五大产品线引领机器视觉技术新浪潮

2026年3月25-27日,备受瞩目的中国机器视觉领域顶级盛会——VisionChina2026机器视觉展在上海盛大启幕。本届展会汇聚了数百家国际知名企业,集中展示了机器视觉行业的前沿技术与创新成果。

凌云光携手JAI,以“特色棱镜、红外、紫外、线扫、面阵”五大产品线为核心,携一系列软硬件一体化解决方案精彩亮相,凭借深厚的技术底蕴与创新的应用方案,吸引了众多行业专家、合作伙伴驻足交流,成为展会现场的焦点之一。

01、棱镜成像 | 还原真实色彩,一机多能增效

作为本次展出的亮点之一,特色棱镜成像产品线内置3个RGB芯片及棱镜分光技术,实现了普通Bayer相机无法比拟的成像效果,并衍生出多个创新应用。

2.jpg

3C棱镜真彩色缺陷检测,现场JAI棱镜相机与普通Bayer相机并排对比,差异一目了然。前者为每个像素点提供真实的RGB值,彻底消除边缘伪彩,为细微颜色缺陷的精准检测提供了可靠保障。

3.jpg

手机中框棱镜外观检测方案则巧妙利用了JAI棱镜相机三通道光谱响应串扰极低的特性。通过低角度红光、高角度蓝光及同轴绿光组合光源,实现“一次成像,三种检测”—划痕、裂纹、脏污同步检出,大幅节约工位与时间成本。

4.jpg

塑料颗粒色选场景中,传统三线彩色相机面对自由落体或振动等变速运动时,空间校正功能容易失效,导致图像色散。而JAI的3CMOS棱镜线阵相机,其三通道拍摄被测物处于同一光路,无需补偿即可输出无运动色差的真彩色图像,为不规则运动物体的高精度色选提供了理想解决方案。

02、红外成像JAI首次亮相,透视硅基世界

11.jpg

本次展会,JAI红外成像方案在国内首次亮相,成为展位一大亮点。

针对半导体晶圆切割等关键工艺,红外成像方案利用短波红外波段对硅材质的优异穿透性,实现了“透视”检测。该方案由短波红外面阵相机、短波红外远心镜头及Revox短波红外LED光纤照明光源组成。相机采用InGaAs芯片,覆盖400-1700nm宽光谱,能够穿透硅片表面,精准探测内部结构。这一特性使其在半导体激光划片机的引导定位和隐裂检测中发挥不可替代的作用,有效提升了加工精度与良率。

22.jpg

JAI全新Wave系列短波红外相机共包含4款产品(线阵与面阵),分辨率覆盖面阵130万至520万像素,线阵1K-2K。全系列搭载高性能InGaAs传感器,光谱响应覆盖400-1700nm,具备高量子效率、低噪声、高稳定性等特点,兼容GigE Vision与Camera Link接口,易于系统集成,广泛适用于半导体检测、智能分选、激光光斑分析等工业检测与科研场景。

03、紫外成像半导体晶圆缺陷检测新利器

晶圆紫外.jpg

在半导体制造迈向更高精度的进程中,紫外成像技术成为关键一环。

JAI紫外相机采用810万分辨率背照式芯片设计,最低响应波段可达200nm,在355nm关键波段的量子效率高达50%左右。基于瑞利判据,波长越短,光学分辨率越高,使其能清晰分辨传统可见光方案难以察觉的微小缺陷。该方案已广泛应用于半导体量检测设备中。

04、线扫成像 高速高精,三大方案应对复杂场景

针对大幅宽、高速度的连续检测需求,JAI线扫产品线带来了三个各具特色的检测方案。

111.jpg

半导体16K高速高分辨检测,该方案由JAI 16K分辨率、5μm像元的高速线阵相机,搭配施耐德镜头与Revox高亮光源组成。277kHz的最高行频与高达1亿勒克斯的超高亮度光源相结合,专为显示屏、半导体、PCB等行业的大幅宽、高精度检测而设计,极大提升检测效率。

锂电黑白.jpg

锂电黑白分时曝光检测方案采用JAI双线芯片线阵相机,通过轮循方式设置两组不同曝光时间,一次扫描即可同时获得高、低曝光两组图像,并在采集卡端实时拆分。这一设计极大提升了相机的动态范围,确保高反光与暗部细节信息均能清晰呈现。

PCB.jpg

PCB高速彩色分时频闪检测方案利用JAI 16K彩色线阵相机,配合分时频闪光源组合。通过采集卡实现复杂的彩色多路频闪图像拆分,一次扫描即可检出多种缺陷,为PCB等精密电子元件的检测提供了极致高效的解决方案。

05、面阵成像 | 灵活高效,应对多元检测场景

JAI面阵成像产品线带来了多款高性能解决方案,满足不同行业的多样化需求。

食物分选.jpg

食品分选棱镜多光谱检测方案中,JAI棱镜多光谱相机将光路一分为二,分别由可见光与近红外芯片同步成像。这一设计在获取颜色信息的同时,补充了被测物的红外光谱信息。在水果分选等应用中,不仅能识别表皮斑点,更能精准发现磕碰、暗伤等内部问题,实现了内外兼修的品质管控。

除此之外,凌云光还带来了REVOX全系列光源、First Light超高速短波红外面阵相机Cred2和大像元短波红外面阵相机Cred one、Andor高灵敏单光子EMCCD相机、Mikrotron分体式高速相机、玦芯LDLS激光驱动等离子体宽谱光源等高端产品及相关解决方案。

内容概要:本文档是一份针对全国大学生电子设计竞赛(NUEDC)的“保姆级”实战指导手册,系统涵盖赛题解析与方案库、模块化代码与电路实现、以及测试报告范例三大核心部分。手册深入剖析了电赛七大赛题类别及其命题规律,强调“基本要求+发挥部分”的结构特点、指标逐年收紧趋势及测量与控制复合型题目的增加。通过数控直流电流源和频率特性测试仪两个典型案例,展示了从系统方案设计、关键器件选型到软硬件实现的完整路径。同时,提供了基于STM32 HAL库的ADC采样、PWM生成、OLED显示、无线通信等常用模块的详细电路原理与驱动代码,并辅以测试报告范例和评分标准解析,帮助参赛者规范撰写高质量设计报告。; 适合人群:参加全国大学生电子设计竞赛的本科生及指导教师,尤其适合有一定单片机和电路基础、希望在短时间内高效备赛并提升获奖概率的团队。; 使用场景及目标:①帮助参赛者快速掌握电赛命题规律与主流技术方案,精准应对电源类、控制类、仪器仪表类等高频赛题;②提供可复用的模块化代码与电路设计,加速硬件搭建与软件开发进程;③指导撰写符合评审标准的设计报告,强化误差分析与测试数据呈现,提升综合得分。; 阅读建议:建议按照“赛题分析→方案设计→模块实现→报告撰写”的流程顺序阅读,重点学习典型案例的整体设计思路与关键器件选型依据。对于代码与电路部分,应在实际开发板上动手验证,结合示波器、逻辑分析仪等工具进行调试。撰写报告时,务必参考文中测试表格与误差分析模板,确保数据完整、分析定量,避免因报告不规范而失分。;
内容概要:本文系统介绍了基于投资组合CVaR(条件风险价值)对象的金融投资组合优化方法,重点阐述了利用Matlab代码实现CVaR风险度量下的资产配置优化过程。相较于传统VaR仅衡量特定置信水平下的最大损失,CVaR进一步评估超出该阈值的平均尾部损失,具有更好的数学性质如凸性和次可加性,更适用于构建可优化的数学模型。文中详细讲解了CVaR优化模型的理论基础、目标函数设计、约束条件设置以及Matlab金融工具箱中PortfolioCVaR类的具体应用步骤,并结合实证案例演示了如何加载资产数据、设定预期收益率与风险偏好、执行优化求解及分析有效前沿,帮助投资者在控制极端下行风险的前提下实现最优资产配置。; 适合人群:具备一定金融工程、数量经济学或风险管理背景,熟悉Matlab编程环境,正在从事量化投资、资产配置建模、金融产品设计等相关工作的研究人员、高校师生及金融机构从业人员。; 使用场景及目标:①用于金融机构构建高阶风险管理导向的投资组合,提升对尾部风险的防控能力;②支持学术研究中对不同风险度量模型(如VaR与CVaR)在组合优化中表现差异的实证比较;③辅助教学实践中开展现代投资组合理论与高级风险控制技术相结合的编程实训课程。; 阅读建议:建议读者结合Matlab平台动手复现文中的代码示例,深入理解CVaR优化模型的构建逻辑与求解流程,并尝试调整资产数据、置信水平和约束条件以观察优化结果的变化,从而掌握其在真实投资决策中的灵活应用技巧。
标题基于SpringBoot的学生读书笔记共享平台设计研究AI更换标题第1章引言介绍学生读书笔记共享平台的研究背景、意义、国内外研究现状、论文方法以及创新点。1.1研究背景与意义阐述学生读书笔记共享平台在当前教育环境下的重要性。1.2国内外研究现状分析国内外学生读书笔记共享平台的研究进展与现状。1.3研究方法及创新点概述本文的研究方法与平台设计的创新点。第2章相关理论总结和评述与SpringBoot及读书笔记共享平台相关的理论。2.1SpringBoot框架介绍阐述SpringBoot框架的特点、优势及其在Web开发中的应用。2.2读书笔记共享平台相关理论介绍读书笔记共享平台的设计原则、功能需求及用户体验理论。2.3数据库设计与优化理论简述数据库设计的基本原则及优化策略。第3章平台设计详细介绍基于SpringBoot的学生读书笔记共享平台的设计方案。3.1平台架构设计平台的整体架构,包括前端、后端及数据库的设计。3.2功能模块设计阐述平台的主要功能模块,如用户管理、笔记上传、笔记分享等。3.3数据库设计介绍数据库的设计方案,包括表结构、索引及关系设计。第4章平台实现详细描述平台的具体实现过程,包括技术选型、开发环境搭建等。4.1技术选型与开发环境介绍开发平台所采用的技术栈及开发环境配置。4.2关键代码实现展示平台实现过程中的关键代码片段,如用户登录、笔记上传等功能的实现。4.3平台测试与优化平台的测试过程及优化策略,确保平台的稳定性和性能。第5章平台应用与分析对平台的应用效果进行分析,包括用户反馈、使用数据等。5.1用户反馈收集与分析收集用户反馈,分析用户对平台的满意度及改进建议。5.2使用数据分析通过数据分析工具,分析平台的使用情况,如用户活跃度、笔记分享量等。5.3对比方法分析对比其他类似平台,分析本平台的优势与不足。第6章结论与展望总结本文的研究成果,并对未来研究方向
上市公司人工智能技术应用水平主要用于衡量企业在人工智能技术研发、应用部署、业务融合以及战略布局方面的程度 学术界主要采用以下方法测度上市公司人工智能技术应用水平: 第一,人工智能专利测度法:基于企业技术创新产出视角,通过识别上市公司专利申请或授权信息中的人工智能相关专利,利用企业年度人工智能专利数量衡量其人工智能技术研发能力与技术积累水平 第二,年报文本分析法:基于企业信息披露视角,通过构建人工智能关键词词典,提取上市公司年度报告、管理层讨论与分析(MD&A)等文本中人工智能相关词汇出现频次,并对词频进行对数化处理,以衡量企业人工智能技术关注程度和应用水平 第三,机器人渗透度测度法:主要从智能化生产应用角度出发,利用行业层面的工业机器人安装密度,并结合企业所在行业特征、就业结构等信息,推算企业层面的自动化和人工智能技术渗透程度 第四,综合指数法:从人工智能投资、专利、关键词词频、机器人应用、人工智能项目等多维度构建指标体系,构建综合指数 第五,智能化投资测度法:基于人工智能软件投资额、人工智能硬件投资额之和占总资产的比例来衡量企业人工智能基础设施建设和技术应用水平 参考李果和白云朴(2024)、闫文影和陈雨生(2026)的研究思路,本文从企业人工智能技术实际投入角度衡量上市公司人工智能应用水平。具体而言,基于上市公司年度报告财务附注信息,通过关键词识别方法提取人工智能相关软件投资和硬件投资,并将二者加总形成企业人工智能投资规模,进一步以人工智能投资额占企业总资产的比例衡量企业人工智能技术应用水平 一、数据介绍 数据名称:上市公司人工智能技术应用水平 数据范围:上市公司企业 时间范围:2007-2025年 样本数量:78325条 数据来源:上市公司年报 二、数据指标 年份 股票代码 股票简称 行业名称 行业代码 省份
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值