随着人工智能和智能设备的不断发展，机器视觉正作为现代技术的关键推动者，发挥着日益重要的作用。然而，尽管取得了长足的进步，机器视觉系统仍然面临着一个重大挑战：处理每秒产生的海量视觉数据需要耗费大量的电力、存储和计算资源。这一限制使得在智能手机、无人机或自动驾驶汽车等边缘设备上部署视觉识别功能变得异常困难。

图片来源： 期刊《Scientific Reports》

有趣的是，人类视觉系统提供了一个极具吸引力的替代模型。与必须捕捉和处理每个细节的传统机器视觉系统不同，人类的眼睛和大脑会选择性地过滤信息，从而在最大程度降低功耗的同时提高视觉处理效率。

神经形态计算通过模拟生物神经系统的结构和功能，已成为克服计算机视觉领域现有障碍的一种有前景的方法。然而，它仍面临两大挑战。一是实现与人类视觉相当的颜色识别能力，二是消除对外部电源的需求以最大限度地降低能耗。

据外媒报道，在此背景下，由日本东京理科大学（TUS）电子系统工程系先进工程学院副教授Takashi Ikuno领导的研究团队开发出了一种突破性的解决方案。相关论文于2025年5月12日发表在期刊《Scientific Reports》上，介绍了一种能够以惊人的精度区分颜色的自供电人工突触。

研究人员通过集成两种不同的染料敏化太阳能电池来创建装置，这两种电池对不同波长的光有不同的响应。与需要外部电源的传统光电人工突触不同，该突触通过太阳能转换来发电。这种自供电能力使其特别适合边缘计算应用，因为在这些应用中，能源效率至关重要。

大量实验证明，该系统能够以10纳米的分辨率区分可见光谱范围内的颜色，这一分辨能力接近人眼。此外，该装置还表现出双极响应，在蓝光下产生正电压，在红光下产生负电压。这使得执行通常需要多个传统装置才能完成的复杂逻辑运算成为可能。

“研究结果表明，这种新一代光电器件在低功耗视觉识别人工智能（AI）系统中具有巨大的应用潜力，它能够同时实现高分辨率颜色辨别和逻辑运算，”Ikuno博士指出。

为了演示实际应用，该团队在物理存储池计算框架中使用了该器件，以识别以红、绿、蓝三色记录的不同人体运动。该系统仅使用单个器件（而非传统系统所需的多个光电二极管）就对18种不同的颜色和运动组合进行了分类，准确率高达 82%，令人印象深刻。

这项研究的影响将延伸至多个行业。在自动驾驶汽车领域，这些设备可以更高效地识别交通信号灯、道路标志和障碍物。在医疗保健领域，它们可以为监测血氧水平等生命体征的可穿戴设备供电，同时最大程度地降低电池消耗。在消费电子产品领域，这项技术有望显著提升智能手机和增强现实/虚拟现实头显的电池续航能力，同时保持先进的视觉识别功能。

“我们相信这项技术将有助于实现低功耗机器视觉系统，使其色彩辨别能力接近人眼，并应用于自动驾驶汽车的光学传感器、医疗用途的低功耗生物识别传感器以及便携式识别设备。”Ikuno博士说道。