研究前沿：电子科技大学-仿生视觉感知 | Nature Sensors

背景：在自动驾驶和具身智能机器视觉领域，传统CMOS图像传感器易受眩光、激光等不可预测光污染影响，导致成像质量和决策可靠性下降。研究目的：电子科技大学王军/张丽教授团队联合新加坡国立大学仇成伟团队，旨在开发一种能动态适应复杂光环境的视觉系统，以提升在光污染条件下的目标识别能力。结论：研究提出了一种基于机器学习的电调谐带阻光电探测器（MLBTBP），将生物启发式减法感知与深度学习模型结合。该探测器通过偏压控制动态定义带阻中心波长，并在增量学习框架下实现持续自校准，在可见光至红外范围实现高达-43 dB的抑制比。在自动驾驶模拟测试中，多目标识别准确率从传统系统的约60%提升至92%以上，且能适应新出现的未知干扰光。该工作为复杂光环境下的鲁棒机器视觉提供了仿生光学与智能传感相结合的新方案。