据Military aerospace网站2023年12月19日报道，光电传感器可以感应各种不同光谱的光，使作战人员能够在夜间观察、探测扰动土层下的路边炸弹、发射中的导弹和海上小型船只。现代光电传感器提供的战场能力正在进行革命性改进，有望增加传感器的探测距离、提高图像分辨率、减少传感器尺寸、重量和功耗（SWaP），并通过人工智能（AI）自动识别目标。

如今的光电传感技术发展趋势是减小数字图像像素尺寸；开发能够在更高温度下传感的革命性新材料；寻找传感器冷却的新方法，以提高探测距离和图像分辨率；并且降低新一代非制冷传感器的SWaP。

更重要的是，光电传感器技术的发展正在将传感器和数字图像处理能力紧密集成，这样不仅可以降低SWaP、增加探测距离和提高分辨率，还可以将人工智能和机器学习算法引入图像处理以实现自动目标识别、混合光谱传感,进而实现多光谱和超光谱传感，以及创建遵循行业标准并提供快速技术插入的传感器和处理器架构。

在这个转折点上，新的传感器设计、数字信号和图像处理的巨大进步、新的高温传感器材料以及越来越小的图像像素，将在夜间、白天、烟雾、霾和恶劣天气中提供前所未有的传感能力。

小像素提高分辨率和范围

缩小像素间距改变了可以在目标上放置的像素数量和分辨率。“小像素间距”可以产生非常大的焦平面阵列，同时提供态势感知和远程性能，尤其是更小的传感器有利于红外搜索和跟踪系统。低像素间距消除时间依赖性的同时不会带来时间延迟。然而，小像素并不总是解决所有电光传感挑战的最佳方案，有时需要较大的像素来捕捉光线。

缩小像素间距也有助于融合不同类型的光电传感器，为作战人员提供更多的态势感知信息。目前的一些趋势是将来自几种不同武器瞄准器和传感器的图像合并，并从任何一种瞄准器中进行观察。例如在长波热条件下叠加DVE（驾驶员视觉增强器）图像，并叠加指挥官或炮手的瞄准器，以更多地掌握态势。像素间距增强带来的其他趋势还包括将射频、微波和其他传感器融合到光电图像上通过多种模式查看战场上的情况。

用于光电传感器的新材料也正在上线，以改善像素间距、SWaP、探测距离和分辨率。Teledyne FLIR正在从碲汞镉和锑化铟转向一种称为应变层超晶格的材料，也称为SLS。这种半导体材料可以在更高的温度下工作，由这些材料制成的传感器也被称为高工作温度（HOT）探测器。这些材料有助于光电传感器将光子直接转换为电子，并用于制造红外焦平面阵列。新材料的优势是更低SWaP以及更小像素，可以实现高清成像。

冷却和热管理

如今，用于高分辨率和远距离的高性能光电传感器仍需冷却以增强探测目标与其背景之间的对比度。而冷却器往往体积大、重量重、价格昂贵，在重要应用中可能是关键的单点故障。

与旧材料制成的传感器相比，新一代HOT探测器本质上需要更少的冷却。如果在更高工作温度下工作，低温冷却器的功率需求就会下降，这会对冷却器的预期寿命产生影响。Teledyne FLIR新的传感器MTBF（平均无故障时间）接近30000小时, 这对军方用户的影响是巨大的。

非制冷传感器

步兵步枪瞄准器等光电传感器应用对尺寸、重量、功耗和成本（SWaP-C）极为敏感。为缩小尺寸、降低成本，这些应用往往需在探测距离和分辨率上妥协。非制冷解决方案需用更大的透镜来弥补其在范围和分辨率方面的相对弱点，以提高感光度。

尽管如此，非制冷探测器仍在进步，提高分辨率和射程。例如，Teledyne FLIR为黑蜂4的无人直升机设计的微测辐射热计相机已经从黑蜂3中的160×12像素探测器升级到黑蜂4中的640×512像素相机。

数字图像处理

目前光电传感器的嵌入式计算数字信号处理能力与传感器本身同样重要，甚至更重要。高级处理技术，如高性能中央处理器（CPU）、现场可编程门阵列（FPGA）、通用图形处理单元（GPGPU）和新一代称为三维异构集成（3DHI）的电路技术，正在协助传感器降低成本、增加范围、提高分辨率，并从每张数字图像中提取出更多的态势感知信息。辅以先进的处理技术，如人工智能、机器学习、新形态处理、基于标准的快速自适应嵌入式计算架构和3DHI，光电传感器设计师可以从数字图像中提取出比以往任何时候都更有用的信息。

从模态的角度来看，信号处理有助于识别和辨认目标。在雷达、以及SIGINT（信号情报）和 COMINT（通信情报）中的被动传感等应用中，信号处理可以促进信息融合。这些传感器需要非常高端的图像和信号处理，以获得尽可能多的信噪比，从而提高信号并消除噪声。

信号处理也有助于系统设计师融合来自光电传感器和射频传感器甚至听觉传感器的信息，以创建一个丰富、深入的战场画面。信号处理混合长波红外、中波红外、短波红外、射频、雷达和其他传感器的信息还可以帮助轨道光电传感器做出困难的预测，例如机动高超音速导弹将撞击何处。

Teledyne FLIR在过去的五、六年里已经开发了嵌入式处理器，能够运行高计算算法进行图像处理，提取更好的夜间图像，这些算法可以获取传感器的原始输出并增强传感器的性能。五年前必须在服务器上运行这些算法，现在可以在无人机或热武器瞄准器、云台或瞄准解决方案的产品中更好运行。例如Jetson Orin处理器，每秒可提供200万亿次操作。

人工智能与机器学习

光电传感器最具革命性的改进之一将涉及人工智能和机器学习。这些技术不仅可以帮助锐化图像、提高探测距离和检测隐蔽物体，还可以帮助传感器获取重要信息。

将人工智能嵌入光电传感器不仅可以帮助识别较小目标，还可以帮助降低部署系统的SWaP。人工智能和成像系统将改进这些传感器，使其更紧凑，并真正实现在相机内部边缘进行处理。

人工智能可以使作战人员以极低延迟实时进行目标检测，而无需考虑电源和热管理问题。人工智能算法可以帮助过滤大气湍流等条件下的噪声，以减少图像中的运动和失真。

人工智能的一个挑战是训练算法来获取正确的数据，尤其是训练人工智能所需的许多军事条件少可实现。而像Teledyne FLIR这样的公司正在创建计算机模型和生成合成数据用于训练人工智能系统。他们可以创建框架，将其转化为红外图像，并使用图形引擎从各个角度和距离观察车辆。将合成数据引入训练是一个重大进步。

人工智能还可以帮助人类收集当今传感器收集的大量有用的数据。现在的趋势是动态范围越来越大，人工智能和机器学习的功能也越来越强。这项工作的重点是基于特征和动力学的自动目标识别。

预测光电传感器的故障和其他问题也是人工智能和机器学习的一项工作。洛马公司正在与英特尔公司合作开发新的形态处理器以实现分布式指挥和控制。在这种处理器中，机载处理器与其他系统相互通信，必要时可以在没有彼此的情况下工作并使系统变得更为智能。

（天津津航技术物理研究所 张雨彤）