現有的機器視覺在自動駕駛、人臉識別、無人機導航、工業檢測、視頻監控等方面已經達到了一定水平，但是面對復雜環境，比如高速運動、昏暗條件下，其綜合性能還有待提高。目前，機器視覺系統面臨的挑戰有以下三點：

1.如何采集良好的視覺數據。

2.硅基半導體技術在跟上摩爾定律方面已經達到了極限，在芯片升級方面存在瓶頸；

3.處理器與存儲器間的信息傳輸存在缺陷。

人類視覺系統是我們感知系統中最重要的組成部分，它負責感知和處理人體獲得的80%以上的信息。面對如此龐大的信息，人類視覺系統表現出低冗余、低功耗、強魯棒性等的性能。這是現有的機器視覺系統的。因此，重新審視人類視覺系統，借鑒其感知與處理信息的機制，有助于發展更高性能的機器視覺。在人類視覺系統中，視網膜在功能與結構上的特點可以輔助解決以上問題：

1.視網膜曲面的結構保證較好的成像效果。若將機器視覺系統中感光模塊制作為曲面，可進一步減少算力消耗；

2.人類神經網絡有助于神經網絡算法的進一步發展。更優秀的算法可建立性能更高的機器視覺系統；

3.視網膜作為感知模塊的終點與信息處理的起點，僅由一個模塊完成了兩個模塊的工作。若將機器視覺系統中感光模塊與預處理模塊進行集成，不僅能提升整體集成度，而且也能避免存儲器壁(memory wall)的問題。

研究成果

近日，青島大學金明亮團隊、宿杰團隊、新加坡國立大學葛樹志團隊發表綜述文章，概述了一類受視網膜啟發的具有“感存算一體化”功能的柔性神經形態視覺傳感器的制作方式。

本文從人類視覺系統出發，比較和討論了人類視覺系統和傳統機器視覺系統之間的差異。由于視覺信息的多樣性和數據量較大，使用非馮諾伊曼結構的柔性神經形態視覺傳感器可以有效地彌補基于馮諾伊曼架構的傳統機器視覺系統的局限性。首先，本文討論了視網膜信息處理機制的模仿方式，并概述了非馮·諾伊曼計算架構的原理和電路實現方法。

其次，本文以二維材料為例，從光電材料與計算材料兩種角度介紹了該類型傳感器材料選擇的一般標準，并對目前相關光電探測器性能進行了對比。

再次，在模擬視網膜表面結構方面，本文介紹了柔性傳感器陣列的優勢與制造方法。根據時間順序對相關工作者的探索進行了總結。最后，本文分析了非馮·諾伊曼柔性神經形態視覺傳感器目前面臨的挑戰，并對其未來的發展進行了展望。

來源：傳感器專家網