1. 量产校准工程导入
在手机、汽车、安防与工业视觉等应用中，图像传感器的“成像质量”并不只由像素阵列和读出电路决定。同一片晶圆上相邻的两颗传感器，可能因为工艺漂移、微透镜偏心、滤色片厚度差异、读出通道增益失配等原因，输出明显不同的图像。onsemi（安森美）的图像传感器产品线覆盖了从消费级到车规级的广泛场景，其量产校准工程的核心任务，就是在出厂前把这种“个体差异”压缩到可接受范围内，使每一颗传感器都能在系统端稳定输出可预期的图像。
onsemi图像传感器产品线概览
onsemi的图像传感器大致可分为几类：面向汽车与工业的AR/AS系列（如AR0234、AR0820等），强调高动态范围（HDR）、LED闪烁抑制（LFM）与功能安全；面向机器视觉与扫描的PYTHON系列，强调全局快门与高帧率；面向消费与安防的各类CMOS传感器，强调低照度与成本平衡。不同产品线的校准重点并不相同：车规传感器更关注温漂、HDR合成与LFM参数的一致性；工业全局快门传感器更关注暗电流、坏点与响应线性度；消费类则更关注白平衡、色彩还原与镜头阴影校正。
这些差异决定了量产校准不是一套固定脚本，而是一组可配置的校准项集合。理解产品线定位，是判断“哪些参数必须校准、哪些可以放宽”的前提。
量产校准在制造流程中的位置
图像传感器的制造流程通常包括：晶圆制造 → 晶圆测试（CP）→ 切割与封装 → 封装后测试（FT）→ 模组组装（如摄像头模组）→ 模组校准与终检。量产校准主要发生在封装后测试与模组校准两个阶段。封装后测试阶段可完成部分与芯片内部电路相关的校准，如暗电平、列增益、坏点映射；模组校准阶段则结合镜头、红外滤光片等光学元件，完成镜头阴影校正（LSC）、白平衡、色彩矩阵、自动曝光目标等系统级校准。
校准数据通常写入传感器的OTP（一次性可编程存储器）或模组EEPROM，系统端在启动时读取并加载。因此，校准不仅是“测”，更是“测—算—写—验”的闭环。任何一环出错，都会导致系统端图像异常。
校准不良导致的典型失效案例
校准不良在系统端往往表现为“看起来像算法问题”的图像异常。以下是几类典型失效：
- 暗电平校准漂移：暗电平未随温度补偿，高温下黑区出现明显偏色或噪点抬升。系统端表现为暗处发紫或发绿，自动白平衡难以收敛。
- 镜头阴影校正（LSC）错误：LSC网格与镜头不匹配，画面四角出现亮度不均或色偏。在均匀白墙场景下，四角亮度可能比中心低20%以上，或出现明显的红蓝分离。
- 坏点映射遗漏：部分坏点未写入OTP，系统端在暗光下出现固定亮点或暗点，经降噪算法放大后形成“蠕虫”状伪影。
- 白平衡增益错误：色温估计偏差导致整体偏黄或偏蓝，尤其在混合光源下，肤色还原明显失真。
- HDR合成参数不一致：长短曝光比未校准，高动态场景下过渡区域出现色带或亮度跳变。
这些案例的共同点是：问题在模组端可能并不明显，但在系统端经过ISP处理后被放大。因此，量产校准必须建立“系统端视角”的验收标准，而不仅是看校准工位上的原始数据。
课程目标与学习路径
本课程的目标是让学员能够独立完成onsemi图像传感器量产校准的方案设计、参数配置、数据验证与异常排查。学习路径分为四个阶段：
- 基础认知：理解传感器产品线、制造流程与校准项分类，建立“校准—存储—加载—系统表现”的链路意识。
- 校准原理与参数：掌握暗电平、列增益、坏点、LSC、白平衡、色彩矩阵、HDR合成等核心校准项的物理意义与计算方法。
- 工位实操与数据管理：学习校准工位的硬件连接、光源与测试图卡配置、校准脚本执行、OTP/EEPROM写入与校验。
- 异常分析与良率提升：通过失效案例、数据统计与根因分析，定位校准不良来源，推动工艺与测试优化。
量产校准工程不是孤立的测试工序，而是连接芯片设计、封装工艺、模组组装与系统成像的桥梁。理解这座桥梁的每一段，才能在面对良率波动或客户投诉时，快速判断问题出在“校准本身”还是“校准之外”。