繁体中文
紅外線靈敏度如何影響夜視攝影機設計
創建於 10.10
走訪任何電子產品商展，你會看到數十個攝影機模組標榜「10公尺夜視」或「0.001勒克斯低光源效能」。很少有規格像紅外線靈敏度一樣被如此隨意——且不準確地——濫用。然而，對產品設計師和工程團隊而言，紅外線靈敏度不是行銷賣點。它是形塑幾乎每一項決策的基礎限制，在夜視攝影機系統中：從感測器選擇與鏡頭設計，到照明功率、外殼尺寸，甚至電池續航力。
多數關於夜視的討論都從紅外線 LED 開始，並以影像訊號處理作結。本文採取不同的取徑：它將紅外線靈敏度視為主要的設計變數，並追溯其在整個光學、電子與機械系統中所引發的連鎖效應。理解這些關係，正是區分一台「能在夜間運作」的相機，與一台能在真實世界條件下、以切合實際的物料清單成本、並在切合實際的功率預算內，提供可用影像的相機之關鍵所在。
紅外線靈敏度真正的意義（超越規格表上的數字）
在深入探討系統設計之前，值得先釐清當我們說「紅外線靈敏度」時，究竟在談論什麼。感測器規格書可能會列出最低照度數值，但單憑那個數字幾乎無法說明真實的夜視效能。真正的紅外線靈敏度是一項複合特性，由影像感測器的多項底層物理特性所決定。
在最基本的層面上，靈敏度描述的是感測器將入射紅外光子轉換為可測量電荷的效率。這以量子效率（QE）來量化，以百分比表示，對應於特定波長。對於夜視攝影機而言，兩個最相關的波長是850 nm和940 nm，這是幾乎所有主動照明系統所使用的近紅外波段。典型的前照式CMOS感測器在850 nm處的QE可能為30–40%，而高靈敏度的背照式元件在同一波長下可達到60–70%。這個差異聽起來可能不大，但它直接影響到你需要的照明功率，或者你在夜間能看多遠。
然而，量子效率只是故事的一半。另一半是雜訊。一個產生大量暗電流或讀取雜訊的感測器，即使量子效率極佳，仍然可能提供充滿雜訊、黯淡褪色的夜間影像。暗電流是即使在完全黑暗中，每個像素因熱效應而累積的電荷。它隨溫度呈指數增長，這就是為什麼炎熱氣候下的戶外攝影機在夜間影像品質上，往往比規格表所預測的更為吃力。相較之下，讀取雜訊是每次從感測器讀取像素值時所引入的，並且在極短曝光時間下會成為主要的雜訊來源。
這就是為什麼規格表上的「最低照度」數字會如此具有誤導性。那個數字幾乎總是在最大增益、最長可能曝光時間和理想實驗室溫度下測量的。在實際部署的產品中，你不可能在不破壞影像細節的情況下開到最大增益，你不可能對移動物體使用多秒曝光，你也絕對無法控制環境溫度。對設計而言，真正重要的是在給定照度下的訊噪比（SNR）——而這取決於量子效率、像素尺寸、暗電流、讀取雜訊和滿井容量共同作用的結果。
這裡還有一個更細微的差別：近紅外波段內的靈敏度並非平坦一致。針對 850 nm 優化的感測器在 940 nm 下可能表現不佳，反之亦然。這造就了最早且影響最深遠的設計選擇之一：要以哪個照明波長作為標準。850 nm 波段在幾乎所有矽感測器上都能提供更好的感測器靈敏度——在典型元件上，QE 相較於 940 nm 約高出 30–50%。但 850 nm 發射器會在 LED 表面產生微弱的紅光，在近距離下人眼可見。對於隱蔽操作至關重要的應用而言，940 nm 實際上不可見——但你得為這種不可見性付出靈敏度降低的代價。這單一波長的決定會層層影響照明功率、鏡頭鍍膜、感測器選擇，最終影響系統成本。
核心取捨：為何更高的靈敏度並非總是更好
直覺上的假設是靈敏度越高越好。實務上，感測器靈敏度位於一個多維取捨空間的中心，涉及解析度、功耗、成本、動態範圍與熱穩定性。在某一個維度上過度追求靈敏度，往往會在其他地方造成更糟的問題。
靈敏度與解析度
提升紅外靈敏度最強而有力的單一槓桿是增加像素尺寸。較大的像素能收集更多光子，具有更高的滿井容量，且通常能提供更好的訊噪比。物理學在此毫無疑義：在其他條件相同的情況下，3 微米像素在相同曝光下收集的光量約為 2 微米像素的 2.25 倍。
問題在於，較大的像素意味著每單位感測器面積的像素數量較少，或者換句話說，在相同解析度下需要更大且更昂貴的感測器晶粒。一顆具有 3 µm 像素的 1080p 感測器，所需的光學格式遠大於具有 2 µm 像素的 1080p 感測器，這又需要更大的鏡頭、更大的外殼，以及更高成本的感測器封裝。
對於許多消費型和量產型產品而言，市場既要求更高的解析度，也要求更好的夜視能力——這兩個目標往往互相拉扯。設計團隊通常透過選擇像素更小但量子效率更高的感測器（通常是BSI元件）來解決這個問題，以較高的雜訊換取維持解析度。這就是為什麼這麼多4K消費型相機在白天規格亮眼，但夜間表現卻差強人意：像素間距實在太小，無法收集足夠的紅外光子。
靈敏度與功耗
功耗往往是靈敏度選擇中最被低估的副作用。對於電池供電的相機——門鈴、追蹤相機、無線安全攝影機——靈敏度首先不是影像品質問題，而是電池續航力問題。
低靈敏度感測器的攝影機必須透過更高的紅外線LED電流、更長的曝光時間和更高的感測器增益來補償。更高的LED電流會直接消耗更多電力。更長的曝光時間意味著感測器在每個影格中處於運作狀態的時間更長，增加了耗電量。更高的增益通常需要在ISP中進行更積極的數位降噪，這會增加處理功耗。累積效應可能非常顯著：一個紅外線靈敏度只有一半的系統，在夜間模式下可能需要消耗兩到三倍的電力，才能達到相同的有效影像品質。
對於有線攝影機而言，這較不關鍵，但仍會影響散熱設計、元件降額以及長期可靠性。對於電池供電的裝置，靈敏度直接決定工作週期、喚醒行為，以及產品是否能達到其宣稱的電池續航力。
靈敏度與成本
高靈敏度感測器成本更高。這不僅僅是因為它們使用更多的矽面積——儘管這是一個因素——還因為能提供高量子效率和低暗電流的製造製程更複雜且良率更低。例如，背照式感測器相比前照式元件需要額外的製程步驟，而且在相同解析度下，價格溢價可能達到 2 倍或更多。
成本圖像比單純的感測器價格更為細緻。不過，更高靈敏度的感測器可以降低系統其他部分的成本：更少或更低功率的紅外LED、更簡單且光圈更慢的鏡頭、效能較弱的ISP，以及更小的散熱片。在某些情況下，升級到更昂貴的感測器實際上會降低總BOM成本，因為它放寬了對其他每一個元件的限制。反之亦然：為了省幾塊錢而選擇廉價感測器，可能會迫使你採用昂貴得多的光學和照明系統。
靈敏度與熱穩定性
高靈敏度感測器通常對溫度變化更為敏感。感測器溫度每上升 6–8 °C，暗電流大約會加倍，因此白天置於直射陽光下的攝影機，到了傍晚其夜間模式的雜訊底層可能會大幅增加。對於部署在溫度變化劇烈的戶外環境中，這會產生一項資料表幾乎從未記載的隱藏效能變數。
這就是為什麼工業和車用級感測器通常會指定暗電流隨溫度的變化，以及為什麼這些零件的成本更高。對於消費性產品，設計者經常接受一些熱性能變化以換取更低的成本——但他們必須在溫度極端條件下驗證性能，而不僅僅是在室溫下。
紅外線靈敏度如何塑造光學設計
感測器並非獨立運作。光學系統——鏡頭、濾光片堆疊和光圈——決定了有多少可用的紅外線光子實際到達感測器表面。因此，靈敏度需求驅動了重大的光學設計決策。
光圈與鏡頭成本
鏡頭的 f 值描述它能將多少光線傳遞到感光元件。f/1.4 鏡頭收集的光線是 f/2.8 鏡頭的四倍。對於低感光度感光元件而言，要實現可用的夜間影像通常需要非常快速的鏡頭——f/1.8 或更快——來補償。
大光圈鏡頭很昂貴。它們需要更多鏡片元件、更精確的對位，以及更大的玻璃直徑。它們也往往有較差的邊角銳利度、更多色差，以及更大的畸變，這些都必須在光學上或在 ISP 中校正。尤其對廣角相機而言，設計一顆在整個視野範圍內都具有可接受均勻性的快速 f/1.4 鏡頭，是整個系統中最困難的工程挑戰之一。
更高靈敏度的感測器打破了這項限制。如果感測器在紅外波段的靈敏度提升一倍，你就能改用 f/2.0 鏡頭取代 f/1.4，並獲得相同的有效進光量。這種較慢的鏡頭會更便宜、更小、在整個視場內更銳利，且更容易大量生產。這是選擇更高靈敏度感測器最被低估的系統級優勢之一：它大幅簡化了光學設計。
紅外鍍膜與光譜匹配
鏡頭並非在所有波長下都具有相同的透射率。抗反射鍍膜是針對特定波段進行調校的，而玻璃材料在近紅外光下具有不同的透射特性。如果你的感測器峰值靈敏度在 850 nm，但你的鏡頭鍍膜是針對可見光優化的，那麼在光子甚至到達矽之前，你就已經丟棄了靈敏度預算中相當可觀的一部分。
這就是為什麼嚴謹的夜視設計會指定鏡頭採用與照明波長匹配的紅外線校正鍍膜。標準可見光鍍膜與針對 850 奈米優化的鍍膜之間的差異，在相關波長下可達 10–20% 的穿透率——足以改變整體的照明功率需求。對於 940 奈米系統而言，鍍膜優化更為重要，因為感測器在該波長下的敏感度本就不高；你無法承受在鏡頭中再損失更多光子。
紅外截止濾光片架構
幾乎所有彩色相機在日間運作時都會使用紅外線截止濾光片來阻擋紅外光，否則紅外光會導致色彩呈現失真。到了夜間，必須移除或切換該濾光片，讓紅外光能夠到達感測器。最常見的做法是機械式紅外線截止濾光片（ICR），以物理方式將兩片濾光片中的一片滑入光路中。
感測器的靈敏度直接影響你是否需要紅外線截止濾光片（ICR），以及你使用哪種類型。極高靈敏度的感測器有時即使在紅外線截止濾光片保持原位的情況下，也能提供可接受的夜間效能，完全省去機械機構並提升可靠性。然而，對大多數設計而言，ICR 是必需的——但夜間模式濾光片的透射特性是根據感測器的靈敏度曲線來選擇的。
還有一種新興的折衷方案：「日夜」感測器，沒有移動式濾光片，使用像素級濾光圖案，同時讓可見光和紅外光通過。這些方案以部分日間色彩準確度換取更簡單的機械結構和更好的可靠性。它們在實際夜間效能上很大程度上取決於濾光片堆疊實際透射多少紅外光——這是另一個原始感測器靈敏度只是其中一部分因素的例子。
邊緣均勻性
一個常被忽略的光學效應是紅外波段的暗角現象。許多在可見光下均勻度良好的鏡頭，在850 nm或940 nm使用時，角落會出現明顯的光衰減。光圈越大、視場越寬，此效應就越嚴重。
在高靈敏度感測器中，適度的邊角暗角是可以接受的，因為影像中心仍有充足的訊噪比，而邊角可以透過數位方式校正。在低靈敏度感測器中，邊角可能會完全低於可用的雜訊底限，導致夜間出現黑色邊角。這迫使光學設計師要么採用更均勻（且更昂貴）的鏡頭設計，要么在視場邊緣增加更多照明功率——而這又會帶來熱點和功耗方面的自身問題。
照明設計：靈敏度方程式的另一面
主動紅外照明是大多數夜視攝影機運作的關鍵。感測器靈敏度與照明設計之間的關係是直接的：感測器端每提升一分貝的靈敏度，就能從系統中減少一分貝的照明功率。這正是靈敏度決策在成本和體積上影響最為明顯的地方。
發射器的功率與數量
最簡單的理解方式是用光功率預算來思考。對於給定的場景距離和期望的影像亮度，需要有固定數量的紅外光子從場景反射並返回相機。如果感測器的靈敏度提高一倍，那麼到達鏡頭的光子數量只需一半。將系統中的所有損耗——大氣衰減、反射損耗、鏡頭透射——都考慮在內，這大致相當於一半的照明功率。
將照明功率減半會帶來連鎖效益。你可以使用更少的 LED、更小的散熱片、更簡單的驅動電子元件，以及更小的電源供應器。對於消費級相機而言，這往往意味著設計能否放入緊湊外殼，還是需要笨重的外殼來散熱。對於電池供電的裝置，它可以使夜間模式的電池壽命加倍或延長至三倍。
重新探討波長：850 nm 與 940 nm
我們之前觸及了 850 nm 與 940 nm 之間的靈敏度差距。這個差距是波長選擇決策中的主導因素。
在850 nm波長下，典型的矽感測器具有顯著更高的量子效率（QE），且紅外LED在將電能轉換為光輸出方面也更有效率。兩者結合意味著850 nm系統能以明顯更少的電功耗提供相同的場景照明。缺點是人眼可見的微弱紅光，這對於隱蔽監控而言是不可接受的，對於放置在生活空間附近的消費級攝影機而言也是不理想的。
在940 nm波長下，LED完全不會產生可見光暈——但大多數元件的感測器量子效率（QE）會下降約30–50%，且LED的壁插效率也較低。淨效果是，940 nm系統需要大約兩倍的電輸入功率，才能達到與同等850 nm系統相同的夜間影像亮度。這是一個巨大的差異。基於外觀考量而從850 nm改用940 nm的設計團隊，往往低估了他們必須多麼用力驅動照明系統，以及必須處理多少額外的熱量。
更高靈敏度的感測器能縮小這個差距。如果你選擇一款在 940 奈米響應特別好的感測器——有些特殊元件就是針對這個波段進行優化——你就能大幅降低功耗代價。這是設計師升級到高階感測器元件最常見的原因之一：不是為了獲得更好的 850 奈米效能，而是為了讓 940 奈米照明在合理的功耗預算內變得可行。
光束角與均勻度
照明均勻度描述紅外光覆蓋場景的均勻程度。均勻度不佳會導致影像中央出現明亮熱點，而角落則偏暗。
與直覺相反，低靈敏度感測器實際上讓均勻性更難達成。當感測器在影像邊緣接近其雜訊底限時，即使照明強度只有微小變化，也會造成很大的感知亮度差異。使用更靈敏的感測器時，整張影像都舒適地高於雜訊底限，因此照明變化就遠不那麼明顯。
這意味著更高靈敏度的系統可以使用更簡單、更便宜的光學照明元件——標準反射器或擴散器，而非精密成型的自由曲面透鏡。尤其對廣角相機而言，這是顯著的成本節省。
範圍與偵測距離
夜視範圍是最常被行銷宣傳、卻也最常被誤解的規格之一。相機在夜間能夠偵測或辨識物體的最大距離取決於許多因素，但感測器靈敏度是基準。
一個常見的經驗法則是，在照明功率保持不變的前提下，靈敏度加倍可使可用偵測距離增加約40%。這來自平方反比定律：照明強度隨距離的平方衰減，因此要看得遠40%，大約需要兩倍的靈敏度（或兩倍的功率）。這就是為什麼長距離工業與周界攝影機幾乎普遍採用大像素、高靈敏度感測器，並搭配高功率紅外線照明。無論你在前方裝上多少顆LED，都無法靠小像素的消費級感測器實現100公尺以上的夜視能力。
ISP 與影像處理：補償靈敏度限制
探討夜視設計時，絕對不能忽略影像訊號處理器。ISP 無法創造從未被收集到的光子，但它能大幅提升低光照影像的感知品質——如此一來，它也改變了你實際上需要多少原始感測器靈敏度。
雜訊抑制策略
數位降噪（DNR）是提升低光源影像品質的主要工具。2D DNR 在單一幀內運作，在嘗試保留邊緣的同時平滑雜訊。3D DNR，或稱時域降噪，則結合多個幀的資訊，以更積極的方式抑制雜訊。
時域 DNR 效果極為顯著——它能將有效 SNR 提升 6 dB 或更多，相當於將感測器靈敏度提升四倍，或將照明功率提升四倍。但它也有取捨。移動物體會留下殘影拖尾，快速運動可能造成模糊，且演算法需要針對每個使用情境仔細調校。對於靜態場景（室內安防、周界監控），它的效果極佳。對於有快速運動的場景（交通攝影機、隨身攝影機），它的效果則大打折扣。
這創造了一個有趣的設計動態：對於靜態場景應用，你通常可以使用較低靈敏度的感測器，並依靠 3D DNR 來彌補差異。對於高動態應用，你則不能——你需要感測器本身的原始靈敏度。許多產品團隊已經透過慘痛教訓學到了這一點，他們指定了便宜的感測器，假設軟體能修復雜訊，結果卻發現運動殘影對他們的使用情境而言是不可接受的。
曝光與幀率
補償低靈敏度的另一種方法是增加曝光時間。較長的曝光能收集更多光子，提升訊噪比，但代價是影格率和動態模糊。
對於只需要以 10–15 fps 捕捉靜態場景的相機而言，長時間曝光是合理的取捨。對於需要 30 fps 或更高，或者需要凍結動作的相機，曝光時間會受到影格週期的限制。一台 30 fps 的相機每格的最大曝光時間大約是 33 毫秒——而實際上要短得多，因為感測器需要讀出時間。這個硬性限制正是為什麼高影格率夜視系統需要最靈敏的感測器；根本無法規避曝光預算。
WDR 與靈敏度
寬動態範圍（WDR）是日間攝影機非常需要的功能，因為它們會面對諸如窗戶或陽光照射的入口等高對比場景。然而，大多數多重曝光WDR模式會降低有效的低光靈敏度。
原因很簡單：WDR 的運作方式是結合短曝光與長曝光。短曝光捕捉明亮的高光，但對暗區的雜訊底層幾乎沒有貢獻。長曝光通常比非 WDR 模式下更短，因為它要與其他曝光共享幀週期。最終結果是，在許多感光元件上開啟 WDR 會使有效夜間感光度降低 30–50%。
這迫使設計上必須做出選擇：優先考慮日間動態範圍，或是優先考慮夜間感光度。部分高階感測器提供獨立的 WDR 與低光源操作模式，可在日夜間自動切換，但這會增加 ISP 韌體的複雜度。對許多設計而言，團隊接受夜間 WDR 效能下降，以換取更好的感光度——但這種取捨很少在行銷資料中被清楚說明。
AI 增強的夜視功能
近年來，基於 AI 的低光源增強已從研究實驗室進入量產 ISP 管線。以數百萬組低光源／良好光源影像對訓練的神經網路，能以傳統訊號處理無法做到的方式重建細節並抑制雜訊。
影響很大，但往往被誇大。AI 增強可以讓有雜訊的影像看起來更乾淨、更細緻，並且能將可感知雜訊降低到足以讓中感光度感測器在觀看用途上表現得像高感光度元件。它做不到的是還原從一開始就未被捕捉到的細節。如果訊號深埋在雜訊中，連演算法都無法將其與隨機變化區分開來，那麼再多的 AI 也無法把它找回來。
對產品設計師而言，實際的意涵是 AI 增強會將靈敏度需求向下推移——但僅限一個等級。你仍然需要一個能提供高於特定閾值之基準 SNR 的感測器。AI 無法取代從根本上足夠的光子收集。
應用特定設計選擇
不同的應用對這些取捨的權重差異極大。消費級門鈴攝影機和工業周界攝影機都是「夜視攝影機」，但它們的靈敏度優先考量幾乎相反。
消費級安全與智慧家庭攝影機
消費性產品主要受成本壓力與外型尺寸限制所主導。此領域的設計團隊通常會選擇中等靈敏度的中階感測器，基於外觀考量搭配 940 奈米照明，並高度依賴 ISP 降噪與 AI 增強來提供可接受的影像品質。
這一類別最大的挑戰，在於平衡解析度的行銷宣稱與實際夜間效能。許多 4K 和 5 MP 消費級攝影機為了以低成本達到高解析度數字，採用非常小的像素，導致紅外線感光度不佳。夜間影像隨後經過大量處理，以便在手機螢幕上看起來乾淨，但細節卻流失了。這種取捨對許多消費者而言是可以接受的——他們更在意包裝盒上的解析度數字，而不是在夜間辨識 20 公尺外的人臉——但當期望與現實不符時，就會產生真正的失望。
工業與周界安全
長距離工業相機幾乎將靈敏度置於一切之上。這些系統通常使用大像素感測器（通常為 3 µm 或更大）、850 nm 照明以獲得最大效率，以及具有精確光束整形的高功率紅外陣列。解析度通常為 1080p 或 2 MP——以消費級標準而言並不算高——因為增加更多像素會降低靈敏度並不必要地增加資料頻寬。
工業設計也更加重視熱穩定性以及隨溫度變化的效能。在高溫下暗電流倍增，對於已部署的安防系統而言不是可接受的意外，因此感測器的選擇與分級是依據暗電流規格，而不只是 QE。
電池供電與低功耗攝影機
對於無線攝影機、門鈴和太陽能供電裝置而言，靈敏度首先是一個功耗問題。紅外LED電流的每一微安增加，都會直接縮短電池壽命。
此類設計幾乎總是選用其成本範圍內可取得的最高靈敏度感測器，因為照明功耗的節省可直接轉化為更長的電池壽命或更小、更便宜的電池。它們也傾向於採用佔空比照明——僅在曝光期間脈衝驅動紅外LED——以將平均功耗降至最低。最高靈敏度的元件甚至可在月光或星光條件下以被動夜間模式運作，無需主動照明，這對電池壽命而言是革命性的改變。
汽車與交通運輸
車用夜視系統是在影像感測器最嚴苛的環境之一中運作。極端溫度、震動以及嚴格的可靠性要求，大幅縮小了感測器的選擇範圍。
車規級感測器通常具有良好的紅外線靈敏度，但並非特別出色，因為暗電流和溫度漂移規格比消費級元件嚴格得多。車用系統也經常使用 940 奈米波長的照明，以避免干擾駕駛視覺，並符合非眩光照明法規要求。中等靈敏度與 940 奈米波長的組合，意味著車用紅外線照明系統出乎意料地耗電，需要在頭燈或感測器外殼內進行審慎的熱管理。
生物辨識與近距離感測
並非所有夜視都是為了看遠方。生物辨識攝影機、人臉辨識模組和檢測攝影機在短距離運作，但通常需要非常特定的紅外線波長靈敏度。
舉例來說，人臉辨識系統通常使用 940 奈米波長的照明，以確保眼睛安全並達到不可見性，並且會選擇在 940 奈米量子效率（QE）方面經過最佳化的感測器。由於工作距離短，照明功率低，主要的靈敏度挑戰在於實現臉部均勻的響應，同時應對皮膚反射率的變化。這些設計也經常使用與照明波長精確匹配的專用帶通濾光片，以排除環境光並最大化有效靈敏度。
重新定義靈敏度格局的新興技術
紅外線靈敏度的基本原理在過去十年間並未發生劇烈變化——矽在近紅外光區的量子效率曲線大致相同。但幾項新興技術正在以有意義的方式重塑設計上的取捨。
背照式技術向下普及
BSI 感測器曾是僅見於高階相機與智慧型手機的高級零件。如今它們已涵蓋廣泛的解析度與價位，包括嵌入式與安全應用。從 FSI 過渡到 BSI 通常能在紅外波長下帶來 30–50% 的 QE 提升，這足以改變整個系統的設計基準點。
隨著 BSI 即使在中階感測器中也成為預設選項，夜視效能的基準期望正不斷提高。五年前會被視為高效能的產品，如今已是最基本的要求，而設計團隊正利用多出的靈敏度餘裕來降低照明功率、縮小外型尺寸，或在不增加功耗代價的情況下從 850 nm 改用 940 nm。
短波紅外
傳統夜視技術運作於 700–1000 奈米的近紅外波段，此處矽感測器具有靈敏度。短波紅外（SWIR），大約 1000–1700 奈米，提供不同的成像特性——對霧、煙及某些材料有更好的穿透力，且對材料和皮膚呈現不同的對比行為。
SWIR感測器過去因採用InGaAs技術而價格高昂得令人卻步。較新的矽基方案，包括延伸波長矽與量子點感測器，正將SWIR感測能力帶入更可負擔的價格區間。對於工業與汽車應用而言，這開闢了全新的夜視能力，完全不依賴主動照明，或使用完全不同的照明波段。該技術尚未準備好應用於大量消費性產品，但正快速發展中。
事件式視覺
事件相機（或稱動態視覺感測器）的運作原理與基於幀的相機完全不同。每個像素獨立回報光強度的變化，而非以固定間隔擷取完整幀。這賦予它們極高的時間解析度，且幾乎沒有運動模糊。
對於夜視而言，事件相機具有引人入勝的特性。由於它們不會在固定曝光期間內積累電荷，因此在低光環境下的行為與傳統感測器不同。它們能在幀式感測器完全漆黑的光照水平下偵測運動和邊緣。代價是它們不會產生傳統影像——它們產生事件流——這需要完全不同的處理方式，且不適用於所有應用。然而，對於入侵偵測或運動觸發錄影等使用情境，事件式感測器提供了一條實現極低功耗夜間運作的路徑，且不受幀式成像器相同的靈敏度限制。
設計團隊的實務指引
面對這些相互牽連的變數，你究竟該如何在專案初期做出良好的靈敏度決策？有幾項原則 consistently 能區分出經過良好最佳化的設計，與那些在週期後期才遭遇問題的設計。
首先，以實際需求而非規格表術語來定義您的夜間效能需求。「0.1 lux」不是一項需求。「在 0.05 lux 環境光下、使用 940 nm 照明，於 15 公尺處辨識人臉」才是一項需求。一旦您有了具體的效能目標，就可以反向推導整個系統：計算所需的 SNR，算出需要有多少光子到達感測器，再從那裡推導出所需的靈敏度、鏡頭光圈和照明功率。
其次，最佳化整個系統，而非個別元件。如果最便宜的感測器迫使您採用更昂貴的鏡頭和照明組合，它就不會為您帶來最便宜的系統。在鎖定感測器選擇之前，先針對多個靈敏度等級執行整體系統成本模型。您經常會發現，將感測器提升一個等級反而能降低整體 BOM 成本。
第三，及早於溫度極端條件下進行驗證。大多數夜視效能的意外狀況來自高溫下暗電流增加，而非室溫靈敏度不佳。在最終確定設計之前，請在您工作溫度範圍的上限測試原型單元。如果您等到合規測試才處理，要更改感測器就為時已晚。
最後，對軟體能做到的事保持務實。ISP 調校與 AI 增強是強大的工具，但它們並非魔法。請圍繞一顆能提供你所需基準 SNR 的感測器來建構你的設計，然後用軟體讓它更好。圍繞一顆本質上過於缺乏靈敏度的感測器來建構，並指望韌體能修正它，是夜視產品開發中最常見的失敗模式之一。
結語
紅外線靈敏度在感測器資料表上看似只是一個數字，但它實際上是進入整個設計取捨系統的切入點。每一個選擇——像素尺寸、照明波長、鏡頭光圈、功耗預算、外型尺寸和成本——都與影像感測器的這一個基本特性息息相關。
最好的夜視設計並非那些擁有最高靈敏度規格的設計。而是那些能將靈敏度水準與實際應用需求相匹配，並圍繞該選擇優化系統其餘每個部分的設計。一台使用中階感測器但擁有良好匹配的光學系統、高效照明和精心調校的ISP的攝影機，幾乎總是會勝過一台將頂級感測器塞進 poorly optimized 機械和光學封裝中的攝影機。隨著感測器技術持續進步以及AI處理能力越來越強，靈敏度的基準線將不斷提升。然而，根本性的取捨——在靈敏度與解析度、功耗、成本和尺寸之間——不會消失。深入理解這些取捨，正是讓設計團隊能夠打造出兌現承諾的夜視產品，而不僅僅是在規格表上看起來漂亮的關鍵。
聯繫
留下您的信息，我們將與您聯繫。
WhatsApp
微信