وحدة الكاميرا الحرارية 640x512: الدليل الشامل لتكامل الطائرات بدون طيار والذكاء الاصطناعي الطرفي

إليك الحقيقة المجردة حول هندسة الطيران والفضاء الحديثة، والروبوتات المستقلة، وتصاميم الحوسبة الطرفية: كاميرات الطيف البصري لا تروي سوى نصف القصة. إذا كنت تبني أنظمة تحتاج إلى العمل في ظروف حالكة الظلام، أو اختراق الغبار الكثيف، أو تتبع الأهداف عبر أوراق الشجر الكثيفة، فإن مستشعرات RGB القياسية لن تفي بالغرض. مع تطلب أنظمة الأتمتة وعياً ظرفياً على مدار الساعة طوال أيام الأسبوع، تحول دمج مستشعرات الأشعة تحت الحمراء طويلة الموجة (LWIR) عالية الدقة وغير المبردة من رفاهية باهظة الثمن حصرية للاستخدامات العسكرية إلى ضرورة معمارية أساسية. من بين تخطيطات المستشعرات الحرارية المتنوعة، برزت وحدة كاميرا حرارية 640x512 كمعيار صناعي نهائي، موازنةً بين الدقة المكانية الحاسمة وحمولات الحجم والوزن والطاقة والتكلفة (SWaP-C) المُحسَّنة.

انظر، نحن لا نتحدث هنا عن معدات هواة مُجمَّعة على عجل. هذه الوثيقة بمثابة دليل تكامل شامل على مستوى المخططات لمهندسي النظم، ومهندسي الحمولات، ومطوري الذكاء الاصطناعي الطرفي الذين ينشرون هذه المستشعرات في الميدان. سواء كان هدفك تركيب مستشعر قياس إشعاعي خفيف الوزن على محور دوران طائرة بدون طيار نشط، أو تحليل خطوط بيانات حرارية خام على حاسوب أحادي اللوحة فائق الصغر، أو تشغيل نماذج تعلم عميق ثقيلة في الوقت الفعلي على الطرف، يقدم هذا الدليل المواصفات الهندسية الدقيقة، والنماذج الفيزيائية البصرية، وتحليل الواجهات، والمخططات المادية للأجهزة اللازمة لنشر أنوية LWIR غير المبردة هذه دون إضاعة الوقت أو تجاوز الميزانية.

فيزياء وهندسة المستشعر: غوص عميق في أنوية LWIR غير المبردة 640x512

لنشر وحدة حرارية بفعالية، يجب عليك إتقان فيزياء الحالة الصلبة الأساسية للمستشعر. تعتمد وحدة كاميرا حرارية 640x512 على مصفوفة مقياس ميكروبولوميتر غير مبردة تعمل في نافذة الأشعة تحت الحمراء طويلة الموجة (LWIR) الجوية، والتي تمتد من 8 ميكرومتر إلى 14 ميكرومتر. هذا النطاق المحدد حاسم لأنه يتوافق تماماً مع ذروة إشعاع الجسم الأسود للأجسام الأرضية في درجات الحرارة المحيطة (حوالي 300 كلفن). على عكس كواشف الآبار الكمومية العاملة بالأشعة تحت الحمراء (QWIP) المبردة تبريداً قارساً أو مستشعرات تيلورايد الكادميوم والزئبق (MCT) التي تتطلب مبردات هيليوم ثقيلة ومستهلكة للطاقة تصل إلى 77 كلفن، تعمل المقاييس الميكروبولومترية غير المبردة في درجات حرارة النظام المحيطة. وهي تحقق ذلك بالاستفادة من مركبات كيميائية قوية مصممة هندسياً مباشرة على دائرة متكاملة لقراءة السيليكون (ROIC).

أكسيد الفاناديوم (VOx) مقابل السيليكون غير المتبلور (a-Si)

يتكون عنصر الاستشعار الحراري النشط من غشاء رقيق بشكل لا يصدق معلق فوق ركيزة عاكسة محسّنة بواسطة أرجل دعم ميكانيكية مجهرية ذات نسبة عرض إلى ارتفاع عالية. يعمل هذا الهيكل كتجويف رنيني بمقياس مجهري مصمم لالتقاط فوتونات LWIR الواردة. إن التركيب المادي الأساسي لمقاوم المقياس الميكروبولومتري المعلق هذا هو الذي يحدد نسبة الإشارة إلى الضوضاء لجهاز الاستشعار الخاص بك في البيئات القاسية، وعموماً ستواجه خيارين متنافسين في السوق:

• ✅ أكسيد الفاناديوم (VOx): أكسيد الفاناديوم هو المادة الأولى لتطبيقات الفحص العسكري والجوي والتجاري عالية الموثوقية. يتميز بمعامل درجة حرارة مرتفع للمقاومة، يتراوح عادةً حول -2% إلى -3% لكل كلفن. بعبارة بسيطة، هذا يعني أن مقاومته الكهربائية تتغير بشكل كبير مع أدنى تغير في درجة الحرارة. تنتج هذه الخاصية المترجمة صورًا حرارية مستقرة للغاية مع حد أدنى من الضوضاء الزمنية والانحراف.
• ❌ السيليكون غير المتبلور (a-Si): بينما تكون مصفوفات السيليكون غير المتبلور أبسط وأرخص في التصنيع، إلا أنها تقدم أداءً أقل لمعامل درجة الحرارة للمقاومة بشكل عام. تعاني من ضوضاء 1/f عالية وانحراف هيكلي مع مرور الوقت، مما يستلزم توقفات متكررة لتصحيح المجال المسطح (معايرة الغالق) أثناء التشغيل. في تطبيقات الطائرات بدون طيار عالية السرعة، يمكن أن يتسبب إغلاق الغالق الذي يجمد بث الفيديو لمدة نصف ثانية في فقدان التزامن في حلقة الملاحة الذاتية أو فقدان نقطة مسار تتبع حرجة.

بالنسبة لأحمال عمل الطائرات بدون طيار والذكاء الاصطناعي الطرفي حيث تتطلب المشاهد الديناميكية السريعة تدفقات مستمرة وغير منقطعة من الصور عالية التباين، فإن مستشعرات أكسيد الفاناديوم الدقيقة هي الفائز الواضح. تقدم حساسية حرارية فائقة، وضوضاء 1/f أقل، واتساقًا مكانيًا استثنائيًا، مما يجعلها مثالية للعمليات الذاتية عالية الدقة حيث الفشل ليس خيارًا.

معادلة الدقة المكانية: 640x512 مقابل المنافسين

لنتحدث عن الدقة. تنتج مصفوفة البكسل 640x512 لوحة أصلية إجمالية تبلغ 327,680 بكسل استشعار دقيق فردي. عند تقييم هذه الكثافة المكانية مقابل البدائل منخفضة الدقة في السوق، فإن القفزة الأسية في دقة البيانات تكون واضحة جدًا:

• 📌 وحدات 256x192 (49,152 بكسل): تُستخدم عادةً في الأدوات اليدوية القوية للمبتدئين أو استكشاف الأخطاء الصناعية عن قرب. بمجرد أن يتحرك هدفك لمسافة تتجاوز 15 مترًا، تعاني هذه المستشعرات من تشويش مكاني شديد وتحول أهدافك إلى صناديق غير معروفة من البكسلات.
• 📌 وحدات 384x288 (110,592 بكسل): خيار شائع من الفئة المتوسطة، لكنه غالبًا ما يفتقر إلى التفاصيل المكانية الدقيقة المطلوبة لخطوط أنابيب الشبكات العصبية التي تستهدف الأجسام على بعد أكثر من 50 مترًا.
• 📌 وحدات 640x512 (327,680 بكسل): توفر أكثر من 6.6 أضعاف كثافة البيانات المكانية لمستشعر 256 بكسل وما يقرب من 3 أضعاف مستشعر 384 بكسل.

هذه القفزة الهائلة في عدد البكسلات تغير قواعد اللعبة في نشر الذكاء الاصطناعي الطرفي. تتطلب نماذج التعلم العميق، مثل YOLOv8-obb أو كاشفات اللقطة الواحدة متعددة الصناديق، حدًا أدنى لبصمة الهدف المحيط تتراوح تقريبًا بين 12x12 إلى 24x24 بكسل لتحقيق معدلات ثقة استدلال أعلى من 85%. توفر وحدة 640x512 هذه البكسلات الحرجة على مسافات أطول بكثير، مما يتيح لك تمييز التفاصيل الهيكلية للبشر والحيوانات والمركبات وشذوذ خطوط نقل الجهد العالي حيث لا تنتج المستشعرات منخفضة الدقة سوى بقعة حرارية ضبابية.

تباعد البكسل والحساسية الحرارية (NETD)

تحدد مواصفتان تقنيتان أساسيتان دقة الاستشعار الخام وحد الحساسية لنوى المقياس الحراري الدقيقة الحديثة:

• ⚙️ تباعد البكسل (12 ميكرومتر مقابل 17 ميكرومتر): تستخدم النوى القديمة 640 مصفوفة مقياس حراري دقيق بتباعد بكسل 17 ميكرومتر. لتقليل حجم الحمولة المادية، تستخدم الوحدات الحديثة من الفئة العليا تباعد بكسل 12 ميكرومتر. يسمح تقليص هذه المساحة برقاقة مستشعر أصغر، مما يقلل بدوره متطلبات القطر المادي لبصريات الجرمانيوم باهظة الثمن مع الحفاظ على مجال رؤية واسع.
• ⚙️ فرق درجة الحرارة المكافئ للضوضاء (NETD): يُعد فرق درجة الحرارة المكافئ للضوضاء (NETD) المقياس القياسي المُستخدم لتحديد نسبة الإشارة إلى الضوضاء في المستشعر الحراري. وهو يقيس أدنى فرق في درجة الحرارة يمكنه تمييز إشارة مساوية لأرضية الضوضاء الإلكترونية الذاتية للنظام. وبالتعبير عنه بالميلي كلفن (mK)، تُظهر وحدة الكاميرا المتميزة 640×512 قيمة NETD ≤ 40 mK (عند فتحة عدسة F/1.0، ودرجة حرارة 30 درجة مئوية). يمكن للمستشعرات التي تحقق حساسية أقل من 40 mK عزل التفاصيل الدقيقة بسهولة - مثل الرطوبة على الأنابيب المعزولة، أو الآثار الحرارية في أوراق الشجر الكثيفة، أو سخونة محامل المحركات في مراحلها المبكرة - حتى في البيئات منخفضة التباين، أو الملبدة بالغيوم، أو تحت الصفر.

ممارسات تصميم SWaP-C للأنظمة الجوية بدون طيار (UAVs)

عند دمج الأنظمة الفرعية في المركبات الجوية غير المأهولة (UAVs)، فإنك تواجه قيود الحجم والوزن والطاقة والتكلفة (SWaP-C) بشكل حاسم. في تصنيفات الطائرات بدون طيار الدقيقة والصغيرة والتكتيكية، يؤدي الوزن الزائد مباشرة إلى تدهور قدرة التحمل في الجو، بينما تؤثر استهلاكات الطاقة المتقلبة على شبكات توزيع الطاقة الموجودة على متن الطائرة.

البصمة الميكانيكية والتجميعات الميكروسكوبية

تزن الكاميرات الحرارية المبردة التقليدية ما يزيد عن 500 جرام إلى 1.5 كجم، مما يجعلها عديمة الفائدة تمامًا لفئات الطائرات بدون طيار التي يقل وزنها عن 250 جرامًا أو هياكل المحور المحوري القياسية للطائرات بدون طيار التجارية. تتحدى وحدات 640×512 الحرارية غير المبردة الحديثة هذه الحدود بمقاطع مدمجة بشكل لا يصدق.

من خلال الاستفادة من رقاقات معالجة الدوائر المتكاملة محددة التطبيق (ASIC) بدلاً من مكدسات مصفوفات البوابات القابلة للبرمجة الميدانية (FPGA) الأكبر حجمًا ومتعددة اللوحات، تمكنت بيوت التصميم المتخصصة من تقليص إلكترونيات الكاميرا الأساسية إلى بصمة فائقة الصغر تبلغ 21 مم × 21 مم.

مع هيكل أساسي بدون سن لولبة يزن أقل من 15 جرامًا، يمكن لمصممي الحمولات نشر محاور محورية مثبتة كهروضوئية/حرارية (EO/IR) ثنائية المستشعر دون تجاوز عتبات حمولة الطائرة بدون طيار. استخدام وحدات مدمجة مثل وحدة الكاميرا الحرارية المصغرة 640 غير المبردة LWIR يسمح لفرق الهندسة ببناء محاور محورية خفيفة الوزن تقلل الضغط على محركات السيرفو في الطائرة. وهذا يحافظ على عمر البطارية ويضمن الاستقرار الأمثل للنظام أثناء الطيران. للحصول على خلفية أعمق حول فوائد التصميم لهذا العامل الشكلي الصغير، راجع المراجعة المتعمقة لوحدة mini-640.

من الشركة الأم.

التبديد الحراري الميكانيكي ومقاومة الصدمات.

• ⚙️ نظرًا لأن النوى الحرارية غير المبردة تستخدم تصحيحات انجراف قائمة على البرمجيات نسبة إلى درجة حرارة غلافها، فإن تثبيت البيئة الحرارية للوحدة أمر بالغ الأهمية لجودة صورة متسقة. إذا ارتفعت حرارة غلاف المستشعر بشكل غير متماثل، فستحصل على تدرجات مكانية مزعجة عبر البث. تبديد الحرارة:.
• ⚠️ على الرغم من أن النواة 640×512 القائمة على ASIC تستهلك طاقة ضئيلة (عادة أقل من 1.2 واط أثناء الالتقاط المستمر)، إلا أن تراكم الحرارة الراكدة سيؤدي إلى انجراف المستشعر، مما يؤدي إلى ظهور تشويح تدريجي أو تشويش موضعي. يجب على فرق الدمج تصميم حوامل هيكلية بمسارات توصيل حراري باستخدام الألومنيوم (سبيكة 6061-T6 المؤكسدة) أو وسادات فجوة حرارية (بموصلية حرارية لا تقل عن 3.0 واط/م·كلفن) مربوطة بأجهزة الطائرة لتعمل كمشتت حراري. الحساسية الميكروفونية وتخميد الاهتزازات:.

البصريات السلبية: هندسة البعد البؤري وحسابات DRI الرياضية

إليك ما يتعلق بالبصريات الحرارية: لا يمر إشعاع الموجات الطويلة تحت الحمراء (LWIR) عبر الزجاج البصري القياسي، الذي يمتص الأطوال الموجية التي تتجاوز 2 ميكرومتر. لذلك، تُصنع عدسات الموجات الطويلة تحت الحمراء من الجرمانيوم أحادي البلورة عالي النقاء (Ge) أو عناصر زجاج الكالكوجينيد المتخصصة. هذه المواد باهظة الثمن، وذات معامل انكسار عالٍ، وتتطلب طلاءات متخصصة مضادة للانعكاس (AR) أو من الكربون الشبيه بالألماس (DLC) لتحمل البيئات القاسية وتحسين النفاذية في نطاق 8-14 ميكرومتر.

يتطلب اختيار تكوين العدسة المناسب موازنة مجال الرؤية الأفقي (HFOV) مع مقاييس DRI (الكشف، التمييز، التعريف) المطلوبة والمحددة وفقًا لمعايير جونسون.

فك رموز معايير جونسون

لحساب المدى الفعلي لحزمة كاميرا بدقة 640×512، يطبق المهندسون معايير الهدف القياسية:

• ⚙️ الاكتشاف: هل يوجد شيء هناك؟ (يتطلب حدًا أدنى ≥ 1.5 بكسل عبر البعد الحرج للهدف).
• ⚙️ التعرف: ما فئة الجسم؟ (يتطلب ≥ 6.0 بكسل عبر الهدف).
• ⚙️ تحديد الهوية: هل هي مركبة محددة أو مشتبه به؟ (يتطلب ≥ 12.0 بكسل عبر الهدف).

يُحدد حد الدقة المكانية لنظام العدسة والمستشعر بواسطة IFOV (مجال الرؤية اللحظي)، والذي يمثل الدقة الزاوية لبكسل واحد:

IFOV = تباعد البكسل (p) / البعد البؤري (f)

لتحديد الأبعاد المكانية الدقيقة المسقطة على هدف على مسافة محددة D، نحسب:

الدقة المكانية لكل بكسل (S) ≈ D × IFOV

مقاييس مرجعية للبعد البؤري

باستخدام ميكروبولومتر متطور بتباعد بكسل 12 ميكرومتر ودقة 640×512، يمكننا رسم خريطة للأداء الميداني عبر مجموعة متنوعة من خيارات العدسات المتاحة:

علاوة على ذلك، تُفضل العدسات الثابتة المعوضة حراريًا دائمًا تقريبًا للتكامل الجوي. لماذا؟ لأنها تحافظ بشكل طبيعي على تركيز هيكلي حاد عبر نطاق واسع من درجات حرارة التشغيل الخارجية (من -40 درجة مئوية إلى +80 درجة مئوية). وهذا يلغي تمامًا الحاجة إلى محركات تركيز ثقيلة ومستهلكة للطاقة قد تتعطل أثناء الطيران.

الواجهات الرقمية، وتكامل أنظمة التشغيل الفورية (RTOS)، ومعماريات الذكاء الاصطناعي الطرفي

عادةً ما تُخرج الكاميرات البصرية عالية الوضوح القياسية تدفقات بيانات متسلسلة عالية السرعة MIPI CSI-2 أو HDMI. ومع ذلك، تعطي الوحدات الحرارية غير المبردة الأولوية لمعالجة البيانات الإشعاعية في الوقت الفعلي وقابلية نقل النظام عبر الشبكات الصناعية المتنوعة. وقد دفع هذا إلى اعتماد ثلاث واجهات رقمية وتناظرية أساسية:

USB / UVC (فئة الفيديو العالمية)

تتعرف الوحدة الحرارية على المنصة المضيفة ككاميرا ويب قياسية بدون تعريفات. في التكوينات الصناعية والعلمية الأساسية، يمكن للوحدة إخراج تمثيلات بصرية قياسية غير مضغوطة 8-بت (YUV/RGB) أو مصفوفات خام 16-بت ذات تدرج رمادي تحتوي على قيم درجة حرارة دقيقة لكل بكسل (تُعرف بالوضع الإشعاعي). وهذا يجعلها مناسبة جدًا للنشر السريع على الحواسيب أحادية اللوحة (SBCs) مثل سلسلة Nvidia Jetson أو Raspberry Pi.

لدمج البيانات الإشعاعية الخام 16-بت عبر USB في الوقت الفعلي، يمكن للمهندسين استخدام أطر عمل مفتوحة المصدر مثل OpenCV و NumPy. فيما يلي تطبيق بلغة Python من الدرجة الصناعية لتحليل درجات الحرارة الخام:

مثال تحليل إطار حراري 16-بت في الوقت الفعلي (Python / OpenCV)
استيراد cv2
استيراد numpy كـ np

ربط بمصدر UVC الحراري الصناعي
cap = cv2.VideoCapture(0, cv2.CAP_V4L2)

# Configure the pipeline to request the RAW 16-bit video channel representation
cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter_fourcc(*'Y16 '))
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 512)

while True:
    ret, frame = cap.read()
    if ليست ret:
        break
        
    # Cast raw data space array
    raw_radiometric_data = frame.view(np.uint16)
    
    # Calculate real temperature at coordinates using standard linear scaling
    # Assuming: Temp (Kelvin) = Digital_Value * 0.04
    temp_kelvin = raw_radiometric_data * 0.04
    temp_celsius = temp_kelvin - 273.15
    
    # Extract structural metrics
    max_idx = np.unravel_index(np.argmax(temp_celsius), temp_celsius.shape)
    print(f"Peak Operational Hotspot Detected: {temp_celsius[max_idx]:.2f}°C at pixel {max_idx}")
    
    # Scale raw data to 8-bit dynamic depth for visual AI inference
    visualized_frame = cv2.normalize(raw_radiometric_data, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
    colored_frame = cv2.applyColorMap(visualized_frame, cv2.COLORMAP_JET)
    
    cv2.imshow("Thermal Pipeline", colored_frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

2. RJ45 IP (RTSP / UDP Streams via ASIC Encapsulation)

The camera module features an onboard compression chip that encodes spatial frames directly into high-efficiency H.264 / H.265 video codecs, packaging them into standard RTP/RTSP IP streams. This interface is perfect for long cable runs, drones with Ethernet backbones, and wide-area industrial monitoring. These IP modules, such as the Uncooled RJ45 CVBS RTSP IP Thermal Module, allow development teams to route high-performance streams directly into standard network architectures without relying on heavy external transcoding hardware in the field.

3. CVBS Analog Video

Outputting a standard NTSC/PAL composite signal, CVBS provides uncompressed analog video directly to active displays or legacy radio frequency (RF) transmitters. This is incredibly useful for ultra-low latency FPV drone flight and search operations where digital framing lag cannot exceed 5 milliseconds.

Designing Edge AI Thermal Inference Pipelines

Look, running deep learning models on normal visual spectrum RGB video is straightforward these days. But setting up robust neural networks on uncooled LWIR 640x512 microbolometer streams is a whole different beast. You need to adjust several structural assumptions:

1. Ditch Color for Raw Contrast: Thermal arrays naturally output single-channel intensity values (representing temperature fluctuations), not typical three-channel RGB data. Applying pseudo-color palettes like "Ironbow" or "Jet" might look sleek to human operators, but it introduces synthetic color boundary gradients that will absolutely confuse your AI models. For top-tier accuracy, run your inference engine steps directly on raw, single-channel 8-bit gray-scale inputs normalized over your targeted temperature range.
2. Handle Spatial Variations (Dynamic AGC Scaling): As your drone moves from looking at a cold landscape to a warm target, your camera's automatic gain control (AGC) will scale the entire image. This can wash out finer details, causing your AI model to drop its tracking lock. You need to use localized Adaptive AGC algorithms or Contrast Limited Adaptive Histogram Equalization (CLAHE). This ensures the AI model receives steady spatial edges, regardless of fluctuating absolute temperatures.
3. Deploy Hardware Acceleration: If you're building a hand-held device or a compact drone payload, you need to minimize computational latency. Quantizing your models (like YOLOv8) down to INT8 precision lets engineers run them on hardware accelerators like the Google Coral Edge TPU or NVIDIA Jetson Orin Nano. This allows you to easily execute real-time inferencing on raw 640x512 video at speeds exceeding 30 FPS, while keeping overall power consumption under 10 Watts.

For development teams looking to build specialized hand-held monitoring tools to complement these core system boards, checking out Android Type-C thermal cameras for smartphones or dedicated radiometric handheld analysis solutions provides excellent field-testing alternatives and reference benchmarks.

حلول الأجهزة عالية الأداء: جدول المواصفات الشامل

The comprehensive matrix below details the physical and technical specifications of today's leading 640x512 LWIR modular systems. Both modules listed can be customized with various Germanium lens arrays to meet the specific requirements of target missions.

المعلمة الأساسية	Model A: Mini LWIR USB Core Module (DJI Compatible)	Model B: RJ45 / RTSP IP Thermal Sensor Module
Physical Product Image Reference	View Core Page	View IP Page
Microbolometer Type	Uncooled VOx (Vanadium Oxide) Arrays	Uncooled VOx (Vanadium Oxide) Arrays
Array Resolutions Supported	640*512 / 640*480 optional selection	640*512 Active Processing Target
Sensor Pixel Pitch	12 µm ultra-fine layout pitch	12 µm high-density system pitch
NETD (الحساسية الحرارية)	≤ 40 mK (F/1.0 @ 30°C Frame Scale)	≤ 40 mK (F/1.0 @ 30°C Frame Scale)
أبعاد النواة	21 مم × 21 مم (SWaP-optimized)	Miniaturized footprint with IP processor shield
Available Lenses (Focal Length)	5mm / 9mm / 13mm / 18mm / 35mm / 50mm / 75mm / 100mm / 150mm	Wide optical system customization (5mm to 100mm arrays)
Primary Communications	USB (YUV raw/16-bit radiometric UVC streaming)	RJ45 Network Interface, CVBS analog, RTSP/IP, Onboard ASIC Processor
Input Operating Voltage	5V VBUS direct USB system line	12V DC default board distribution range
Power Demand (Avg Consumption)	< 1.2 Watts under active workloads	< 1.5 Watts with active IP Compression streams

Product In-Depth Showcases & Procurement Links

الأسئلة الشائعة حول تكامل الأجهزة - غوص عميق