理大这项突破性研究，灵感竟来自昆虫！

理大最新一项研究，从飞行昆虫的微小视觉系统中得到启发，制备了光电梯级神经元(optoelectronic graded neurons)，成功提升了视觉感知动态识别率，进而增强了视觉传感器的功能。

人类的视觉系统可以处理较复杂的动态视觉信息，飞行昆虫的视觉系统则具有较强的闪烁融合频率(FFF-Flicker Function Frequency)，能够感知高速运动的物体。传统的图像传感器如要侦测动作，需处理包含时间和空间的动态信息(统称“时空信息”)，涉及复杂的神经网络和计算过程。

受飞行昆虫的微小视觉系统启发，理大理学院副院长、应用物理学系柴扬教授带领研究团队制备了仿生昆虫视觉系统的光电梯级神经元，可在感知终端(sensory terminals)执行高信息传输速率(>1000bit/s)，并融合“时空信息”。该成果不仅能用较少的硬件资源实现更敏捷的视觉感知，还拓展了传统视觉传感器所不具备的功能。

柴扬教授介绍：“这项研究从根本上加深了我们对生物启发计算的理解，它所衍生的技术也极具应用潜力——比如帮助自动驾驶车辆识别交通道路中的高速运动，并适用于监测系统等领域。”

仿生感知计算

敏锐的运动识别需要将“时空信息”融合并传输到处理器中，这对计算资源来说是具有极高要求的挑战。人工视觉系统通常由图像传感器和处理器组成，然而，目前大多数传感器只能输出含“空间信息”的“帧”(frame，即记录动态影像画面的单位)而无法融合“时间信息”。

柴扬教授说：“多年来，我们一直致力于人工视觉的研究。以往的传感器阵列只能用于感知不同环境中的静态图像并增强其特征，我们进一步研究了可否使用传感器阵列来感知动态运动的问题。然而，传感终端无法负担复杂的硬件，因此我们选择研究微小视觉系统，如飞行昆虫的视觉系统，它们可以敏捷地感知动态运动。”

飞行昆虫(如果蝇)仅靠微小的视觉系统，就可以比人类更快、更敏捷地感知移动中的物体。具体来说，在昆虫的视觉系统中，视网膜(传感器)和大脑(计算器)之间的信号传输距离比较短，且昆虫的视觉系统是由非尖峰梯级神经元(non-spiking graded neurons)组成，其信息传输速率比人类视觉系统中的尖峰神经元(spiking neurons)高很多。

昆虫视觉系统基于梯级神经元进行敏捷的运动感知

从本质上来说，梯级神经元能有效地编码时间信息，从而减少了计算器中融合“时空信息”所需的大量视觉数据传输。研究团队从中得到启发，研发了仿生的光电梯级神经元。

该项研究以“光电梯级神经元实现动态视觉信息的仿生感知和计算“为题，已发表于《自然-纳米技术》，聚焦融合感知计算(in-sensor computing)。此前，研究团队实现了针对静态图像的对比度增强及不同光强背景的视觉适应。

精准的动态感知识别

精准的动态识别对于自动驾驶系统和监视系统等应用至关重要。研究发现，利用含浅缺陷能级的二硫化钼光电晶体管(MoS2 phototransistors)，模仿飞行昆虫视觉系统中梯级神经元的响应特性，在光照刺激下，可以实现高达1200 bit/s(1,200 bit s−1)的传递速率。

通过融合与编码“时空信息”并压缩图像到人工神经网络，动作识别的准确率达到99.2%，远高于传统图像传感器50%的准确率。

理大团队研发的全新光电梯级神经元，克服了动态感知信息计算消耗难题，实现了视觉感知系统的时空信息融合，并能有效检测到视野中的运动轮廓与轨迹；即便在硬件资源有限的条件下，也能基于该仿生神经元感知动态。这项研究以创新智能的方式实现了集成静态和动态运动的传输速率和处理，是机器视觉系统领域的里程碑式成果。