核心硬件选型:MLX90640与AMG8833传感器对比

做热成像系统,第一步就是选传感器。说白了,传感器就是系统的眼睛。眼睛不好使,后面算法再牛也白搭。

市面上常见的热成像传感器就那么几款。我重点说说MLX90640和AMG8833。这两款我都用过,踩过坑,也总结出一些经验。

AMG8833:入门级选手

AMG8833是日本松下出的。分辨率只有8×8,也就是64个像素点。你想想看,64个点能看出什么?大概能分辨出一个人形轮廓,但细节就别想了。

我记得第一次用AMG8833做项目,想检测电路板上哪个元件发热。结果呢?只能看到一团模糊的热区,根本定位不到具体元件。后来我换了个思路,用它做人体存在检测,效果反而不错。

AMG8833的优势:

  • 价格便宜,几十块钱就能买到
  • I2C接口,接线简单
  • 功耗低,适合电池供电
  • 开发资料多,Arduino库很成熟

AMG8833的劣势:

  • 分辨率太低,8×8基本只能看个大概
  • 视场角固定,不能调
  • 帧率只有10fps,移动物体容易拖影
我的建议:如果你只是做个人体感应开关,或者教学演示,AMG8833够用了。但要做正经的热成像分析,还是上MLX90640吧。

MLX90640:专业级选择

MLX90640是迈来芯(Melexis)的产品。分辨率32×24,一共768个像素点。比AMG8833高了整整12倍。我做过对比测试,同样距离看一个人,MLX90640能看出手指温度,AMG8833只能看到一团。

我在项目中遇到过一个问题:MLX90640有两个版本,标准版和医疗版。医疗版精度更高,但价格也贵一倍。如果不是做医疗设备,标准版完全够用。

MLX90640的优势:

  • 32×24分辨率,768个测温点
  • 精度±1.5℃,医疗版可达±1℃
  • 帧率可选,最高64fps
  • I2C接口,兼容性好

MLX90640的劣势:

  • 价格贵,大概200-300元
  • 数据处理量大,需要一定算力
  • 对电源纹波敏感,需要做好滤波
核心对比:MLX90640的像素数是AMG8833的12倍,但价格只有3-4倍。从性价比角度看,MLX90640明显更优。除非你的预算实在紧张,否则我建议直接上MLX90640。

传感器选型对比表

参数 AMG8833 MLX90640
分辨率 8×8 (64像素) 32×24 (768像素)
视场角 60°×60° 55°×35° 或 110°×75°
测温范围 0℃~80℃ -40℃~300℃
精度 ±2.5℃ ±1.5℃
帧率 10fps 0.5~64fps
接口 I2C I2C
参考价格 50~80元 200~300元

主控选型:树莓派 vs Jetson Nano

传感器选好了,接下来就是主控。说白了,主控就是大脑。传感器采集到的原始数据,需要主控来处理、分析、传输。

我做过两个方案:一个用树莓派4B,一个用Jetson Nano。两者各有千秋,看你的具体需求。

树莓派4B:轻量级首选

树莓派4B,四核Cortex-A72,1.5GHz,4GB内存。这个配置跑MLX90640的数据处理绰绰有余。我实测过,读取传感器数据、做温度校准、生成伪彩色图像,CPU占用率不到30%。

树莓派的优势在于生态。Python库一应俱全,GPIO口直接接传感器,不用额外转接板。我曾经用树莓派加MLX90640,三天就搭出了一个原型系统。

树莓派4B的优势:

  • 价格便宜,4GB版本约400元
  • 生态成熟,资料多,社区活跃
  • GPIO直连传感器,方便
  • 功耗低,5V/3A供电即可

树莓派4B的劣势:

  • 算力有限,做不了复杂图像处理
  • 没有GPU加速,视频编码慢
  • 内存只有4GB,跑大模型吃力

Jetson Nano:高性能方案

Jetson Nano是英伟达出的。四核Cortex-A57,4GB内存,关键是带128个CUDA核心的GPU。如果你要做实时热成像视频流,或者跑深度学习模型做温度异常检测,Jetson Nano是更好的选择。

我记得有一次项目要求实时检测生产线上的温度异常。用树莓派做,帧率只能跑到15fps,而且CPU满载。换成Jetson Nano后,帧率直接飙到30fps,还能同时跑一个简单的CNN模型做异常检测。

Jetson Nano的优势:

  • GPU加速,适合图像处理和AI推理
  • 算力强,可以同时处理多路传感器
  • 支持CUDA,可以跑深度学习模型

Jetson Nano的劣势:

  • 价格贵,约800-1000元
  • 功耗高,需要5V/4A供电
  • 散热是个问题,必须加风扇
  • 开发环境配置复杂
避坑指南:我曾经在Jetson Nano上踩过一个坑——电源。Jetson Nano对电源质量要求很高,用劣质电源会导致随机死机。后来我换了官方推荐的5V/4A电源,问题才解决。记住,别在电源上省钱。

主控选型建议

怎么选?我给出一个简单的判断标准:

  • 如果只是做热成像数据采集、显示、上传,树莓派4B足够了
  • 如果要实时处理视频流、做AI分析,上Jetson Nano
  • 如果预算有限,树莓派是性价比之选
  • 如果追求性能,Jetson Nano不会让你失望

电源模块设计

电源设计,嗯,这里要注意。很多初学者觉得电源不就是接个充电宝吗?其实没那么简单。传感器、主控、无线模块,每个对电源的要求都不一样。

电源需求分析

先算算总功耗。以MLX90640加树莓派4B为例:

  • 树莓派4B:约3W(5V/600mA)
  • MLX90640:约0.1W(3.3V/30mA)
  • WiFi模块:约0.5W(3.3V/150mA)
  • 其他外设:约0.5W

总功耗大约4W。如果使用Jetson Nano,功耗会飙升到10W左右。

电源方案对比

方案 适用场景 优点 缺点
USB供电 固定安装、实验室 简单、稳定 需要插座,不灵活
锂电池供电 便携、移动场景 灵活、可移动 需要充电管理,续航有限
PoE供电 工业、远程部署 数据与电力同线 需要PoE交换机

电源设计要点

我个人习惯用锂电池方案。这里有几个要点:

  1. 电压转换:锂电池电压3.7V~4.2V,需要升压到5V给树莓派供电。我推荐用MT3608升压模块,效率高,纹波小。
  2. 电源滤波:MLX90640对电源纹波敏感。我一般在传感器电源引脚加一个10μF电解电容和一个0.1μF陶瓷电容。
  3. 过流保护:加一个自恢复保险丝,防止短路烧坏主控。
  4. 电量监测:用MAX17048电量计芯片,可以实时查看电池剩余电量。
核心经验:电源设计时,一定要把模拟部分和数字部分分开供电。传感器是模拟器件,主控是数字器件。混在一起供电,数字噪声会耦合到传感器,导致测温不准。我吃过这个亏,后来老老实实加了两个LDO。

电源模块电路示例

# 电源模块连接示意
# 锂电池 (3.7V) → MT3608升压模块 (5V) → 树莓派5V输入
#                                    → AMS1117-3.3V → MLX90640 VDD
#                                    → AMS1117-3.3V → WiFi模块 VCC

# 滤波电容配置
# MLX90640 VDD引脚: 10μF电解电容 + 0.1μF陶瓷电容
# 树莓派5V输入: 100μF电解电容 + 10μF陶瓷电容

知识体系结构图

热成像系统核心硬件选型知识体系 传感器选型 AMG8833 (8×8) MLX90640 (32×24) 主控选型 树莓派4B Jetson Nano 电源模块设计 USB供电方案 锂电池供电方案 PoE供电方案 电源滤波设计 系统集成:传感器 + 主控 + 电源 选型原则:根据应用场景、预算、性能需求综合权衡 推荐组合:MLX90640 + 树莓派4B + 锂电池供电(性价比之选)
我的最终建议:如果你是第一次做热成像系统,我推荐MLX90640加树莓派4B的组合。这个方案性价比最高,开发资料多,遇到问题容易找到解决方案。电源用5V/3A的USB适配器就行,先别折腾锂电池,等系统调通了再考虑便携方案。

公众号:蓝海资料掘金营,微信deep3321