近期，色情网 唐为华教授团队在国际著名学术期刊《Advanced Functional Materials》（影响因子19.0）上发表了题为“Owl-Inspired Neuromorphic Vision Sensor with Highly-Sensitive Ultraweak Deep-Ultraviolet Light Detection in Dim Environments”的研究成果，论文第一作者为2022级博士研究生奚昭颖。该研究受猫头鹰视网膜启发，基于锡掺杂氧化镓（Sn:Ga2O3）多晶薄膜，成功研制出一种具备硬件级伽马校正功能的神经形态视觉传感器，有效解决了微弱光环境下图像信噪比低和后期算法处理功耗高的问题。
针对传统人工视觉系统在灵敏度与算力消耗上的矛盾，团队采用了晶界缺陷工程策略，制备了具有丰富晶界网络的粗糙Sn:Ga2O3多晶薄膜。该结构在物理层面模拟了猫头鹰的夜视功能，粗糙的晶粒表面通过漫反射延长光程，模拟了猫头鹰眼球后方照膜层的光陷阱效应，而高密度的晶界势垒则通过载流子俘获机制，模拟了视杆细胞对微弱信号的级联放大功能。
该研究的核心在于利用材料固有的载流子动力学特性，在传感器端直接实现了无需算法参与的硬件级伽马校正，从而显著增强了图像的对比度与细节表现。这一机制主要源于载流子陷阱介导的动态增益调节，这种弱光高增益，强光低增益的自适应机制，使得器件光响应呈现出亚线性特征，与标准伽马校正曲线相似，在传感端即完成了动态范围压缩。
在Fashion-MNIST数据集测试中，对于严重曝光不足的图像，经由器件进行硬件预处理后，暗部细节显著恢复，识别准确率从65.20%跃升至83.44%。该成果证明了物理硬件可以高效分担算法任务，为未来低功耗仿生机器视觉系统提供了新思路。
图1 受猫头鹰视网膜启发的神经形态视觉传感器设计
图2 经形态传感器对弱光图像进行非线性增强预处理的效果图
图3 基于神经形态视觉传感器预处理的图像识别验证
文章链接：//doi.org/10.1002/adfm.202528620
撰稿：奚昭颖、李山 编辑：吴中慧 审核：张吉良
