人脸识别、明升手机版影像分析、路障识别等一系列机器视觉技术的开发，在自动驾驶、实时视频分析等各个领域有广阔的应用前景。传感器是机器视觉的核心组成部分，既是信息转换的桥梁，也是数据采集的重要工具。

目前，传统的机器视觉传感器技术大多只能感知二维空间和颜色的信息，对三维立体空间、时间、偏振、光谱等更多维的信息的感知仍有一定的挑战。因此需要开发能更高效提取多维信息的视觉传感器，以适应动态多变的环境。

近日，香港理工大学教授柴扬团队的最新研究发表于《自然—电子学》。研究团队开发了一种仿生光谱适应视觉传感器，这些仿生传感器的光谱适应过程仅需要数十微秒，与最先进的高速相机的帧速率相当，将场景的韦伯对比度提高了十倍以上，在强烈的可见光眩光下提高了特征的识别准确率（从33%提高到90%）。

如何在不同的光照条件下精准获得外部信息，对人类生活和行业发展具有重要意义。在自然界中，一些生物已经进化出了适应性视觉机制。如太平洋鲑鱼拥有光谱适应性视觉，可以适应具有不同光谱条件的环境。

在浑浊的内陆溪流，它们会调整其视觉系统的光谱灵敏度曲线，适应红光偏移的水生环境；而在清澈的开阔海域，其视觉系统则反向调整其光谱灵敏度曲线，适应蓝光偏移的光谱分布。这种适应性使鲑鱼在光谱特性显著不同的环境中能清晰看到周围环境。

受到太平洋鲑鱼视觉系统的启发，柴扬团队利用仿生光谱适应传感器的方法，以应对机器视觉系统中遇到的眩光干扰等光照挑战难题。

自动驾驶汽车、交通监控系统上的机器视觉系统需要在很短的时间内精准识别目标。传统的视觉传感器在具有挑战性的光照环境中精准捕获和识别光谱特征非常困难。

“机器视觉系统有时既需要识别暴露于强眩光中物体，也需要识别如交通标志上正常可见光携带的信息。我们将这一传感器应用在自动驾驶汽车上的机器视觉系统上,结果表明，光谱适应视觉传感器能清晰捕获以上两种特征，实现了90%的识别准确率。”论文第一作者、香港理工大学博士后欧阳帮森介绍。

论文通讯作者柴扬透露，未来研究团队将进一步提升视觉传感器的响应度、动态范围、响应速度等关键性能指标，探索在视觉传感器中集成更多传感功能。研究团队将以制造大规模视觉传感器阵列及其相应的外围电路和软件，开发人工视觉芯片为目标，探索视觉系统的实际应用。

相关论文信息：http://doi.org/10.1038/s41928-024-01208-x

仿生光谱适应视觉传感器 研究团队供图