传感器TIT 1月新品推荐：SoC，传感器，栅极驱动器，整流器

发布时间：2024-10-08 20:10:36

1月新品推荐：SoC、传感器、栅极驱动器、整流器

无论2019年是未来十年中最好的一年、还是最坏的一年，当2020年的钟声在万众期待中响起，半导体行业的创新之旅就不会止步。在即将过去的1月里，《国际电子商情》汇总了7款新品信息，希望能给业者带来一些信心和启迪……

SoC

1月8日，Silicon Labs（芯科科技）推出新型Bluetooth®片上系统（SoC）解决方案，融合了领先的安全性、无线性能、能效、软件工具和协议栈，可以满足大批量、电池供电型物联网产品的市场需求。其EFR32BG22（BG22）SoC扩展了Silicon Labs已有的安全、超低功耗Wireless Gecko Series 2平台，并为开发人员提供了优化的蓝牙连接解决方案，支持新的蓝牙5.2规范、蓝牙测向和蓝牙Mesh。

新产品组合提供了三种蓝牙SoC产品供选择，这些产品旨在满足智能家居、消费类、商业和工业物联网应用（包括那些需要多年电池使用寿命的应用）对价格/性能的各种要求。

EFR32BG22C112 SoC适用于大批量、成本敏感的应用，支持1 Mbps和2 Mbps蓝牙PHY传输、38.4 MHz Arm® Cortex®-M33内核、18个GPIO和352 KB闪存、0 dBm发射功率和行业领先的-99 dBm接收灵敏度（1M PHY）。EFR32BG22C222 SoC适用于需要更多计算能力（具有76.8 MHz M33内核）、更多I/O（26个GPIO）和更高发射功率（+6 dBm）的应用。EFR32BG22C224 SoC提供IQ采样能力，适用于测向应用，并支持125 KB和500 KB Bluetooth Low Energy Coded PHY，可将接收灵敏度提高至-106 dBm。该SoC也将工作温度提高到+125C，并将闪存扩展到512 KB，以支持需要测向功能或低功耗蓝牙Mesh节点的应用。

EFR32BG22 SoC计划于3月份上市。

栅极驱动器

1月14日CISSOID宣布，推出为Wolfspeed提供强劲可靠的栅极驱动器，以支持其XM3碳化硅（SiC）MOSFET功率模块。该新型栅极驱动器板旨在为高功率密度转换器提供支持，可以安全地驱动快速开关碳化硅功率模块以实现低损耗，同时可以在空间受限的电机驱动器、紧凑型电源或快速电池充电器内部的高温环境中运行。

据悉，CMT-TIT0697栅极驱动器板被设计为可直接安装在CAB450M12XM3 1200V/450A碳化硅MOSFET功率模块上。凭借可提供每通道高达2.5W功率的板载隔离电源（且无需降低高达125℃的额定环境温度），该栅极驱动器可以驱动频率高达100KHz的XM3模块，从而实现高功率密度。高达10A的峰值栅极电流和对高dV/dt（>50KV/µs）的抗扰性使得该栅极驱动器可以在栅极电阻为零的情况下驱动功率模块，从而将开关损耗降至最低。

该板可承受高达3600V的隔离电压（经过50Hz、1分钟的耐压测试），并可提供14mm的爬电距离，而且具备欠压锁定（UVLO）、有源米勒钳位（AMC）、去饱和检测和软关断（SSD）等保护功能，以确保一旦发生故障时可以安全地驱动功率模块并提供可靠的保护。

NIR图像传感器

1月10日，艾迈斯半导体（AMS）推出CMOS全局快门近红外(NIR)图像传感器CGSS130，且与近日推出的3D系统形成完美互补。CGSS130可大幅降低脸部识别、支付认证等3D光学传感应用的功耗，这对于依赖电池供电的便携电子设备而言是至关重要的性能。同时CGSS130还支持更先进的传感器功能。

艾迈斯半导体CGSS130传感器的NIR波段灵敏度是目前市场同类产品的四倍，它能够可靠地检测到3D传感系统中极低功耗IR发射器的反射信号。在脸部识别和其他3D传感应用中，IR发射器会消耗大部分功率，因此制造商使用CGSS130传感器可延长移动设备的电池运行时间。可穿戴设备和其他采用极小电池供电的产品使用该传感器可实现脸部识别功能。灵敏度的提高扩大了在相同功率预算下的测量范围，从而还可实现除了脸部识别之外的其他新应用。CGSS130样品已开始供货。

光谱环境光传感器

1月13日，艾迈斯半导体（AMS）宣布推出业内首款光谱环境光传感器——AS7350，这是一款先进的光谱环境光传感器(ALS)，适用于高端手机摄像头。凭借这款全新传感器，确保摄像头即便在色彩反差极大的环境光下，或者在不太理想的/混合光源环境下，也都能获得高品质的图像，让用户使用消费级设备就能获得专业级设备的拍摄效果。AS7350首次通过光谱重建实现光源识别，在各种光照条件下都能自动实现出色、精准的白平衡点，从而获得出色的拍摄效果。

据了解，AS7350可以识别各种光源，包括日光、白炽灯、荧光灯、各种类型的LED光源，以及各种组合光源。这款先进的光谱环境光传感器具有11个通道，其中8个等距分布，余下3个分别为频闪、NIR和透明通道，所有这些都包含在一个超小型3.1mm x 2.0mm x 1.0mm LGA封装中。频闪通道可以检测闪烁频率为50 Hz至3 kHz及以上的人造光源，具体看实际应用情况。

艾迈斯半导体为使用AS7350的用户提供全套支持套件，样品将于2020年第一季度开始供货。

图像传感器

1月14日, Teledyne Technologies宣布推出全新 Emerald 36M，这是一款 37.7百万像素图像传感器，专为严苛要求高分辨率高速的工业和户外应用而设计。

Emerald 36M 独特地结合了6k平方分辨率和出色的帧速率，可提供低噪声、高量子效率和宽角响应。它还提供出色的图像质量，适用于最具挑战性的应用。该传感器具有超高速和高速版本，分别以全分辨率提供86fps和43fps帧速率。

该传感器旨在轻松集成并兼容高性价比的FPGA。它采用符合标准4/3感光元件的陶瓷 µPGA 封装，是全球最高分辨率全局快门传感器，适合这些紧凑型镜头。此外，Emerald 36M与 Emerald 67M具有引脚对引脚兼容和光学兼容，因此单个相机设计就可以实现多种分辨率和速度等级。据悉，Emerald 36M 已可以提供评估套件和样品。

接近传感器

1月15日，Vishay推出两款全集成新型接近传感器——VCNL36821S和VCNL36826S，提高消费类和工业应用效率和性能。该两款传感器分别在2.55 mm x 2.05 mm x 1.0 mm小型表面贴封装中集成红外（IR）发射器、垂直腔面发射激光器（VCSEL）、光电二极管、信号处理IC和12位ADC。

与上一代器件相比，新款接近传感器体积小、成本低，适用于空间有限的电池供电应用，如检测用户是否佩戴耳麦或虚拟现实/增强现实（VR/AR）头盔。器件探测距离300 mm，同时具有用于玩具以及消费类和工业机器人的碰撞检测功能。VCNL36821S和VCNL36826S功耗低至6µA，有助于提高这些应用的效率。

器件支持I2C总线通信接口，可轻松访问接近信号，可编程中断功能便于设计人员设定中断阈值上下限，从而减少与微控制器连续通信。接近传感器采用智能抵消技术消除串扰，智能持续性设计确保准确探测并加快响应速度。IRED和VCSEL波长峰值为940 nm，无可见“红尾”。

VCNL36821S和VCNL36826S在-40℃至+85℃温度范围内具有出色的温度补偿能力，潮湿敏感度等级（MSL）达到J-STD-020标准3级，车间储存寿命为168小时。传感器符合RoHS和Vishay绿色标准，无卤素。新型VCNL36821S和VCNL36826S现可提供样品并已实现量产，大宗订货供货周期为8-12周。

整流器

1月22日，Vishay推出16款采用eSMP®系列超薄SMP（DO-220AA）封装的新型2A和3A器件，扩充其表面贴装TMBS® Trench MOS势垒肖特基整流器产品。Vishay General Semiconductor整流器反向电压覆盖从45V到200V范围，3A电流等级达到业内SMP封装器件最高水平，显著提高功率密度。

日前发布的整流器2A和3A器件正向压降分别为0.36V和0.37V，可降低商用和工业用高频逆变器、DC/DC转换器、续流二极管和极性保护二极管功耗，提高效率。器件还提供适于汽车应用的AEC-Q101认证版产品。

新型整流器最高工作结温达+175℃，MSL潮湿敏感度等级达到J-STD-020标准1级，LF最高峰值为+260℃器件符合RoHS标准，无卤素。新型TMBS整流器现可提供样品并已实现量产，大宗订货供货周期为八周。

不光人脸识别，AI还能识鸟：欧洲团队首个模型准确率90%

澎湃新闻记者张唯实习生厉安恬

在研究野生动物及其习性时，识别同一物种的不同个体至关重要。近日，来自法国国家科学研究中心、蒙彼利埃大学和葡萄牙波尔图大学等研究团队的科学家开发了首个能够识别鸟类个体的人工智能模型。该模型在识别圈养的斑胸草雀(zebra finch)、野生大山雀(great tit)和野生群居织巢鸟( sociable weaver)个体时，准确率约为90%。

这项研究论文题为“Deep learning‐based methods for individual recognition in small birds”，当地时间7月27日发表在学术期刊《Methods in Ecology and Evolution》上。

该研究的第一作者、法国功能与进化生态学中心（CEFE）André Ferreira博士表示，这项研究表明，即使是人类无法识别出的鸟类个体，计算机也能一致地识别。“我们的技术能克服野生鸟类研究最大的局限之一——准确地识别鸟类个体。”

AI识别出的野生大山雀

利用深度神经网络识别动物个体

个体识别是解决进化生态学中许多问题的关键步骤，科学家们大多使用标签标记动物的方法进行个体识别。这种方法有一定的成效，但是其收集分析数据的时间成本高，对收集数据的环境也有一定的限制。

随着机器学习，尤其是深度学习的进一步发展，克服上述限制来收集大规模数据逐渐成为可能。

Ferreira等人在论文中表示，近年来，卷积神经网络（CNN）等深度学习技术引起了生态学家的关注，它可以自动分析图片、录音等各种形式的数据。

他们介绍，CNN是一种深度神经网络，不同于其他需要手工提取特征的人工智能技术，它可以自动从数据中学习，提取出最适合解决给定分类问题的特征。因此，当需要分类的物种存在多种特征时，CNN的优势便得以凸显。

使用CNN进行个体识别最大的挑战是需要收集大量的数据用于AI训练。为了让CNN能准确识别动物个体，在训练时，研究人员需要在数据库中加入动物不同的姿势、不同的生命阶段等大量照片。

在圈养的环境中，研究人员在拍摄时可以将研究对象暂时与其他种群分开，以便收集数据。但是，这种方法并不适用于野生群落。

生态学研究中，CNN已被应用于在物种层面的动物识别以及例如猪、大象等灵长类动物个体的识别。不过，在此项研究之前，科学家们还未在鸟类等较小动物的个体识别中实践过该技术。

AI识别鸟类个体，能力超越人类

该项目源于André Ferreira博士关于织巢鸟(weaver)个体对群落影响的一项研究。按照常规做法，研究人员需要将彩色标签缠绕在小鸟的腿上，并在鸟巢的附近进行观察。为了节省时间，Ferreira尝试对群落进行录像，但在画面中无法辨别彩色标签。于是，研究团队开始探索利用AI识别鸟类个体。

他们将圈养的斑胸草雀、野生大山雀和野生群居织巢鸟作为研究对象，分别用于研究圈养环境和野生环境下的鸟类个体识别。

研究中最困难的是获取训练系统所需的照片。“我们需要数千张同一个体的照片。不同于收集人类个体的照片，收集动物个体的照片是非常困难的。”Ferreira在接受new scientist网站采访时表示。

为了克服上述挑战，研究人员制作了带有摄像头和传感器的喂食器。研究中，大多数鸟类携带装有被动集成应答器（PIT）的标签。喂鸟器上的天线能够从这些标签中读取鸟的身份并触发摄像头工作。

在野外和圈养环境中自动收集训练数据的示例。（a）Pi摄影机（红色圆圈），用于记录鸟类的后背图像。（b）训练识别群居织巢鸟( sociable weaver)的数据图片示例（c）训练识别大山雀(great tit)的数据图示例。（d）训练识别斑胸草雀(zebra finch)的数据图片示例

收集图像并录入计算机后，计算机使用CNN分析照片，从而识别鸟类。法国国家科学研究中心称，搭载这一深度神经网络的计算机能够根据鸟类的羽毛图案识别出鸟类个体，“这是人类无法做到的”。

收集数据和训练用于个体识别的卷积神经网络的步骤概述

Ferreira指出，在完全无外部标记、无人为操作并不伤害动物的情况下，他们的系统能对动物个体进行自动识别，这是在该研究领域的重大突破。

仅能识别数据库中鸟类，无法应对换羽等外观变化

目前，该系统仍有一定的局限性。例如，训练的数据库仅包含鸟类背部图片，即生态学家在观察动物行为时通常会看到的视图。

Ferreira坦言，他们的模型只能识别数据库中出现过的个体，“如果新的小鸟进入了研究的种群，计算机将无法识别。”

如果鸟类的外观发生变化（例如处在换羽过程中），系统也可能会识别失败。此外，间隔数月拍摄的同一只鸟的图像可能被错误地识别为不同个体。

Ferreira称，他们并不知道AI到底通过什么来识别鸟类。但他认为，如果给定的数据量足够大，就可以解决这些问题。Ferreira和他的团队正在安装更多的摄像头，以便从多个角度拍摄照片。

目前，有许多基于AI的应用程序可以通过图像或声音识别动植物，但它们只能识别物种，而不能识别个体。Ferreira表示，其他团队也正在开发用来识别动物个体的系统，但他们团队开发的系统是“他所知的第一个可以单独识别小鸟的系统”。

这项新技术不仅为生态学家们识别动物个体提供了一种侵入性较小的方法，也为生态学研究带来了新的视角，例如使用AI研究野生动物行为。

“我们希望我们的研究能激励其他研究人员，让他们去探索使用深度学习识别其他动物个体的方法。”研究人员在论文最后写到。

责任编辑：李跃群

校对：刘威