受生物啟發的光譜適應視覺系統

人臉識別、醫學影像分析、路障識別等一系列機器視覺技術的開發，在自動駕駛、實時視頻分析等各個領域有廣闊的應用前景。傳感器是機器視覺的核心組成部分，既是信息轉換的橋梁，也是數據采集的重要工具。

目前，傳統的機器視覺傳感器技術大多只能感知二維空間和顏色的信息，對三維立體空間、時間、偏振、光譜等更多維的信息的感知仍有一定的挑戰。因此需要開發能更高效提取多維信息的視覺傳感器，以適應動態多變的環境。

近日，香港理工大學教授柴揚團隊的最新研究發表于《自然—電子學》。研究團隊開發了一種仿生光譜適應視覺傳感器，這些仿生傳感器的光譜適應過程僅需要數十微秒，與最先進的高速相機的幀速率相當，將場景的韋伯對比度提高了十倍以上，在強烈的可見光眩光下提高了特征的識別準確率（從33%提高到90%）。

如何在不同的光照條件下精準獲得外部信息，對人類生活和行業發展具有重要意義。在自然界中，一些生物已經進化出了適應性視覺機制。如太平洋鮭魚擁有光譜適應性視覺，可以適應具有不同光譜條件的環境。

在渾濁的內陸溪流，它們會調整其視覺系統的光譜靈敏度曲線，適應紅光偏移的水生環境；而在清澈的開闊海域，其視覺系統則反向調整其光譜靈敏度曲線，適應藍光偏移的光譜分布。這種適應性使鮭魚在光譜特性顯著不同的環境中能清晰看到周圍環境。

受到太平洋鮭魚視覺系統的啟發，柴揚團隊利用仿生光譜適應傳感器的方法，以應對機器視覺系統中遇到的眩光干擾等光照挑戰難題。

自動駕駛汽車、交通監控系統上的機器視覺系統需要在很短的時間內精準識別目標。傳統的視覺傳感器在具有挑戰性的光照環境中精準捕獲和識別光譜特征非常困難。

“機器視覺系統有時既需要識別暴露于強眩光中物體，也需要識別如交通標志上正常可見光攜帶的信息。我們將這一傳感器應用在自動駕駛汽車上的機器視覺系統上,結果表明，光譜適應視覺傳感器能清晰捕獲以上兩種特征，實現了90%的識別準確率。”論文第一作者、香港理工大學博士后歐陽幫森介紹。

論文通訊作者柴揚透露，未來研究團隊將進一步提升視覺傳感器的響應度、動態范圍、響應速度等關鍵性能指標，探索在視覺傳感器中集成更多傳感功能。研究團隊將以制造大規模視覺傳感器陣列及其相應的外圍電路和軟件，開發人工視覺芯片為目標，探索視覺系統的實際應用。

相關論文信息：https://doi.org/10.1038/s41928-024-01208-x

仿生光譜適應視覺傳感器 研究團隊供圖