智能传感新突破，让边缘计算在本地“思考”

紧凑型传感系统能够执行实时智能处理，帮助应用在本地处理数据，从而降低延迟并更高效地利用能源。

美国得克萨斯农工大学的研究人员开发出一种新型智能光学传感方法，为自动驾驶汽车、可穿戴电子设备、移动机器人以及其他应用提供了一条实现紧凑、高速、节能且智能视觉的路径。

ECHSE技术使传感器能够自行压缩和分析数据，在保持高性能的同时，减少了数据传输和能源需求

这项技术名为电致变色高光谱嵌入（ECHSE）。与传统成像和传感架构先收集数据再导出进行外部分析不同，这种新型智能传感技术能够对收集的数据进行压缩和分析。ECHSE将智能从后端的计算机分析转移到传感器本身，在减少数据传输的同时保持强大的视觉性能。

ECHSE提供了一种传感器内计算框架，能够在像素级别自适应地压缩光谱信息。它利用电致变色光电探测器中可电调的光电流响应，使每个像素在读出前能够选择性地编码与任务最相关的光谱分量。最终得到的低维输出直接与基于忆阻器的轻量级模拟计算硬件对接，实现高效推理。

与传统的人工智能视觉系统相比，ECHSE能在保持高分类精度的同时，将数据传输量降低一个数量级以上。

新开发的系统有潜力为专业及消费领域的边缘计算应用提供支持。例如，若用于手术机器人，ECHSE可以帮助机器人在实时操作中检测肿瘤与健康组织之间的边界。无需将图像发送到外部进行检测，ECHSE可在手术过程中快速分析组织特性，并就如何继续手术提供指导。

ECHSE技术还可应用于太空探索领域。例如，目前用于采集月球岩石样本图像的月球车，未来可被智能传感器取代。宇航员无需将图像传回地球进行成分分析，而是可以实时分析样本，判断某个区域是否含有冰或稀有矿物。

此外，ECHSE技术还能实现更小、更快、更节能的日常智能传感器。应用于可穿戴设备、智能手机等智能传感器场景时，它可以在不依赖云计算或大型AI芯片的情况下，实时为用户提供决策所需的信息。

未来，研究人员计划建立传感器内智能的通用工作原理，使传感器能够实时自适应追踪有用信息。研究团队还希望通过赋予传感器区分运动与波长范围的能力，扩展其可捕捉的数据类型。

“我们对技术转化很感兴趣，”教授Yuxuan Cosmi Lin表示，“我们希望探索简单的制造方法，使这些系统具备低成本、可扩展性，并与工业制造兼容。长期目标是构建面向特定任务的智能传感系统，这些系统不仅在实验室中表现出色，而且在实际部署中也具备实用性。”