マシンビジョンシステムにおけるスペクトル応答性

19年2025月XNUMX日

マシンビジョンシステムにおける分光応答性は、センサーが入射光を電気信号に変換する仕組みを表します。光検出器は十分なエネルギーを持つ光子を吸収し、電子正孔対を生成して電流を発生させます。このプロセスは光の波長に依存します。正確な分光応答性は、鮮明な画像、信頼性の高い色再現、そして正確な材料分析を可能にします。センサーによってカバーするスペクトル領域は異なります。以下の表は、一般的なセンサーの標準的な範囲を示しています。

センサータイプ	典型的な分光感度範囲
CCDとCMOS	350〜1050 nm
SWIR（InGaAs）	900〜1700 nm

スペクトル応答性マシンビジョンシステムのパフォーマンスを理解することで、ユーザーは産業および科学アプリケーションでより良い結果を達成できます。

主要なポイント（要点）

分光応答度カメラセンサーがさまざまな光の波長を電気信号に変換し、画像の鮮明さと色の正確さにどのように影響するかを示します。
CCD、CMOS、SWIR など、適切なセンサータイプの選択はアプリケーションによって異なります。各センサータイプは光スペクトルの異なる部分をカバーし、独自の利点を提供するためです。
センサーの感度を光源に合わせてフィルターを使用すると、色の精度が向上し、人間の目には見えない物質の検出に役立ちます。
定期的なキャリブレーションとチューニングにより、マシンビジョンシステムの精度と信頼性が維持され、センサーのドリフトや環境の変化によるエラーが防止されます。
高度な技術と綿密な設計により、クロストークなどの問題が軽減され、一貫した高品質の画像を実現するための長期安定性が確保されます。

分光応答性マシンビジョンシステム

分光応答性マシンビジョンシステムカメラセンサーが異なる波長の光にどのように反応するかを表します。この特性は、各波長の光にさらされたときにセンサーがどれだけの電気信号を生成するかを示します。マシンビジョンでは、エンジニアは分光感度関数を用いて、センサーの応答を光源にマッピングします。これらの関数は、センサーが画像内の色と明るさをどのように捉えるかを予測するのに役立ちます。

マシンビジョンカメラの分光応答性とは、入射光の色または波長に応じてセンサーの出力が変化することを意味します。赤、緑、青の各色チャンネルは、センサーの設計と光源に応じて異なる応答を示します。

分光応答性を測定するために、技術者は特殊な装置を使用します。単色光（単一波長の光）をセンサーに照射します。センサーの出力を記録し、光の強度と比較します。このプロセスを複数の波長で繰り返します。その結果、センサーがスペクトル全体にわたってどの程度感度を持っているかを示す曲線が得られます。一部の研究室では、モノクロメーターやプログラム可能な光源を用いて、これらの狭い波長帯の光を作り出します。この方法は正確なデータが得られますが、時間と特殊なツールが必要です。専門家は、代わりに色見本やコンピュータモデルを用いてセンサーの応答を推定することもあります。

センサーのスペクトル範囲

分光応答性マシンビジョンシステムでは、様々なセンサーが光スペクトルの異なる領域をカバーします。最も一般的なセンサーはCCD、CMOS、SWIRセンサーです。それぞれに長所と短所があります。

CCDセンサーは通常、約350～1050ナノメートルの光を検出します。可視光線と近赤外線の領域で優れた性能を発揮します。CCDセンサーは感度が高く、光を捉える領域が広いため、鮮明で均一な画像が必要な用途に適しています。
CMOSセンサーも約350～1050ナノメートルの波長範囲をカバーします。可視光と近赤外光を検知できますが、各ピクセルに多くの電子部品が組み込まれているため、感度が低下し、ノイズが増える可能性があります。しかし、CMOSセンサーは高速でコストも抑えられます。
SWIRセンサー InGaAsなどの特殊な材料を使用し、900～1700ナノメートル、場合によっては最大2500ナノメートルの光を検出します。SWIRセンサーは霧を通しても見ることができ、他のセンサーでは見逃してしまうような細部まで検出できます。ただし、コストが高く、ノイズを低減するために追加の冷却が必要になります。

以下の表は、各センサータイプの一般的な波長範囲を比較したものです。

センサータイプ	波長範囲（nm）	Notes
CCD	約350～1050（通常は400～1000）	可視光線と近赤外線に敏感ですが、通常は CMOS センサーよりも赤外線に対する感度が低くなります。
CMOS	約350～1050（通常は400～1000）	可視光線から近赤外線までの範囲に相当。一般的に CCD センサーよりも赤外線に対する感度が高くなります。
swir	900～1700（0.9～1.7µm）、場合によっては700～2500（0.7～2.5µm）	InGaAs フォトダイオードを使用し、CCD/CMOS 感度を超えて短波赤外線まで拡張します。

SWIRセンサーは、霧の中でも画像化でき、隠れた特徴を検出できるため、分光感度マシンビジョンシステムにおいて優れた性能を発揮します。しかし、特殊な材料と冷却システムが必要となるため、コストと複雑さが増します。CCDセンサーは高い感度と均一性を備えており、精密な画像化に最適です。CMOSセンサーは速度とコストパフォーマンスに優れ、多くの産業用途に適しています。

イメージングにおける重要性

色精度

色の正確さは、マシンビジョンカメラは現実世界で見える色を正確に捉えなければなりません。分光応答度マシンビジョンシステムは、センサーが各色をどれだけ正確に検出できるかを決定します。センサーが異なる波長に対して不均一に反応すると、画像の色が正しく見えなくなる可能性があります。例えば、赤色光に敏感なセンサーは、赤い物体を実際よりも明るく見せてしまいます。

エンジニアは、センサーの分光応答を光源に合わせることがよくあります。この手順により、カメラは実物に近い色を捉えることができます。精度を向上させるために、フィルターや特殊な照明を使用する場合もあります。センサーと光源が連携することで、システムは似たような色合いを区別できるようになります。この機能は、印刷、食品検査、電子機器など、色の違いが重要となる業界で重要です。

ヒント：波長の狭いLEDとそれに合わせたフィルターを使用することで、不要な光を遮断できます。この方法により、色の精度が向上し、周囲光による誤差が減少します。

物質検出

材質検出は、様々な物質が光とどのように相互作用するかに依存します。それぞれの物質は、光を吸収、反射、または透過する性質が異なります。分光応答性マシンビジョンシステムは、これらの違いを利用して材質を識別します。例えば、プラスチックの中には赤外線を透過するものと透過しないものがあります。水は特定の波長を吸収するため、特定の画像では暗く見えます。

以下の表は、SWIR (短波赤外線) センサーが、可視光では見えにくい物質の検出にどのように役立つかを示しています。

側面	説明
SWIRにおける分光応答性	SWIR 光 (0.9～1.7 µm または最大 2.5 µm) は、水、プラスチック、ガラス、メタン、鉱物などの材料と独自の相互作用を起こし、可視スペクトルでは確認できない吸収、反射、透過率の違いに基づいた検出を可能にします。
材料検出の例	– 水は特定の SWIR 波長での吸収により暗く見えます。 – 一部のプラスチックは SWIR 光を透過するため、目に見えなくなります。 – 繊維内の水分は、約 1400 nm での反射率の変化によって検出されます。 – 医療用画像撮影では、SWIR における水、脂肪、コラーゲンの吸収ピークの恩恵を受けます。 – SWIR のスペクトル応答によりメタンガスを高感度に検出します。 – SWIR 範囲でのみ検出可能な OH 結合による鉱物の識別。
センサー材料と制限	– InGaAs センサーは高い量子効率（80～950 nm の間で 1650% 以上）を備えています。 – CQD センサーは現在、量子効率が低い (< 10%) ですが、スペクトル範囲が広くなっています。 – センサーの選択は、スペクトル範囲の範囲と検出能力に影響します。 – 材料の物理的特性とセンサーの感度限界の検出。 – センサー技術の進歩は、より幅広い産業用途に向けて、速度、手頃な価格、ピクセル数の向上を目指しています。
全体的な影響	SWIR のスペクトル応答性により、マシンビジョンにおける材料の識別と検出が向上しますが、センサー技術とスペクトル範囲の範囲によって制限されます。

産業界の現場では、エンジニアは材料検出を改善するためにいくつかの戦略を採用しています。

光源の波長をセンサーのピーク感度に合わせます。
これらは、CCD センサーよりも高い IR 感度を持つ CMOS センサーを備えた IR LED または IR を多く含む照明を使用します。
狭帯域 LED と対応するフィルターを組み合わせることで、周囲の光を遮断し、欠陥を強調表示します。
素材間のコントラストを高めて違いを見つけやすくする照明色を選択します。

これらの手法は、欠陥の検出、材料の選別、製品の品質確認に役立ちます。分光応答性マシンビジョンシステムにより、産業界は人間の目には見えない特徴を検出できるようになります。

影響要因

センサー材料

センサー材料マシンビジョンシステムが光に反応する方法の基礎を定めます。シリコンベースのCCDセンサーとCMOSセンサーはどちらも、約350ナノメートルから1050ナノメートルの可視光線と近赤外線の領域をカバーします。InGaAsセンサーはこの範囲を短波赤外線まで拡張し、最大2.5マイクロメートルに達します。マイクロボロメータアレイは、熱画像撮影のためにさらに長い波長を検出します。MoS₂などの新素材により、エンジニアはセンサーの分光応答性をプログラムすることが可能になります。これらの素材の構造を変えることで、特定の波長に対するセンサーの感度を高めることができます。この柔軟性により、マシンビジョンシステムは、材料の選別や隠れた特徴の検出といった特殊なタスクにも対応できるようになります。

センサー素材	分光応答範囲	主な特徴と応答性への影響
シリコンベースのCCD	約350～1050 nm	可視光線と近赤外線に適しており、赤外線カットフィルターを使用することが多い。
シリコンベースのCMOS	約350～1050 nm	IRに対する感度が高く、読み取りが速い
InGaAs	0.7 - 2.5μm	SWIR画像撮影に便利。霧を透過して見える。
マイクロボロメータアレイ	7 - 14μm	光ではなく熱を検知する
MoS₂、ナノ構造	可変、プログラム可能	特殊なスペクトルタスクに合わせてカスタマイズ可能

光学フィルター

光学フィルターは、センサーの分光感度を調整するのに役立ちます。特定の波長の光を遮断または透過させることで機能します。干渉フィルターは、薄い層を用いてセンサーに到達する波長を制御します。これらのフィルターは色を鮮明に分離できるため、カメラが微細な違いを捉えるのに役立ちます。しかし、光が斜めに入射すると、短波長側にシフトし、性能が変化します。色ガラスフィルターは広い範囲をフィルタリングし、角度による変化は少ないですが、遮断された光と透過された光の間の遷移は遅くなります。

フィルタの種類	分光応答における役割	特徴と効果
IRカットフィルター	近赤外線波長を遮断し、センサーの不正確さを防止	色精度を向上し、不要な赤外線を遮断
色付きガラスフィルター	広範囲フィルタリング、角度に依存しない	コスト効率が高く、バンド間の遷移が遅い
干渉フィルター	シャープなトランジション、正確なコントロール	小さな色の変化や角度に依存するスペクトルの変化を検出可能

注: フィルターの選択は、システムが色をどれだけ正確に分離できるか、または不要な光をどれだけ適切に遮断できるかに影響します。これは、色の精度と材料の検出の両方にとって重要です。

イルミネーション

光源は、センサーが特徴を検出する上で重要な役割を果たします。光の色、強度、方向はすべて重要です。エンジニアは、最高のコントラストと画質を得るために、光源のスペクトルをセンサーの感度に合わせて調整します。例えば、CMOSセンサーは赤外線によく反応するため、赤外線LEDやタングステンランプを使用すると、暗い場所でも性能が向上します。狭帯域LEDとそれに適したフィルターを組み合わせることで、周囲光を遮断し、重要な特徴を際立たせることができます。蛍光灯、LED、ハロゲンなど、光の種類も、システムがさまざまな材料をどのように認識するかに影響を与えます。

光源のスペクトル出力はセンサーの感度と一致する必要があります。
さまざまな光源 (蛍光灯、LED、ハロゲン) には独自のスペクトルプロファイルがあります。
フィルター付きの狭波長光源はコントラストを高め、干渉を減らします。
周囲光や反射面などの検査環境によって、システムの動作が変化する可能性があります。
照明の形状を調整し、エンクロージャを使用すると、不要な光を制御するのに役立ちます。

ヒント: さまざまな照明タイプと設定をテストすると、エンジニアは鮮明で信頼性の高い画像を実現するための最適な組み合わせを見つけることができます。

環境要因と光学設計も分光応答性に影響を与えます。空間の制約、周囲光、対象物の形状や質感など、すべてが結果に影響を与える可能性があります。フィルター、照明、センサー材料を慎重に選定することで、マシンビジョンシステムは実際の環境下で良好な性能を発揮することができます。

測定と最適化

校正方法

エンジニアはカメラが正確な結果を出すことを確認するためです。検査員は、既知の色でできた小さな正方形であるカラーパッチをよく使用します。これらのパッチを撮影することで、カメラがそれぞれの色にどのように反応するかを確認できます。カメラが実際の色と一致しない場合は、設定を調整します。別の方法としては、一度に1色ずつ光を照射する光源を使用します。カメラは各色からどれだけの信号を受け取るかを測定します。このプロセスにより、応答曲線が作成されます。この曲線は、カメラがさまざまな波長に対してどれだけ敏感であるかを示します。技術者はこの曲線を使用してエラーを修正し、精度を向上させます。

ヒント: 定期的なキャリブレーションを行うと、スペクトル応答性マシンビジョンシステムを長期間にわたって正常に動作させることができます。

パフォーマンスメトリクス

パフォーマンス指標は、ユーザーがカメラの性能を判断するのに役立ちます。重要な指標の1つは量子効率これは、センサーが光子1つあたりにどれだけの電子を生成するかを表す指標です。量子効率が高いほど、感度も高くなります。エンジニアは信号対雑音比（S/N比）も考慮します。これは、不要なノイズと比較して、カメラがどれだけの有用な信号を取得できるかを示します。もう一つの指標はダイナミックレンジです。これは、カメラが同じ画像内の暗い部分と明るい部分をどれだけ正確に捉えられるかを示します。これらの指標は、ユーザーがニーズに合った適切なカメラを選ぶのに役立ちます。

メトリック	測定対象	それが重要な理由
量子効率	センサーの光変換能力	値が高いほど感度が高い
信号対ノイズ比	画像の鮮明さ	比率が高いほどノイズが少なくなります
ダイナミックレンジ	捕捉される光レベルの範囲	範囲が広いほど詳細度が増す

アプリケーションのチューニング

各ジョブに合わせてシステムを調整することで、最良の結果が得られます。高速で移動する部品の場合、エンジニアはストロボモードを使用します。これは、光を高速で点滅させて動きを止めます。場合によっては、マルチスペクトルイメージングやハイパースペクトルイメージングを使用します。これらの手法は、複数の波長で画像を撮影します。これにより、通常のカメラでは捉えられない細部を検出できます。エンジニアはまた、センサーの性能に合わせてフィルターと照明を調整します。分光応答性マシンビジョンシステムを調整することで、選別、検査、品質管理における困難な問題を解決できます。

課題と解決策

センサードリフト

センサードリフトは、センサーの応答が経年変化することで発生します。ドリフトの原因は様々ですが、センサーの経年劣化、汚れの蓄積、温度や湿度の変化などが挙げられます。これらの変化によってセンサーのベースラインが変動したり、信号がドリフトしたりすることで、システムの光測定に影響が及ぶ可能性があります。例えば、センサーは数ヶ月使用すると、色の読み取り方が変化し始めることがあります。

研究者はドリフトを低減するためにいくつかの手法を用いています。多くの場合、温度と湿度を測定し、それらの変化を補正するためにセンサーの測定値を調整します。一部のシステムでは、主成分分析（PCA）や部分最小二乗法（PLS）などの数学モデルを用いて、データからドリフトを検出し除去します。これらの手法は、センサーが経年劣化したり、変化する環境にさらされたりしても、精度を維持するのに役立ちます。

定期的なキャリブレーションとドリフト補正により、マシンビジョンシステムの信頼性が長期にわたって維持されます。

クロストーク

クロストークは、ある色または波長の光が別のチャンネルに漏れ込むことで発生します。この漏れは色間のコントラストを低下させ、画像をぼやけさせる可能性があります。マルチスペクトルカメラでは、クロストークにより類似した物質の識別が困難になることがあります。スペクトルバンドの数が増えると、クロストークは悪化する傾向があり、画像の品質と精度が低下します。

ソリューションカテゴリー	ソリューションの例	目的/有効性
Hardware	最適化されたカラーフィルターアレイ、裏面照射、新しいフィルターパターン（イエロー、シアン、マゼンタ）	クロストークを減らし、色の精度を向上させ、効率を高めます
信号処理	色補正、クロストークとデモザイキングの統合、マルチチャンネルデコンボリューション	画像の鮮明さを回復し、ぼやけを軽減し、ノイズを抑制します
アルゴリズム的	交互最小化アルゴリズム	画像品質と色忠実度を効率的に向上

デザイナーはこれらのソリューションを使用してクロストークを制限し、画像を鮮明かつ正確に保ちます。

長期安定性

長期安定性とは、センサーが数時間または数日間にわたって良好に動作し続けることを意味します。エンジニアは、安定したレーザーをセンサーに照射し、センサーの応答が一定であるかどうかを確認することで、これをテストします。優れたシステムでは、数時間経過してもほとんど変化がありません。例えば、一部のセンサーは、パターンの変化なしに1,200分以上にわたって高い相関性を維持します。

ファンデルワールス力を利用したものなど、新しいセンサー設計では、センサー内部で画像を保存・処理することが可能です。これらの高度なデバイスは、システムの安定性と精度を長期にわたって維持するのに役立ちます。工場、研究所、その他の要求の厳しい環境で使用されるマシンビジョンシステムにとって、信頼性の高い長期的な性能は不可欠です。