Görüntü sensörü aynı anda görüntüleri yakalayıp işleyebilir, böylece nesne tanıma çok daha hızlı hale gelir. Cihaz, elektrik akımının enerjisini fotonların kendisi sağladığından, çalışırken herhangi bir elektrik enerjisi tüketmez.
Sensör, beynimizden ilham alan insan yapımı bir sistem olan YSA ile tamamlanıyor. Bir YSA'da yapay nöronlar verilerle beslenir ve bir problemin üstesinden gelmek için işbirliği yapar. Bu durumda bir görüntüyü tanımak.
Viyana'daki araştırmacılar, Avrupa araştırma projesi Graphene Flagship, 3×3 diziye yerleştirilmiş dokuz piksel ('nöronlar') içeren sensörler tasarladı. Her piksel sırasıyla üç fotodiyottan oluşur. Yarıiletken Işığı elektrik akımına dönüştüren ve üç çıkış sağlayan cihazlar. Her fotodiyot kendi pikselini diğer 8 piksele bağlar.
Her fotodiyottan gelen akım, gelen ışığın yoğunluğuna ve Voltaj karşısında. Her bir nöron, diğer 8 nörondan gelen bireysel akımları toplar ve birleştirilmiş değerler daha sonra bir bilgisayara beslenir.
Cihaz, bir dizi eğitim sürecinden sonra görüntüleri sınıflandırabiliyor, ancak aynı zamanda ekstra bilgi gerektirmeden giriş verilerinden bir görüntünün karakteristik bileşenini veya yapısını da tanıyabiliyor.
Hız, bu cihazı geleneksel makine görüşünden farklı kılar. Geleneksel teknoloji Genellikle saniyede 100 kareye kadar işleme kapasitesine sahiptir, bazı daha hızlı sistemler ise saniyede 1,000 kareye kadar çalışma kapasitesine sahiptir. Karşılaştırıldığında, bu sistem saniyede 20 milyon kareye eşdeğer bir hızda çalışıyor.
Cihazın günümüz teknolojisine göre büyütülmesi önerildi teknoloji akışkanlar dinamiği, yüksek enerji fiziği, yanma süreçleri veya mekanik bozulma gibi farklı alanlarda uygulamalar bulur.
Çalışmanın ilk yazarı Lukas Mennel, "Cihazların ölçeği büyütüldüğünde, bu nöromorfik yaklaşım, görüntü tanıma ve işleme alanındaki güçlü yönlerini ortaya çıkarabilir" diye açıklıyor. "Işık emilimini iyileştirmek veya spektral aralığı kızılötesine genişletmek gibi başka fikirleri de değerlendiriyoruz. Prensip olarak bu cihazın yetenekleri sadece görsel verilerle sınırlı değildir. Her türlü veri, sensörün kendisinde bulunan yapay sinir ağıyla (önceden) işlenebilir. Örneğin, çip üzerinde hızlı işleme için ses veya koku alma nöromorfik sensörleri geliştirilebilir."
"Bu etkileyici çalışma, yerinde ayarlanabilirlik gibi benzersiz özelliklerinden yararlanan, katmanlı malzeme tabanlı kameraların tamamen yeni bir uygulamasını gösteriyor." Fotonik ve Optoelektronik alanında Graphene Flagship çalışma paketi Lleader'ı Frank Koppens açıkladı. "Sinir ağı görüntü sensörleri toplumu birçok farklı şekilde etkileyecek ve katmanlı malzemelerle yüksek hız gereksinimleri artık karşılanmış durumda."
Graphene Amiral Gemisi Bilim ve Teknoloji Sorumlusu ve Yönetim Paneli Başkanı Andrea C. Ferrari şunları ekledi: “Bu çalışma, Graphene Amiral Gemisi için bir başka önemli kilometre taşıdır. Flagship, entegrasyon konusunda açıkça dünya lideridir. cips katmanlı malzemelerden oluşur. Bu gelişmiş yapı taşları, yeni ve en son teknolojilerin geliştirilmesinin temelini oluşturacaktır."