图像传感器主要分为CCD、CMOS和CIS传感器

图像传感器产品主要分为CCD、CMOS和CIS传感器。CIS技术制作的扫描仪具有体积小、重量轻、生产成本低等优点，广泛应用于传真机、扫描仪、纸币清分兑零等领域。然而，CIS技术也存在一些缺点，如无法制作高分辨率扫描仪，扫描速度相对较慢，因此CCD和CMOS主要广泛应用于市场上。

图像传感器，或光传感器元件，是一种将光学图像转换为电子信号的设备，广泛应用于数码相机和其他电子光学设备中。早期的图像传感器使用模拟信号，如相机管。随着BAT41WFILM数字技术、半导体制造技术和网络的快速发展，市场和行业面临着跨平台视频、视听、通信一体化时代的到来，图像传感技术也得到了更大的发展。近年来，随着人工智能的兴起，图像传感器作为输入信号之一，支持人脸检测、工业异常检测、手势识别等许多重要应用。

1.图像传感器的分类。

图像传感器产品主要分为CCD、CMOS和CIS传感器。CCD是摄影中应用的高端技术元件，CMOS应用于图像质量较低的产品。其优点是制造成本低于CCD，功耗低得多，这也是为什么市场上许多使用USB接口的产品不需要外部电源，而且价格便宜。CIS是一种接触式图像传感器。采用触点感光元件进行感光。CIS技术制作的扫描仪具有体积小、重量轻、生产成本低等优点，广泛应用于传真机、扫描仪、纸币清分兑零等领域。然而，CIS技术也存在一些缺点，如无法制作高分辨率扫描仪，扫描速度相对较慢，因此CCD和CMOS主要广泛应用于市场上。虽然技术差异很大，但CCD和CMOS之间的性能差距并不大。CCD可分为线型和面型，其中线型用于图像扫描仪和传真机，而面型主要用于数码相机、摄像机、监控摄像机等图像输入产品。一般来说，CCD传感器具有分析度高、杂讯低、动态范围广、线性特性曲线好、光子转换效率高、光谱传感大、光谱响应广、图像失真低、体积小、重量轻、功耗低、电荷传输效率好、不受强电磁场影响、可批量生产等优点。与CCD相比，CMOS传感器采用了一般半导体电路中最常用的CMOS技术，具有集成度高、功耗低、速度快、成本低的特点。近年来，它在宽动态和低照度方面发展迅速。CMOS主要是由硅和锗制成的半导体，通过CMOS上负电和正电晶体管实现基本功能。这两种互补效应产生的电流可以被处理成芯片记录和解释成图像。CMOS主要是由硅和锗制成的半导体，通过CMOS上的负电和正电晶体管实现基本功能。这两种互补效应产生的电流可以被记录和解释成图像。

CCD广泛应用于模拟摄像头和标准清晰网络摄像头中，长期以来在市场上占据主导地位。CCD具有灵敏度高，但响应速度低，不适用于高清监控摄像头的高分辨率逐步扫描。因此，进入高清监控时代后，CMOS逐渐被认可，CMOS感光器件广泛应用于高清监控摄像头中。

2.竞争应用市场。

自20世纪90年代以来，CMOS图像传感技术一直受到业界的重视，并获得了大量的研发资源，不断挤压CCD图像传感器的市场空间。CMOS图像传感器芯片已成为全球集成电路的重要组成部分之一，其主要优势可概括为以下三个层次：

成本：CMOS图像传感器芯片一般采用适合大规模生产的标准工艺，批量生产时单位成本远低于CCD；

尺寸：CMOS传感器可以将图像采集单元和信号处理单元集成到同一基板上，大大减小，非常适合移动设备和各种小型化设备；

功耗上：与CCD相比，CMOS传感器仍具有低功耗、低发热的优点。

据了解，随着图像传感器技术的不断创新和下游产业应用规模的逐步扩大，近十年来全球图像传感器市场规模呈现持续增长趋势。从2016年到2020年，全球图像传感器出货量从2016年的46.9亿快速增长到2020年的82.6亿，期间年复合增长率达到15.2%。根据Frost&Sullivan的推测，各应用领域对图像传感器的更广更深的需求有望保持一定的增长速度。预计2025年全球图像传感器出货量将达到120.8亿台，2021年至2025年复合年增长率有望达到7.9%。近年来，CMOS图像传感器设计厂商不断推广背照和堆栈技术，使CMOS图像传感器逐渐从过去主导的智能手机市场渗透到汽车、安全监控、医疗、VR、工业等诸多细分市场。由于安全监控、汽车电子等新兴领域的快速发展和多摄像头手机的广泛普及，CMOS图像传感器的整体出货量和销量不断扩大。2016年至2020年，全球CMOS图像传感器出货量从41.4亿快速增长到77.2亿，期间年复合增长率达到16.9%。预计2021年至2025年，全球CMOS图像传感器出货量将继续保持8.5%的年复合增长率，预计2025年将达到116.4亿。

全球CMOS图像传感器市场规模(出货量口径)(数据来源:Frost&Sullivan)

3.人工智能和图像传感器。

随着人工智能时代的到来，相应的芯片产品和行业也出现了相应的新方向。在人工智能的各个分支中，机器视觉无疑是应用最广泛的方向。机器视觉是利用机器学习/人工智能的方法来分析视觉信号，并通过人工智能直接产生分析结果。因此，机器视觉自然需要一个图像传感器作为输入信号。随着机器视觉和人工智能的逐渐发展，机器视觉和图像传感器芯片的结合成为智能图像传感器，符合技术发展的背景。图像传感器为机器视觉的最重要的应用程序提供输入信号。在传统的机器视觉芯片解决方案中，图像传感器和人工智能算法在不同的硬件上运行，图像传感器提供图像信号，而处理器或人工智能加速芯片执行人工智能算法。然而，在强调低功耗和能效比的移动终端或物联网智能设备中，这种做法会造成能量浪费，很难处理一些需要经常打开的应用场景。这个问题可以通过人工智能赋能的图像传感器来解决。具体来说，这种智能图像传感器集成了图像传感器模块中人工智能算法的操作模块，因此可以直接输出机器视觉算法的结果，这种操作机器视觉的方法通常被称为传感器内操作（in-sensorcomputing）。通过传感器内的计算，机器视觉算法的操作单元从SoC转变为图像传感器，因此在操作机器视觉算法时，SoC不需要处于唤醒状态或操作系统，而是可以处于低功耗待机状态。另一方面，由于整个系统相对简单，传感器内部操作没有操作系统等额外费用，并且有为机器视觉算法量身定制的加速器芯片模块，因此效率可以非常高。最后，在接口方面，智能图像传感器通常可以在检测到重要输出时中断唤醒SOC，只需要传递机器视觉算法运行的结果，因此数据传输的成本大大降低。

结语

我们可以看到，随着环境的变化，不同阶段，不同技术的整合也给图像传感器带来了新的发展，从CCD的半壁江山，到CMOS的后来者，以及智能图像传感器的诞生，图像传感器技术不断赋能行业，不断丰富和拓展自身内涵，实现越来越广泛的场景应用。