Uno de los mercados de más rápido crecimiento en la industria de semiconductores está siendo impulsado por empresas en el sector de sensores de imagen. Se espera que la tasa de crecimiento anual compuesta (CAGR) para los próximos cinco años sea aproximadamente del 15 %, lo que refleja el fuerte y estable rendimiento de la industria.

Las instalaciones de fabricación de semiconductores existentes se están transformando en plantas de producción de sensores de imagen CMOS (CIS) para satisfacer la creciente demanda de estos sensores y apoyar aún más este floreciente mercado de 25.000 millones de euros. Este crecimiento continuo está impulsado por un campo emergente de gran relevancia: visión por computadora.

La visión por computadora es una disciplina multidisciplinaria que se centra en dotar a las máquinas con la capacidad de comprender la información visual recolectada de su entorno. En esencia, la visión por computadora tiene como objetivo equipar a los sistemas semi-autónomos y totalmente autónomos con la capacidad de discernir y derivar información significativa de imágenes y videos, de igual manera a como los humanos lo hacen con su percepción visual.

Los sensores de imagen –los ojos de las máquinas– desempeñan un papel crucial en la captura de datos visuales que posteriormente son interpretados por algoritmos – el cerebro de las máquinas. Estos algoritmos utilizan una variedad de técnicas y metodologías que abarcan el procesamiento de imágenes, el reconocimiento de patrones, el aprendizaje automático y el aprendizaje profundo.

A medida que la inteligencia artificial (IA) continúa evolucionando rápidamente, su integración con la próxima generación de sensores de imagen permitirá a las máquinas comprender mejor el mundo que las rodea, abriendo paso a innumerables casos de uso y aplicaciones.

Las aplicaciones de visión por computadora abarcan diversas industrias, impulsando soluciones innovadoras y mejorando las capacidades de las máquinas. En el ámbito de la Industria 4.0, sectores como la agricultura, la seguridad, el comercio minorista, la gestión de almacenes y las instalaciones de producción se benefician de estas tecnologías de vanguardia.

Simultáneamente, en la electrónica de consumo, la visión por computadora dota a los dispositivos con funcionalidades novedosas, llevándonos a la era de la realidad extendida.

En el sector automotriz, facilita el desarrollo de sistemas avanzados de asistencia al conductor (ADAS) y vehículos autónomos, permitiéndoles percibir e interpretar con precisión su entorno, contribuyendo así a sistemas de transporte más seguros y eficientes.

Además, en la atención médica, la visión por computadora juega un papel fundamental en el análisis de imágenes médicas, la detección de enfermedades y el monitoreo de la salud, fomentando resultados más seguros y saludables para los usuarios.

Inicialmente, las tareas de visión por computadora dependían en gran medida de los sensores de imagen CMOS estándar de silicio (Si-CMOS), diseñados principalmente para ofrecer imágenes de alta fidelidad para pantallas digitales o formatos impresos, capturando solo luz visible. Sin embargo, estos sensores pronto revelaron limitaciones para liberar completamente el potencial de las máquinas autónomas e inteligentes.

De hecho, los sensores Si-CMOS convencionales enfrentan desafíos cuando se despliegan en entornos exteriores, especialmente en escenarios de sistemas de iluminación activa que enfrentan una alta luz de fondo proveniente del sol. Además, hay situaciones donde la detección de luz visible no proporciona los datos necesarios para tareas de visión por computadora precisas y confiables.

En condiciones de luz desafiantes, como durante la noche o en entornos mal iluminados, la detección de luz visible tiene dificultades para capturar imágenes claras y detalladas. De manera similar, condiciones meteorológicas adversas como la niebla, el humo o la lluvia intensa pueden dispersar y absorber la luz visible, reduciendo la visibilidad y obstaculizando el rendimiento de la visión por computadora.

Además, dado que los sensores Si-CMOS exhiben sensibilidad principalmente en el espectro visible, ciertos objetos presentan desafíos para la clasificación o el análisis, ya que gran parte de la información relevante permanece oculta en esas longitudes de onda.

De hecho, las sustancias y materiales pueden parecer visualmente idénticos utilizando cámaras convencionales o a simple vista, haciendo que su distinción y clasificación parezcan imposibles, ya que la imagen visible se basa únicamente en colores y formas.

Sin embargo, al ser observados a través de longitudes de onda más largas, estas sustancias y materiales revelarían una gran cantidad de información valiosa. En tales casos, la información complementaria proporcionada por tecnologías de detección no visible se vuelve crucial para completar el rompecabezas de datos para los algoritmos de visión por computadora.

Estos desafíos pueden superarse, y las máquinas pueden volverse más confiables, seguras e inteligentes, mejorando sus capacidades de visión mediante la captura de longitudes de onda adicionales más allá de las visibles.

Este avance se puede lograr mediante de sensores de imagen capaces de capturar luz en el infrarrojo cercano (NIR, 700 – 1,000 nm), infrarrojo de onda corta (SWIR, 1,000 – 2,500 nm) e infrarrojo de onda media (MWIR, 2,500 – 8,000 nm).

Reconociendo los beneficios que traería la imagen avanzada, las instituciones públicas y las empresas privadas de todo el mundo han estado trabajando incansablemente para superar sus límites, explorando nuevos materiales y tecnologías de detectores para ampliar su integración en aplicaciones de mercado masivo y en la sociedad en general.

Se espera que las inversiones en infraestructura y en un ecosistema más amplio, que se diferencien de los jugadores establecidos como Asia o Estados Unidos, y que desarrollen una sólida y profunda experiencia en un espacio de aplicación emergente, sean clave para separar a los ganadores de los perdedores en la carrera actual de semiconductores.

***Antonios Oikonomou es CEO de QURVTechnologies.