Wysokorozdzielczy moduł termowizyjny na podczerwień z CVBS: Najlepszy przewodnik integracji dla FPV, dronów i Edge AI

# Wysokorozdzielczy moduł termowizyjny z CVBS: Kompletny przewodnik integracji dla FPV, dronów i Edge AI

Wymagania nowoczesnych taktycznych platform powietrznych, zdalnego pilotowania (FPV) i rozproszonych węzłów Edge AI doprowadziły ładowności sensorów do ich fizycznych granic. Historycznie integratorzy systemów stawali przed trudnym kompromisem: zaakceptować wagę, opóźnienia i kary energetyczne ciężkich płyt konwerterów cyfrowo-analogowych lub poświęcić zasięg wykrywania celów termicznych, używając niskorozdzielczych, starszych sensorów analogowych. Znalezienie ładowności, która równoważy czułość termiczną z natywnymi interfejsami transmisji o niskim opóźnieniu, pozostaje Świętym Graalem dla inżynierów lotniczych, projektantów bezzałogowych statków powietrznych (UAV) i architektów automatyki przemysłowej.

Ten kompleksowy plan techniczny analizuje, w jaki sposób nowoczesne niechłodzone rdzenie długofalowej podczerwieni (LWIR) wypełniły tę lukę, łącząc wysoce zaawansowane cyfrowe matryce ogniskowe wysokiej rozdzielczości z natywnymi wyjściami sygnału wizyjnego pasma podstawowego (CVBS). Dzięki wykorzystaniu architektur systemu na chipie (SoC) napędzanych przez układy scalone specyficzne dla aplikacji (ASIC), nowoczesne moduły termowizyjne wykonują redukcję szumu przestrzennego w czasie rzeczywistym, cyfrowe wzmacnianie szczegółów i serializację sygnału analogowego na pojedynczej, niskomocowej płytce PCBA. Niezależnie od tego, czy budujesz drony z reflektorami do poszukiwań i ratownictwa dalekiego zasięgu (SAR), mikro-UAV klasy obronnej, czy zdalne sieci brzegowe sterowane przez AI, ten przewodnik dostarcza podstawowej wiedzy inżynierskiej, surowej fizyki sygnałów i metodologii integracji wymaganych do wdrażania systemów obrazowania termicznego wysokiej rozdzielczości na duże odległości bez wąskich gardeł opóźnień.

---

Architektura inżynierska: Rozdzielenie CVBS i cyfrowych rdzeni termowizyjnych

Aby zintegrować rdzenie termowizyjne z wysoce zoptymalizowanymi platformami Edge AI lub pojazdami powietrznymi FPV dalekiego zasięgu, kluczowe jest zrozumienie separacji między cyfrową płaszczyzną detekcji a szeregową analogową płaszczyzną wyjściową. Nowoczesne niechłodzone rdzenie podczerwieni nie traktują analogowego CVBS jako przestarzałego dodatku. Zamiast tego implementują równoległe potoki przetwarzania krzemowego zaprojektowane do jednoczesnej obsługi analogowych wyświetlaczy o niskim opóźnieniu i wysokiej wierności cyfrowych jednostek przetwarzających. Oto sedno: jeśli nie zmapujesz tego potoku poprawnie, twój system będzie cierpiał z powodu gubionych klatek i drgań sygnału analogowego.

1 Fizyka niechłodzonego mikrobolometru LWIR 12μm

Spójrz, rdzeń niechłodzonego modułu czujnika termicznego zawiera matrycę ogniskową (FPA) składającą się z niechłodzonych mikrobolometrów. Te mikrobolometry są zbudowane z aktywnych materiałów cienkowarstwowych—zazwyczaj tlenku wanadu (VOx) lub amorficznego krzemu (α-Si)—zawieszonych jako mikromechaniczne mostki nad krzemowym podłożem układu odczytu scalonego (ROIC). Każdy piksel zachowuje się jak wysoce czuły rezystor termiczny. Gdy promieniowanie długofalowej podczerwieni (8μm do 14μm) pada na obszar aktywny, FPA absorbuje fotony, podnosząc swoją temperaturę wewnętrzną. Ta delta temperatury zmienia bezwzględną rezystancję elektryczną warstwy, zdefiniowaną przez jej temperaturowy współczynnik rezystancji (TCR).

Podstawowy układ ROIC mierzy tę zmianę rezystancji, przykładając stabilne napięcie polaryzacji lub prąd. Przetwornik analogowo-cyfrowy (ADC) w układzie ROIC digitalizuje następnie uzyskane wartości na surowe dane cyfrowe o wysokiej rozdzielczości bitowej (zazwyczaj 14-bitowe lub 16-bitowe). Nowoczesne rdzenie sensorów wykorzystują rozstaw pikseli wynoszący 12 mikrometrów (12μm). Przejście ze starszych matryc 17μm na rozmiary 12μm znacząco redukuje fizyczny układ struktury krzemowej. Taka konstrukcja pozwala na zastosowanie mniejszej optyki do uchwycenia tego samego chwilowego pola widzenia (IFOV), zwiększając rozdzielczość przestrzenną przy jednoczesnym drastycznym zmniejszeniu masy ładunku systemu i masy termicznej.

2 Zrozumienie serializacji sygnału CVBS i profili opóźnień

W warsztacie często spotykamy inżynierów zmagających się z budżetami opóźnień podczas projektowania systemów pilotażu w czasie rzeczywistym (takich jak UAV lub drony FPV). Tradycyjne konfiguracje konwertują strumienie cyfrowe na analogowe za pomocą zewnętrznych płytek konwersyjnych, co dodaje znaczne opóźnienia. Przemysłowe wyjścia kompozytowego sygnału wizyjnego w paśmie podstawowym (CVBS) unikają tego opóźnienia, działając bezpośrednio na płycie przetwarzania sensora. Potok CVBS działa w kilku kluczowych krokach:

• ⚙️ Surowe pobieranie: 14-bitowa lub 16-bitowa cyfrowa klatka z układu ROIC mikrobolometru jest przetwarzana wewnątrz pokładowego układu ASIC.
• ⚙️ Bezpośrednia serializacja: Zintegrowany przetwornik cyfrowo-analogowy (DAC) serializuje przetworzone liniowe dane termiczne bezpośrednio w ciągły analogowy przebieg napięciowy. Jest to zgodne z wymaganiami czasowymi NTSC (720 x 480 px przy 29,97 Hz) lub PAL (720 x 576 px przy 25 Hz).
• ⚙️ Pomijanie kroków programowych: Ponieważ układ ASIC konwertuje te dane wewnętrznie, omija bufory ramek systemu operacyjnego, pakietowanie stosu sieciowego i zewnętrzne warstwy sterowników.

To potokowanie na poziomie sprzętowym utrzymuje opóźnienie między przechwyceniem fotonów IR a wyjściową serializacją analogową CVBS na poziomie ułamka interwału bufora ramki — często znacznie poniżej 10 milisekund. Porównaj to z cyfrowymi strumieniami wideo opartymi na IP (takimi jak RTSP przez Ethernet 10/100M), które wymagają złożonych algorytmów kompresji wideo (H.264/H.265) i enkapsulacji pakietów sieciowych. Ten narzut dodaje od 80 ms do ponad 250 ms opóźnienia indukowanego przez sieć, czyniąc nawigację pilota w czasie rzeczywistym lub manewry przechwytywania z dużą prędkością praktycznie niemożliwymi.

3 Ścieżki sygnałowe i budżety mocy systemu

W zdalnych, zasilanych bateryjnie systemach Edge AI, projekt sprzętowy jest silnie ograniczony przez dostępny budżet mocy. Należy wybierać układy interfejsów w oparciu o bezpośrednie kompromisy między mocą a termiką:

• ✅ Konfiguracja tylko CVBS: Analogowy sterownik wyjściowy pozostaje wyjątkowo wydajny. Napędzanie rdzenia o wysokiej rozdzielczości (np. 640 x 512) przy użyciu aktywnego sterownika CVBS pobiera jedynie od 0,8 W do 1,2 W. Pozwala to oszczędzać żywotność baterii w mikro-UAV.
• ✅ Konfiguracja hybrydowa z podwójnym wyjściem (CVBS + MIPI-CSI2 lub USB): W tej konfiguracji strumień cyfrowy jest kierowany bezpośrednio do pokładowego mikrokontrolera hosta lub jednostki przetwarzania neuronowego (NPU) w celu wykrywania obiektów wysokiego poziomu, podczas gdy surowy strumień CVBS jest jednocześnie kierowany do analogowego nadajnika FPV (VTX). Ta podwójna architektura utrzymuje pobór mocy systemu na poziomie około 1,1 W do 1,5 W.
• ✅ Konfiguracja aktywnego modułu IP / RTSP: Obsługa złożonych warstw fizycznych Ethernet (PHY) i potoków kompresji RTSP na pokładzie zużywa znaczną moc. Moduły te zazwyczaj wymagają od 1,8 W do 2,8 W, co sprawia, że pasywne chłodzenie jest niezbędne do przetrwania w zamkniętych obudowach przemysłowych.

W przypadku integracji z dronami i projektów FPV, dowiedz się więcej o równoważeniu konfiguracji DIY z konfiguracjami klasy profesjonalnej w naszym szczegółowy przewodnik po cenach modułów kamer termowizyjnych.

---

Tajemnica cyfrowego skalowania w dół: Matryce wysokiej rozdzielczości przez analogowe kanały

Jednym z najbardziej uporczywych mitów w integracji czujników termowizyjnych jest przekonanie, że wykorzystanie matrycy termowizyjnej o wysokiej rozdzielczości (640 x 512) przez analogowe łącze CVBS to marnowanie rozdzielczości, z powodu fizycznych ograniczeń przepustowości formatów PAL lub NTSC. Obalamy ten mit już teraz i przyjrzymy się, jak czujniki o wysokiej rozdzielczości faktycznie poprawiają końcowy obraz.

1 Demistyfikacja interpolacji subpikselowej i algorytmów skalowania w dół

Gdy 14-bitowa cyfrowa matryca termowizyjna o rozdzielczości 640 x 512 pikseli jest wyprowadzana przez analogowy kontroler CVBS, musi zmieścić się w rozdzielczości NTSC lub PAL. Jednak system nie po prostu odrzuca pikseli ani nie przycina obrazu. Zamiast tego wbudowany procesor ASIC wykorzystuje algorytmy skalowania w czasie rzeczywistym:

• ⚙️ Skalowanie przestrzenne w dół: Zamiast stosować podstawowe skalowanie metodą najbliższego sąsiada (które powoduje aliasing i postrzępione krawędzie), układ ASIC używa algorytmów przestrzennych, takich jak interpolacja dwuliniowa, dwusześcienna lub Lanczosa. Te funkcje matematyczne łączą informacje z wielu otaczających pikseli, aby obliczyć ostateczną wartość dla przebiegu analogowego.
• ⚙️ Filtr antyaliasingowy: Interpolacja działa jak przestrzenny filtr dolnoprzepustowy, który eliminuje szumy o wysokiej częstotliwości i redukuje cyfrowe artefakty w przeskalowanym obrazie analogowym.
• ⚙️ Zyski stosunku sygnału do szumu (SNR): Łączenie sąsiednich pikseli poprzez skalowanie w dół służy jako przestrzenny filtr uśredniający. Uśrednianie danych przestrzennych matematycznie redukuje losowy, nieskorelowany szum czasowy (NETD) w całej klatce. W szczególności nowy SNR jest w przybliżeniu równy pierwotnemu SNR pomnożonemu przez pierwiastek kwadratowy ze współczynnika grupowania przeskalowanych pikseli. W praktyce przeskalowany sygnał z czujnika 640 x 512 daje czysty, niskoszumowy obraz analogowy.

Aby uzyskać szerszy przegląd zastosowań termowizji w zastosowaniach nieprzemysłowych, zapoznaj się z naszym artykułem towarzyszącym o termowizji jako praktycznym partnerze życiowym.

2 Zaawansowane cyfrowe wzmacnianie szczegółów (DDE) i profilowanie przestrzenne

Sygnał analogowy jest tylko tak dobry, jak strojenie kontrastu, które za nim stoi. Procesory ASIC w modułach premium wykorzystują specjalne algorytmy przetwarzania obrazu, aby zoptymalizować zakres dynamiczny przed konwersją sygnału na analogowy. Najpierw system dzieli przychodzący 14-bitowy surowy obraz na zawartość niskoczęstotliwościową i wysokoczęstotliwościową za pomocą przestrzennego filtra bilateralnego, izolując drobne szczegóły bez wprowadzania artefaktów halo na krawędziach o wysokim kontraście.

Następnie przejścia krawędzi, struktury przewodów i odległe sygnały termiczne są kierowane do ścieżki wysokoczęstotliwościowej, gdzie system stosuje wzmocnienie przestrzenne (cyfrowe wzmacnianie szczegółów / DDE), aby wzmocnić te słabe zmiany termiczne. Jednocześnie duże tła termiczne (takie jak gleba, drogi i chmury) są przetwarzane w ścieżce niskoczęstotliwościowej, gdzie zakres dynamiczny jest kompresowany, aby zmieścić się w 8-bitowym wyjściu. Na koniec oba kanały są ponownie łączone, a system uruchamia pętlę adaptacyjnej czasowej automatycznej regulacji wzmocnienia (AGC), aby odwzorować 8-bitowy zakres dynamiczny i wyprowadzić możliwie najczystszy obraz analogowy w czasie rzeczywistym. Ta optymalizacja sygnału pozwala operatorom wykrywać małe cele — takie jak napowietrzne linie energetyczne, odlegli ludzie lub małe anomalie termiczne — nawet przez sygnał kompozytowy o niskiej przepustowości.

3 Kalibracja temperatury, łagodzenie dryftu i analiza radiometryczna

Integracje przemysłowe często wymagają analizy radiometrycznej, co oznacza pomiar bezwzględnych wartości temperatury bezpośrednio z obrazu termicznego. Utrzymanie tej dokładności wymaga zarządzania dryftem termicznym wewnątrz rdzenia kamery. Niechłodzone matryce FPA LWIR są bardzo wrażliwe na własne wewnętrzne wahania temperatury. Bez kompensacji nagrzewanie się elektroniki sterującej modułu zakłóci pomiary temperatury i pogorszy ogólną jakość obrazu.

Aby przeciwdziałać dryftowi, kamera wykorzystuje wewnętrzną mechaniczną przesłonę lub elektryczny algorytm kalibracji bezprzesłonowej. Podczas zdarzenia korekcji płaskiego pola (FFC) przesłona zamyka się na chwilę, aby zapewnić jednolite odniesienie termiczne na całej matrycy, umożliwiając systemowi ponowne obliczenie współczynników offsetu i przywrócenie czystego, wolnego od szumów obrazu. Aby przeliczać surowe cyfrowe wartości z sensora na rzeczywiste temperatury w czasie rzeczywistym, procesor wykonuje zlokalizowane wzory wielomianowe, mapujące skorygowane wartości napięcia pikseli bezpośrednio na cele temperaturowe. To obliczenie umożliwia platformom oprogramowania Edge AI monitorowanie temperatur powierzchni i wykrywanie zagrożeń termicznych w czasie rzeczywistym.

W zastosowaniach wymagających precyzyjnej termografii, integracja wysoce skalibrowanych rdzeni od specjalistów branżowych, takich jak DFRobot zapewnia niezawodną kompatybilność SDK i długoterminową niezawodność sprzętu.

---

Porównawcze specyfikacje produktów dla systemów brzegowych

Rozwój zaawansowanych systemów bezzałogowych i infrastruktur Edge AI wymaga doboru sprzętu o dokładnych specyfikacjach elektrycznych, optycznych i fizycznych niezbędnych do danego zadania. Poniżej znajdują się szczegóły inżynieryjne dwóch wiodących modułów termicznych wyposażonych w niechłodzone mikrobolometry.

1 Niechłodzona kamera termowizyjna na podczerwień RJ45 CVBS RTSP IP 640*512

Specjalnie zaprojektowana do wysokogórskich poszukiwań i ratownictwa z użyciem UAV, sieci bezpieczeństwa dalekiego zasięgu oraz hybrydowych instalacji Edge AI analogowo-cyfrowych. Moduł ten oparty jest na wydajnym układzie ASIC do przetwarzania wideo, który obsługuje jednoczesne cyfrowe strumieniowanie RTSP i bezopóźnieniowe analogowe wyjścia CVBS.

---

2 Zintegrowany moduł termiczny serii MD 384x288

Moduł ten został zaprojektowany do zastosowań, w których kluczowe znaczenie mają waga i efektywność energetyczna, takich jak małe drony poszukiwawcze, ręczne urządzenia termowizyjne i kompaktowe czujniki przemysłowego IoT. Oferuje opcje MIPI, USB i CVBS w wysoce kompaktowej, lekkiej obudowie.

---

3 Macierz porównawcza architektury (rzeczywiste specyfikacje sprzętowe)

Jeśli Twój projekt systemu wymaga ultralekkiego, szerokokątnego modułu termicznego klasy 640 bez zintegrowanego portu sieciowego, rozważ zapoznanie się ze specyfikacjami inżynieryjnymi dla Mini 640 niechłodzony moduł kamery termowizyjnej LWIR.

---

Integracja sprzętowa krok po kroku i mapowanie wyprowadzeń UAV

Integrating a composite video thermal module into an aerial vehicle or a compact Edge AI enclosure requires precise attention to electrical connections, power filtering, and electromagnetic shielding. Grounding errors here will completely ruin your analog feed.

4.1 Pinout Assignment & Electrical Schematics

Modern micro-thermal modules utilize fine-pitch connectors (such as 1.0mm JST-SH series) to minimize footprint space. Connecting the core to an analog video transmitter (VTX) or the analog input pins of a flight controller (such as a Pixhawk or Betaflight system) must follow a structured pin configuration:

• ⚙️ VCC (Pin 1): System power input. Ensure the supplied voltage corresponds strictly to the module’s datasheet limits (9V–12V for the 640 IP Core, or 3.3V–5V for the MD Series).
• ⚙️ GND (Pin 2): Common system ground reference. Connect directly to the power distribution board (PDB) ground pad.
• ⚙️ CVBS Out (Pin 3): Unshielded signal line carrying the analog composite baseband signal. This must connect to the video input terminal of your VTX or OSD.
• ⚙️ AGND (Pin 4): Dedicated Analog Video Ground. Always run this ground wire parallel to the CVBS signal line to provide a low-impedance current return loop.
• ⚙️ UART RX/TX (Pins 5 & 6): Logic-level telemetry control interfaces operating at 3.3V TTL thresholds. Connect directly to the host microcontroller’s serial port.

In the shop, we have a golden rule: make sure that Pin 4 (Analog Video Ground) connects directly to the ground pin right next to the video input on your video transmitter (VTX). Do not run this ground through long power distribution paths, or you may introduce significant diagonal lines or scrolling noise into your thermal video stream.

4.2 Eliminating High-Frequency Interference in FPV RF Environments

Standard analog FPV systems operating on 1.2GHz, 2.4GHz, or 5.8GHz bands are highly sensitive to EMI (Electromagnetic Interference) generated by high-power ESCs, brushless motors, and digital processors. High-frequency digital noise can sneak into the analog CVBS lines, degrading the processed thermal image. To prevent this, apply these integration guidelines:

• ✅ Shielded Balanced Lines: Run the CVBS signal and Analog Ground lines together using a twisted-pair wire configuration. For the best signal quality, use low-loss miniature 75-Ohm coaxial cabling (such as RG-178).
• ✅ Ekranowanie Faradaya: Enclose all interconnect wiring in an active, braided, tinned-copper shielding sleeve. Ground this jacket at only one end of the run (typically the VTX chassis ground) to prevent ground loops.
• ✅ Keep Distance from High-Power Component Mounts: Secure the sensitive baseband video lines at least 3cm away from high-power, active ESC power cables and high-frequency digital telemetry antennas.

4.3 Power Distribution Network (PDN) and Noise Filtration Designs

Voltage ripple from brushless motors and electronic speed controllers (ESCs) can cause severe horizontal tearing or sync loss on analog video lines. Adding a dedicated LC filter to the power lines prevents this noise from reaching the thermal core. The filter should utilize a high-current 10μH shielded power inductor to block high-frequency current ripples without dropping line voltage.

For smoothing, combine a large 1000μF electrolytic capacitor (to absorb low-frequency voltage sags) with low-ESR ceramic or tantalum capacitors (0.1μF and 470μF, respectively) to suppress high-frequency line noise. Connect all subsystem grounds to a single, central point on the power distribution board to establish a clean star ground reference, keeping high-amplitude motor return currents away from the sensitive analog camera electronics.

---

Dostosowywanie oprogramowania i przewodnik wdrażania SDK

While the CVBS output provides immediate real-time video, optimizing thermal sensor settings, shutter calibrations, and measurement palettes requires sending serial commands over the built-in UART interface.

5.1 Serial Command Language (TTL/UART/RS-232) Protocol Implementation

Most industrial uncooled thermal cores communicate over a standard asynchronous serial protocol (typically 115200 bps baud rate, 8 data bits, no parity, 1 stop bit). Below is a complete Python implementation showing how to construct, calculate the checksum for, and send serial command sequences to trigger a manual Flat Field Correction (FFC / Shutter Calibration) or switch pseudo-color palettes:

import serial
import time

class ThermalCoreController:
    # Frame start, command id, length, payload bytes, checksum, frame end
    FRAME_HEADER = 0xAA
    FRAME_FOOTER = 0x55

    def __init__(self, port='/dev/ttyAMA0', baudrate=115200):
        self.ser = serial.Serial(
            port=port,
            baudrate=baudrate,
            bytesize=serial.EIGHTBITS,
            parity=serial.PARITY_NONE,
            stopbits=serial.STOPBITS_ONE,
            timeout=1.0
        )
        print(f"Initialized communication on {port} at {baudrate} bps.")

    def _calculate_checksum(self, packet: bytes) -> int:
        """
        Calculates an 8-bit modular checksum over the raw packet payload
        excluding the header, footer, and the checksum byte itself.
        """
        return sum(packet) & 0xFF

    def _send_command(self, cmd_id: int, payload: list) -> bool:
        length = len(payload)
        # Assemble package payload
        body = [cmd_id, length] + payload
        checksum = self._calculate_checksum(bytes(body))
        
        # Complete serial packet construction
        full_packet = [self.FRAME_HEADER] + body + [checksum, self.FRAME_FOOTER]
        packet_bytes = bytes(full_packet)
        
        # Write array directly to the active interface
        self.ser.write(packet_bytes)
        self.ser.flush()
        print(f"Sent Packet: {packet_bytes.hex().upper()}")
        
        # Read response packet back
        response = self.ser.read(6) # Expecting baseline response frame
        if response:
            print(f"Received Response: {response.hex().upper()}")
            return True
        return False

    def trigger_ffc_shutter(self):
        """
        Triggers a manual flat field correction (FFC) to recalibrate 
        and eliminate thermal drift.
        """
        print("Triggering Flat Field Calibration Shutter Switch...")
        # Command 0x0C is standard for NUC/FFC trigger
        return self._send_command(cmd_id=0x0C, payload=[0x01])

    def set_palette(self, palette_idx: int):
        """
        Selects active output pseudo-color palette.
        0x00: White-Hot, 0x01: Black-Hot, 0x02: Ironbow, 0x03: Rainbow
        """
        print(f"Switching Thermal Palette index to: {palette_idx}")
        # Command 0x1F sets pseudo-color
        return self._send_command(cmd_id=0x1F, payload=[palette_idx])

    def close(self):
        self.ser.close()

# Example execution loop
if __name__ == "__main__":
    controller = ThermalCoreController()
    try:
        # Trigger Shutter NUC Calibration
        controller.trigger_ffc_shutter()
        time.sleep(2)
        # Switch output video profile to Black-Hot palette
        controller.set_palette(0x01)
    finally:
        controller.close()

5.2 Edge AI Inference Pipelines: Merging CVBS and Digital Streams

In advanced setups, we run a dual processing pipeline: using the low-latency CVBS analog channel for manual operation (like remote pilot navigation), while routing the high-fidelity digital stream (like USB or MIPI) to an Edge AI companion card (such as a Jetson Orin Nano) for real-time object detection and tracking.

First, the system captures raw frames from the digital stream and rescales them to match the input layer of the target neural network (such as 640 x 640 pixels). Next, the deep learning weights of your object detection library (e.g., YOLOv8-OBB) are quantized from raw floating-point 32-bit (FP32) to highly efficient INT8 precision using TensorRT, maximizing processing speeds on edge-optimized hardware.

Finally, the model analyzes the incoming digital stream, identifying and drawing bounding boxes around high-contrast thermal signatures in real time. Because the analog and digital streams are processed concurrently from the same sensor plane, target coordinates can be fed back to telemetry systems without causing the pilot’s CVBS navigation screen to stutter or drop frames.

---

Pogłębione techniczne FAQ dotyczące CVBS i integracji termowizji wysokiej rozdzielczości

---