Wärmebilddrohne für Jagd & Wildsuche: Leitfaden zur OEM-Nutzlastbeschaffung

Die Integration von Langwellen-Infrarot-Nutzlasten (LWIR) auf unbemannten Luftfahrzeugen (UAVs) hat das moderne Wildtiermanagement, die Beseitigung invasiver Arten und kommerzielle Nachsuchen bzw. Wildbergungsoperationen grundlegend verändert. Die Entwicklung einer leistungsstarken Thermaldrohne für Jagd-, Tracking- und Bergungsanwendungen erfordert die Lösung komplexer systemtechnischer Gleichungen: die Abwägung strenger Größen-, Gewichts- und Leistungsbeschränkungen (SWaP) gegenüber optischer Reichweite, Sensorempfindlichkeit und Echtzeit-Verarbeitungsdurchsatz. Für Luft- und Raumfahrtingenieure, Gimbal-Integratoren und Erstausrüster (OEMs) erfordert die Entwicklung einer effizienten luftgestützten Tracking-Plattform fundierte technische Beherrschung von Thermalkern-Architekturen, Mikrobolometer-Materialwissenschaften, Brennweitenoptiken, Latenzen der digitalen versus analogen Signalübertragung sowie der biologischen Wärmekontrast-Unterscheidung unter dichtem Blätterdach.

Kommerzielle Wildbergungs- und Nachsuche-Einsätze, wie das Aufspüren von erlegtem Weißwedelwild in dicht bewaldeten Gebieten oder das Lokalisieren invasiver Wildschweinrotten in dichtem Unterholz, erfordern Systeme, die in der Lage sind, biologische Niedertemperaturziele von starkem thermischem Umgebungsrauschen (Clutter) zu isolieren. Aus typischen Einsatzhöhen zwischen 50 und 120 Metern über Grund (AGL) kann die Sonneneinstrahlung auf Bodenobjekte wie Steine, offene Erde und umgestürzte Baumstämme extremes Rauschen erzeugen. Die erfolgreiche Unterscheidung von Wildzielen vom Hintergrundrauschen hängt direkt von der Rauschäquivalenten Temperaturdifferenz (NETD) des Mikrobolometers, dem Sensor-Pixel-Pitch, dem momentanen Sichtfeld (IFOV) und den nativen Systemintegrationsprotokollen ab. Dieser technische Leitfaden bietet eine umfassende Analyse zur Auswahl von OEM-Thermalkernen, zur Modellierung optischer Reichweiten anhand der Johnson-Kriterien, zu Abwägungen bei Kommunikationsbussen und zu mechanischen Integrationsrichtlinien für Ingenieure, die Luftüberwachungs- und Bergungsnutzlasten der nächsten Generation entwickeln.

1. Thermophysik & Herausforderungen der Wildtiererkennung im luftgestützten LWIR

Wärmebild-Nutzlasten, die auf Flugplattformen eingesetzt werden, erfassen natürlich emittierte Infrarotstrahlung im langwelligen Infrarotspektrum (LWIR), das von 8 bis 14 Mikrometer (μm) reicht. Anders als Kameras im sichtbaren Spektrum (400–700 nm) oder Nahinfrarotsensoren (NIR) (750–1000 nm), die auf reflektierten Photonenfluss der Umgebung angewiesen sind, wandeln LWIR-Mikrobolometer die spezifische Strahlungsausstrahlung von Zieloberflächen direkt in elektrische Signale um. Diese Funktionsphysik macht Thermalkerne unverzichtbar für die luftgestützte Jagd, das Tracking invasiver Arten und Wildbergungseinsätze bei völliger Dunkelheit oder in unwegsamem Gelände.

Betrachtet man die thermische Realität biologischer Ziele aus der Luft, zeigt sich eine anspruchsvolle radiometrische Umgebung. Die innere Körperkerntemperatur eines Tieres liegt zwischen 37,5 °C und 39,5 °C (310,65 K bis 312,65 K). Im Einsatz erfasst Ihr luftgestützter Sensor diese Kernwärme jedoch nie direkt. Was er tatsächlich detektiert, ist die stark isolierte Außenfläche – eine Grenzschicht aus Winterfell, dicker Fettschicht oder dichtem Gefieder. Das effektive radiometrische Delta (ΔT) eines ausgewachsenen Weißwedelhirsches, Wapitihirsches oder Wildschweins bei Frost ist oft hauchdünn und liegt bei nur 0,5 °C bis 2,0 °C über dem umgebenden Boden und Gestrüpp. Die Auflösung dieses winzigen Temperaturdeltas, ohne das Bild im Sensorrauschen untergehen zu lassen, erfordert eine außergewöhnliche Empfindlichkeit des Focal Plane Arrays.

Umgebungsbedingtes Störrauschen (Clutter) erschwert dieses Problem erheblich. Tagsüber heizt die Sonneneinstrahlung abiotische Objekte mit hoher thermischer Masse wie freiliegende Granitblöcke, trockene Schotterwege, umgestürzte Eichenstämme und stehende Schlammpfützen auf. Am Nachmittag strahlen diese störenden Umgebungselemente mit scheinbaren Temperaturen, die biologische Ziele mühelos übertreffen, und überfluten den Detektor. Noch kritischer ist das als „Thermal Crossover“ bekannte Phänomen. Zweimal täglich – in der Dämmerung bei Sonnenauf- und -untergang – gleicht sich die Bodentemperatur der Strahlungstemperatur des Ziels fast perfekt an. An diesem genauen Schnittpunkt sinkt der Wärmekontrast auf nahezu Null, wodurch Ziele auf Sensoren mit unzureichenden Spezifikationen vollständig unsichtbar werden.

So lassen sich Thermal Crossover und starkes Hintergrundrauschen ingenieurtechnisch beherrschen: Man maximiert das Signal-to-Clutter-Verhältnis (SCR), indem das Grundrauschen des Mikrobolometers minimiert wird. Vanadiumoxid-Dünnschicht-Arrays (VOx) übertreffen herkömmliches amorphes Silizium (α-Si) auf ganzer Linie. VOx bietet einen wesentlich höheren Temperaturkoeffizienten des Widerstands (TCR) und ein deutlich geringeres 1/f-Rauschen. Dies schlägt sich direkt in niedrigeren Werten für die Rauschäquivalente Temperaturdifferenz (NETD) nieder. Industrielle Standardkerne arbeiten typischerweise mit 40 mK bis 50 mK NETD, doch für das hochpräzise luftgestützte Wildlife-Tracking sind Kerne mit Werten von ≤30 mK oder ≤35 mK (bei 25 °C, F/1.0) erforderlich. Ein NETD von ≤30 mK erkennt thermische Deltas bis hinab zu 0,03 °C und verleiht dem Sensor das Auflösungsvermögen, selbst ruhendes Wild aus stark strukturiertem Dickicht hervorzuheben. Integratoren, die die grundlegende Sensorphysik vertiefen möchten, können unsere umfassende Wärmebild-Leitfäden.

Die Durchdringung von Baumkronen stellt die zweite große physikalische Hürde dar. Dichte, überlappende Blätter blockieren LWIR-Emissionen vollständig – es gibt keinen Sensor, der durch massives Holz hindurchsehen kann. Reale Baumkronen weisen jedoch zahlreiche Mikroöffnungen und natürliche Strukturlücken auf. Das Spektralband von 8–14 μm unterliegt beim Durchdringen von Dunst, morgendlichem Bodennebel und leichtem Rauch einer weitaus geringeren atmosphärischen Streuung als sichtbares Licht, da LWIR-Wellenlängen deutlich größer sind als typische Schwebeteilchen in Aerosolen. Kombiniert man ein hochempfindliches ungekühltes VOx-Focal-Plane-Array (FPA) mit dynamischen NUC-Algorithmen (Non-Uniformity Correction) und intelligenter adaptiver Histogrammdehnung, kann die Nutzlast schwache Wärmesignaturen, die durch Lücken im Blätterdach dringen, aus Standard-Suchhöhen zuverlässig erfassen.

2. SWaP-C-Optimierung für luftgestützte Gimbal-Nutzlasten

Einschränkungen bei Größe, Gewicht, Leistung und Kosten (SWaP-C) bestimmen jeden Aspekt eines operativen Multirotors. Jeder Nutzlast-Ingenieur kennt die Faustregel: Jedes einzelne zusätzliche Gramm im Gimbal-Gehäuse erhöht direkt die Stromaufnahme der bürstenlosen Motoren, entlädt die Akkus schneller und verkürzt die Verweildauer in der Luft. Bei der Konstruktion von Bergungs- und Suchnutzlasten aus der Luft ist die Optimierung des Thermalkerns und der zugehörigen Schnittstellenelektronik der wichtigste Ansatzpunkt.

Wird ein Thermalsensor in einem motorisierten bürstenlosen 3-Achsen-Gimbal montiert, bestimmen die mechanischen Masseneigenschaften das erforderliche Motordrehmoment, die Winkelbeschleunigungsgrenzen und die PID-Regelkreisstabilität. Ist zu viel Masse weit entfernt von den Drehachsen konzentriert, steigt das Trägheitsmoment sprunghaft an. Die Gimbal-Steuereinheit muss hohe Antriebsströme in die Motoren einspeisen, nur um die Stabilisierung bei böigem Wind oder dynamischen Flugmanövern aufrechtzuerhalten. Dieser zusätzliche elektrische Strom erzeugt Wärme direkt im versiegelten, wetterfesten Gimbal-Gehäuse, was zu internen Temperaturspitzen führt, die die werksseitigen Kalibrierungstabellen des Mikrobolometers beeinträchtigen.

Die Verschiebung des Schwerpunkts (CoG) ist eine weitere gravierende Konstruktionsfalle. Die für LWIR-Objektive verwendeten optischen Germanium-Elemente (Ge) sind sehr dicht – etwa 5,323 g/cm³. Objektive mit langer Brennweite werden schnell kopflastig. Verschiebt sich der optische Schwerpunkt vor die Nick- und Rollachsen, müssen physische Messing- oder Bleigegengewichte angebracht werden, um die Baugruppe auszubalancieren. Das ist reine parasitäre Masse, die den Flugakku entleert, ohne auch nur ein einziges Pixel an Mehrwert zu liefern. Der Wechsel zu einer kompakten Architektur mit 12 μm Pixel-Pitch ermöglicht es Optikentwicklern, deutlich kleinere und leichtere Germanium-Elemente bei exakt gleicher Winkelvergrößerung einzusetzen, wodurch das Objektivgewicht drastisch reduziert und Ausgleichsgewichte vollständig überflüssig werden.

Die Wärmeabfuhr und elektrische Leitungsführung im Inneren des Gimbal-Kerns erfordern ein akribisches mechanisches Layout. Mikrobolometer reagieren äußerst empfindlich auf ungleichmäßige Erwärmung. Die Ausleseschaltung (Read-Out Integrated Circuit, ROIC), FPGAs (Field Programmable Gate Arrays), Verarbeitungs-ASICs und integrierte Spannungsregler erzeugen im Betrieb allesamt Wärme. Wenn sich diese Wärme ungleichmäßig im Gehäuse staut, führt dies zu thermischen Gradienten über dem Mikrobolometer-Die. Diese Gradienten zerstören das werksseitige Non-Uniformity Correction (NUC)-Profil, erzeugen störendes Fixed-Pattern-Rauschen (FPN) sowie dunkle Vignettierungen an den Bildecken und lösen häufige Verschlusskalibrierungen aus, die den Videostream des Piloten mitten im Flug einfrieren.

In der Praxis lösen wir dies durch dedizierte passive, leitfähige Wärmepfade vom Kerngehäuse direkt zur äußeren Aluminium-Gimbal-Hülle. Die Wahl von Modulen mit extrem geringer Leistungsaufnahme – wie modernen Kernen mit unter 0,7 Watt – reduziert die thermische Last im Gehäuse erheblich. Die Unterstützung eines weiten DC-Eingangsbereichs von 5 bis 24 V vereinfacht die interne Stromversorgungsarchitektur, wodurch sperrige Abwärtswandler entfallen und die Versorgung direkt über geregelte Avionik-Busse des Luftfahrzeugs erfolgen kann.

3. Optik, IFOV und die Johnson-Kriterien für die luftgestützte Wildtiersuche

Die Entwicklung eines luftgestützten Wärmebildsystems für Tracking und Ortung erfordert die Modellierung von optischer Auflösung, Bodenauflösung (Ground Sample Distance, GSD) und Sichtfeld (Field of View, FOV) auf Basis der klassischen Johnson-Kriterien. Die Johnson-Kriterien wurden zur Quantifizierung der optischen Leistung bei der militärischen Zielerfassung entwickelt und definieren die Mindestanzahl aufgelöster Linienpaare über die kritische Abmessung eines Ziels, die erforderlich ist, um bestimmte Wahrscheinlichkeitsstufen (typischerweise 50 %) für Detektion, Erkennung und Identifizierung (DRI) zu erreichen:

• ✅ Detektion (1,5 bis 2,0 Pixel auf dem Ziel): Der Bediener oder der nachgeschaltete Machine-Vision-Algorithmus stellt fest, dass vor dem Hintergrund ein relevantes Objekt oder eine thermische Anomalie vorhanden ist. (z. B. „Am Waldrand ist eine Wärmesignatur vorhanden.“)
• ✅ Wiedererkennung (6,0 bis 8,0 Pixel auf dem Ziel): Der Bediener kann den Objekttyp klassifizieren. (z. B. „Die Wärmequelle ist ein vierbeiniges Tier und kein Felsbrocken, Mensch oder Fahrzeug.“)
• ✅ Identifikation (12,0 bis 16,0 Pixel auf dem Ziel): Der Bediener kann spezifische Details eindeutig identifizieren. (z. B. „Das Ziel ist ein ausgewachsener Weißwedelhirsch mit mehrsprossigem Geweih und keine Hauskuh oder Wildsau.“)

Die mathematische Grundlage der luftgestützten optischen Planung beruht auf dem momentanen Sichtfeld (Instantaneous Field of View, IFOV), das die Winkelabdeckung eines einzelnen Mikrobolometer-Detektorpixels bei einer gegebenen Objektivbrennweite darstellt. Das IFOV wird mit der folgenden Formel berechnet:

IFOV = Pixel-Pitch (p) / Brennweite (f)

Wobei der Pixel-Pitch p in Mikrometern (μm) und die Objektivbrennweite f in Millimetern (mm) angegeben wird, woraus sich die Winkelauflösung in Milliradiant (mrad) ergibt. Wenn der Pixel-Pitch von herkömmlichen 17-μm-Dimensionen auf moderne 12-μm-Architekturen sinkt, wird das resultierende IFOV bei jeder gegebenen Brennweite enger, was eine höhere räumliche Auflösung ohne größere, schwerere Optiken ermöglicht.

Die lineare Bodenauflösung – oft als Ground Sample Distance (GSD) oder Pixel-Footprint bezeichnet – bei einer bestimmten Schrägentfernung oder Flughöhe R (in Metern) wird wie folgt ausgedrückt:

GSD = Entfernung (R) × IFOV

Um die Gesamtzahl der auflösenden Pixel (N) zu bestimmen, die auf die kritische Abmessung (H_c) eines Wildtierziels (typischerweise 0,5 bis 0,75 Meter bei Schalenwild) projiziert werden, lautet die maßgebliche Gleichung:

N = H_c / GSD = (H_c × f) / (R × p)

Betrachten Sie, wie sich diese Formeln bei der Optikauswahl für eine fliegende Nutzlast auswirken. Kurze Brennweiten (z. B. 4,9 mm oder 9,1 mm) bieten ein ultraweites horizontales Sichtfeld (HFOV > 45°), sodass Ihre Drohne bei anfänglichen Rastersuchen große Flächen schnell abfliegen kann. Weitwinklige Optiken führen jedoch zu großen IFOV-Werten (1,31 bis 2,45 mrad), wodurch die Bodenauflösung mit zunehmender Höhe rapide abnimmt. Um die für eine sichere Wildidentifizierung erforderlichen 8 bis 12 Pixel auf dem Ziel zu erreichen, muss eine Drohne mit einem 9,1-mm-Objektiv auf unter 40 Meter AGL sinken – und in dieser geringen Höhe können Downwash und Motorgeräusche das Wild sofort aufscheuchen.

Auf der anderen Seite verengen mittlere bis lange Brennweiten (wie 19 mm, 25 mm oder 35 mm) das IFOV auf 0,63 bis 0,34 mrad. Dieser gestochen scharfe Winkel-Footprint ermöglicht es Ihnen, feine Körperkonturen und Geweihspitzen aus sicheren Abstandsflughöhen von 80 bis 120 Metern AGL aufzulösen, ohne am Boden Geräusche zu verursachen. Diese optischen Prinzipien spiegeln die Perimeter-Modellierungsstandards wider, die in industriellen High-End-Systemen von Herstellern wie Axis Communications und Bosch Security Systemseingesetzt werden, die sich bei kritischen Überwachungsbereichen auf dieselben geometrischen Formeln stützen.

4. Videoschnittstellen, Latenz und Verarbeitungspipelines

Bei luftgestützten Tracking- und dynamischen Wildbergungseinsätzen entscheidet die Videolatenz über die gesamte Payload-Pipeline über Erfolg oder Misserfolg der Mission. Eine hohe Latenz unterbricht den Regelkreis des Piloten. Wenn Sie bei 15 m/s Fluggeschwindigkeit über dichtem Baumbestand ein Gimbal mit 150 ms Verzögerung schwenken, schießen Sie ständig über Ziele hinaus, kämpfen gegen die Steuerknüppel an und verlieren flüchtige Wärmesignaturen aus den Augen. Ihre Hardwareschnittstelle definiert die absolute Untergrenze für Latenz, Verarbeitungs-Overhead und die nachgelagerte KI-Integration.

So schneiden die primären Schnittstellenarchitekturen in realen luftgestützten Hardware-Aufbauten ab:

Analoges CVBS (Composite Video Baseband Signal): Analoges CVBS bleibt ein bewährtes Arbeitstier in spezialisierten luftgestützten Tracking-Systemen. Die direkte Einspeisung von unkomprimiertem analogem Videosignal (NTSC/PAL) in einen bordseitigen 5,8-GHz-Analog-VTX ermöglicht eine praktisch verzögerungsfreie Übertragung mit einer Glass-to-Glass-Latenz von unter 20 Millisekunden. Dieses verzögerungsfreie Ansprechverhalten ist ideal für die manuelle Steuerung und das schnelle Gimbal-Tracking bei dichter Bodenbedeckung. Vollständige Pinbelegungstabellen, Informationen zur Impedanzanpassung sowie Richtlinien zur Hardware-Verdrahtung finden Sie in unserer dedizierten Referenz zu analogen Videointegration von CVBS-Wärmebildkameramodulen.

MIPI CSI-2 (Mobile Industry Processor Interface): MIPI CSI-2 ist die erste Wahl für den Aufbau von Edge-AI-Thermalplattformen. Es stellt eine serielle Hochgeschwindigkeits-Multilane-Chip-to-Chip-Verbindung direkt zwischen dem Mikrobolometersensor und einem integrierten Companion-Computer (wie NVIDIA Jetson Orin Nano/NX, Rockchip RK3588 oder Raspberry Pi CM4) her. MIPI überträgt unkomprimierte, vollradiometrische digitale 14-Bit- oder 16-Bit-Frames mit einem Schnittstellen-Overhead im Sub-Millisekundenbereich. Diese direkte Verbindung ermöglicht es Edge-AI-Modellen, Objekterkennung und Tracking in Echtzeit auf Basis von Roh-Temperaturdaten auszuführen, noch bevor eine verlustbehaftete Videokompression erfolgt.

USB Video Class (UVC): UVC über USB 2.0/3.0 bietet eine unkomplizierte, treiberlose Verbindung für Linux- und Android-Companion-Boards. Standardmäßige V4L2-Stacks (Video4Linux2) und OpenCV-Pipelines ermöglichen eine schnelle Inbetriebnahme. Allerdings verursachen die Pufferung des USB-Host-Controllers und das Kernel-Stack-Handling typischerweise eine Latenz von 40 bis 70 ms – ausreichend für langsame Vermessungsraster, jedoch spürbar träge für schnelles manuelles Tracking.

Industrielles digitales Basisband (BT.656, BT.1120, SDI, CameraLink): Diese digitalen Schnittstellen sind in hochauflösende Imaging-Engines wie die HR-1280 integriert und übertragen unkomprimiertes digitales Video über dedizierte parallele oder serialisierte Kanäle. Sie sind Standard in Heavy-Lift-Gimbals, bei denen Rohvideoströme direkt in FPGA-Videoverarbeitungsblöcke eingespeist werden, um eine Echtzeit-Sensorfusion zu ermöglichen – die nahtlose Überlagerung von hochauflösendem sichtbarem Licht mit HD-LWIR-Thermalströmen.

5. Architekturbewertung: 640×512 vs. 1280×1024 Sensorarchitekturen

Die Wahl zwischen einem Standard-640×512-Core und einem ultrahochauflösenden 1280×1024-Thermal-Core ist eine der kritischsten Architekturentscheidungen beim Payload-Design. Diese Entscheidung beeinflusst das optische Packaging, den Prozessor-Overhead, den Massenausgleich des Gimbals sowie die gesamte Sucheffizienz.

Ein nativer 1280×1024-Core bietet 1.310.720 aktive Pixel pro Frame – exakt die vierfache räumliche Auflösung eines herkömmlichen 640×512-Arrays (327.680 Pixel). Dieser vierfache Dichtevorteil bietet Teams für luftgestütztes Tracking und Bergung zwei entscheidende operative Vorteile:

Erstens liefert der 1280×1024-Sensor bei identischen Flughöhen und Brennweiten das doppelte lineare Sichtfeld (horizontal und vertikal) bei exakt derselben Ground Sample Distance (GSD). Dadurch vervierfacht sich die in einem einzigen Überflug erfasste Bodenfläche. Für kommerzielle Betreiber, die Hunderte Hektar Waldfläche mit begrenzten Batteriekapazitäten scannen, verkürzt diese vierfache Abdeckung die Flugzeiten um bis zu 75 %.

Zweitens: Wenn Sie das gleiche Sichtfeld beibehalten möchten, indem Sie die Brennweite des Objektivs am 1280×1024-Core verdoppeln, erzielen Sie die doppelte optische Vergrößerung und das halbe IFOV. Dadurch kann das Luftfahrzeug in doppelter Höhe fliegen (z. B. 120 Meter AGL statt 60 Meter AGL), während dieselbe Anzahl auflösender Pixel auf ein Tier am Boden trifft. Durch die größere Höhe bleibt das Motorgeräusch völlig unhörbar, was verhindert, dass ruhendes Wild bei der Zählung aufgescheucht wird.

Es müssen jedoch deutliche Kompromisse berücksichtigt werden. Das größere 1280×1024-Sensordie erfordert Germanium-Optiken mit größerer freier Apertur, was die Payload-Masse erhöht. Darüber hinaus erfordert das Streamen radiometrischer 1280×1024-Rohdaten bei 50 Hz eine Rohbandbreite von etwa 1,05 Gbps über den Bus, was Highspeed-MIPI-/BT.1120-Lanes, höhere FPGA-Leistung und ein durchdachtes thermisches Design verlangt. Für ultraleichte Plattformen bleibt ein 640×512-Core wie der MD-64CA – mit einem Gewicht von nur 23,1 g und einer Leistungsaufnahme von unter 0,7 W – die bevorzugte Wahl für Mikro-Gimbals und Flugsysteme unter 2 kg, bei denen die Flugdauer entscheidend ist.

6. OEM-Beschaffung: Technische Produktspezifikationen & Leistungsprofile

Für Systemingenieure und Payload-Integratoren, die industrietaugliche LWIR-Cores evaluieren, bietet der folgende Abschnitt detaillierte Architekturanalysen und Betriebsparameter für zwei führende Module aus dem Camcuda-Produktkatalog.

Produktprofil 1: HR-1280 1280×1024 ungekühltes LWIR-Wärmebildmodul

Die HR-1280 ist ein fortschrittlicher, ultrahochauflösender Wärmebild-Core, der speziell für Entwicklungsteams entwickelt wurde, die Highend-Enterprise-UAV-Payloads, Plattformen für die Weitbereichssuche und -bergung sowie industrielle Bildverarbeitungssysteme konstruieren. Basierend auf einem ungekühlten Vanadiumoxid-Focal-Plane-Array (VOx) mit einem Pixelpitch von 12 μm und einer nativen Auflösung von 1280×1024 erfasst der HR-1280 feine thermische Details, die Cores mit geringerer Auflösung entgehen.

Das Modul arbeitet im Spektralbereich von 8–14 μm mit einer flüssigen Bildwiederholrate von 50 Hz und verfügt über eine thermische Empfindlichkeit von ≤35 mK (bei 25 °C, F#1.0). Diese Empfindlichkeit ermöglicht die Erkennung schwacher biologischer Wärmesignaturen unter partiellem Blätterdach und bei anspruchsvollen Umweltbedingungen. Der Core wiegt nur 68 Gramm (ohne Objektiv) und besitzt ein kompaktes 35×35×35-mm-Gehäuse, wodurch er sich ideal für die Integration in mehrachsige Luftfahrt-Gimbals eignet.

Der HR-1280 bietet umfassende industrielle Schnittstellenunterstützung, darunter digitale Basisbandausgänge wie BT656, BT1120, SDI und CameraLink, kombiniert mit seriellen Kommunikationsbussen wie RS232, RS485 und RS422. Mit einem weiten Eingangsspannungsbereich von 5 bis 24 V DC fügt er sich nahtlos in die elektrische Architektur von Industriedrohnen ein. Die optische Flexibilität wird durch eine breite Palette an Werks-Objektivoptionen gewährleistet (9 mm, 13 mm, 19 mm, 25 mm, 35 mm, 50 mm, 75 mm und 100 mm). (Hinweis: Analoger CVBS-Ausgang wird nicht nativ unterstützt; analoge Anforderungen sollten während der RFQ-Planung geprüft werden. NDAA-Konformitätserklärungen sind auf Anfrage erhältlich.)

Produktdetails & Preise anzeigen ➔

Produktprofil 2: MD-64CA 640×512 ungekühltes VOx-Wärmebildkameramodul

Die MD-64CA ist ein ultrakompakter, leichter Wärmebild-Kameracore, optimiert für SWaP-begrenzte Flugplattformen, Jagddrohnen unter 2 kg, Mikro-Gimbalsysteme und latenzarme Tracking-Payloads. Ausgestattet mit einem ungekühlten VOx-Mikrobolometer-Array mit 640×512 Pixeln, einem Pixelpitch von 12 μm und einer Bildwiederholrate von 50 Hz liefert der MD-64CA eine hohe Bildleistung bei einem Gewicht von nur 23,1 Gramm und einer Leistungsaufnahme von weniger als 0,7 Watt im Dauerbetrieb.

Mit einer thermischen Empfindlichkeit von ≤30 mK (F1.0) zeichnet sich das MD-64CA bei der Auflösung kontrastarmer Wildtierziele während thermischer Crossover-Phasen aus. Es unterstützt einen Eingangsspannungsbereich von 5 bis 24 V DC und einen Betriebstemperaturbereich von -20 °C bis +60 °C. Der Kern bietet flexible Ausgangsschnittstellen und unterstützt analoges CVBS-Video für eine latenzarme Übertragung (<20 ms Referenzverzögerung) sowie digitale USB UVC- und MIPI CSI-2-Pipelines zur Integration mit Companion-Edge-AI-Single-Board-Computern.

Das MD-64CA verfügt über eine werkseitig installierte Fixfokus-Optik, die während der Produktion justiert wird, um die optische Boresight-Stabilität unter Flugvibrationen zu gewährleisten. Die folgende Tabelle zeigt die werkseitigen optischen Konfigurationen und die berechneten Zielreichweiten nach den Johnson-Kriterien für ein Standard-Mensch-/Großwild-Ziel (1,8 × 0,5 × 0,3 m):

Hinweis: Die 4,1-mm-Ultraweitwinkel-Objektivoption ist auf Anfrage erhältlich; das endgültige Sichtfeld (FOV) und mechanische Zeichnungen werden bei der Angebotserstellung bestätigt. Die Distanzschätzungen stellen mathematische Berechnungen nach den Johnson-Kriterien unter Standard-Atmosphärentransmission dar.

Produktdetails & Preise anzeigen ➔

7. Systems Engineering & Integrations-Checkliste

Vor der Freigabe von Leiterplatten-Fertigungsserien, der spanenden Bearbeitung von Gimbal-Gehäusen oder der Abzeichnung von OEM-Bestellungen sollten Engineering-Teams diese detaillierte System-Checkliste abarbeiten:

1. 1. Validierung von Optik und Missionsflugprofil:
   • ⚙️ Strikte Einsatzflughöhen-Profile festlegen (z. B. 40–60 m AGL zur Dickichtdurchdringung vs. 100–120 m AGL für Übersichtserfassungen aus der Distanz).
   • ⚙️ GSD-Zielwerte (Ground Sample Distance) überprüfen, um sicherzustellen, dass die Identifikationsschwellen der Johnson-Kriterien für Ihre Zielspezies eingehalten werden.
   • ⚙️ Optische Brennweiten auswählen und arretieren (9,1 mm für breite Flächenabdeckung vs. 19 mm/35 mm für Tierverfolgung aus großer Distanz).
   • ⚙️ Sicherstellen, dass für die Germanium-Optikelemente harte Diamond-Like-Carbon-Außenbeschichtungen (DLC) spezifiziert sind, um Staub, Rotorabwind und Regen standzuhalten.
2. 2. Gimbal-Mechanik und Thermomanagement:
   • ⚙️ Gesamtschwerpunkt (CoG) für Kern, Montagehalterungen und Optik über die Nick-, Roll- und Gierachsen (Pitch, Roll, Yaw) berechnen.
   • ⚙️ Direkte Wärmeableitung vom Kernchassis zum äußeren Aluminium-Gimbal-Rahmen auslegen, um einen Wärmestau an der FPA zu verhindern.
   • ⚙️ Mechanischen Freiraum für nach hinten austretende Flachbandkabel, hochflexible Kabelbäume und Silikon-Schwingungsdämpfer sicherstellen.
   • ⚙️ Gesamte Nutzlastmasse anhand der Drehmomentkurven der bürstenlosen Motoren überprüfen, um eine Motorsättigung bei schnellen Gierbewegungen (Yaw) des Fluggeräts zu verhindern.
3. 3. Stromversorgung und Signal-Schnittstellenintegrität:
   • ⚙️ Stabilität des Versorgungsbusses (5–24 V DC) prüfen und sicherstellen, dass die Versorgungsrestwelligkeit unter 30 mVp-p bleibt, um Ausleserauschen des Mikrobolometers zu verhindern.
   • ⚙️ Videopipeline auswählen: Analoges CVBS (<20 ms Latenz), MIPI CSI-2 (radiometrische Rohdaten für KI-Erkennung) oder digitales Basisband (SDI/BT1120).
   • ⚙️ Serielle Steuerleitungen (UART/RS232/RS485) definieren, um Befehle für Palettenumschaltung, Digitalzoom und manuellen NUC-Shutter zu senden.
   • ⚙️ Dedizierte Kupferabschirmung und Gleichtaktdrosseln implementieren, um Nutzlast-Videoleitungen gegen ESC-Schaltrauschen und Motor-EMI zu isolieren.
4. 4. Regulatorische Konformität, Software & Lieferkette:
   • ⚙️ Regionale Exportkontrollvorschriften (ITAR, EAR-Dual-Use, zivile 50-Hz-Ausnahmen) für die Ziel-Einsatzgebiete prüfen.
   • ⚙️ OEM-NDAA-Konformitätszertifikate, Herkunftsnachweise und mechanische 3D-STEP-Modelle einholen.
   • ⚙️ Treiberkompatibilität der Host-Software überprüfen (Linux V4L2, ROS-Knoten, OpenCV oder herstellerspezifische C/Python-SDKs).

8. Deep-Dive: Häufig gestellte Fragen