Illustration af bevægelsesdetekteringsproceduren baseret på inter-frame differentialberegning. (1) For det første udviklede holdet de retinomorfe enheder med ikke-flygtig positiv og negativ fotokonduktivitet og optager eksperimentelt positive og negative responsparametre for enhederne; (2) enhedsparametrene bruges til at konstruere m×n positive og negative fotokonduktivitetsmatricer. Og vi indstiller et passende tidsinterval ∆t baseret på vognens bevægelsesmønster og udtrækker de to rammer (t1, t1+∆t) i intervallet ∆t. Den tidligere frame m×n pixels multipliceres med den negative matrix og lagres på grund af den ikke-flygtige fotokonduktivitetshukommelse. Sidstnævnte ramme m×n pixels multipliceres med den positive afbildningsmatrix, og det lagrede resultat summeres med den foregående ramme; (3) efter opnåelse af inter-frame-summen, defineres en trinaktiveringsfunktion for at hjælpe med at differentiere de summerede data. Til sidst blev de klassificerede pixels omarrangeret i en sekvens for at konstruere det detekterede billede af Python. Da pixels er forskellige under variable rammer, hvis trolleyen er i bevægelse, og det kan skelnes efter multiplikation og summering med de positive og negative fotokonduktivitetsmatricer. Kredit:Zhang et al.
Enheder, der automatisk kan detektere og genkende objekter i bevægelse, har adskillige værdifulde applikationer, f.eks. forbedring af fjernovervågning af miljøet. De fleste eksisterende teknologier til bevægelsesdetektion og -genkendelse (MDR) er baseret på billedsensorer lavet af komplementære metaloxid-halvledere (CMOS). Sammenlignet med den menneskelige nethinde er disse systemer ofte omfangsrige og ineffektive, da de kræver flere hardwarekomponenter til optagelse, lagring og behandling af billeder.
Forskere ved Fudan University og det kinesiske videnskabsakademi har for nylig udviklet en ny todimensionel (2D) enhed inspireret af den menneskelige nethinde, der kan registrere bevægelser, gemme bevægelsesdata og analysere dem. Denne alt-i-en-enhed, præsenteret i et papir udgivet i Nature Nanotechnology , er langt mindre omfangsrig end eksisterende enheder til bevægelsesgenkendelse, men alligevel kan den genkende bevægelige objekter med høj nøjagtighed.
"Oprindeligt designede vi den specifikke struktur, der viste en ny positiv og negativ fotolagringsfunktion," fortalte Peng Zhou, en af forskerne, der udførte undersøgelsen, til Phys.org. "Efter at have kommunikeret med en professor med speciale i kunstigt syn, opdagede vi fællesligheden mellem strukturen og nethindens netværk og startede design og udforskning af den kunstige synsfunktion som bevægelsesdetektion og kantdetektion."
Zhou og hans kolleger satte sig for at udvikle en enhed, der kan registrere lys, gemme data og udføre beregninger ved hjælp af hardware formet som den menneskelige nethinde. Det overordnede mål med deres arbejde var at opnå bevægelsesdetektion og -genkendelse med en enklere og lettere enhed, der forbruger mindre strøm.
"Den alt-i-en enhed, vi skabte, har to forskellige tilstande baseret på de forskellige lagrede bærere, som svarer til henholdsvis positiv og negativ optisk respons," forklarede Zhou. "Derfor kan den producere et positivt/negativt antagonistisk ikke-flygtigt output under belysning. Integrationen af sansning, hukommelse og databehandling svarer bare til tilstanden i det menneskelige nethindenetværk."
Da enheden skabt af Zhou og hans kolleger delvist ligner den menneskelige nethinde, evaluerede holdet dens evne til at udføre nogle af nethindens funktioner, herunder bevægelse og kantdetektion. Bemærkelsesværdigt fandt de ud af, at et kunstigt neuralt netværk, der kører på den nethinde-inspirerede enhed, kunne genkende objekter i bevægelse med betydeligt større nøjagtighed end algoritmer, der kører på andre enheder.
"Tidligere nethinde-inspirerede enheder udviste kun optiske reaktioner og kunne ikke lagre dem effektivt, hvilket forhindrede tidsdomæneberegninger for bevægelige mål," sagde Zhou. "De alt-i-et retinomorfe enheder, vi foreslog, har ikke-flygtig bipolær positiv og negativ fotokonduktivitet, som muliggør hidtil uset tidsmæssig differentiel behandling og kan derfor anvendes på både bevægelige mål og statiske billeder."
Forskerne har allerede brugt deres design til at skabe en prototype af den retinomorfe enhed. I fremtiden kan denne enhed bruges til at fjernovervåge en række miljøer eller kunne integreres i robotter for at forbedre deres bevægelsesdetektering og genkendelsesmuligheder.
"Vi har udvidet funktionaliteten og anvendelserne af nethinde-inspirerede enheder med 2D-materialer og leveret prototypedemonstrationer til integration af sansning, hukommelse og databehandling," tilføjede Zhou. "Vi planlægger nu at bruge den enhed, vi skabte, som en model til at bygge et hardwarenetværkssystem. På dette stadie arbejder vi allerede på at udforske 2D-systemprocesser samt at konstruere en testplatform." + Udforsk yderligere
© 2021 Science X Network