基于可调谐突触光晶体管的多级图像传感器内调整技术实现高清晰度轮廓提取

为解决机器人视觉系统中高能耗、高延迟的数据传输问题，研究人员开发了一种基于可调谐突触光晶体管（adjustable synaptic phototransistors）的传感器内多级图像调整方法。该技术通过模拟多巴胺介导的神经元兴奋性调节机制，实现了对不同光照条件下图像亮度/对比度的自适应优化，使轮廓提取的全局准确率达到86.7%，数据压缩比达91.8%。这项发表在《Science Advances》的研究为能效敏感的移动视觉系统提供了硬件级解决方案。

　　

在自动驾驶和无人机等移动系统中，传统视觉传感器产生的高达40 Gb/s数据流给边缘计算带来巨大压力。虽然云计算能处理这些数据，但数据传输延迟严重制约实时决策。当前解决方案面临两难困境：直接传输原始图像耗能巨大，而软件压缩又增加处理负担。更棘手的是，多变光照条件（如强光/阴天）会导致图像质量波动，使常规轮廓提取方法难以稳定工作。

为解决这些挑战，某研究团队受生物神经系统中多巴胺（dopamine）调控突触可塑性的启发，开发出基于二硫化钼（MoS₂）的可调谐突触光晶体管。该器件通过模拟D1/D2样多巴胺受体的兴奋/抑制机制，实现了类似生物神经元的动态响应特性。研究人员采用化学气相沉积法制备单层MoS₂通道，与石墨烯电极和pV3D3介电层构成三明治结构。通过精确调控静电门电压（V_el），器件可分别在抑制模式（V_el=-5V）和兴奋模式（V_el=2V）下工作，模拟了生物突触的神经调节功能。研究使用剑桥驾驶视频数据库（CamVid）进行验证，并采用DeepLab v3+模型评估语义分割效果。

【In-sensor multilevel image adjustment for high-clarity contour extraction】
研究发现，器件的双模式运作机制源于光门效应（photogating）与静电门效应的协同作用。在抑制模式下，器件选择性增强亮区对比度（图像对比度从102提升至168.5）；兴奋模式则强化暗区细节（对比度从51升至137.1）。这种非线性光电转换特性（线性系数α=0.5-1.8）使单次曝光即可获得两种优化图像。

【Characterization of adjustable synaptic phototransistors】
透射电镜分析显示MoS₂-pV3D3异质结具有清晰的界面结构。开尔文探针力显微镜证实V_el可调制MoS₂费米能级。时间分辨光电流测量表明，器件在250ms曝光下可实现激活阈值（I_th=0.10nA）的精确调控，且具有优异的循环稳定性。

【Evaluation of in-sensor multilevel image adjustment】
3×3阵列测试显示，在模拟晴/阴天光照条件下，器件能自适应调整响应特性。与原始图像相比，传感器内处理使道路标志的轮廓提取清晰度显著提升，且无需额外的软件增强步骤。

【Evaluation on high-clarity contour extraction】
语义分割测试表明，经自适应阈值处理的双模式轮廓合并图像，使全局准确率达86.7%（原始图像83.2%），加权交并比（IoU）达0.79。尽管数据体积压缩91.8%，其识别精度仍接近高分辨率原图。

这项研究开创性地将神经调节机制引入光电传感器设计，解决了移动视觉系统的能效与精度矛盾。通过硬件级图像优化，不仅减少90%以上的数据传输量，还提升了复杂光照下的识别鲁棒性。虽然器件均匀性和阵列集成仍需突破，但该技术为新一代仿生视觉传感器指明了方向，在自动驾驶、移动机器人等领域具有重要应用前景。论文提出的"传感器内计算"范式，可能重塑未来边缘智能设备的架构设计。