在传感器内进行多层次图像调整,以使用可调节的突触光电晶体管进行高清度的轮提取

科学领域:

• 机器人和计算机视觉 机器人和计算机视觉
• 材料科学与工程 材料科学与工程
• 神经系统启发的计算

背景情况:

• 传统的机器人视觉系统是计算密集型的,需要高的数据传输速率,从而损害了能源效率和速度.
• 通过轮提取进行数据压缩,通过专注于对象轮和减少背景数据提供了一个解决方案.
• 现有的方法缺乏有效的传感器内处理,以在不同的照明条件下进行最佳的轮提取.

研究的目的:

• 开发一种传感器内多层次图像调整方法,用于增强机器人视觉.
• 通过优化传感器内的图像亮度和对比度来实现高清晰度的轮提取.
• 提高机器人视觉应用中的能源效率和处理速度.

主要方法:

• 引入了可调节的突触光电晶体管,能够进行传感器内多层次的图像调整.
• 模拟多巴胺介导的神经元刺激性,通过静电门调节光电流积累.
• 利用激发和抑制模式,以提高在昏暗和明亮区域的可见性,以提取轮.

主要成果:

• 已证明能够捕获具有最佳亮度和对比度的精确图像,用于高清晰度的轮提取.
• 在使用道路图像的评估中,实现了更好的对象检测准确性和交叉与结合 (IoU).
• 展示了数据体积的显著压缩,从而提高了处理效率.

结论:

• 开发的传感器内图像调整方法有效地促进了明显的轮提取和高精度的语义细分.
• 可调节的突触光传感器技术为节能和高速机器人视觉提供了一个有前途的解决方案.
• 这种方法推进了神经启发的计算,用于自主系统中的实际应用.