复旦博士开发类视网膜传感器，感光性能提升1万亿倍！被华为收编贾浩楠发自副驾寺智能车参考

贾浩楠发自副驾寺智能车参考|公众号AI4Auto
脱口秀演员搞自动驾驶？
不但搞出了成果，还被Nature在（RESEARCHHIGHLIGHT）专栏报道！

文章图片
香港理工大学博士后、深圳某脱口秀俱乐部现役演员年初八在《自然·电子》上以一作身份发表名为的文章。
文章介绍了一种新型传感器，模仿了人类视网膜工作原理，有效感知范围达到199bB 。
这是什么概念？
现在绝大部分智能汽车上的自动驾驶系统在弱光、雨雪条件下能力大打折扣，主要原因之一就是。
而新的类视网膜传感器，直接将感知范围提升1万亿倍！大大增强自动驾驶在感知端的准确性。

文章图片
而且这位业余说脱口秀的廖付友，已，确定即将入职继续从事半导体研究。
在地球普遍环境中，，远超民用级别CMOS感光元件的70dB范围。

文章图片
具体到自动驾驶上，且不论算法性能，摄像头捕捉的图像数据有效范围就大大缩小，不但是弱光会影响识别，强光也不行。
比人眼强，但应付自然光还是不够。
从这个角度看，也能理解特斯拉代表的纯视觉自动驾驶路线，和国内厂商走的激光雷达+视觉混合路线的缘由。
一个是死磕算法提高图像识别准确度，另一个是通过雷达点云图弥补图像数据的不足。
手段不同，但问题根源都在图像捕捉的限制。
而廖付友博士所在的香港理工大学团队，利用作为基础材料，模仿人类视网膜的工作原理，设计出了一种新的光传感器，能够有效感知199dB范围的光线。

文章图片
在实验中，科研人员分别于弱光和强光背景下映出数字“8” ，再由环境光照射背景板：

文章图片
之后，将感光信号输入神经网络进行识别：

文章图片
实验结果表明， ANN网络对于数字“8”的识别准确度稳定在97%左右，同等条件下使用CMOS传感器的系统几乎无法识别。

文章图片
上图中有目标识别率有明显的随时间渐变的趋势，这就是所谓“类视网膜”的核心。
基于二硫化钼的感光阵列无论对于弱光还是强光都会随时间适应，就像人眼会逐渐适应光照强度一样。
输出的图像信号也会从刚开始的一团黑或白逐渐清晰显出目标特征。
好了，我知道你们想搞清楚1万亿倍是怎么来的，但首先还要解释一下光功率的概念。
是指的单位，表示光在单位时间内所做的功。
简单理解，光功率大小直接反映了光照的强弱。
一般光功率单位常用为毫瓦(mw)和分贝毫瓦(dBm) ，其中两者关系为：1mw=0dBm 。
但工程学中， dB是一个纯计数单位，代表两个功率的比值大小，具体数值为10*log(A/B) 。
也就是说，工程上dB只有加减，实际代表了两个功率相除，得出的结果是增益或减益的倍数。
所以按照这样计算，港理工团队的新型类视网膜传感器，有效工作范围比传统CMOS图像传感器提升了129dB ，也就是至少提升1012倍。
倍！