從CCD到CMOS

據咨詢機預測，2021年至2025年，全球CMOS圖像傳感器的出貨量將繼續保持8. 5%的年復合增長率，2025年預計可達116. 4億顆。前不久，索尼宣布成功開發全球首個雙層晶體管像素堆疊式CMOS圖像傳感技術，并表示新的架構大約增加了1倍飽和信號電平，拓寬了動態范圍并降低了噪聲，從而能顯著提高成像性能。

而對于圖像傳感器，你們了解多少？

圖像傳感器，或稱感光元件，是一種將光學圖像轉換成電子信號的設備，它被廣泛地應用在數碼相機和其他電子光學設備中。早期的圖像傳感器采用模擬信號，例如攝像管。 隨著數碼技術、半導體制造技術以及網絡的迅速發展，市場和業界都面臨著跨平臺的視訊、影音、通訊大整合時代的到來，圖像傳感技術也得到了更大的發展。近幾年，隨著人工智能的興起，圖像傳感器作為輸入信號的其中一種，支撐著諸如人臉檢測、工業異常檢測、手勢識別等諸多重要的應用。

1

圖像傳感器的分類

圖像傳感器產品主要分為CCD、CMOS以及CIS傳感器三種。 CCD是應用在攝影攝像方面的高端技術元件，CMOS則應用于較低影像品質的產品中，其優點是制造成本較CCD更低，功耗也低得多，這也是市場很多采用USB接口的產品無須外接電源且價格便宜的原因。CIS則是接觸式圖像感應裝置。它采用觸點式感光元件進行感光，用CIS技術制作的掃描儀具有體積小、重量輕、生產成本低等優點，在傳真機、掃描儀、紙幣清分兌零等領域應用非常廣泛。但CIS技術也有不足之處，譬如無法做成高分辨率的掃描儀，掃描速度也比較慢，因而目前在市場上被廣泛應用的主要是CCD、CMOS兩種圖像傳感器器件。 盡管在技術上有較大的不同，但CCD和CMOS兩者性能差距并不是很大。CCD可分為線型與面型兩種，其中線型應用于影像掃瞄器及傳真機，而面型主要應用于數碼相機、攝錄影機、監視攝影機等多項影像輸入產品上。通常，CCD傳感器具備高解析度、低雜訊、動態范圍廣、良好的線性特性曲線、高光子轉換效率、大面積感光、光譜響應廣、低影像失真、體積小重量輕、低耗電力，電荷傳輸效率佳、不受強電磁場影響、可大批量生產等優點。 相較于CCD，CMOS傳感器采用一般半導體電路最常用的CMOS工藝，具有集成度高、功耗小、速度快、成本低等特點，最近幾年在寬動態、低照度方面發展迅速。CMOS主要是利用硅和鍺兩種元素所做成的半導體，通過CMOS上帶負電和帶正電的晶體管來實現基本的功能。這兩個互補效應所產生的電流即可被處理芯片記錄和解讀成影像。

在模擬攝像機以及標清網絡攝像機中，CCD的使用最為廣泛，長期以來都在市場上占有主導地位。CCD的特點是靈敏度高，但響應速度較低，不適用于高清監控攝像機采用的高分辨率逐行掃描方式，因此進入高清監控時代以后，CMOS逐漸被人們所認識，高清監控攝像機普遍采用CMOS感光器件。

2

角逐應用市場

從90年代伊始，CMOS圖像傳感技術在業內得到重視并獲得大量研發資源，在應用上持續擠壓CCD圖像傳感器的市場空間。CMOS圖像傳感器芯片成為了全球集成電路的重要組成部分之一，其主要優勢可歸納為以下三個層面：

成本上：CMOS圖像傳感器芯片一般采用適合大規模生產的標準流程工藝，在批量生產時單位成本得以遠低于CCD；

尺寸上：CMOS傳感器能夠將圖像采集單元和信號處理單元集到同一塊基板上，體積得到大幅縮減，使之非常適用于移動設備和各類小型化設備；

功耗上：CMOS傳感器相比于CCD還保持著低功耗和低發熱的優勢。

全球圖像傳感器市場規模（出貨量口徑） （數據來源：Frost&Sullivan) 據了解，隨著圖像傳感技術的不斷革新及下游行業應用規模的逐步擴大，全球圖像傳感器市場規模近十年來都呈現出持續增長態勢。自2016年至2020年，全球圖像傳感器出貨量從2016年的46. 9億顆快速增長至2020年的82. 6億顆，期間年復合增長率達到15. 2%.據Frost&Sullivan推測，各應用領域對于圖像傳感器更廣更深的需求預計仍會助其維持一定的增長速度。全球圖像傳感器出貨量有望在2025年達到120. 8億顆，2021年至2025年期間年復合增長率預計將達到7. 9%。 近年來，各頭部CMOS圖像傳感器設計廠商不斷推進背照式和堆棧式技術，讓CMOS圖像傳感器從過去主導的智能手機市場逐漸朝汽車、安防監控、醫療、VR以及工業等諸多細分市場滲透覆蓋。 而得益于安防監控、汽車電子和其他新興領域的快速發展及多攝手機的廣泛普及，CMOS圖像傳感器的整體出貨量及銷售額不斷擴大。自2016年至2020年，全球CMOS圖像傳感器出貨量從41. 4億顆快速增長至77. 2億顆，期間年復合增長率達到16. 9%。預計2021年至2025年，全球CMOS圖像傳感器的出貨量將繼續保持8. 5%的年復合增長率，2025年預計可達116. 4億顆。

全球CMOS圖像傳感器市場規模（出貨量口徑） （數據來源：Frost&Sullivan)

3

人工智能與圖像傳感器

隨著人工智能時代的來臨，相應的芯片產品和行業也出現了對應的新方向。在人工智能的各個分支中，機器視覺無疑是應用最廣泛的方向。機器視覺是使用機器學習／人工智能的方法來分析視覺信號，并且通過人工智能直接產生分析結果。因此，機器視覺自然就需要一個圖像傳感器來作為輸入信號，而隨著機器視覺和人工智能的逐漸發展，機器視覺與圖像傳感器芯片的結合成為“智能圖像傳感器”，順應了技術發展的脈絡。 圖像傳感器為機器視覺這一最重要的應用提供輸入信號。在傳統的機器視覺芯片解決方案中，圖像傳感和人工智能算法的運行在不同的硬件上完成，圖像傳感器提供圖像信號，而處理器或者AI加速芯片執行人工智能算法。然而，這樣的做法在強調低功耗和能效比的移動端或IoT智能設備中，將會造成能量的浪費，并且難以處理一些需要常開（always-on)的應用場景。通過人工智能賦能的圖像傳感器就可以解決這個問題。 具體來說，這樣的智能圖像傳感器在圖像傳感器模組中集成了人工智能算法的運行模塊，因此可以直接輸出機器視覺算法的結果，而這樣運行機器視覺的方法也常被稱為“傳感器內運算（in-sensor computing)”。通過傳感器內計算，機器視覺算法的運行單位從SoC換到了圖像傳感器，因此在運行機器視覺算法時，SoC無需處于喚醒狀態，也無需運行操作系統，而是可以處于低功耗的待機狀態。另一方面，傳感器內運算由于整個系統比較簡單，并沒有運行操作系統等額外開銷，并且有為機器視覺算法量身定做的加速器芯片模組，因此效比可以做到很高。最后，在接口方面，通常可以實現由智能圖像傳感器在檢測到重要輸出時才去以中斷的方式去喚醒SoC,并且只需要傳遞機器視覺算法運行的結果，因此數據傳輸的開銷也大大降低了。

結 語

我們可以看到，隨著大環境的變化，不同階段，不同技術的融合也給圖像傳感器帶來新的發展，從CCD的半壁江山，到CMOS的后來者居上，以及“智能圖像傳感器”的誕生，圖像傳感器技術在不斷為行業賦能的同時，亦在持續豐富和拓展自身的內涵，實現越來越廣闊的場景應用。

審核編輯 ：李倩