暨南大学谢伟广教授、时婷婷副教授&南京大学杰青王肖沐教授NC:极端光照条件下的视觉处理:基于梯度合金钙钛矿的传感器内计算网络

欢迎投稿。欢迎课题组投递宣传稿，发布招聘广告。

投稿邮箱：wedotech2025@163.com

投稿电话：16622153402（微信同号）

传统机器视觉系统中，图像传感与数据处理单元相互分离，数据在传感器与后端处理器之间频繁传输，导致高能耗与处理延迟，难以满足边缘计算与人工智能的实时需求。传感器内计算（in-sensor computing）通过在硬件层统一感知与计算，有望突破这一瓶颈。然而，在极端光照场景（如同时存在强光与弱光区域、快速运动目标、非可见光信息）下，现有器件难以同时满足宽波段响应、大线性动态范围（LDR）和快速响应的要求。本文通过全气相沉积制备了梯度Pb-Sn合金钙钛矿异质结光电二极管，实现了可见光至近红外探测、230 dB线性动态范围及33 ns响应时间，并构建了晶圆级可重构成像处理器，展示了生物特征提取、动态轨迹识别等多种智能视觉功能。

暨南大学谢伟广教授、时婷婷副教授&南京大学杰青王肖沐教授等人报道了一种全气相沉积的梯度Pb-Sn合金钙钛矿异质结光电二极管，其晶体质量得到改善。该器件能够探测从可见光到红外光的光信号，具有230 dB的线性动态范围和33 ns的响应时间。还将该光电二极管与可重构阵列集成，开发了晶圆级成像处理器。利用这一方法，演示了生物医学检测和时空轨迹编码。该传感器内处理器实现了低功耗、高分辨率的可见光至红外波长边缘检测、弱光下的自适应背景抑制以及抗噪声的高速动态成像。研究成果扩展了传感器内计算硬件的选择范围，从而为实用化的人工智能机器视觉铺平了道路。该文章以“Extreme Illuminated Vision Processing with a Graded Alloyed Perovskite In-sensor Computing Network”为题发表在国际顶级期刊Nature Communications上。

图2-BPPU的设计与性能：图2展示了双极型可编程钙钛矿传感器内计算单元（BPPU）的结构与关键性能。a图为BPPU结构示意图：两个垂直堆叠的光电二极管（D1和D2）共享中间功能层，但顶部和底部Ag电极相互电隔离，形成背对背级联结构。b图显示了偏压依赖的双极光响应：单独照射D1产生正光电流，单独照射D2产生负光电流，两者同时照射时总电流为二者之和，证实了等效电路（插图中的两个背对背二极管）的准确性。c图给出了可重构光响应映射：在-200 mV至+200 mV偏压窗口内，净响应度可连续从负调至正，实现了低电压（±0.2 V）下的光电模拟乘累加操作，功耗极低。d图为0 V偏置下的噪声电流谱，噪声低至7.44×10⁻¹⁴ A/Hz⁰·⁵。e图展示了860 nm光照下单个子二极管的线性动态范围（LDR）：从4.75 pW/cm²到1.50 W/cm²，跨越13个数量级，达到230 dB，远超传统光电探测器。f图为双极开关响应时间：上升沿33.0 ns，下降沿37.4 ns，得益于背对背结构等效电容减半。g图展示了背景抑制能力：在0 V偏置下，即使全局背景光照从暗态增加到19.1 mW/cm²，总光电流波动小于12.5 nA，这是因为D1和D2的响应度相反（R₁ = -R₂），硬件差分连接自动抵消共模背景。h图和i图进一步验证了对微弱移动光斑的灵敏检测（强背景下仍可分辨纳瓦级光斑），证明了BPPU在极端光照下的鲁棒性。

图3-扩展BPPU阵列的配置：图3展示了从单个BPPU扩展到晶圆级阵列的实现与可编程性。a图为扩展BPPU结构示意图：多个BPPU单元以行列形式排列，每个单元仍保持背对背双二极管结构。b图为等效电路图，每个BPPU的两个子二极管可通过外部偏压独立编程，实现响应度矩阵的任意配置。c图为4英寸晶圆上包含404个光电二极管（101个BPPU）的光学照片，表明全气相沉积工艺具有良好的大面积均匀性。d图为晶圆上17个不同位置处的钙钛矿薄膜发光峰位PL mapping，峰位一致性高，证明了组分梯度的均匀性。e图为6×6阵列的放大光学照片，标尺500 μm，展示出高密度集成的潜力。f图左侧为初始状态下6×6阵列的响应度矩阵（未经编程）；右侧为通过分别对每个BPPU施加不同偏压后得到的“功能化”响应度矩阵，不同像素被编程为不同数值（从-1到+1），实现了任意卷积核的硬件配置。这一可扩展、可重构的阵列架构使得BPPU能够直接作为神经网络的第一个卷积层，执行图像预处理（如边缘检测、背景抑制）而无需数据传输。

图4-传感器内成像与处理：图4演示了BPPU在生物特征提取和生理监测中的应用。a-c图为指纹成像：a图为常规成像模式（偏压-0.2 V，响应度矩阵[-1,0]），清晰分辨出脊-谷结构（间距200–400 μm）和汗孔（直径40–100 μm）；b图为边缘检测模式（0 V偏压，差分响应度[-1,+1]），只保留脊的边界，背景被抑制；c图为横截面强度轮廓对比，边缘模式下信噪比提升101%，与数字Sobel或Laplacian算子处理结果有95.5%的一致性，且对比度更高。d-f图为近红外静脉成像：d图为手部照片，方框标示成像区域；e图为常规透射成像，手指间隙处信号饱和，静脉细节完全不可见；f图为边缘检测模式，由于血红蛋白在近红外波段的强吸收，静脉边界处产生急剧的强度变化，静脉网络清晰显现。这得益于BPPU的230 dB动态范围，避免了常规探测器在强背景下的饱和。g-i图为基于BPPU的脉搏波速度（PWV）测量：g图为测量原理，两个子二极管间距D=2.5 mm，同一脉搏波到达两个二极管的时间差ΔT = D/v，差分电流I_diff ∝ dP/dt · ΔT，从而I_diff与PWV成反比；h图为实测差分时间域信号，峰值随心率变化；i图为运动后恢复期间归一化PWV与心率同步下降的趋势，验证了BPPU可仅通过差分电流测量实现心血管健康监测，无需多传感器复杂处理。

图5-鲁棒的运动轨迹识别：图5展示了基于6×6 BPPU阵列的动态运动轨迹识别系统。a图为32种待识别的轨迹类型：包括无噪声的直线（水平、垂直、对角及反向）以及叠加高斯噪声或随机游走噪声（噪声强度4%–20%）的轨迹，模拟了实际场景中的电子噪声、光子散粒噪声（高斯）以及机械漂移、基线漂移（随机游走）等干扰。b图为识别系统示意图：激光束按预设轨迹扫描BPPU阵列，每个像素的响应度通过电压预编程（见图3f右侧），阵列输出随时间变化的电流信号直接作为特征输入LSTM网络进行分类，省去了传统系统中的模数转换、数字滤波、光流计算等步骤。c图为所有无噪声轨迹对应的时域信号波形，不同轨迹产生独特的时间序列。d图为无噪声轨迹测试集的混淆矩阵，分类准确率100%。e图为不同噪声强度下的分类准确率：高斯噪声下20%强度时仍有95.32%准确率；随机游走噪声下20%强度时仍有81.71%准确率，展现了强鲁棒性。f图为综合所有噪声类型和强度训练后的测试集混淆矩阵，总体准确率90.87%。此外，得益于33 ns的响应速度，系统可检测的最高速度达7.6×10⁴ m/s，能够捕捉极快速运动。这些结果证明BPPU阵列不仅实现了传感器内计算，而且具备高精度、抗噪声、高速动态识别的能力。

【文献总结】

该研究通过全气相沉积策略，成功制备了梯度Pb-Sn合金钙钛矿异质结光电二极管，并基于此构建了双极可编程传感器内计算单元（BPPU）及其晶圆级阵列。核心创新与结论如下：（1）通过PbI₂自封装层有效抑制了Sn²⁺氧化，梯度能带结构形成内置电场，使器件在850 nm处零偏EQE达61.07%，并实现了超过700小时的操作稳定性；（2）背对背双二极管级联架构使等效电容减半，获得33 ns超快响应速度，同时噪声电流低至10⁻¹⁴ A/Hz⁰·⁵；（3）线性动态范围高达230 dB（13个数量级），可在强背景光下同时探测纳瓦级微弱信号，解决了传统探测器饱和或丢失弱信号的问题；（4）通过±0.2 V超低电压编程，单个BPPU可连续调节响应度（正/负/零），实现硬件级差分背景抑制、边缘检测等图像预处理功能；（5）6×6阵列结合LSTM网络，在强噪声干扰下仍能高准确率识别32种运动轨迹，验证了其抗噪高速动态视觉能力。该工作为开发低功耗、高动态、快响应的片上智能视觉系统提供了全新硬件平台，在自动驾驶、生物医学成像、工业检测等领域具有广阔应用前景。

文章信息：Zhan, Z., Lu, Y., Zheng, Y. et al. Extreme Illuminated Vision Processing with a Graded Alloyed Perovskite In-sensor Computing Network. Nat Commun (2026). 

https://doi.org/10.1038/s41467-026-71638-y