หมวดหมู่ทั้งหมด
banner

บล็อก

หน้าแรก >  บล็อก

อัตราส่วนสัญญาณกับเสียงเสียงคืออะไร?มันส่งผลต่อการมองเห็นที่ติดตั้งอย่างไร?

Aug 13, 2024

ฉันไม่รู้ว่าคุณเคยเข้าใจแนวคิดเกี่ยวกับสัดส่วนสัญญาณต่อเสียงรบกวน (SNR) หรือไม่? ผู้ที่เคยได้รับการสัมผัสกับ ระบบวิชั่นฝังตัว ควรจะทราบว่าระบบที่กล่าวมานี้พึ่งพากล้องและเซ็นเซอร์ขั้นสูงในการจับภาพและประมวลผลข้อมูลภาพถ่ายและวิดีโอ เพื่อให้สามารถให้ข้อมูลและการตอบสนองแบบเรียลไทม์ ทำให้เป็นที่นิยมในอุตสาหกรรมเช่น สุขภาพและความปลอดภัย สัดส่วนสัญญาณต่อเสียงรบกวนเป็นปัจจัยสำคัญที่สามารถส่งผลกระทบต่อความแม่นยำ ความน่าเชื่อถือ และประสิทธิภาพของระบบเหล่านี้

บางทีคุณอาจยังคงสับสนเกี่ยวกับสัดส่วนสัญญาณต่อเสียงรบกวน แม้ว่าคุณอาจจะเคยได้ยินมาแล้ว แต่คุณไม่เข้าใจว่ามันหมายถึงอะไร คำนวณอย่างไร และทำไมมันถึงสำคัญ ในบทความนี้ เราจะมาทำความเข้าใจเพิ่มเติมเกี่ยวกับความสำคัญของมันในระบบวิชั่นฝังตัว (เช่น กล้องเฝ้าระวังอัจฉริยะ การถ่ายภาพอัตโนมัติ เป็นต้น)

สัดส่วนสัญญาณต่อเสียงรบกวนคืออะไร?

สิ่งที่เรียกว่า SN คืออะไร? อัตราส่วนสัญญาณต่อเสียงรบกวน หรือ SNR ในภาษาอังกฤษ เป็นการวัดเชิงปริมาณของความแรงของสัญญาณที่ต้องการเมื่อเทียบกับเสียงรบกวนในพื้นหลัง (สัญญาณที่ไม่ต้องการ) SNR มีความสำคัญในการเปรียบเทียบสัญญาณที่มีประโยชน์กับสัญญาณรบกวนในระบบ การแยกแยะระหว่างสัญญาณเอาต์พุตต่างๆ และการทำให้เกิดประสิทธิภาพสูงสุดของเอาต์พุต

อัตราส่วนสัญญาณต่อเสียงรบกวนมักแสดงในหน่วยเดซิเบล (dB) ยิ่งค่าของอัตราส่วนสัญญาณต่อเสียงรบกวนสูงเท่าไร เอาต์พุตก็จะดีขึ้นเท่านั้น ในวิชันฝังตัว สัญญาณคือข้อมูลที่ถูกจับโดยอุปกรณ์ ซึ่งอาจมีข้อมูลที่ระบบจำเป็นต้องประมวลผล เสียงรบกวนสามารถเป็นปัจจัยภายนอกใดๆ เช่น การรบกวนแม่เหล็กไฟฟ้า การสั่นสะเทือน ฯลฯ ยิ่งผลกระทบของเสียงรบกวนต่อสัญญาณน้อยลง อัตราส่วน SNR ก็จะสูงขึ้น ข้อมูลที่มีประโยชน์ในสัญญาณก็จะมากขึ้น ทำให้คุณภาพและความน่าเชื่อถือของข้อมูลดีขึ้น เช่น 90dB ดีกว่า 50dB

Signal-to-noise

แล้วจะคำนวณ SNR อย่างไร? การคำนวณอัตราส่วนสัญญาณต่อเสียงรบกวน (SNR) สามารถใช้สูตรได้ และผลลัพธ์จะแสดงในหน่วยเดซิเบล:

สูตรอัตราส่วนสัญญาณต่อเสียงรบกวน: SNR = 20 * log10 (ความเข้มของสัญญาณ / ความเข้มของเสียงรบกวน)

โดยที่ Amplitude of Signal คือความเข้มของข้อมูลภาพหรือวิดีโอ และ Amplitude of Noise คือความเข้มของเสียงรบกวนที่มีผลต่อข้อมูล

ทำไมอัตราส่วนสัญญาณต่อเสียงรบกวนถึงสำคัญในระบบวิชั่นฝังตัว?

อัตราส่วนสัญญาณต่อเสียงรบกวนมีความสำคัญเพราะมันส่งผลกระทบโดยตรงต่อคุณภาพของข้อมูลภาพและวิดีโอและความแม่นยำและความน่าเชื่อถือของผลลัพธ์การวิเคราะห์ เมื่อพูดถึงแอปพลิเคชันวิชั่นฝังตัว เช่น การประมวลผลบนขอบ เช่น การนับจำนวนคนและการจำแนกวัตถุ อัตรา SNR สูงจะช่วยลดอนุภาคเสียงรบกวนในภาพและให้ผลลัพธ์ที่ชัดเจนขึ้น และในอัลกอริธึม เช่น เครื่องเรียนรู้และปัญญาประดิษฐ์ อัตรา SNR สูงสามารถปรับปรุงประสิทธิภาพการประมวลผลข้อมูลและลดข้อผิดพลาดได้อย่างมีประสิทธิภาพ ในขณะเดียวกันสำหรับ โมดูลกล้องแสงน้อย สามารถสะท้อนให้เห็นถึงผลกระทบของเสียงรบกวนต่อคุณภาพของภาพได้อย่างชัดเจน

ผลกระทบของเสียงรบกวนต่อข้อมูลวิชั่นฝังตัว

เสียงรบกวนหมายถึงสัญญาณที่ไม่ต้องการในวงกว้างซึ่งปรากฏในข้อมูลภาพหรือวิดีโอ เช่น การบิดเบือน เสียงควอนตัม พิกเซลเลชัน ฯลฯ ซึ่งอาจทำให้เกิดข้อผิดพลาดในข้อมูล การมีเสียงรบกวนเหล่านี้จะลดความสามารถในการมองเห็นข้อมูลและทำให้ระบบมีความยากลำบากมากขึ้นในการสกัดและประมวลผลข้อมูลที่เป็นประโยชน์ นอกจากนี้ยังเพิ่มขนาดและความต้องการแบนด์วิธของข้อมูล เสียงรบกวนคืออะไรในวิสัยทัศน์แบบฝัง?

ผลกระทบของอัตราส่วนสัญญาณต่อเสียงรบกวนต่อประสิทธิภาพของระบบวิสัยทัศน์แบบฝัง

ระดับเสียงดัง: SNR ต่ำจะขยายระดับเสียงรบกวน ทำให้ระบบมีความยากลำบากมากขึ้นในการสกัดข้อมูลที่เป็นประโยชน์จากข้อมูล
ช่วงไดนามิก: ระดับ SNR ส่งผลโดยตรงต่อช่วงไดนามิกของระบบ ซึ่งเป็นอัตราส่วนระหว่างส่วนที่สว่างที่สุดกับส่วนที่มืดที่สุด SNR ต่ำจะทำให้ระบบมีความยากลำบากมากขึ้นในการแยกแยะความแตกต่างของความสว่างและความคมชัด
ความละเอียดและความคมชัด: SNR ต่ำจะทำให้การจดจำวัตถุติดขัด ในขณะที่ SNR สูงช่วยเพิ่มความละเอียดและความคมชัดของภาพ ทำให้รายละเอียดชัดเจนขึ้นและช่วยอัลกอริธึมการตรวจจับขอบ

ความสัมพันธ์ระหว่าง SNR และคุณสมบัติของกล้องคืออะไร?

SNR ไม่ได้ส่งผลต่อการมองเห็นอย่างเดียว มันเกี่ยวข้องอย่างใกล้ชิดกับคุณสมบัติหลายประการของกล้อง การเข้าใจว่าคุณสมบัติเหล่านี้ส่งผลต่อ SNR อย่างไรสามารถนำไปสู่ผลลัพธ์ทางภาพที่ดีขึ้น

ช่วงไดนามิก: ช่วงไดนามิกที่ดีสามารถจับโทนสีได้มากขึ้น ซึ่งเป็นเรื่องที่ดีสำหรับการได้รับ SNR ที่ดีขึ้นในระดับความสว่างต่าง ๆ และแยกแยะรายละเอียดในพื้นที่สว่างและมืดได้ดีขึ้น

ความไว ISO: ISO สูงขยายสัญญาณพร้อมกับเสียงรบกวน ลดค่า SNR ลง แต่ ISO ต่ำให้อัตราส่วนเสียงต่อสัญญาณที่ดีกว่า แต่ต้องการแสงที่ดีขึ้นสำหรับการเปิดรับแสง

ความเร็วการปิด: ความเร็วของชัตเตอร์ที่สูงขึ้นจะลดการเบลอจากความเคลื่อนที่ แต่จำเป็นต้องใช้รูรับแสงที่กว้างขึ้นหรือ ISO สูงขึ้น ซึ่งมีผลต่อ SNR ความเร็วชัตเตอร์ที่ช้าในสภาพแสงน้อยจะทำให้ SNR ต่ำลงเนื่องจากการเพิ่มเวลาในการเปิดรับแสง

ขนาดเซ็นเซอร์: ยิ่งเซนเซอร์มีขนาดใหญ่ พิกเซลก็จะมีขนาดใหญ่ขึ้น สามารถรวบรวมโฟตอนได้มากขึ้นและจับแสงได้มากขึ้น เพื่อให้ได้สัดส่วนสัญญาณต่อเสียงรบกวนที่ดีขึ้น ในทางตรงกันข้าม พิกเซลเล็กอาจสร้างเสียงรบกวนและส่งผลกระทบต่อ SNR

อัลกอริธึมการประมวลผลภาพ: อัลกอริธึมการประมวลผลภาพขั้นสูงสามารถลดเสียงรบกวนที่ไม่พึงประสงค์และปรับปรุง SNR ขณะคงรายละเอียดของภาพไว้ได้

ขนาดของรูรับแสง: ยิ่งรูรับแสงมีขนาดใหญ่ ก็จะมีแสงเข้ามา越多 ช่วยปรับปรุงอัตราส่วน SNR ได้ รูรับแสงที่เล็กเกินไปจะต้องใช้เวลารับแสงนานขึ้น ซึ่งจะเพิ่มเสียงรบกวนมากขึ้น

  

ทำไมเวลาการเปิดรับแสงถึงมีผลต่อ SNR?

เวลาการรับแสงยังเป็นปัจจัยสำคัญในอัตราส่วนสัญญาณต่อเสียงด้วย โดยกำหนดว่าเซนเซอร์จะได้รับแสงนานเท่าใด เวลาการรับแสงที่ยาวขึ้นสามารถเพิ่มจำนวนโฟตอนที่ถูกจับได้ ซึ่งตามทฤษฎีแล้วจะเพิ่มความแรงของสัญญาณและปรับปรุงอัตราส่วนสัญญาณต่อเสียงได้ อย่างไรก็ตาม อาจทำให้เกิดเสียงรบกวนจากโฟตอนและอิเล็กตรอนมากขึ้น โดยเฉพาะอย่างยิ่งที่อุณหภูมิสูงหรือระหว่างการรับแสงเป็นเวลานาน ซึ่งอาจลดคุณภาพของภาพลง

จากข้อมูลข้างต้น เราสามารถสรุปได้ว่า สัญญาณ (s) เป็นสัดส่วนโดยตรงกับจำนวนโฟตอนที่รวบรวมได้ในช่วงเวลาการรับแสง โดยคำนวณได้จากการคูณความเข้มของแสง (I) และเวลาการรับแสง (t):

เมื่อพิจารณาถึงความเข้มของโฟตอนที่ตกกระทบ เสียงรบกวนจากการกระจายตัวของโฟตอน (photon scattering noise ซึ่งเป็นประเภทหนึ่งของเสียงรบกวนที่มีอยู่ในระบบใด ๆ ที่นับแสงในหน่วยแยกส่วน เช่น โฟตอน) ก็จะปรากฏ อัตราส่วนสัญญาณต่อเสียงที่เกิดจากเสียงรบกวนจากการกระจายตัวของโฟตอน (SNR_Shot) สามารถคำนวณได้จากสมการดังนี้:

เมื่อเวลาการเปิดรับแสงยาวขึ้น จำนวนโฟตอนที่รวบรวมได้ (N) จะเพิ่มขึ้นเช่นกัน และสัญญาณ (S) ก็จะเพิ่มขึ้นเช่นกัน รากที่สองของสัญญาณ (√S) ก็จะเพิ่มขึ้นด้วย ซึ่งหมายความว่าในกรณีของเสียงรบกวนจากเมล็ดกระจายตัว อัตราส่วนระหว่างสัญญาณกับเสียงรบกวนจะเพิ่มขึ้นตามรากที่สองของเวลาการเปิดรับแสง

คำแนะนำที่เกี่ยวข้องบางประการเพื่อปรับปรุง SNR ในระบบวิชั่นฝังตัว

จากข้อมูลข้างต้นฉันสามารถบอกได้ว่า การลดเสียงรบกวนหรือปรับปรุงคุณภาพสัญญาณสามารถมีผลในการปรับปรุง SNR ได้ เราสามารถเสนอแนวทางการปรับปรุงที่เกี่ยวข้องดังนี้:

  • สำหรับการปรับปรุงความแรงของสัญญาณ แต่หลีกเลี่ยงการปรับปรุงมากเกินไปเพื่อป้องกันไม่ให้ขยายเสียงรบกวน ซึ่งอาจทำให้ไม่มีการปรับปรุงที่ชัดเจนในภาพ
  • ปรับปรุงโครงสร้างกล้องเมื่อซื้อหรือปรับแต่งกล้อง การใช้อาร์เรย์การออกแบบที่ดีจะช่วยให้ประสิทธิภาพการถ่ายภาพดียิ่งขึ้น
  • ใช้เซ็นเซอร์คุณภาพสูง เซ็นเซอร์ภาพที่มีคุณภาพสูงและมีเสียงรบกวนจากการอ่านค่าต่ำสามารถลดเสียงรบกวนและปรับปรุง SNR ได้
  • การออกแบบความร้อนที่มีประสิทธิภาพช่วยลดอุณหภูมิของเซนเซอร์และลดรูปแบบของเสียงรบกวนอื่นๆ เช่น เสียงรบกวนความร้อน
  • ปรับแต่งการตั้งค่ากล้อง เช่น เวลาเปิดรับแสงและ скорость ชัตเตอร์ เพื่อลดเสียงรบกวนในขณะที่จับภาพที่ดีที่สุด

สรุป

อัตราส่วนสัญญาณต่อเสียงรบกวนเป็นปัจจัยสำคัญที่ส่งผลต่อระบบวิชั่นฝังตัว ซึ่งส่งผลกระทบโดยตรงต่อคุณภาพของข้อมูลภาพและวิดีโอ และความถูกต้องและความน่าเชื่อถือของผลลัพธ์การวิเคราะห์ เราหวังว่าผ่านบทความนี้จะสามารถเข้าใจความหมายของอัตราส่วนสัญญาณต่อเสียงรบกวน ปัจจัยที่ส่งผลต่ออัตราส่วนนี้ และวิธีการปรับปรุงเพื่อให้เราสามารถเพิ่มประสิทธิภาพของการใช้งานวิชั่นฝังตัวของเราและได้ผลลัพธ์ที่ดีขึ้น

หากคุณต้องการความช่วยเหลือหรือปรับแต่งกล้องที่มีเสียงรบกวนต่ำและรวมเข้ากับแอปพลิเคชันวิชั่นฝังตัวของคุณ กรุณาอย่าลังเลที่จะ ติดต่อเรา .

ผลิตภัณฑ์ที่แนะนำ

Related Search

Get in touch