Moduł kamery termowizyjnej MIPI: Integracja LWIR o niskim opóźnieniu dla dronów i Edge AI

W inżynierii systemów wizyjnych wbudowanych integracja detekcji długofalowego promieniowania podczerwonego (LWIR) w kompaktowych, autonomicznych architekturach brzegowych stwarza istotne wyzwania na poziomie systemowym. Konwencjonalne rdzenie termowizyjne powiązane z protokołami USB 3.0 (UVC) lub Serial Peripheral Interface (SPI) często wprowadzają obciążenie CPU po stronie hosta, niemożliwe do opanowania opóźnienia buforowania jądra, niedeterministyczny jitter pakietów oraz poważne wąskie gardła przepustowości transmisji. Dla platform brzegowych o ograniczonych parametrach SWaP (rozmiar, waga, moc i koszt)—takich jak mikrobezzałogowe statki powietrzne (UAV), taktyczne mikrogimbale, autonomiczne roboty mobilne (AMR) oraz bramy wizyjne Edge AI—te wąskie gardła protokołów pogarszają wydajność widzenia komputerowego w czasie rzeczywistym, kompromitują pętle stabilizacji PID gimbala i podnoszą całkowite opóźnienie przetwarzania poza progi deterministyczne.

Standardowym rozwiązaniem architektonicznym w branży jest bezpośrednia integracja natywnego modułu kamery termowizyjnej MIPI za pośrednictwem warstwy transportowej MIPI CSI-2 (Camera Serial Interface 2). Poprzez połączenie odczytów niechłodzonych czujników mikrobolometrycznych bezpośrednio z natywnym procesorem sygnału obrazu (ISP) procesora aplikacyjnego oraz sprzętowym silnikiem bezpośredniego dostępu do pamięci (DMA), architekci systemów całkowicie omijają warstwy translacji protokołów systemu operacyjnego. Ta zmiana architektoniczna umożliwia deterministyczną, submilisekundową transmisję nieskompresowanych surowych danych radiometrycznych 14-bitowych lub 16-bitowych przy wysokich częstotliwościach klatek (30 Hz do 60 Hz) bezpośrednio do zunifikowanych przestrzeni pamięci dostępnych dla GPU i NPU, odblokowując wnioskowanie Edge AI w czasie rzeczywistym, fuzję czujników multispektralnych, śledzenie celów oraz zautomatyzowaną termografię przemysłową.

Fizyka i architektura protokołu MIPI CSI-2 w obrazowaniu LWIR

Czujniki obrazowania termowizyjnego działają zasadniczo inaczej niż standardowe czujniki CMOS w zakresie widzialnym. Niechłodzone detektory LWIR wykorzystują matryce ogniskowe mikrobolometrów (FPA)—zazwyczaj wytwarzane z tlenku wanadu (VOx) lub krzemu amorficznego (α-Si)—czułe na promieniowanie elektromagnetyczne w atmosferycznym oknie transmisji od 8 μm do 14 μm. Każdy piksel mikrobolometru składa się z absorbera podczerwieni zawieszonego nad podłożem krzemowym za pomocą mikroskopijnych nóżek izolacji termicznej. Pod wpływem padającego promieniowania cieplnego temperatura absorbera zmienia się, powodując mierzalną zmianę jego rezystancji elektrycznej. Ta analogowa zmiana rezystancji jest digitalizowana przez zintegrowane układy odczytu (ROIC) na surowe wartości o wysokim zakresie dynamicznym, zazwyczaj 14-bitowe lub 16-bitowe liczby cyfrowe na piksel.

Przesyłanie tych surowych strumieni danych mikrobolometrycznych do wbudowanego procesora hosta wymaga interfejsu, który zachowuje integralność sygnału bez wprowadzania opóźnień obliczeniowych. Interfejs MIPI Camera Serial Interface 2 (MIPI CSI-2), w połączeniu z warstwą fizyczną (D-PHY), spełnia te wymagania dla wbudowanych systemów wizyjnych, przesyłając zserializowane dane pikseli po punkt-punkt różnicowych liniach sygnałowych regulowanych sztywnym taktowaniem sprzętowym.

Dynamika sygnalizacji warstwy fizycznej MIPI D-PHY

Elektryczna warstwa fizyczna nowoczesnego modułu termowizyjnego MIPI opiera się na specyfikacji D-PHY MIPI Alliance, asynchronicznym interfejsie synchronicznym względem źródła, wyposażonym w jedną różnicową linię zegarową oraz jedną, dwie lub cztery różnicowe linie danych. Warstwa fizyczna dynamicznie przełącza się między dwoma trybami sygnalizacji operacyjnej:

• ⚙️ Tryb High-Speed (HS): Działa z wykorzystaniem niskonapięciowej sygnalizacji różnicowej (podobnej do LVDS), z nominalnym wychyleniem różnicowym 200 mV wyśrodkowanym wokół napięcia wspólnego 200 mV (V_CM). W trybie HS dane są serializowane i przesyłane z przepustowością od 80 Mb/s do 2,5 Gb/s na linię, umożliwiając wysoką zagregowaną przepustowość przy wyjątkowo niskich emisjach elektromagnetycznych promieniowanych.
• ⚙️ Tryb Low-Power (LP): Działa z wykorzystaniem jednokońcówkowej logiki sygnalizacyjnej CMOS 1,2 V. Tryb LP zarządza protokołami sterowania liniami, obsługując uzgadnianie synchronizacji ramek (takie jak Start of Transmission [SoT] i End of Transmission [EoT]), przejścia stanów niskiego poboru mocy oraz tryby uśpienia (LP-11).

W przeciwieństwie do czujników RGB 4K ze spektrum widzialnego, które wymagają przepustowości wielogigabitowej (np. 4K przy 60 kl./s zużywa cztery linie pracujące z prędkością powyżej 1,5 Gb/s na linię), niechłodzony czujnik LWIR pracujący w rozdzielczości 640 × 512 z 16-bitowym wyjściem radiometrycznym przy 50 Hz generuje zagregowany surowy ładunek danych obliczany jako:

Przepustowość = 640 × 512 × 16 bitów/piksel × 50 klatek/s ≈ 262,14 Mb/s

To wymaganie przepustowości jest wygodnie obsługiwane przez jednoliniowy (1-lane) lub dwuliniowy (2-lane) MIPI D-PHY pracujący z konserwatywną częstotliwością zegara od 400 Mb/s do 800 Mb/s na linię. Praca przy niższych częstotliwościach zegara przy jednoczesnym wykorzystaniu natywnej różnicowej sygnalizacji D-PHY minimalizuje zakłócenia elektromagnetyczne wysokiej częstotliwości (EMI) w pobliskich odbiornikach RF, co jest kluczową zaletą przy integracji czułych odbiorników komunikacyjnych i GNSS w kompaktowych platformach UAV.

Protokół pakietowania CSI-2 i radiometryczne typy danych

W warstwie protokołu CSI-2 dane obrazu są przesyłane w ustrukturyzowanych pakietach składających się z 4-bajtowego nagłówka pakietu (PH), sekwencji danych ładunku o dowolnej długości oraz 2-bajtowej stopki pakietu (PF) zawierającej 16-bitową kontrolę cykliczną nadmiarową (CRC). Nagłówek pakietu zawiera 8-bitowy bajt identyfikatora danych (DI), złożony z 2-bitowego identyfikatora kanału wirtualnego (VC) i 6-bitowego kodu typu danych (DT).

Moduły termowizyjne wykorzystują określone typy danych w strumieniu CSI-2 do przenoszenia surowych pomiarów bolometrycznych i radiometrycznych:

• ⚙️ RAW14 (typ danych 0x2D): 14-bitowe dane nieskompresowane. Mikrobolometry natywnie wytwarzają 14 bitów zakresu dynamicznego. Pakiety są formatowane przez upakowanie czterech 14-bitowych wartości pikseli w siedem kolejnych 8-bitowych bajtów, maksymalizując efektywność transmisji ładunku przez łącze fizyczne.
• ⚙️ RAW16 (typ danych 0x2E): 16-bitowe dane nieskompresowane. Każdy piksel mapuje się bezpośrednio na dwubajtową liczbę całkowitą bez znaku reprezentującą liniową odpowiedź detektora lub bezwzględne wartości temperatury radiometrycznej w centykelwinach. RAW16 upraszcza wyrównanie bajtów i adresowanie pamięci w mikroprocesorach hosta.
• ⚙️ Dane zdefiniowane przez użytkownika / osadzone 8-bitowe (typy danych 0x30 do 0x37 lub 0x12): Przemysłowe moduły termowizyjne dodają na początku lub na końcu "linię osadzoną" zawierającą metadane operacyjne: temperaturę struktury czujnika, stan wewnętrznej migawki, napięcie termistora obudowy FPA, flagi kalibracji oraz odczyty optycznego otoczenia niezbędne do obliczeń radiometrii bezwzględnej.

Porównanie architektoniczne: MIPI CSI-2 a alternatywne interfejsy wbudowane

Wbudowany stos oprogramowania: Architektura sterownika V4L2, drzewo urządzeń i potoki zero-copy

Bezpośrednia integracja modułu kamery termowizyjnej MIPI z nowoczesnymi układami SoC hosta Linux — takimi jak NVIDIA Jetson Orin/Xavier, Rockchip RK3588, NXP i.MX8M lub Raspberry Pi Compute Module 4/5 — wymaga skonfigurowania bazowego stosu sterowników jądra. Rdzenie termiczne są rejestrowane w frameworku Linux podsystem Video4Linux2 (V4L2) jako podurządzenia kamery zarządzane przez Media Controller API.

Architektura systemu hosta opiera się na warstwowym modelu sterowników: sprzętowy odbiornik CSI-2 w SoC przechwytuje przychodzące różnicowe pakiety szeregowe, przekazuje je do wewnętrznego kanału DMA i przesyła dane do buforów pamięci fizycznej. Sterownik jądra ustawia parametry strumieniowania za pośrednictwem interfejsu sterującego I²C lub UART, zapewniając zsynchronizowaną ekspozycję, ramkowanie i stany przetwarzania termicznego na chipie.

Architektura Device Tree Source (DTS)

Device Tree systemu Linux definiuje topologię sprzętową, łącząc punkt końcowy odbiornika CSI-2 w SoC z portem wyjściowym modułu termicznego, określając konfiguracje pinów dla generowania zegara, linii resetu oraz interfejsu sterowania kamerą (zazwyczaj magistrala I²C pracująca w trybie Fast-mode przy 400 kHz).

Poniżej znajduje się bazowa implementacja węzła DTS dla systemu z dwutorowym rdzeniem termicznym MIPI podłączonym do wbudowanego SoC:

// Fragment Device Tree Source (DTS) dla przemysłowego modułu termicznego MIPI;

Dla programistów systemów wbudowanych pracujących nad hybrydowymi konstrukcjami wizualno-termicznymi kluczowa jest ocena specjalistycznych przepływów pracy integracji sprzętowej. Dowiedz się więcej o dopasowaniu topologii czujników i konfiguracjach dwuzakresowych w naszym przewodniku integracji modułu kamery termicznej z czujnikiem CMOS.

Implementacja rdzenia sterownika podurządzenia V4L2

Sterownik jądra implementuje standardowe struktury operacji podurządzenia V4L2: v4l2_subdev_core_ops, v4l2_subdev_video_ops, oraz v4l2_subdev_pad_ops. Gdy aplikacje przestrzeni użytkownika inicjują przechwytywanie wideo za pomocą VIDIOC_STREAMON ioctl, sterownik konfiguruje wewnętrzny układ FPGA lub ASIC rdzenia termicznego przez I²C, przełącza czujnik mikrobolometryczny w tryb ciągłego odczytu i przygotowuje odbiornik CSI-2 po stronie hosta.

static const struct v4l2_subdev_video_ops thermal_video_ops = {

Zarządzanie pamięcią zero-copy w architekturze DMABUF

Wysokoprzepustowe przetwarzanie obrazów radiometrycznych nie może sobie pozwolić na kopiowanie pamięci sterowane przez CPU (memcpy) przez granice użytkownik-jądro. Przesyłanie ramek 640 × 512 16-bitowych przy 50 Hz przy użyciu konwencjonalnych operacji odczytu powoduje nasycenie magistrali pamięci i zwiększa opóźnienie dostarczania ramek o 15 ms do 30 ms.

Aby osiągnąć opóźnienia transferu poniżej milisekundy, nowoczesne potoki brzegowe wykorzystują DMABUF współdzielenie pamięci:

• ⚙️ Alokacja buforów: Ciągłe bloki pamięci są wstępnie alokowane w pamięci RAM systemu za pośrednictwem Linux Contiguous Memory Allocator (CMA) lub sprzętowych alokatorów buforów (takich jak NVIDIA NvBufSurface lub pule pamięci Rockchip MPP/RGA).
• ⚙️ Eksport deskryptorów: Te przydzielone bufory są eksportowane do aplikacji przestrzeni użytkownika jako natywne deskryptory plików Linux (DMABUF FD).
• ⚙️ Sprzętowe strumieniowanie DMA: Sprzętowy interfejs MIPI CSI-2 układu SoC hosta przesyła przychodzące ładunki pakietów bezpośrednio do tych fizycznych adresów pamięci bez interwencji CPU hosta.
• ✅ Bezpośrednie pobieranie NPU/GPU: Silniki wnioskowania Edge AI (takie jak TensorRT, DeepStream lub ONNX Runtime) wiążą się bezpośrednio z tymi wskaźnikami pamięci współdzielonej. Dostęp zero-copy eliminuje narzut kopiowania pamięci i osiąga opóźnienia wykonania od szkła do wnioskowania poniżej 1,5 milisekundy.

Przetwarzanie danych radiometrycznych i sprzętowa akceleracja Edge AI

W przeciwieństwie do czujników obrazu w zakresie widzialnym, które wyprowadzają gotowe do wyświetlenia przestrzenie kolorów sRGB, niechłodzone czujniki LWIR rejestrują surowy strumień cieplny emitowany w całej scenie. Zdigitalizowane wyjście odpowiada rezystancji detektora, a nie ludzkiej percepcji wzrokowej. Opracowanie potoków wizyjnych w czasie rzeczywistym wymaga zastosowania specjalistycznych kalibracji i transformacji w celu wyodrębnienia dokładnych informacji o temperaturze.

Korekcja niejednorodności (NUC) i zastępowanie uszkodzonych pikseli (BPR)

Matryce mikrobolometryczne w płaszczyźnie ogniskowej wykazują różnice między pikselami w czułości i napięciu offsetu ciemnego wynikające z tolerancji produkcji półprzewodników. Odpowiedź pojedynczego piksela i jest reprezentowana matematycznie przez model liniowy:

V_i(T) = G_i × Φ(T) + O_i

Gdzie:

• ⚙️ G_i: Indywidualny współczynnik czułości (wzmocnienia) piksela.
• ⚙️ Φ(T): Padające promieniowanie podczerwone pochodzące z temperatury sceny docelowej T.
• ⚙️ O_i: Indywidualne przesunięcie przestrzenne, silnie zależne od wewnętrznej temperatury podłoża matrycy w płaszczyźnie ogniskowej.

Aby wyeliminować szum o stałym wzorcu (FPN) i osiągnąć czułości termiczne poniżej 40 mK, silnik przetwarzania termicznego wykonuje trzy odrębne operacje:

• ⚙️ Dwupunktowa kalibracja wzmocnienia: Kalibruje indywidualne współczynniki wzmocnienia pikseli (G_i) przy użyciu jednorodnych źródeł kalibracyjnych ciała doskonale czarnego w dwóch znanych temperaturach odniesienia (T₁ i T₂). Współczynniki te są przechowywane w nieulotnej pamięci czujnika.
• ⚙️ Kompensacja offsetu (kalibracja migawką): Elektromechaniczna migawka okresowo wsuwa się w ścieżkę optyczną na 100 do 300 ms, wystawiając matrycę na jednorodne odniesienie termiczne. Moduł przelicza tabele offsetu (O_i), aby skompensować dryft termiczny otoczenia. Rdzenie wysokiej klasy wykorzystują algorytmy bezmigawkowe, które stale aktualizują macierze offsetu na podstawie odczytów temperatury w czasie rzeczywistym z wewnętrznych termistorów obudowy i obiektywu.
• ⚙️ Zastępowanie uszkodzonych pikseli (BPR): Martwe, nieodpowiadające lub zaszumione piksele, które wykraczają poza trzy odchylenia standardowe mediany rozkładu Gaussa matrycy, są oznaczane podczas kalibracji fabrycznej. W trakcie pracy potoki sprzętowe zastępują te wartości w czasie rzeczywistym za pomocą mediany 3×3 lub interpolacji dwuliniowej z otaczających funkcjonalnych pikseli.

Konwersja surowych wartości cyfrowych na temperaturę bezwzględną

Po korekcji niejednorodności moduł wytwarza 14-bitowe lub 16-bitowe liniowe wyjście cyfrowe (liczby cyfrowe, DN). Przekształcenie tych wartości na bezwzględne radiometryczne jednostki temperatury (kelwiny lub stopnie Celsjusza) wymaga obliczenia odwróconej funkcji promieniowania Plancka:

T_cel = B / ln( R₁ / (R₂ × (DN - O_dryft)) + F )

Gdzie R₁, R₂, B, oraz F reprezentują empiryczne stałe kalibracyjne ustalone w drodze laboratoryjnego profilowania ciała doskonale czarnego, a O_dryft uwzględnia zmiany temperatury podłoża w czasie rzeczywistym. W przemysłowych modułach radiometrycznych obliczenie to jest wykonywane albo na wewnętrznym procesorze modułu, albo mapowane na zoptymalizowane wektorowe jednostki wykonawcze (takie jak ARM NEON lub jądra NVIDIA CUDA) na procesorze hosta.

Kompresja zakresu dynamicznego o wysokim kontraście dla sieci neuronowych

Współczesne modele detekcji obiektów Edge AI (takie jak YOLOv8, YOLOv10 lub RT-DETR) są architektonicznie zaprojektowane dla 3-kanałowych 8-bitowych tensorów wejściowych (wartości w zakresie od 0 do 255). Liniowe skalowanie w dół nieskompresowanego 14-bitowego zakresu dynamicznego radiometrycznego (od 0 do 16 383) do 8 bitów odrzuca subtelne gradienty termiczne, często zasłaniając słabo widoczne cele (takie jak ludzie lub odległe pojazdy) na tle ciepłego otoczenia.

Aby zachować szczegóły celu, potok oprogramowania dzieli przychodzący strumień MIPI CSI-2 na dwie gałęzie przetwarzania:

• ⚙️ Strumień analityczny radiometryczny: Zachowuje surową 14-bitową lub 16-bitową liniową głębię radiometryczną. Ten potok zasila algorytmy progowe, zapytania o temperaturę punktową oraz zautomatyzowane procedury alarmowe przeciwpożarowe lub przegrzania.
• ⚙️ Strumień wnioskowania Vision AI: Przepuszcza surowe dane przez cyfrowe wzmocnienie szczegółów (DDE) filtr i Wyrównanie histogramu adaptacyjne z ograniczeniem kontrastu (CLAHE). Algorytmy te rozdzielają scenę na warstwę bazową niskiej częstotliwości (reprezentującą ogólne gradienty temperatury tła) oraz warstwę szczegółów wysokiej częstotliwości (uwydatniającą ostre granice, krawędzie i sygnatury). Warstwy są dynamicznie równoważone w 8-bitową reprezentację o wzmocnionym kontraście, maksymalizując ekstrakcję cech krawędziowych na potrzeby wnioskowania sieci neuronowej.

Aby uzyskać dodatkowe szczegóły dotyczące wdrażania modeli głębokiego uczenia w zlokalizowanych architekturach strumieni radiometrycznych, zapoznaj się z naszym przewodnikiem technicznym na temat przemysłowe mini-moduły LWIR z AI (industrial mini-LWIR modules with AI).

Inżynieria sprzętowa, optymalizacja SWaP-C i projektowanie elektrooptyczne

Wdrażanie termowizyjnych ładunków użytkowych w powietrznych mikrogimbalach, ręcznym sprzęcie inspekcyjnym i małych robotach mobilnych wymaga ścisłej uwagi na budżety rozmiaru, masy, mocy i kosztu (SWaP-C) wraz ze standardami projektowania szybkich płytek drukowanych (PCB).

Wytyczne dotyczące szybkiego rozmieszczenia ścieżek PCB i integralności sygnału

Warstwa fizyczna MIPI D-PHY działa z szybkimi czasami narastania i opadania sygnału (t_r, t_f < 200 ps). Przeoczenia w szybkim rozmieszczeniu ścieżek mogą powodować odbicia linii transmisyjnej, niedopasowania impedancji różnicowej i poważne uszkodzenia pakietów:

• ⚙️ Kontrola impedancji różnicowej: Wszystkie pary ścieżek różnicowych zegara i danych muszą być prowadzone tak, aby utrzymać ściśle kontrolowaną impedancję różnicową 100 Ω ± 10% (odniesienie single-ended 50 Ω).
• ⚙️ Intra-Pair Skew Matching: Trace length differences between positive (P) and negative (N) conductors within a differential pair must not exceed 0.15 mm (< 1 ps phase skew). Excessive intra-pair skew degrades common-mode rejection and increases electromagnetic emissions.
• ⚙️ Inter-Pair Skew Matching: Length mismatches between the clock lane pair and any corresponding data lane pair must remain below 0.5 mm to ensure timing margins are preserved across the high-speed receiver.
• ⚙️ Continuous Reference Plane: MIPI traces must be routed across unbroken, continuous ground reference planes. Traces must not cross splits, power planes, or voids, which create impedance discontinuities and generate common-mode noise.
• ⚙️ Interconnect Selection: Gimbal payloads require specialized low-profile micro-coaxial ribbons or shielded flexible printed circuits (FPC). High-reliability connectors from precision manufacturers like Amphenol maintain signal integrity across moving gimbal pivots and slip rings without introducing mechanical binding.

Optical Materials Engineering: Germanium vs. Chalcogenide Glass

Because optical glass is opaque in the 8 μm to 14 μm infrared band, uncooled LWIR lenses require specialized optical substrates:

• ⚙️ Monokrystaliczny German (Ge): Germanium exhibits a high refractive index (n ≈ 4.00 at 10 μm), enabling compact, low-aberration multi-element optical assemblies. However, Germanium features a high temperature-dependent refractive index coefficient (dn/dt = 3.96 × 10^-4/°C) and exhibits optical absorption runaway above +100°C. It is also dense and represents a significant material cost.
• ✅ Szkło chalkogenidkowe: Engineered chalcogenide glasses—such as those produced by LightPath Technologies—offer lower mass, reduced material costs, and significantly lower dn/dt values. These characteristics enable passive athermalization across wide temperature ranges (-40°C to +85°C) without motorized focus mechanics, reducing gimbal payload mass.

Engineers designing defense or long-range intelligence, surveillance, and reconnaissance (ISR) payloads can contrast these lightweight short-to-medium-range micro-optics against larger systems in our breakdown of the 1280x1024 12μm long range thermal imaging sight scope.

Prezentacja techniczna przemysłowych modułów termowizyjnych MIPI i macierz specyfikacji

Below is a detailed examination of two industrial-grade MIPI thermal camera modules optimized for unmanned payloads, tactical micro-gimbals, and embedded edge computing architectures.

Purpleriver Mini2 640x512 9mm Uncooled MIPI Thermal Imaging Module

to cud inżynierii zaprojektowany specjalnie do środowisk o ograniczonych parametrach SWaP. Dzięki miniaturyzacji elektroniki bez poświęcania jakości sensora dostarczamy rdzeń, który mieści się w najciaśniejszych przestrzeniach. Mini2 640x512 9mm is an uncooled LWIR camera module designed for airborne drone payloads, tactical gimbals, and real-time robotic vision systems. Delivering sharp and crisp image presentation, compact form factor, and low unit cost, this module integrates an uncooled VOx detector with a 12 μm pixel pitch and an athermalized 9mm lens. It supports native MIPI CSI-2 digital output for direct integration into embedded host processors, bypassing intermediate interface bridges.

• ⚙️ Rozdzielczość: 640 × 512 Active Pixels (VGA Thermal)
• ⚙️ Rozstaw pikseli: Mikrobolometr z tlenku wanadu (VOx) 12 μm
• ✅ Czułość termiczna: ≤ 40 mK (NETD at f/1.0, 300K)
• ⚙️ Video Output: 2-lane MIPI CSI-2, DVP, or USB options
• ✅ Pobór mocy: < 900 mW (Steady State)

Wyświetl szczegóły produktu i ceny ➔

Purpleriver Mini 256x192 Uncooled LWIR Thermal Camera Module

to cud inżynierii zaprojektowany specjalnie do środowisk o ograniczonych parametrach SWaP. Dzięki miniaturyzacji elektroniki bez poświęcania jakości sensora dostarczamy rdzeń, który mieści się w najciaśniejszych przestrzeniach. Miniaturowy niechłodzony moduł kamery termowizyjnej LWIR 256 adopts high-performance infrared detectors designed for clear thermal imaging and accurate temperature measurement. Engineered to capture infrared radiation and output uniform thermal imagery with integrated radiometry, its ultra-lightweight profile suits weight-critical deployments, including mine detection drones, search and rescue robots, and micro-UAV swarms.

• ⚙️ Rozdzielczość: 256 × 192 Active Pixels
• ⚙️ Rozstaw pikseli: 12 μm High-Sensitivity Uncooled Microbolometer
• ✅ Czułość termiczna: ≤ 50 mK (NETD at f/1.0)
• ⚙️ Radiometria precyzyjna: Point, line, and area temperature tracking with accurate output
• ✅ Weight Profile: ≤ 12 g total mass (SWaP-optimized)

Wyświetl szczegóły produktu i ceny ➔

Comprehensive Specification Matrix

Instrukcja integracji krok po kroku i rozwiązywania problemów

Executing a reliable integration of a MIPI thermal camera module into an embedded carrier board requires following a structured hardware and software validation methodology.

Step 1: Hardware Rail Verification

Prior to powering the module, verify all voltage supply rails using an oscilloscope. Uncooled microbolometers are sensitive to power supply noise. Ensure the analog supply rail (VDD_ANA) exhibits less than 10 mV_RMS ripple. High power ripple directly degrades the sensor's Noise Equivalent Temperature Difference (NETD), introducing horizontal banding across the raw image stream.

Step 2: Device Tree Compilation and Kernel Registration

Compile the Device Tree source overlay and load the driver kernel module into the Linux kernel space. Verify that the thermal sub-device acknowledges I²C commands using standard Linux utilities:

# Verify module acknowledges on I2C bus 1 at address 0x38
i2cdetect -y -r 1

# Inspect the kernel ring buffer for successful sub-device probing
dmesg | grep -i purpleriver
# Expected Output:
# [    4.120349] purpleriver_thermal 1-0038: Sensor probed successfully. Model: Mini2-640
# [    4.121110] purpleriver_thermal 1-0038: Subdev registered as /dev/v4l-subdev2

Step 3: Stream Capture Verification with V4L2 Utilities

Query the host video device node using v4l2-ctl to confirm supported pixel formats and negotiate the streaming format before launching higher-level vision applications:

# Query available pixel formats on host video node
v4l2-ctl --device=/dev/video0 --list-formats-ext

# Capture 100 test frames directly to file using direct MMAP DMA
v4l2-ctl --device=/dev/video0 \
         --set-fmt-video=width=640,height=512,pixelformat='Y16 ' \
         --stream-mmap --stream-count=100 \
         --stream-to=test_stream.raw

Step 4: Hardware-Accelerated GStreamer Pipeline Integration

To feed raw radiometric frames directly into hardware-accelerated processing pipelines, configure a zero-copy GStreamer pipeline. The pipeline below splits the incoming 16-bit raw data, directing one stream to hardware color-mapping for operator display and the other directly to an appsink for neural network inference:

gst-launch-1.0 v4l2src device=/dev/video0 ! \
    video/x-raw, format=GRAY16_LE, width=640, height=512, framerate=30/1 ! \
    tee name=thermal_tee \
    thermal_tee. ! queue leaky=1 ! \
        nvvideoconvert ! \
        video/x-raw(memory:NVMM), format=RGBA ! \
        nvdsosd ! nveglglessink sync=false \
    thermal_tee. ! queue leaky=1 ! \
        appsink name=radiometric_sink emit-signals=true max-buffers=1 drop=true

Diagnostic Matrix: Common Integration Pitfalls

Szczegółowe FAQ dotyczące integracji przemysłowej