背景介紹

機器視覺系統由圖像獲取，預處理和分析模塊組成，這些模塊打算像人類視覺系統一樣執行檢測，處理和識別功能，已成為各種智能場景的最重要方面之一，包括無人駕駛汽車，機器人技術和工業制造等。在獲取圖像數據時，實際場景中的嚴酷環境不確定性（例如不均勻的照明和不穩定的視圖場）可能會導致捕獲的圖像包含非理想因素。為了降低硬件的復雜性并提高圖像識別效率，需要精確的原位置增強和對非結構化信息的過濾，而不是引入額外的輔助照明。在這方面 - 傳感器處理可能提供機會。但是，由于光伏效應或光電導電效應通常會發生，并有助于在光條件下（即陽性光電導率）增加通道電流，仍然需要仔細的光晶體管設備設計來追求光晶體管設備負光電導率（NPC），這對于人工視力適應至關重要。

在獲取圖像日期后，在以下階段，深度學習算法（例如卷積神經網絡（CNN））為高準確性識別奠定了基礎。然而，基礎硬件仍然保持靜態且不那么復雜，從而導致耗時的培訓和學習過程，尤其是向后流動過程鑒于這一點，具有二階適應性的設備有望成為具有高能量效率和環境魯棒性的內存計算的突破。在這方面，作為歷史活動可以改變當前的突觸可塑性的神經穩態機制之一，啟發了有效的訓練和識別。在轉移性中，可以通過刺激調節長期增強（LTP）和長期抑郁（LTD），并且LTP和LTD之間的過渡閾值（θ+）通過先前的刺激（閾值滑動），確定此外，抑制程度（增強的抑郁效應，EDE）也取決于先前和刺激后。這種依賴歷史的體重變化現象使生物體能夠根據經驗適應學習率，從而提高了學習效率。用于實施設備，以前的報告著重于頻率依賴性的跨塑性模型，稱為Bienenstock, Cooper和Munro（BCM）規則。

此外，面對具有低結構復雜性和豐富功能性的下一代電子設備的要求，可以按需電氣/光學重新配置以采用特定功能的多功能設備，是解決復雜任務的適應性計算的有希望的硬件平臺。此外，將多個功能集成到一個設備中具有集成成本和規模的優勢，并且可以簡化外部電路并減少由不同設備之間的數據傳輸引起的延遲時間。因此，在惡劣的照明條件下，高度希望使用可以簡化硬件復雜性的光自適應和二階自適應函數的雙自動光電設備開發，可以簡化硬件復雜性。

本文亮點

1. 本工作報告了一個雙重適應性的有機異質結晶體管作為系統中的工作單元，該單元促進了精確的對比度增強，并在惡劣的照明條件下提高了收斂速度。

2. 通過在機器視覺系統中利用晶體管陣列，可以在0.4％的低對比度圖像中突出顯示細節和邊緣，并且還可以實現93.8％的高識別精度，并顯著促進收斂率約5次。

圖文解析

圖1. 基于有機異質結晶體管的提議機器視覺系統的示意圖。a）系統集成了圖像預處理和識別功能。b）光自適應閾值滑動的示意圖，c）二階自適應跨性質，d）有機異質結晶體管的設備結構。

圖2. 有機異晶晶體管的表征。a）PTCDI-C13和五烯/PTCDI-C13界面樣品的表面形態。b）用PTCDI-C13和PTCDI-C13和五烯/PTCDI-C13界面（光強度：1 MW CM-2），樣品中樣品的相應表面電勢和代表性的表面電勢圖。比例尺，5 μm。c）五苯/PTCDI-C13系統的UPS光譜。d）轉移曲線和e）設備負區域的輸出曲線。

圖3. 有機異質結晶體管的突觸可塑性。a）具有負柵極脈沖的不同刺激的設備的傳遞曲線。b）具有不同VGS振幅的設備的PSC。c）計算出的?PSC是負柵極脈沖的函數。d）設備不同電流水平的保留屬性。E）設備的LTP/LTD曲線。f）在不同負VR處設備的VTR和Vθ +。計算出的?PSC作為g）正柵極脈沖的函數和h）VG的峰值持續時間。i）具有不同VDS振幅的設備的PSC。

圖4. 有機異質結晶體管中的光響應和化生性。a）五苯，PTCDI-C13的薄膜的吸收光譜及其異質結。b）在不同的照明強度下，設備的傳輸曲線。c）設備的PSC是由不同的照明強度觸發的。d）在不同的照明強度下滑動的照片自適應閾值滑動。e）設備的歷史依賴性突觸可塑性（VDS = -3 V，VR = 0 V，TD = 1 s）。h）在有機異質結晶體管中實現的跨塑性。

圖5. 用于圖像預處理和識別的有機異質結晶體管。a）對比度增強，特征提取和低對比度圖像的對比度增強，特征提取和分類的預處理和圖像識別過程的示意圖。我們實驗室“一個實驗室”的徽標圖像b）原始圖像，c）具有不均光與低合同的非理想圖像以及d）有機異質結晶體管處理的圖像。e）具有不同架構的CNN的識別精度。MNIST數據集的5個時期的混淆矩陣（準確性：40.1％）和g）me-lenet-5（準確性：86.9％）。h）CNN具有不同體系結構的損耗函數。.I）ME-LENET-5的識別準確性對于具有和不進行預處理的低對比度數據集的識別精度。J）在100個時期的混淆矩陣（準確性：93.8％）和K）對預處理的低對比度數據集的Melenet-5回憶。