Moduł Kamery Termowizyjnej 90mm z Edge AI: Precyzja Dalekiego Zasięgu

W monitoringu optycznym dalekiego zasięgu, nadzorze przemysłowym i ładunkach użytkowych dronów klasy obronnej zapotrzebowanie na akwizycję celów o wysokiej rozdzielczości na dużych odległościach jest krytyczne. Standardowe obiektywy szerokokątne nie zapewniają rozdzielczości przestrzennej w zasięgu celu ($IFOV$) wymaganej do pozytywnej identyfikacji poza kilkaset metrów. Integracja modułu kamery termowizyjnej 90 mm wypełnia tę lukę operacyjną. Łącząc wysokoprecyzyjny, niechłodzony mikrobolometr o rastrze pikseli 17 µm lub 12 µm z zespołem germanowego obiektywu o długiej ogniskowej 90 mm, architekci systemów mogą osiągnąć wąskie pola widzenia (FOV) zoptymalizowane do obserwacji na odległości kilometrów. Po wzbogaceniu o sprzętowo przyspieszaną sztuczną inteligencję brzegową (Edge AI), moduły te przekształcają surowe dane długofalowej podczerwieni (LWIR) w użyteczne informacje bezpośrednio na brzegu sieci, redukując opóźnienia i eliminując ogromne obciążenie pasma związane z przesyłaniem strumieni surowych tabel wideo termicznego przez łącza bezprzewodowe.

Zespoły inżynieryjne integrujące technologie podczerwieni w niestandardowych celownikach taktycznych, platformach dronów wysokogórskich czy systemach ochrony perymetrycznej potrzebują więcej niż gotowych, konsumenckich komponentów. Ten plan analizuje wymagania strukturalne, optyczne i radiometryczne rdzeni kamer termowizyjnych LWIR 90 mm. Badamy, jak czułość na poziomie piksela — mierzona za pomocą różnicy temperatur ekwiwalentnej szumom (NETD) — współdziała z profilami transmisji optycznej, aby określić rzeczywistą maksymalną wydajność zasięgu w warunkach rzeczywistej atenuacji atmosferycznej. Poprzez szczegółowe analizy architektoniczne, przewodniki integracji sprzętowej i porównawcze badania produktów, ten podręcznik techniczny służy jako ostateczne odniesienie do wdrażania profesjonalnych, inteligentnych ładunków użytkowych LWIR.

Oto sedno: jeśli budujesz systemy przeznaczone do działania w zmiennych, rzeczywistych środowiskach, nie możesz polegać na teoretycznych, najlepszych scenariuszach. Musisz projektować z myślą o najgorszym przypadku dyspersji atmosferycznej i maksymalizować swoje przewagi optyczne od samego początku. W warsztacie nazywamy to inżynierią dla rzeczywistości termicznej, a nie dla karty katalogowej.

Fizyka optyczna i współczynniki rozdzielczości przestrzennej

1 Obliczenia ogniskowej obiektywu a IFOV

Podstawową funkcją obiektywu o ogniskowej 90 mm sparowanego z długofalową podczerwienią (LWIR) Wikipedia Mikrobolometr jest ograniczenie chwilowego pola widzenia ($IFOV$), a tym samym maksymalizacja rozdzielczości przestrzennej na długich ścieżkach celu. $IFOV$, reprezentujący projekcję kątową pojedynczego elementu detektora (piksela) w przestrzeń obiektową, jest podstawową metryką. Jest on matematycznie sformułowany jako:

$$IFOV = \frac{p}{f}$$

gdzie $p$ to fizyczny raster pikseli matrycy sensora (zazwyczaj 12 µm lub 17 µm dla standardowych rdzeni przemysłowych), a $f$ to efektywna ogniskowa zespołu optycznego (90 mm).

Dla rdzenia sensora 12 µm zintegrowanego z obiektywem 90 mm:

$$IFOV_{12\mu m} = \frac{12 \times 10^{-6}\text{ m}}{90 \times 10^{-3}\text{ m}} \approx 0,133\text{ mrad}$$

Z kolei dla starszego sensora 17 µm:

$$IFOV_{17\mu m} = \frac{17 \times 10^{-6}\text{ m}}{90 \times 10^{-3}\text{ m}} \approx 0,189\text{ mrad}$$

Zwróć uwagę, że zmniejszenie rastra pikseli z 17 µm do 12 µm daje 29,6% redukcji kątowego rozmiaru piksela. Przekłada się to bezpośrednio na gęstsze próbkowanie celów na odległość. W praktyce terenowej rozdzielczość przestrzenną na dystansie 1000 metrów ($S_{1000}$) oblicza się według wzoru:

$$S_{1000} = 1000\text{ m} \times IFOV$$

Oto jak to wygląda pod względem fizycznego śladu:

• ✅ Sensor 12 µm przy obiektywie 90mm: $S_{1000} \approx 0.133\text{ m} = 13.3\text{ cm}$ fizyczny ślad na piksel. Zapewnia to niezwykle ścisłą dyskretyzację przestrzenną.
• ✅ Sensor 17 µm przy obiektywie 90mm: $S_{1000} \approx 0.189\text{ m} = 18.9\text{ cm}$ fizyczny ślad na piksel. Wciąż użyteczny, ale brakuje mu precyzyjnego odwzorowania krawędzi systemu 12 µm.

Podczas planowania konfiguracji do wykrywania, śledzenia i identyfikacji dalekiego zasięgu, gęstość przestrzenna na celu podlega Kryteriom Johnsona. Dla standardowego wykrycia celu (1,5 piksela na wymiar krytyczny), cel ludzki (modelowany jako szerokość krytyczna 0,75 m) musi obejmować co najmniej 1,5 piksela.

W przypadku systemu z rdzeniem 12 µm, 90mm, maksymalny zasięg wykrywania ($R_{det}$) celu ludzkiego w idealnych warunkach transmisji atmosferycznej jest wyprowadzany dynamicznie poprzez:

$$R_{det} = \frac{\text{Wymiar Krytyczny Celu}}{IFOV \times \text{Wymagane Piksele}} = \frac{0.75\text{ m}}{0.133 \times 10^{-3}\text{ rad} \times 1.5} \approx 3,759\text{ metrów}$$

Ta wysoka gęstość przestrzenna czyni matrycę o ogniskowej 90mm kluczowym narzędziem w systemach ochrony granic perymetrycznych oraz poszukiwawczo-ratowniczych. Więcej szczegółów na temat doboru sensorów można znaleźć w naszym kompleksowym przewodniku po modułach sensorów kamer termowizyjnych.

2 Wydajność MTF w spektrum 8-14μm

Funkcja Przenoszenia Modulacji (MTF) określa zdolność systemu do przenoszenia kontrastu ze sceny optycznej na powierzchnię detektora przy zmiennych częstotliwościach przestrzennych, mierzonych w parach linii na milimetr ($\text{lp}/{\text{mm}}$). Ponieważ promieniowanie LWIR działa w pasmach spektralnych $8\ \mu\text{m} \le \lambda \le 14\ \mu\text{m}$, ograniczona dyfrakcyjnie przestrzenna częstotliwość odcięcia jest znacząco niższa niż w optyce światła widzialnego, zgodnie z zależnością:

$$\xi_{odcięcia} = \frac{1}{\lambda \cdot F\#}$$

Pracując przy $F/1.25$ ze średnią długością fali $\lambda = 10\ \mu\text{m}$, absolutna termodynamiczna granica optycznej funkcji przenoszenia wynosi:

$$\xi_{odcięcia} = \frac{1}{10 \times 10^{-3}\text{ mm} \times 1.25} = 80\text{ lp/mm}$$

Standardowe zespoły soczewek germanowych 90mm, skonfigurowane do systemów dwupolowych (dual-FOV) lub z ciągłym zoomem, wykorzystują powłoki antyrefleksyjne (AR) oraz twarde powłoki węglowe/diamentopodobne (DLC), aby przetrwać degradację środowiskową i zminimalizować wewnętrzne odbicia Fresnela.

Aby utrzymać wydajność MTF na poziomie systemu powyżej $35\%$ kontrastu przy częstotliwości Nyquista mikroblometru 12 µm ($\approx 41.6\text{ lp/mm}$), zespół optyczny musi korygować aberracje sferyczne, chromatyczne i astygmatyczne natywnie w swoim wieloelementowym stosie germanowym. Źle zaprojektowane soczewki degradują optyczną MTF poniżej limitu Nyquista sensora, wprowadzając aliasing przestrzenny i obniżając efektywną czułość termiczną zintegrowanego systemu kamery.

Architektury integracji sprzętu elektronicznego

1 Natywne trasowanie mostka równoległego CMOS do MIPI CSI-2/USB 3.0

Na poziomie fizycznej warstwy krzemowej, surowy sygnał cyfrowy z niechłodzonego mikrobolometru składa się z szybkiej, niskonapięciowej równoległej magistrali CMOS (często 14-bitowe surowe dane cyfrowe sparowane z sygnałami sterującymi: zegarem pikseli `PCLK`, sygnałem ważności linii `LVAL` i sygnałem ważności ramki `FVAL`). Wysokowydajne rdzenie termowizyjne konwertują tę równoległą magistralę lokalnie na nowoczesne topologie szeregowych łączy o dużej gęstości, takie jak MIPI CSI-2 lub interfejsy USB 3.0/Type-C, aby obsługiwać wysoki zakres dynamiczny i szybki transfer danych.

Podczas prowadzenia tych sygnałów różnicowych na wielowarstwowej płycie głównej, inżynierowie muszą precyzyjnie skonfigurować impedancje docelowe zgodnie z tymi ścisłymi układami fizycznymi:

• ⚙️ Pary różnicowe MIPI CSI-2: Muszą utrzymywać stałą impedancję różnicową $100\ \Omega$ ($\pm 10\%$), aby zapobiec problemom z odbiciami transmisji wysokiej częstotliwości na liniach zegara i danych.
• ⚙️ USB 3.0 SuperSpeed (TX/RX): Wymaga prowadzenia z impedancją różnicową $90\ \Omega$.
• ⚙️ Odniesienia do płaszczyzn masy: Poprowadź nieprzerwane płaszczyzny masy bezpośrednio pod wszystkimi ścieżkami szybkich sygnałów, aby odizolować szum cyfrowy od wrażliwego analogowego front-endu bolometru.

Additionally, intra-pair skew must be limited to $<0.15\text{ mm}$ via symmetric trace routing and length snake-matching to prevent signal phase shifts on high-speed transitions. Developers can learn more about high-integrity board layups in our LWIR micro thermal camera module integration guide.

For integration with automated positioning platforms and multi-sensor stabilization gimbals, Shenzhen ChiYi Electronics Co., Ltd. provides specialized, low-latency interface converters. These components bridge industrial LWIR parallel buses to digital video outputs like HD-SDI, LVDS, or HDMI, preserving signal integrity across extended harness routings.

2.2 SDK-level interfaces for Embedded SBCs

To ingest raw 14-bit radiometric datasets into a single-board computer (SBC) like a Raspberry Pi 4/5, NVIDIA Jetson Orin Nano, or custom ARM/FPGA processing blocks, developers need to leverage the thermal core SDK. The integration pipeline executes over standard interface buses, extracting the payload directly to raw memory buffers. The process begins by instantiating raw UVC stream listeners using a backend like `libuvc` or standard kernel interfaces:

#include <iostream>
#include <libuvc/libuvc.h>

// Callback signature for processing incoming raw LWIR frames
void frame_callback(uvc_frame_t *frame, void *ptr) {
    if (frame->data_format != UVC_FRAME_FORMAT_Y16) {
        std::cerr << "Error: Incoming frame format is not 16-bit Raw Radiometric." << std::endl;
        return;
    }

    // Cast the payload data pointer to unsigned 16-bit array
    uint16_t *raw_data = static_cast<uint16_t*>(frame->data);
    int width = frame->width;
    int height = frame->height;
    
    // Read central frame pixel for core temperature monitoring
    int center_pixel_index = (height / 2) * width + (width / 2);
    uint16_t raw_val = raw_data[center_pixel_index];

    // Convert Kelvin hundredths representation to Celsius:
    // Temp (K) = Raw_Val / 100.0f -> Celsius = Temp (K) - 273.15f
    float temperature_celsius = (static_cast<float>(raw_val) / 100.0f) - 273.15f;
    
    std::printf("Center Pixel Raw: %u | Temperature: %.2f °C\n", raw_val, temperature_celsius);
}

This raw pipeline bypasses standard video encoders, preserving target temperature calculations down to $\pm 2^\circ\text{C}$ or $2\%$ accuracy per pixel location.

Odblokowanie Edge AI: Wnioskowanie w czasie rzeczywistym na sensorze

3.1 FPGA and NPU hardware acceleration layers

On-sensor core processing relies on an FPGA/ASIC coprocessor running parallelized pipelines for real-time spatial correction, Non-Uniformity Correction (NUC), and Bad Pixel Replacement (BPR). Applying these correction arrays before deep neural network inference prevents dead pixels and column drift from causing false positives in target detection.

For models running Yolov8 or MobileNet-SSD targets on local Edge NPUs, the 14-bit analytical radiometric stream is parallel-processed. One branch scales the thermal dynamic range using an adaptive histogram projection algorithm down to an INT8 tensor space suitable for neural network layers. The quantization phase maps microkelvin variance to robust physical features, enabling autonomous systems to identify personnel, structures, and machinery in low-visibility or highly congested environments.

To explore native AI accelerators inside compact LWIR setups, see our Edge AI enhanced LWIR module integration guide.

3.2 Temperature Measurement & Radiometric Data Structures

True radiometric monitoring systems output raw pixel data that corresponds directly to actual physical temperature values. Each pixel value represents a highly calibrated sensor capture of the radiant energy emitted by the target object. To maintain reading accuracy across varying ambient conditions, the internal calibration algorithm calculates compensation factors based on key physical properties. In practice, our workflow uses these parameters:

• ⚙️ Target Emissivity ($E$): Dictates the emission efficiency of the target material's surface (calibrated from 0.01 to 1.00).
• ⚙️ Atmospheric Distance ($D$): Compensates for path attenuation losses along the 90mm optical line-of-sight.
• ⚙️ Ambient Temperature ($T_{amb}$): Compensates for reflected ambient radiation entering the optical path.

These variables are adjusted dynamically in software via the SDK control registry. Writing updated values to the registers adapts the internal radiometric calculation based on the distance to the target and the local atmospheric conditions.

Przegląd porównawczy przemysłowych modułów rdzeniowych LWIR

To guide procurement and engineering teams, the detailed comparison below lists the technical parameters of currently available uncooled LWIR core systems, categorized by pixel density, output formats, and range capabilities.

4.1 Direct product parameters & datasheet matching

Model Specifications	Uncooled LWIR Mini 256*192 Core	Uncooled LWIR USB Mini 640*512 Core
Product Target Image
Detector Resolution	256 x 192 (Ultra-Compact Form Factor)	640 x 512 / 640 x 480 (High-Resolution Core)
Rozstaw pikseli	12 µm	12 µm
Pasmo spektralne	8 µm to 14 µm (LWIR)	8 µm to 14 µm (LWIR)
Czułość termiczna (NETD)	≤ 50 mK (Ultra-clear thermal output)	≤ 40 mK (Sharp and crisp image presentation)
Available Lenses (Focal Length)	Integrated wide/mid fixed lenses	5 / 9 / 13 / 18 / 35 / 50 / 75 / 100 / 150mm configurations
Weight & Dimensions	Ultra-lightweight miniature design	21mm x 21mm base mini-size, ultra-low cost
Primary Applications	Detecting mines, compact UAVs, local temperature mapping	Long-range drones, perimeter tracking, thermal sights

Showcasing: Uncooled LWIR Mini 256*192 Thermal Imaging Camera Module Similar To DJI For Detecting Mines

The Mini 256 Uncooled LWIR thermal Camera Module adopts high-performance infrared detectors for ultra-clear thermal imaging and accurate temperature measurement. It captures infrared radiation and outputs a uniform thermal image with radiometry. This brings micro-class accuracy to search-and-rescue, micro UAV deployment, and specialized structural hazard mitigation missions.

Its lightweight structure makes it ideal for close-range and medium-range remote sensing work where every gram counts. Offering clean integration on single-board computers, it delivers raw temperature fields directly over modern digital buses.

Zobacz szczegóły produktu i ceny ➔

Showcasing: Uncooled LWIR USB Mini 640*512 Thermal Imaging Camera Core Module For Drones Similar To DJI

Design teams requiring clean performance over long detection channels rely on high-resolution setups. The Mini uncooled infrared thermal imaging module features in sharp and crisp image presentation, compact size and low cost. Featuring a mini-size of 21mm*21mm, and with lens focal lengths spanning 5/9/13/18/35/50/75/100/150mm and 640*480 resolution optional, it ensures stable performance and strong environmental adaptability.

When used with telephoto and zoom configurations up to 90mm or 150mm, it delivers clear physical signatures of targets several kilometers away. This level of resolution is crucial for automated perimeter defense, critical infrastructure protection, and drone-based search operations.

Zobacz szczegóły produktu i ceny ➔

Ramy integracji: UAV, celowniki taktyczne i robotyka autonomiczna

Implementing robust thermal imaging capabilities within real-world payloads requires careful balancing of mechanical, thermal, and optical considerations to protect the core-level electronics.

5.1 Drone payload SWaP considerations

For Size, Weight, and Power (SWaP) constraints on unmanned aerial vehicles (UAVs), integrating a 90mm focal length lens introduces a weight offset that shifts the sensor's center of gravity forward.

• ✅ Weight Offset: A 90mm telephoto germanium lens can weigh between $180\text{ g}$ and $350\text{ g}$, compared to a lightweight $15\text{ g}$ ultra-microbolometer core.
• ✅ Gimbal Balancing: Placing the core-sensor assembly behind a heavy lens shift moves the target balance forward. The physical center of gravity on custom dual-axis brushless gimbals must be manually trim-balanced along the pitch axes. This ensures the gimbal motors don't overheat or degrade control loop integrity during high-frequency wind corrections.

Peak motor torque requirements ($T_m$) are calculated based on predicted wind loads and operational angular accelerations:

$$T_m = I_{axis} \cdot \alpha_{target}$$

where $I_{axis}$ is the combined moment of inertia of the 90mm lens and core structure, and $\alpha_{target}$ is the targeted angular response speed. Ensuring the gimbal system has adequate holding torque prevents tracking slippage in turbulent flight conditions.

Additionally, a 90mm core-system drawing up to $1.5\text{W}$ at peak performance (typically during automated calibration shutter cycles) must be powered via shielded DC-DC buck step-down converters. This prevents high-frequency electromagnetic interference (EMI) from degrading the UAV's GPS, compass, and telemetry communications.

5.2 Scope & Weapon-Sight ruggedized optomechanics

To deploy 90mm uncooled thermal assemblies in tactical sighting systems, the mountings and internal electronics must withstand high, sudden mechanical forces:

• ⚙️ Shock & Vibe Isolation: Sighting assemblies can experience impulse accelerations exceeding $1,000\text{ G}$ over sub-millisecond durations during recoil. Sensor cores must be shock-isolated within the main CNC-milled chassis using structural fluoro-silicone dampers. This protects both the ceramic microbolometer package glass seal and the optical sub-assembly.
• ⚙️ Atmospheric & Environmental Sealing: Sighting scopes must maintain an inert internal environment across rapid temperature and pressure changes. Housings should be nitrogen-purged and sealed with dual Viton O-rings to an IP67 rating. This prevents moisture from condensing on the internal optical surfaces of the germanium lens elements.
• ⚙️ Thermal Isolation & Uniformity: Changes in barrel temperature can transfer heat to the scope enclosure, creating internal thermal gradients. Isolating the infrared core from the mounting rings using Delrin or G10 fiberglass thermal isolation rings helps maintain spatial temperature uniformity across the detector array. This minimizes calibration drift and ensures accurate target detection over extended operations.

Pogłębione najczęściej zadawane pytania