相关实验视频
Updated: May 8, 2026

Lensless Fluorescent Microscopy on a Chip
Published on: August 17, 2011
谱卷积神经网络芯片用于传感器内边缘计算不连贯的自然光
Kaiyu Cui1, Shijie Rao2, Sheng Xu2
1Department of Electronic Engineering, Tsinghua University, Beijing, China. kaiyucui@tsinghua.edu.cn.
本研究介绍了一种新型的光谱卷积神经网络 (SCNN),使用自然光进行高效的传感器内计算. 这种光学计算方法在复杂的任务中实现了高精度,如病理诊断和面部防伪等.
科学领域:
- 光电学是指光电子产品.
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 光学神经网络在集成规模上面临限制,需要连贯的光源.
- 现有的光学计算方法不节能,也不适合现实应用.
研究的目的:
- 提出和演示一个光谱卷积神经网络 (SCNN),与物质元成像集成,用于传感器内光学模拟计算.
- 用不连贯的自然光作为高度并行计算的信息载体.
- 为了实现边缘计算应用的高能效和可扩展性.
主要方法:
- 在CMOS图像传感器上使用非常大规模的像素对齐的光谱过器实现光学卷积层.
- 开发用于处理自然光的光谱卷积神经网络 (SCNN) 架构.
- 在传感器内通过高度并行的光谱向量内部产品进行模拟计算.
主要成果:
- 该SCNN芯片成功处理了不连贯的自然光,从而实现了传感器内光学模拟计算.
- 在视频速率下实现了超过96%的病理诊断准确度和近100%的面部防伪准确度.
- 证明了使用相同芯片用于各种复杂的现实任务的可行性.
结论:
- 本书介绍了第一个利用自然光的集成光学计算系统.
- 开发的SCNN芯片为便携式终端中的传感器边缘计算提供了可行和可扩展的解决方案.
- 该技术承诺高能效和广泛适用于各种领域.
更多相关视频
08:41Lensfree On-chip Tomographic Microscopy Employing Multi-angle Illumination and Pixel Super-resolution
Published on: August 16, 2012
14:09High-Throughput Total Internal Reflection Fluorescence and Direct Stochastic Optical Reconstruction Microscopy Using a Photonic Chip
Published on: November 16, 2019
相关概念视频
Light Acquisition
Imaging Biological Samples with Optical Microscopy
In optical microscopy, the specimen to be viewed is placed on a glass slide and clipped on the stage...
Insensitive Nuclei Enhanced by Polarization Transfer (INEPT)
Focusing of Light in the Eye
Visual System
Once through the pupil, the light passes through the lens, a...