麥姆斯咨詢獲悉，近日，北京理工大學沈國震、王卓然、冉文浩團隊聯合香港城市大學何頌賢團隊，在《Advanced Materials》期刊發表題為“Differential Image Sensor with Decoupled Static and Dynamic Outputs”的研究論文。
該研究提出一種具備動靜態輸出解耦功能的差分圖像傳感器（DIS），利用差分光電二極管實現了差分與隧穿模式的協同運行與信號解耦。在此基礎上，研究團隊成功在CMOS芯片上單片集成了分辨率為640×512的動態視覺相機。通過硬件級靜態信息濾除與動靜態輸出解耦，該傳感器構建了涵蓋稀疏化運動檢測、光流提取及三維深度估計的分級視覺處理架構，為低功耗AIoT的視覺應用提供了全新方案。
圖1 差分圖像傳感器（DIS）的設計與分級任務實現
隨著自動駕駛、機器人和AR/VR等邊緣智能設備的快速迭代，視覺系統對低功耗、高集成度以及實時動態信息處理能力提出了更高要求。傳統CMOS傳感器僅捕獲靜態亮度，提取動態信息依賴高能耗、高時延的片外差分運算；而基于閾值觸發的動態視覺傳感器（DVS）雖能輸出稀疏事件流，但丟失了光強變化的瞬態振幅信息，且高像素電路復雜度限制了陣列集成密度。因此，如何在確保與大規模讀出集成電路（ROIC）高度兼容前提下，通過精簡的像素結構完成動、靜態特征分量的高效解耦，仍是當前該領域面臨的核心挑戰。
針對此挑戰，研究團隊基于寬譜響應、低溫加工的AgBiS2納米晶材料，采用 “一電容-一光電二極管”（1C-1PD）的精簡像素架構，構筑了超薄介電勢壘層的差分光電二極管（DPD）。在自驅動（V = 0）差分模式下，器件利用介電層在光強增強與減弱過程中的瞬態極化與去極化效應產生雙極性電流脈沖，在有效抑制靜態背景的同時，原位提取出高稀疏度的動態信息（極性與振幅）。在外加反向偏壓下，電場增強引發隧穿效應使其切入隧穿模式，輸出連續直流平臺電流，實現靜態信息的按需提取。器件響應速度達3.2 μs，實現了254 - 1342 nm的超寬譜探測，并具備122.7 dB的線性動態范圍和10-8W/cm2的光強變化檢測極限。
該器件精簡的雙端架構表現出與傳統CMOS及TFT讀出電路的優異適配性。團隊在64 × 64及256 × 256的TFT讀出芯片上完成陣列單片集成，捕捉了復雜多維真實場景的實時差分運動圖像；隨后，進一步在CMOS ROIC平臺上制備了640 × 512的高分辨率動態視覺相機，實現了高清邊緣捕獲與感內差分計算成像，進一步驗證了該傳感器邁向工程化應用的潛力。
團隊進一步構建了資源自適應分配的分級視覺處理架構。系統在初始的低功耗差分值守狀態下，通過淺層前饋神經網絡（SNN）處理感內過濾的高稀疏數據流，僅進行基礎的感興趣區域（ROI）檢測與目標智能喚醒，大幅減輕了邊緣端算力與存儲負擔。得益于對靜態背景的抑制，該階段淺層網絡特征稀疏度高達82.6%（整體達68.9%），在顯著降低邊緣端算力與存儲消耗的同時，為后續任務奠定了輕量化數據基礎。
當系統被目標成功喚醒后，切入高階機器視覺任務：首先利用深層網絡進行精細的運動追蹤與方向識別，在多場景下實現了超98%的準確率；其次，在時空相關光流估計中，直接利用稀疏化動態成像，高效提取運動矢量，免去了傳統雙幀片外差分的冗余計算；進一步地，通過按需激活隧穿模式引入低頻靜態紋理，系統將高頻稀疏動態圖像與低頻靜態圖像進行時空特征深度融合，實現高質量單目深度地圖重構。這一跨維度、分級遞進的機器視覺系統級驗證，全面展現了該芯片在智能監控、自主導航及機器人控制等邊緣AIoT場景中的廣闊前景。
該論文第一完成單位為北京理工大學。集成電路與電子學院沈國震教授、王卓然教授，前沿交叉科學院冉文浩副教授及香港城市大學何頌賢教授為共同通訊作者；北京理工大學博士研究生梁業港、蘇州大學博士研究生袁琳、南京信息工程大學劉毅博士為共同第一作者。
論文鏈接：
http://doi.org/10.1002/adma.73884
《銦鎵砷（InGaAs）光電探測器專利態勢分析-2025版》
《蘋果在量子點光電傳感器領域的發明專利與產業布局分析》
《量子點光電傳感器專利態勢分析-2024版》
《紅外熱成像與傳感技術及市場-2025版》
《短波紅外、中波紅外和制冷型紅外成像-2025版》
