首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Nature:首个完全复现人眼的仿生眼问世,港科大造出半球形人工视网膜,感光性能超过人眼460倍

Nature:首个完全复现人眼的仿生眼问世,港科大造出半球形人工视网膜,感光性能超过人眼460倍

作者头像
量子位
发布于 2020-06-01 07:52:02
发布于 2020-06-01 07:52:02
1.2K04
代码可运行
举报
文章被收录于专栏:量子位量子位
运行总次数:4
代码可运行

贾浩楠 发自 凹非寺 量子位 报道 | 公众号 QbitAI

「科学为人类带来光明」,这句话已经不再是一个比喻了。

5月20日,Nature发布了一项中国香港科技大学和UC伯克利的联合研究成果:采用仿生半球形视网膜结构的电子仿生眼EC-EYE

EC-EYE的外观和内部都和人眼高度相似,同样具有透镜(晶状体)、离子液(玻璃体)、感光阵列(视网膜)、导线(视神经)等关键结构。

半球型人工视网膜是一个巨大的突破,在此之前,仿生眼研究只局限在模拟相机原理的平面成像,但其效果远不如人类本身的半球形视网膜。

Nature评价这项成果:「突破了以往模仿相机或昆虫复眼的类似研究,在医学和其他领域真正实现了可行性」,也许在未来的十几年这项技术就可以走进人们日常生活中。

EC-EYE整体结构

EC-EYE与人类的眼球结构毫无二致,由透镜(晶状体)、离子液(玻璃体)、感光阵列(视网膜)、导线(视神经)组成。

镜片与人工虹膜(光圈)结合在前部。后面的人工视网膜与前面的半球形外壳结合在一起,形成一个球形腔体(即 “眼球”)。

前半球形外壳由内衬钨丝的铝膜制成。腔内充满了一种模拟玻璃体的离子液体,这种液体是填充透镜和视网膜之间的凝胶体。被用作视网膜上纳米光敏器的前端公共触点。

由液态金属(共晶镓-铟合金)制成细而有弹性的导线,密封在软橡胶管中,将纳米线光敏器的信号传输到外部电路进行信号处理,模仿连接人眼和大脑的神经纤维。

在液态金属线和纳米线之间有一层铟,可以优化两者之间的电接触。

人工视网膜由一个由硅聚合物制成的基座固定,以确保导线和纳米光敏点之间的正确对位。

EC-EYE和人眼之间的整体结构相似性使得它拥有100°的宽广视野。相比之下,静态人眼的垂直视场大约为130°。

关键创新:人工半球形视网膜

人类的球形视网膜结构自然地减少了穿过晶状体的光的散射,从而使焦距更加清晰。

这种结构还可以直接补偿来自于弯曲焦平面的像差,降低光学系统的复杂性。这是相机的平面成像结构无法比拟的优势。

模仿人类的眼睛对人工视觉系统十分重要。特别是对于类人机器人来说,其视觉系统除了具有优越的设备特性外,还应该与人的外观相似,以实现人机友好互动。

而科研人员一直无法找到合适的材料来模拟这种结构。

目前商业化的电荷耦合器件(CCD)和互补金属氧化物半导体(CMOS)图像传感器,主要采用主流的平面微细加工工艺,成品只能是平面结构。

而EC-EYE的关键创新在于采用了高密度的纳米感光材料阵列。

这种纳米感光材料使用甲脒碘化铅杂化的钙钛矿(formamidinium lead iodide perovskite)制成。

钙钛矿材料最引人注目的特性其神奇的光电性质。有机-无机杂化钙钛矿材料具有很高的消光系数、长载流子寿命,比较高而且均衡的载流子迁移率、低缺陷浓度、浅缺陷能级、高荧光量子产率、低激子束缚能等优点,非常适合用于各种光电器件。

图d为人工视网膜主体,e为镶嵌其中的纳米材料感光点,f为甲脒碘化铅杂化钙钛矿单晶结构。

EC-EYE人工视网膜的纳米感光点密度为 4.6 × 108 cm-2,远高于人类视网膜感光密度(约为107cm-2),因此可以实现更高的图像分辨率。

EC-EYE的仿生视网膜光敏感度范围为每平方厘米0.3微瓦-50毫瓦。最低的光强度下,每个纳米传感器可以检测到86个光子,与人类的视网膜相当。且对可见光谱内所有频率的光都敏感。

接受光刺激后的短短19.2毫秒内作出响应,然后在23.9毫秒内恢复到未激活状态,这比人眼视网膜中感光细胞 40-150毫秒的响应和恢复时间短得得多。

成像装置

液态金属线通过电路板连接到由计算机控制的100×1复用器。

测量系统的设计图及相应的电路图下所示。

测试步骤:通过将光学图案投射到EC-EYE上,对图像传感功能进行检测,并记录各传感器像素的光电流。

下图显示了被成像的字符’A’及其在平面上的投影。

与基于横结构的平面图像传感器相比,EC-EYE成像具有更高的对比度和更清晰的边缘。

因为每个独立的像素与相邻的像素分界更明显。

此外装置还包括一个小的电化学图像传感器与磁微针接触,与其他光学部件一起组装成一个微型摄像机。磁微针对准技术也很好地适用于整个半球形表面。

目前这种纳米感光阵列只有10×10个像素点,像素点之间存在200微米间隙,这意味着,这种传感器的光检测区域只有 2mm。

减少液态金属线的直径是目前这项工作面临的最大挑战。

目前这种液态金属信号传导线的直径约为 700 微米,因此只能实现每 3-4 个传感器连接一根液态金属导线。

而理想状态下液态金属导线的直径应该与纳米线的直径(约几微米)相当,这样才能实现每个传感器连接一根导线,达到更高的分辨率。

此外,由于电化学设备的性能会随着时间的流逝而下降,所以这种人工视网膜的寿命还需要更多的测试。

不过即使有一些不完美,但无可否认这是仿生眼研发的重大进步。

Nature指出,仿生眼不是模仿照相机,而是模仿人类复杂的眼球结构和人机交互。这项研究所取得的进步,使人们相信,未来 10 年能亲眼见到仿生眼在生活中的大规模应用。

论文地址

https://www.nature.com/articles/s41586-020-2285-x

作者系网易新闻·网易号“各有态度”签约作者

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-05-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
树莓派 usb-jetson nano opencv 打开 CSI摄像头_树莓派(四)——摄像头
树莓派摄像头模块(Pi Cam)发售于2013年5月。其第一个发布版本配备了500万像素的传感器,通过排线链接树莓派上的CSI接口。而Pi Cam的第二个发布版本——也被叫做Pi NoIR中,配备了相同的传感器,但没有红外线过滤装置。因此第二版的摄像头模块就像安全监控摄像机一样,可以观测到近红外线的波长(700 - 1000 nm),不过当然同时也就牺牲了一定的显色性。
宜轩
2022/12/26
2.1K0
树莓派:你是我的眼
树莓派官方出品有小型摄像头,用于录制视频或拍摄图片。娇小的树莓派和小型摄像头,可以制作一个很好用的移动摄影装置。当前的摄像头版本是V2,配有8M像素的Sony IMX219感光板。V2摄像头又可以分为两款,一款用于正常的可见光拍摄,另一款带有红外夜视功能。最近我入手了有红外夜视功能的V2摄像头。这款摄像头名字是Pi NoIR Camera(The infrared Camera Module v2)。除了夜视功能之外,两款摄像头区别不大,调用程序也可以通用。所以这里就以NoIR Camera为基础,介绍树莓
Vamei
2018/01/18
2.2K0
树莓派:你是我的眼
树莓派摄像头简单试用
树莓派官方推出的摄像头Camera Module,能够拍摄500万像素图片和录制1080p的视频,使用的是树莓派板子上的csi接口。
战神伽罗
2019/07/24
2.5K0
树莓派摄像头简单试用
树莓派摄像头基于 Motion 接入 HomeAssistant
前 4 天分别介绍了 ESP32-CAM 和 USB 摄像头接入 HomeAssistant 的方式,手里还有一个树莓派官方摄像头
远哥制造
2023/09/20
1.2K0
树莓派摄像头基于 Motion 接入 HomeAssistant
树莓派/PC实现实时摄像头数据共享—最优方法(搭建网络摄像头)
方法一:Python+OpenCv实现树莓派数据采集,树莓派搭建服务器,PC机作为客户端实现数据传输,结果发现传输画质太差。
不脱发的程序猿
2021/01/20
7.8K2
树莓派笔记
资源下载 使用VNC远程登陆树莓派 树莓派手动指定静态IP和DNS 终极解决大法 Multi-Cam Module Error 用wiki.js搭建自己的wiki知识库
tea9
2022/09/08
2.5K0
树莓派笔记
树莓派3B+ python 实时监控(USB摄像头)并显示
  执行后会 延时10帧 拍摄 (给个准备时间)产生 一张 名称为  test 的图片
Fivecc
2022/11/21
1.3K0
树莓派3B+ python 实时监控(USB摄像头)并显示
菜鸟手册(2):给Jetson Nano安装树莓派摄像头
因为JetBot上用的是树莓派摄像头,所以我们也首选考虑使用树莓派摄像头,当然USB摄像头是亲测可用的。
GPUS Lady
2019/05/07
16.6K1
菜鸟手册(2):给Jetson Nano安装树莓派摄像头
树莓派开发环境配置
买回来的树莓派一般会带一个系统,在这里我建议自己定制系统,以树莓派桌面系统为蓝本搭建开发环境。
白德鑫
2021/02/05
1.1K0
树莓派开发环境配置
牛人教你DIY!用树莓派 Zero做飞控图传
虽然可以买到商品成品,且会比我们做出来的东西更美观,性能指标更强,但是在折腾中学习,按照自己的需求进行优化改动,享受创造的喜悦,不正是创客精神嘛。 本项目使用手头现有的硬件,旨在将树莓派Zero作为飞控图传使用,本以为会很简单,但是软件适配方面遇到一些问题,困扰了很久。 1. 硬件部分 我们首先来看看硬件列表: Raspberry Pi Zero v1.3 otg table & usb wifi dongle (Xiaomi wifi) Raspberry Pi Camera Module v1.3
机器人网
2018/05/04
6.2K0
牛人教你DIY!用树莓派 Zero做飞控图传
如何给NVIDIA JetsonOrin Nano开发套件安装CSI摄像头
【教程】如何在NVIDIA Jetson Orin NANO上把系統刷到SSD上?
GPUS Lady
2023/05/30
1.7K1
如何给NVIDIA JetsonOrin Nano开发套件安装CSI摄像头
从零开始用树莓派搭建一个实时人脸检测系统
没错,那个小盒子装的东西叫做树莓派,可能有一些朋友还没接触过,暂且理解成一个小型的个人电脑就可以了。
AI粉嫩特工队
2021/04/27
3.3K0
从零开始用树莓派搭建一个实时人脸检测系统
树莓派4b基础入门「建议收藏」
树莓派(Raspberry Pi)是一款基于ARM的微型电脑主板,旨为学生计算机编程教育而设计,其系统基于Linux,由注册于英国的慈善组织“Raspberry Pi基金会”开发,Eben·Upton为项目带头人。别看其外表“娇小”,内“心”却很强大,上网、看视频、听音乐等功能都有,可谓是“麻雀虽小,五脏俱全”。自问世以来,受众多计算机发烧友和创客的追捧。 1.树莓派的家族
全栈程序员站长
2022/07/01
7.8K0
树莓派4b基础入门「建议收藏」
使用树莓派实现的口罩检测
使用的口罩检测 项目是AIZOO团队实现的 使用的是目标检测常用的SSD算法。 该团队也提供了数据集,大家也可以自己去训练一下。 (由于疫情在家 连不上实验室的服务器我还无法训练) 项目GitHub链接
全栈程序员站长
2022/09/05
1.2K0
使用树莓派实现的口罩检测
「玩转树莓派」搭建智能家居远程监控系统
前几天,在食堂吃饭,本来每天中午的新闻三十分换成了视频监控。我们已经习惯了,前十分钟看着领导都很忙,中间十分钟中国人民都很幸福,后十分钟别的国家都生活在水深火热里,顺便跟同事谈谈国家大事。突然主角换成了我们自己,便毫无抬头的欲望。
小柒2012
2019/12/09
3.4K0
「玩转树莓派」搭建智能家居远程监控系统
树莓派入门(一)—— 树莓派4B介绍
树莓派由注册于英国的慈善组织“Raspberry Pi 基金会”开发,Eben·Upton/埃·厄普顿为项目带头人。2012年3月,英国剑桥大学埃本·阿普顿(Eben Epton)正式发售世界上最小的台式机,又称卡片式电脑,外形只有信用卡大小,却具有电脑的所有基本功能,这就是Raspberry Pi电脑板,中文译名”树莓派”。
全栈程序员站长
2022/08/12
22.4K0
树莓派入门(一)—— 树莓派4B介绍
树莓派4B安装64位系统 以及基础配置
(在写之前 Imager提示 会擦去sd的所有内容,那好像这个工具也就对sd进行了格式化,前面不需要先格式化也可以。而且Imager 里面提供了很多树莓派的系统可以在这里面下载 也可以提前下载好)
全栈程序员站长
2022/09/01
2.7K0
树莓派4B安装64位系统 以及基础配置
树莓派 USB摄像头 实现网络监控( MJPG-Streamer)
    上面的包源已经发生变化 可前往https://fivecc.coding.net/public/mjpg-streamer/mjpg-streamer/git 查看,
Fivecc
2022/11/21
3.2K0
树莓派 USB摄像头 实现网络监控( MJPG-Streamer)
树莓派控制摄像头_树莓派连接摄像头
树莓派外接摄像头,最常用的有两种:CSI摄像头、USB摄像头。当然网络摄像头也是可以的。
全栈程序员站长
2022/11/07
3.2K0
树莓派控制摄像头_树莓派连接摄像头
机器之心实操 | 亚马逊详解如何使用MXNet在树莓派上搭建实时目标识别系统
选自AWS 机器之心编译 参与:思源 在过去的五年中,深度神经网络已经解决了许多计算困难的问题,特别是计算机视觉。因为深度神经网络需要大量的计算力来训练模型,所以我们经常使用多块 GPU 或云端服务器进行分布式地训练。实际上,在深度神经网络模型经过训练后,它只需要相对较少的计算资源就能执行预测。这就意味着我们能将模型部署到低功耗的边缘设备中,并且在没有网络连接的情况下运行。 亚马逊的开源深度学习引擎 Apache MXNet 除了支持多 GPU 训练和部署复杂模型外,还可以生成非常轻量级的神经网络模型。我们
机器之心
2018/05/09
1.9K0
机器之心实操 | 亚马逊详解如何使用MXNet在树莓派上搭建实时目标识别系统
推荐阅读
相关推荐
树莓派 usb-jetson nano opencv 打开 CSI摄像头_树莓派(四)——摄像头
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验