▲罗克韦尔Predictive Quality预测分析程序示例
虚拟传感器案例：2021 年，西门子开发了一种微型边缘计算机，可以连接到资产（例如电机）并帮助计算虚拟传感器值。例如，可以通过将最新的运行电机数据输入数字模型来实时计算温度。此操作既不需要现场温度计也不需要任何其他实际传感器读数，因为它依赖于机器状态参数和电机的虚拟模型。
▲西门子的微型虚拟传感器（图中红框白色设备）
4、围绕传感器融合的创新（尤其是自动驾驶）
传感器是自动驾驶汽车的重要组成部分，因为它们为汽车提供有关其周围环境的信息。车辆的车载计算机使用此信息来导航和做出决策。自动驾驶的三个关键传感器包括 LiDAR（激光雷达）、雷达（毫米波、超声波等）和 3D 相机（图像传感器）。
奔驰、宝马、沃尔沃和通用汽车等主要汽车制造商已选择激光雷达作为自动驾驶核心传感器。
此前（2021 年之前），特斯拉主要依赖雷达技术。然而，最近该公司通过在 2021 年从 Model 3 和 Model Y 中移除雷达，随后在2022 年从 Model S 和 Model X 中移除雷达，开始向 Tesla Vision（基于摄像头的视觉系统）过渡。
索尼、Mobileye 和 Waymo等公司目前正专注于物联网传感器技术创新，将摄像头与激光雷达、毫米波&超声波雷达等其他传感技术相结合，以改进其自动驾驶解决方案的图像分析。
由于相机、雷达和 LiDAR 感知环境的不同特征，这种组合背后的算法（也称为“传感器融合”或“冗余”）是为系统提供更丰富的数据模型来决定行动方案或计算输出。
总的来说，自动驾驶汽车中的传感器协同工作以提供车辆周围环境的完整图像，使其能够做出安全高效的驾驶决策。
应用案例：索尼依靠使用带有 LiDAR 或雷达的摄像头来执行自动驾驶应用中的物体识别任务。例如，该公司目前正在研究一种结合摄像头和雷达的解决方案，这种组合可能有利于在夜间识别人和车辆。摄像头和 LiDAR 组合有利于停车辅助功能，这需要高度精确的距离测量。
▲索尼自动驾驶传感器融合技术
“只有当所有技术部件都构建为一个集成系统时，自动驾驶汽车才会成功，从而实现其所有部件之间的协同作用。构建从硅片到自动驾驶系统的全栈流程是一项艰巨的任务——这正是 Mobileye 着手做的事情。”Mobileye 首席执行官兼创始人 Amnon Shashua 教授
5、生物传感器日趋成熟（主要用于医疗保健应用）
生物传感器和一次性传感器技术近年来已经成熟，并已被医疗保健行业采用。生物传感器研究的最新突破表明，该技术在一些领域已接近大规模商用水平。
生物传感器是生物元件与被测分析物相互作用，换能器将生物反应转化为电信号。根据其应用场景，生物传感器也常常称为免疫传感器（immunosensors）、光极（optrodes）、共振镜（resonant mirrors）、化学金丝雀（chemical canaries）、生物芯片（biochips）、血糖仪（glucometers）或生物计算机（biocomputers）。
应用案例：雅培Abbott FreeSTyle Libre是商业化最广的血糖监测生物传感器解决方案之一。FreeStyle Libre 系统目前在全球拥有超过 300 万用户。2022 年第二季度，Abbot报告称FreeStyle Libre 系统的销售额有机增长超过 25%。
▲雅培Abbott FreeSTyle Libre血糖监测传感器
此前，传出消息称，著名消费电子巨头苹果公司，在无创式血糖传感器的研发上取得巨大突破，未来有望在可穿戴设备上进行血糖监测，详细信息参看《苹果手表能测血糖了？！》
结语
过去一年中，全球传感器里有三分之一的出货量来自物联网领域的传感器，可见物联网已经成为传感器最重要的应用领域之一，物联网市场对传感器来说越来越重要。
在物联网传感器中，更加智能化、更加节能化（甚至自供电）、软传感器&虚拟传感器增多、传感器融合、生物传感器更加成熟是报告中提出的5大传感器技术发展趋势。
这些趋势，均与未来传感器在物联网中发挥的更大作用息息相关。譬如更加成熟的生物传感器，将使我们居家健康检测成为可能，尤其是无创式血糖传感器技术，以及微型可穿戴压力传感器技术等， 将革新个人健康监测，创造数以百万计的新需求。
未来，物联网仍将是传感器最广阔的市场之一，尤其是结合我国数字中国等政策支持，值得许多传感器厂商基于自身的传感器技术优势，去开发新的用例，去定义新的产品。
您对本文有什么看法？欢迎在传感器专家网本内容底下留言讨论，或在中国最大的传感社区：传感交流圈中进行交流。
,
