systeme ermöglichen den direkten Anschluss von Kameras an Multiport-Netzwerkkarten oder die Aggregation von Datenströmen über Switches. Die Bilddaten werden anschließend an Server oder Edge-Systeme (z. B. Nuvo, NVIDIA DGX Spark/Orin/Thor) weitergeleitet. Dies vereinfacht die Skalierung von wenigen auf viele Kameras. Allerdings müssen Switches, Netzwerkkarten und Verkabelung auf einen dauerhaften Durchsatz und nicht auf maximale Datenraten ausgelegt sein.
Sobald die Bilder den Host erreichen, verlagert sich der Flaschenhals häufig auf den Speicher und die Verarbeitung. Werden Daten wiederholt durch den Systemspeicher kopiert, bevor sie die Anwendung oder die GPU erreichen, können Frames verloren gehen, selbst wenn Kameras und Benutzeroberfläche dies eigentlich leisten sollten.
Zero-Copy-Transport, RDMA, GPUDirect-fähige Netzwerkkarten und optimierte GPU-Pipelines tragen dazu bei, Bandbreite für die Inspektion zu sparen. Hochgeschwindigkeits-SWIR-Streams können GPU-basierte Klassifizierung, Fehlererkennung, Sortierung, KI oder Deep Learning speisen.
Optionen für SWIR-Kameras von Emergent Vision Technologies
