近日,光子芯片研究院硕士生刘星以第一作者身份在《ACS Appl. Electron. Mater》(上发表题为“用于盲文识别的全光学衍射深度神经网络激光还原氧化石墨烯触觉传感器”(All-Optical Diffractive Deep Neural Networks Enabled Laser-Reduced Graphene Oxide Tactile Sensor for Braille Recognition)的研究成果。万正芬特聘副教授和陈希教授为通讯作者。
全光学衍射深度神经网络具有高速并行处理、能耗低、抗干扰能力强等优点,在图像识别和人工视觉领域有着广泛的应用。然而,将全光学衍射深度神经网络应用于触觉感知的研究相对有限。
基于此,研究团队成功利用二硫化钼掺杂的激光还原氧化石墨烯触觉传感器和全光学深度学习技术相结合实现了盲文字符触觉感知的自动识别。这种柔性触觉传感器不仅成本低,而且易于制造,与未掺杂触觉传感器(0.29 kPa-1)相比,其灵敏度提高到9.8 kPa-1,同时保持了出色的周期稳定性。通过构建3×2 的柔性触觉传感器阵列并记录与盲文字符相关的相应电流数据,进行了衍射深度神经网络训练,从而有效地实现了盲文字符的自动识别。经过训练后,衍射深度神经网络的识别准确率达到了100%。即使在电压变化和随机高斯噪声干扰的情况下,识别准确率也保持在85%左右。
这一成果充分验证了全光学深度学习在处理盲文字符的多样性和复杂性方面的出色表现,为未来全光学深度学习在触觉感知识别领域的应用提供了有力支持。
图一:文章概念图
图二:触觉传感器实现盲文识别
论文链接:
https://doi.org/10.1021/acsaelm.4c00116