EEPW论坛

科研人员发现，传感器在数据采集方面的应用越发重要。从最初的简单图像传感器，到如今运用于AI和机械学习系统的高效能图像传感器，不断对数据采集效率和精准度提出越来越严格的要求。

如今，机械学习的出现推动了图像传感器的创新，其性能的提高，也将被支持各种应用。AI算法之所以可以生成精准决策，一方面是由于传感器输入的质量和算法的精准度，另一方面就是处理这些算法的神经网络。而目前这种神经网络主要采用卷积神经网络（CNN）算法来创建的识别专家系统。而CNN需要密集的资源和强大的优化库支持，这就对于图像传感器的要求就非常高。

解决这一问题的传统技术是增加图像采集的数量以及增加CNN的功率。但是如此的话势必需要更大第三方库和更尖端的处理器性能，造成成本大幅提高。为了降低成本，安森美半导体推出AR0234CS 230万像素CMOS图像传感器，这种全局快门图像传感器通过使用高质量输出的图像传感器，就可以无需昂贵的处理器、昂贵的第三方库和/或新库的创建，避免使用最佳地结合硬件和软件资源所需的昂贵工具。

不仅如此，全局快门图像传感器还提供高速接口和传输带宽。例如AR0234CS 230万像素CMOS图像传感器具备高数据速率MIPI接口，加上它高帧速率、低功耗全帧速率和全分辨率的功能，更适用于AI视觉系统，并且在未来AI视觉系统中起到更加重要的作用。