Research Review of Drosophila-like Compound Eye Visual Neural Computational Modeling and Bionic Applications
-
摘要: 随着类果蝇复眼视觉神经计算建模技术的快速发展，如何提高运动目标的实时检测追踪等仿生应用能力成为类果蝇复眼视觉神经领域的研究难题，所以研究类果蝇复眼视觉神经计算建模及其仿生应用具有非常重要的意义。类果蝇复眼视觉神经系统是一个高度平行的专用视觉神经网络模型，并具有适度的复杂性以允许快速进行视觉信息处理。本文首先从类果蝇复眼的生理结构、感光细胞的光电转换、视叶神经的加工处理、中央脑的认知抉择4个部分详细阐述类果蝇复眼视觉神经计算建模的研究现状，然后介绍类果蝇复眼视觉神经计算建模在军事与民用领域的典型仿生应用，最后展望了类果蝇复眼视觉神经计算建模的发展趋势与挑战。Abstract: The rapid development of the Drosophila-like compound eye visual neural computational modeling technology has improved the real-time detection and tracking of motion targets and other bionic applications a research challenge. The Drosophila-like compound eye visual neural system is a special highly parallel visual neural network model that uses moderate complexity to provide fast visual information processing. In this study, the status of current research on the visual neural computational modeling of the Drosophila-like compound eye is discussed in detail in four parts: physiological structure of the Drosophila-like compound eye, photoelectric conversion of the photoreceptor cells, processing of the optic lobe nerve, and cognitive decision of the central brain. The typical bionic applications of the Drosophila-like compound eye visual neural computational modeling in the military and civilian fields are introduced, and the development trends and challenges of the computational modeling are considered.
-
0. 引言
微光图像数字化是微光夜视技术的发展趋势，实现微光数字化主要有ICCD（Intensified Charge Coupled Device，ICCD）、EMCCD（Electron-Multiplying Charge Coupled Device，EMCCD）、EBCCD（Electron-BomBarded Charge Coupled Device）、EBCMOS（Electron-BomBarded CMOS，EBCMOS）等途径[1-3]。EBCMOS器件利用电子敏感BCMOS图像传感器（以下将“BCMOS图像传感器”简称为“BCMOS”）将传统微光像增强器的微通道板（Microchannel Plate，MCP）和荧光屏部件替代，使光激发阴极产生的光电子在高压电场作用下直接轰击电子敏感BCMOS实现电子倍增及数字图像信号输出，其具有高灵敏度、低噪声、较低功耗和可进行单光子成像等优点，是一种理想的新型微光成像器件[4-7]。
具有电子敏感特性的BCMOS作为EBCMOS探测器的核心部件，其电子倍增系数、暗电流等参数直接影响EBCMOS探测器最低可工作照度、信噪比等指标。Barbier R.[8]等指出，将BCMOS的硅外延层厚度减薄至8 μm左右，通过离子注入工艺在硅表面形成重掺杂P+层，并经激光退火等工艺可实现具有电子敏感特性的BCMOS制备，但该工艺复杂、对设备依赖度高，难以在国内开展类似研究。王生凯[9]、乔凯[10]等提出，采用氧化铝钝化层的BCMOS具有电子敏感特性，并通过实验证明了厚度为10 nm的氧化铝钝化层对提高电子倍增系数、抑制暗电流的有效性。EBCMOS探测器在工作时电子会持续轰击BCMOS，Nathan Eric Howard[11]等对采用SiO2、Si3N4等材料做钝化层的BCMOS在经受离子、高能电子、高能射线照射后的暗电流增加原因进行了分析，但低能电子轰击对氧化铝钝化层的BCMOS暗电流的影响因素不完全清楚。
本文针对上述问题，模拟EBCMOS探测器制备工艺及工作条件，在特定入射电子能量、累计轰击电子剂量条件下，对研制的厚度为10 nm的氧化铝钝化膜BCMOS电子轰击后暗电流变化规律进行研究，并基于已有CMOS图像传感器暗电流产生理论，分析了暗电流增加的主要原因。
1. 实验
该实验基于国内某款CMOS，通过对其表面进行减薄处理后，将该芯片与基座进行共晶粘接、打线，获得减薄BCMOS，然后采用电子束蒸镀的方式进行钝化层制备。利用高能电子轰击铝靶产生铝蒸汽，在腔体中通入高纯氧与铝蒸汽反应产生氧化铝，氧化铝膜沉积在基底上，沉积速率为0.5Å/s，镀膜中采用晶体膜厚仪对氧化铝膜层厚度进行实时监测，实现对镀膜速率和厚度的自动控制。电子束蒸镀法具有薄膜均匀性好、孔洞少、工艺条件简单、适合于批量生产等优势，本次实验氧化铝膜层厚度为10 nm。
本次实验采用的实验装置是自主研制的低能电子轰击BCMOS图像传感器测试设备，测试设备如图 1所示。其中多级连微通道板（MCP）组、BCMOS放置于真空腔体内部，腔体真空度优于5×10－8 Pa。真空腔室外部设置有紫外光源、透紫外玻璃窗口、多路高压偏置电路、微电流计、BCMOS图像传感器信号读出装置及其成像测试板，以及计算机。其中BCMOS信号读出装置可实现真空腔体内部BCMOS信号与真空腔体外部成像测试板的电信号连通，通过上位机软件可以实现对BCMOS光电参数的控制以及测试数据的快速处理，可实现暗电流、平均输出灰度值、信噪比等参数的测量。
![]()
图 1 低能电子轰击BCMOS图像传感器测试设备Figure 1. Low energy electron bombardment BCMOS image sensor test equipment测量方法为：①将待测试的BCMOS安装在真空腔室内，利用超高真空排气系统对真空腔室排气，待真空腔室内部真空度优于1×10－6 Pa时，利用烘箱对真空腔室进行200℃的烘烤除气处理，将真空腔室内部真空度提高至5×10－8 Pa以上，使得电子敏感BCMOS所处状态尽可能接近其在EBCMOS探测器内部工作的状态；②真空腔室烘烤结束且温度恢复室温后，如图 1连接所示，开启紫外灯光，使得紫外光经过石英玻璃观察窗进入真空腔室内部，激发MCP发射光电子，激发的光电子在多级联MCP倍增后形成轰击电子束源，通过调节多级连MCP倍增电压和输出电压参数，可以控制入射至BCMOS表面的电子束密度和轰击能量，并通过BCMOS地引线可获得轰击到BCMOS表面电子束密度的测量；③在特定剂量电子束轰击BCMOS后，通过成像测试板监测BCMOS的暗电流数值，获得轰击电子能量、累计轰击电子数与BCMOS暗电流对应关系。
2. 实验结果及分析
2.1 实验结果
本文实验包括3方面内容：①同一样品在不同电压轰击时暗电流变化情况；②相同钝化层厚度的2只样品在不同电压轰击时暗电流变化情况；③电子轰击后BCMOS静置状态下暗电流变化情况。
1）同一样品在不同电压轰击时暗电流变化
将制备的氧化铝钝化层BCMOS装入低能电子轰击BCMOS图像传感器测试设备，进行烘烤除气处理，系统真空度达到4.5×10－8 Pa后，测量该传感器初始暗电流为150 e－/pixel/s，然后通过调节紫外光源强度、多级联MCP电压，使得入射到BCMOS表面的电子密度达到(40±1)nA/cm2；通过调节MCP输出端电压，使得输出电压分别达到－300 V、－600 V、－900 V、－1200 V和－1500 V，且在每个电压条件下轰击时间均为4 h，当轰击时间达到4 h时，关闭上述紫外光源和MCP输出端各极电压，监测BCMOS的暗电流数值，暗电流数据如表 1所示。由表 1可知，当轰击电子能量为300 eV时，BCMOS暗电流增长不足5%，轰击电压调制600 eV后，BCMOS暗电流逐渐增加，增长超过5倍，且随着累计轰击电子数增加，暗电流明显增加，但增长速率有所减小，最后达到最大值12000 e－/pixel/s。
表 1 不同电压条件轰击后暗电流监测值Table 1. Dark current monitoring values after bombardment under different voltage conditionsBombardment electron energy/eV Dark current/(e－/pixel/s) Dark current growth rate 1 300 157 4.7% 2 600 986 528.0% 3 900 3827 288.1% 4 1200 9815 156.5% 5 1500 12000 22.3% 2）不同样品在不同电压轰击条件下暗电流变化
为了验证电压对暗电流影响，将制备的2只厚度为10 nm的氧化铝钝化层BCMOS分别装入低能电子轰击BCMOS图像传感器测试设备，进行烘烤除气处理，系统真空度达到4.5×10－8 Pa后，通过调节紫外光源强度、多级联MCP电压，使得入射到BCMOS表面的电子密度达到(40±1)nA，并调节MCP输出端电压，使得输出电压分别达到－1200 V和－1500 V，并在轰击过程中监测BCMOS图像传感器的暗电流数值，具体数据如图 2所示。由图 2可知，在轰击初始时刻，暗电流随累计轰击电子数成线性增加，且电子轰击能量越大，暗电流增加速率越大，随着累计电子轰击数增加，暗电流增加速率减小，且最终均趋于饱和，饱和值约为12000 e－/pixel/s。
![]()
图 2 不同电压参数时BCMOS图像传感器暗电流变化曲线Figure 2. Dark current variation curves of BCMOS image sensor under different voltage parameters3）电子轰击样品大气环境静置后暗电流变化数据
将电子轰击后BCMOS存储在电子干燥柜中，并每隔24 h在大气条件下，按照通用测试方法对其暗电流数值进行监测，其暗电流变化如图 3所示，其在静置初期，暗电流减小速率较大，随着静置时间延长，暗电流减小速率减小，并趋于稳定值，其整体衰减趋势为指数衰减。
![]()
图 3 电子轰击样品大气环境静置后暗电流变化数据Figure 3. Dark current data after standing in atmospheric environment2.2 实验分析
电子轰击BCMOS图像传感器时，入射电子首先进入钝化层内部，通过电离、晶格碰撞散射等方式损伤部分能量，然后进入硅材料内部，通过与硅原子碰撞散射，或使硅电离产生电子空穴对，并在内建电场作用下使得电子向体内漂移，由于本实验仅研究1.5 keV以内电子轰击情况，根据前期研究，入射电子能量为2 keV时其入射深度约为50 nm[8]，因此上述碰撞电离过程均发生在表面50 nm以内的深度。
电子轰击固体材料表面时，可能会产生X射线，Nathan Eric Howard给出了电子轰击硅基材料时X射线发生率，如图 4所示[11]，入射电子能量超过1.8 keV时，会产生软X射线，本实验所研究的轰击电子能量不超过1.5 keV，则可不考虑X射线对BCMOS造成的影响。
![]()
图 4 软X射线产生效率与入射电子能量关系Figure 4. Relationship between soft X-ray generation efficiency and incident electron energy根据上述分析，本实验电子轰击后引起的BCMOS暗电流增加，主要与BCMOS钝化层、钝化层与硅界面或硅表面晶格损伤有关，为进一步明确暗电流增加的内在原因，特基于蒙特卡洛仿真、电子轰击造成硅晶格损伤机理，以及Shockley-Read-Hall理论3个方面进行了分析，具体如下：
1）钝化层电子模拟仿真
为分析电子轰击引起钝化层变化对暗电流的影响，特利用CASINO软件对入射电子在钝化层内部的运动轨迹进行仿真研究。仿真基本参数条件为：P型硅衬底厚度10 μm，氧化铝厚度10 nm，入射电子能量分别为300 eV、600 eV，入射角度为90°，仿真结果如图 5所示。
如图 5(a)所示，当电子能量为300 eV时，电子最大入射深度约为7 nm，无法到达钝化层与硅界面；如图 5(b)所示，当电子入射能量为600 eV时，部分电子可穿过钝化层。根据电子轰击过程中当电子能量为300 eV时，暗电流几乎不变，而电子轰击能量增加至600 eV以后时，暗电流开始增加，据此可以推断，暗电流增加与透过钝化层的电子有关系。
2）入射至硅晶体内部电子引起硅晶格损伤分析
当晶格原子接受的能量达到某一临界值（称为原子位移阈值），晶格原子将离开原来的格点位置，发生原子位移，产生点缺陷，这种晶格损伤是永久损伤。
位移损伤会诱发CMOS体Si禁带中的空位-间隙对和体缺陷的产生，入射粒子能量越大，晶格内发生位移的原子就越多，从而形成新的复合中心，从而使载流子的迁移率减小，电阻率增加，少数载流子寿命降低，体缺陷会成为载流子的散射中心，从而使载流子迁移率降低，这相应地增加了耗尽区的宽度，少子寿命随辐照注量的增加而减少，这都会造成CMOS体暗电流增大[12]。
晶格原子的位移阈值能量Ed描述晶体受辐照损伤的难易程度，Ed取决于晶体结构/掺杂等情况，对硅和锗等四面键合结构，Baiierlein和Sigmund给出了Ed＝6~16 eV的结果，Lofershi给出的结果为12.9 eV[12]。而本实验入射电子能量最大为1.5 keV，可利用公式(1)计算碰撞能量传递。
$$E_{\mathrm{A}}=2 E\left(E+2 m_{\mathrm{e}} c^2\right) /\left(M c^2\right)$$ (1) 式中：M为晶格原子静止质量；me为入射电子质量；E为入射电子能量；c为光速。
根据公式(1)计算可得，当入射电子能量为1.5 keV时，EA约为0.15 eV，远小于位移阈值能量Ed，并且在本实验中，电子轰击后暗电流有恢复至初始状态的趋势，这与晶格损伤为永久损伤的特性相悖，具体判断，本实验暗电流增加主要是由于钝化层与硅界面处缺陷增加所致。
3）界面缺陷密度增加对暗电流影响分析
根据Shockley-Read-Hall理论模型，界面缺陷态引起的电子产生率满足公式(2)，而电子产生率与BCMOS图像传感器的暗电流成正比[11]。
$$ G = \left[ {\frac{{{\sigma _{\text{p}}}{\sigma _{\text{n}}}{\upsilon _{{\text{th}}}}{N_{\text{t}}}}}{{{\sigma _{\text{n}}}\exp \left( {\frac{{{E_{\text{t}}} - {E_{\text{i}}}}}{{KT}}} \right) + {\sigma _{\text{p}}}\exp \left( {\frac{{{E_{\text{i}}} - {E_{\text{t}}}}}{{KT}}} \right)}}} \right]{n_i} $$ (2) 式中：为电子产生率；σp是空穴俘获截面；σn是电子俘获截面；Nt是缺陷能级密度；υth是电子和空穴运动速率；Et是缺陷能级能量；Ei是硅的本征费米能级；K是玻尔兹曼常数；T是绝对温度；ni为本征载流子浓度。
由公式(2)可得，暗电流与缺陷态密度成正比，根据半导体物理理论[13]，半导体表面缺陷态密度最大为1015原子/cm2，其存在最大值，这与实验中观察到的暗电流存在最大值的现象吻合，根据上述分析，入射电子引起氧化铝钝化层与硅界面处缺陷态增加，是引起上述现象的主要原因。
3. 结论
本文采用电子束密度为40 nA/cm2，电子能量为300~1500 eV的电子束对厚度为10 nm的氧化铝钝化层的BCMOS图像传感器开展电子轰击实验，首先根据实验结果得，当电子能量超过600 eV时，入射电子会造成BCMOS图像传感器暗电流增加，且随着入射电子能量增加，暗电流增加速率增加，其暗电流存在最大值，约为12000 e－/pixel/s；然后根据蒙特卡洛仿真结果分析指出入射电子能量为300 eV时，电子无法达到氧化铝与硅界面，而当入射电子能量达到600 eV时，入射电子可到达氧化铝与硅界面；之后根据电子轰击硅晶格能量传递计算判断，入射能量≤1.5 keV时电子碰撞不会造成硅晶格损伤；最后根据Shockley-Read-Hall理论分析指出入射电子引起氧化铝钝化层与硅界面处缺陷态增加，是引起上述现象的主要原因。
-
![]()
![]()
图 2 类果蝇复眼视觉神经通路与图像/视频信息处理对应关系图
Figure 2. Corresponding diagram between the visual pathway of the Drosophila-like compound eye and the image/video information processing
![]()
![]()
![]()
图 5 国外人工仿生复眼光学成像模型
Figure 5. Foreign artificial bionic compound eye optical imaging model
![]()
图 6 国内人工仿生复眼光学成像模型
Figure 6. Domestic artificial bionic compound eye optical imaging model
![]()
![]()
图 9 类果蝇复眼运动神经网络模型的示意图
Figure 9. Schematic diagram of the movement neural network model in Drosophila-like compound eye
![]()
![]()
![]()
-
[1] 巩宪伟, 鱼卫星, 张红鑫, 等. 仿生复眼成像系统设计与制作的研究进展[J]. 中国光学, 2013, 6(1): 34- 45. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGA201301007.htm GONG Xianwei, YU Weixing, ZHANG Hongxin, et al. Progress in design and fabrication of artificial compound eye optical systems[J]. Chinese Optics, 2013, 6(1): 34-45. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGA201301007.htm
[2] 王汉熙, 张进, 易茂祥, 等. 复眼技术专利结构分析[J]. 武汉理工大学学报, 2018, 40(2): 106-112. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY201802018.htm WANG Hanxi, ZHANG Jin, YI Maoxiang, et al. Analysis of patent structure of compound eye technology[J]. Journal of Wuhan University of Technology, 2018, 40(2): 106-112. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY201802018.htm
[3] 王申奥, 王汉熙. "人造复眼"英文学术文献展现的学术研究整体态势[J]. 武汉理工大学学报, 2020, 42(2): 90-102. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY202002016.htm WANG Shenao, WANG Hanxi. Academic research situation and development direction of the artificial compound eye in English academic literature[J]. Journal of Wuhan University of Technology, 2020, 42(2): 90-102. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY202002016.htm
[4] 吴慧娟, 陈晓江, 王汉熙. "复眼系统"中文学术文献展现的整体态势与发展方向[J]. 武汉理工大学学报, 2020, 42(3): 97-108. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY202003018.htm WU Huijuan, CHEN Xiaojiang, WANG Hanxi. The overall situation and development direction of Chinese academic research in compound eye system[J]. Journal of Wuhan University of Technology, 2020, 42(3): 97-108. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY202003018.htm
[5] 周同林, 王汉熙. 人工复眼应用领域探索分析[J]. 武汉理工大学学报, 2020, 42(7): 92-108. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY202007016.htm ZHOU Tonglin, WANG Hanxi. Research and analysis of artificial compound eye application field[J]. Journal of Wuhan University of Technology, 2020, 42(7): 92-108. https://www.cnki.com.cn/Article/CJFDTOTAL-WHGY202007016.htm
[6] Hodierna D G. L'Occhio Della Mosca[M]. Decio Cirillo: Palermo, 1664.
[7] Miiller J. Zur Vergleichenden Physiologie Des Gesichtssinnes Des Menschen Und Der Thiere[M]. Cnobloch, Leipzig & wien, 1826.
[8] EXNER S. Die Physiologie Der Facettirten Augen Von Krebsen Und Insecten[M]. Franz Deuticke, Leipzig & wien, 1891.
[9] 周常河, 刘立人, 王之江. Hartline侧抑制神经网络模型的光学实现[J]. 光学学报, 1992, 12(5): 451-456. DOI: 10.3321/j.issn:0253-2239.1992.05.014 ZHOU Changhe, LIU Liren, WANG Zhijiang. Optical implementation of Hartline lateral inhibition model[J]. Acta Optica Sinica, 1992, 12(5): 451-456. DOI: 10.3321/j.issn:0253-2239.1992.05.014
[10] 吴卫国, 徐智敏, 石淑珍, 等. 神经重叠复眼感杆光导的模式与性特化光感受器[J]. 生物物理学报, 1989, 5(3): 298-303. https://www.cnki.com.cn/Article/CJFDTOTAL-SWWL198903013.htm WU Weiguo, XU Zhimin, SHI Shuzhen, et al. The patterns of light guide within the rhabdomere and sex-soecific photoreceptor in the neural superposintion compound eye[J]. Acta Biophysica Sinica, 1989, 5(3): 298-303. https://www.cnki.com.cn/Article/CJFDTOTAL-SWWL198903013.htm
[11] KUNZE P, HAUSEN K. Inhomogeneous refractive index in the crystalline cone of a moth eye[J]. Nature, 1971, 231: 392-393. DOI: 10.1038/231392a0
[12] TANG S, WOLF R, XU S, et al. Visual pattern recognition in Drosophila is invariant for retinal position[J]. Science, 2004, 305: 1020-1022. DOI: 10.1126/science.1099839
[13] 徐梦溪, 施建强. 仿生复眼型多源监测数据融合与专题信息提取[J]. 水利信息化, 2021(1): 71-75. https://www.cnki.com.cn/Article/CJFDTOTAL-SLSW202101015.htm XU Mengxi, SHI Jianqiang. Bionic compound eye based multi-source monitoring data fusion and thematic information extraction[J]. Water Resources Infromatization, 2021(1): 71-75. https://www.cnki.com.cn/Article/CJFDTOTAL-SLSW202101015.htm
[14] 郭爱克, 张柯, 郭建增, 等. 果蝇的视觉认知研究[J]. 中国基础科学, 2008(1): 29-33. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJB200801019.htm GUO Aike, ZHANG Ke, GUO Jianzeng, et al. Visual cognition in drosophila brain[J]. China Basic Science, 2008(1): 29-33. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJB200801019.htm
[15] 郭爱克, 彭岳清, 张柯, 等. 小虫春秋: 果蝇的视觉学习记忆与认知[J]. 自然杂志, 2009, 31(2): 63-68. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZZ200902000.htm GUO Aike, PENG Yueqin, ZHANG Ke, et al. Insect behavior : visual cognition in fruit fly[J]. Chinese Journal of Nature, 2009, 31(2): 63-68. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZZ200902000.htm
[16] Pericet C R, Dobrzynski M, Eplattenier G L, et al. CURVACE-CURVed artificial compound eyes[J]. Procedia Computer Science, 2011, 7: 308- 309. DOI: 10.1016/j.procs.2011.09.040
[17] 李娜娜. 重叠型复眼光学系统的研究[D]. 长春: 长春理工大学, 2010. LI Nana. Study of the Superposition Compound Eye Optical System[D]. Changchun: Changchun University of Science and Technology, 2010.
[18] 史成勇. 仿生曲面复眼系统设计及其图像处理研究[D]. 长春: 中国科学院大学, 2017. SHI Chengyong. Research on the Design and Image Process of Bioinspired Spherical Compound Eye Imaging System[D]. Changchun: Chinese Academy of Science, 2017.
[19] Tanida J, Kumagai T, Yamada K, et al. Thin observation module by bound optics (TOMBO): concept and experimental verification[J]. Applied Optics, 2001, 40(11): 1806-1813. DOI: 10.1364/AO.40.001806
[20] Duparre J, Dannberg P, Schreiber P, et al. Artificial apposition compound eye fabricated by micro-optics technology[J]. Applied Optics, 2004, 43(22): 4303-4310. DOI: 10.1364/AO.43.004303
[21] Duparre J, Radtke D, Tunnermann A. Spherical artificial compound eye captures real images[C]// Proceedings of SPIE, 2007, 6466: 64660K -1 - 64660K-9.
[22] Afshari H, Jacques L, Bagnato L, et al. The PANOPTIC camera: a plenoptic sensor with real-time omnidirectional capability[J]. Journal of Signal Processing Systems, 2013, 70: 305-328. DOI: 10.1007/s11265-012-0668-4
[23] 吴梅英, Mclntyre P D. 萤火虫复眼光学模型重叠成象的研究与模拟[J]. 生物化学与生物物理进展, 1994, 21(6): 535-539. https://www.cnki.com.cn/Article/CJFDTOTAL-SHSW406.014.htm WU Meiying, Mclntyre P D. Study and simulation of overlapping image of firefly compound eye optical model[J]. Progress in Biochemistry and Biophysics, 1994, 21(6): 535-539. https://www.cnki.com.cn/Article/CJFDTOTAL-SHSW406.014.htm
[24] 吴梅英, 田丽娟, 彭连惠. 北京萤火虫复眼的光学成像[J]. 昆虫学报, 1993, 36(2): 158-161. https://www.cnki.com.cn/Article/CJFDTOTAL-KCXB199302004.htm WU Meiying, TIAN Lijuan, PENG Lianhui. The optical imaging of compound eye of Beijing firefly phrococelia pekinensis[J]. Acta Entomologica Sinica, 1993(2): 158-161. https://www.cnki.com.cn/Article/CJFDTOTAL-KCXB199302004.htm
[25] 吴梅英, MCLNTYRE P D. 北京萤火虫复眼的梯度折射率光学和光线追迹[J]. 科学通报, 1994, 39(18): 1705-1708. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB199418018.htm WU Meiying, Mclntyre P D. Gradient refractive index optics and ray tracing of the compound eye of Beijing firefly[J]. Chinese Science Bulletin, 1994, 39(18): 1705-1708. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB199418018.htm
[26] 张红鑫, 卢振武, 王瑞庭, 等. 曲面复眼成像系统的研究[J]. 光学精密工程, 2006, 14(3): 346-350. https://www.cnki.com.cn/Article/CJFDTOTAL-GXJM200603001.htm ZHANG Hongxin, LU Zhenwu, WANG Ruiting, et al. Study on curved compound eye imaging system[J]. Optics and Precision Engineering, 2006, 14(3): 346-350. https://www.cnki.com.cn/Article/CJFDTOTAL-GXJM200603001.htm
[27] 曹阿秀, 史立芳, 石瑞英, 等. 大视场复眼结构图像处理算法研究[J]. 光子学报, 2014, 43(5): 199-204. https://www.cnki.com.cn/Article/CJFDTOTAL-GZXB201405034.htm CAO Axiu, SHI Lifang, SHI Ruiying, et al. Image processing algorithm study of large FOV compound eye structure[J]. Acta Photonica Sinica, 2014, 43(5): 0510005-1-0510005-6. https://www.cnki.com.cn/Article/CJFDTOTAL-GZXB201405034.htm
[28] 曹阿秀. 小型化复眼结构多维信息探测关键技术研究[D]. 成都: 中国科学院大学, 2019. CAO Axiu. Research on multi-dimensional information detection technology by miniaturized compound eye structure[D]. Chengdu: University of Chinese Academy of Sciences, 2019.
[29] 马孟超. 用于目标三维探测的复眼系统设计研究[D]. 合肥: 中国科学技术大学, 2014. MA Mengchao. Research on Artificial Compound Eye System for 3D Object Detection[D]. Hefei: University of Science and Technology of China, 2014.
[30] 裘溯, 倪宇, 金伟其, 等. 基于微端面光纤面的多孔径视场重叠复眼的视场模型[J]. 光学精密工程, 2015, 23(11): 3018-3025. https://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201511003.htm QIU Su, NI Yu, JIN Weiqi, et al. FOV modeling of multi-aperture superposition compound eye based on micro-surface fiber faceplate[J]. Optics and Precision Engineering, 2015, 23(11): 3018-3025. https://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201511003.htm
[31] 付跃刚, 赵宇, 刘智颖, 等. 用于目标识别的紧凑型仿生复眼光学系统设计[J]. 红外与激光工程, 2017, 46(6): 8-14. https://www.cnki.com.cn/Article/CJFDTOTAL-HWYJ201706001.htm FU Yuegang, ZHAO Yu, LIU Zhiying, et al. Design of compact bionic compound eye optical system used for target identification[J]. Infrared and Laser Engineering, 2017, 46(6): 8-14. https://www.cnki.com.cn/Article/CJFDTOTAL-HWYJ201706001.htm
[32] 庞阔, 宋乐, 房丰洲. 应用光学自由曲面的曲面结构大视场仿生复眼系统[J]. 光电子·激光, 2018, 29(1): 8-13. https://www.cnki.com.cn/Article/CJFDTOTAL-GDZJ201801002.htm PANG Kuo, SONG Le, FANG Fengzhou. Large field of view curved compound eye imaging system using optical freeform surface[J]. Journal of Optoelectronics·Laser, 2018, 29(1): 8-13. https://www.cnki.com.cn/Article/CJFDTOTAL-GDZJ201801002.htm
[33] 胡雪蕾, 高明, 陈阳. 大视场曲面仿生复眼光学系统设计[J]. 红外与激光工程, 2020, 49(1): 0114002-1 -0114002-9. HU Xuelei, GAO Ming, CHEN Yang. Design of curved bionic compound eye optical system with large field of view[J]. Infrared and Laser Engineering, 2020, 49(1): 0114002-1 -0114002-9.
[34] 吴楠. 果蝇复眼感光细胞的光电信号转换模型[D]. 广州: 南方医科大学, 2015. WU Nan. A model for optical signal transduction in Drosophila photoreceptors[D]. Guangzhou: Southern Medical University, 2015.
[35] NIE J. Morphogenesis of Drosophila Photoreceptor Cells[D]. Indiana University, 2014.
[36] 金菲, 颜忠诚. 昆虫的复眼[J]. 生物学通报, 2012, 47(12): 4-6. https://www.cnki.com.cn/Article/CJFDTOTAL-SWXT201212005.htm JIN Fei, YAN Zhongcheng. Compound eyes of insects[J]. Bulletin of Biology, 2012, 47(12): 4-6. https://www.cnki.com.cn/Article/CJFDTOTAL-SWXT201212005.htm
[37] 陈俊宇. 模拟昆虫视觉机理的小目标检测研究[D]. 南京: 河海大学, 2021. CHEN Junyu. Research on small target motion detection simulating the mechanism of insect vision[D]. Nanjing: Hohai University, 2021.
[38] Wardill T J, List O, Li X F, et al. Multiple spectral inputs improve motion discrimination in the Drosophila visual system[J]. Science, 2012, 336 (6083): 925-931.
[39] Hassenstein B, Reichardt W. System theoretsche analyse der Zeit, reihenfolgen und vor zeichenauswertung bei der bewegungsperzeption der russelkafers chlorophanus[J]. Zeitschrift Fur Naturforschung B, 1956, 11(9): 513-524.
[40] Egelhaaf M, Borst A. Transient and steady-state response properties of movement detectors[J]. Journal of Optical Society of America A, 1989, 6(1): 116-127.
[41] Borst A, Egelhaaf M. Principles of visual motion detection[J]. Trends in Neurosciences, 1989, 12(8): 297-306.
[42] Missler J M, Kamangar F A. A neural network for pursuit tracking inspired by the fly visual system[J]. Neural Networks, 1995, 8(3): 463- 480.
[43] Rind F C, Bramwell D I. Neural network based on the input organization of an identified neuron signaling impending collision[J]. Journal of Neurophysiology, 1996, 75(3): 967-985.
[44] Yue S G, Rind F C. Postsynaptic organisations of directional selective visual neural networks for collision detection[J]. Neurocomputing, 2013, 103: 50-62.
[45] 徐立中, 石爱业, 黄凤辰, 等. 多源监测信息融合仿生复眼型系统模式及感知计算机理[J]. 智能系统学报, 2008, 3(4): 328-335. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNXT200804012.htm XU Lizhong, SHI Aiye, HUANG Fengchen, et al. A perceptual and computational mechanism for bionic compound eye systems with multi-source information fusion[J]. CAAI Transactions on Intelligent Systems, 2008, 3(4): 328-335. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNXT200804012.htm
[46] 黄凤辰, 李敏, 石爱业, 等. 受昆虫视觉启发的多光谱遥感影像小目标检测[J]. 通信学报, 2011, 32(9): 88-95. https://www.cnki.com.cn/Article/CJFDTOTAL-TXXB201109014.htm HUANG Fengchen, LI Min, SHI Aiye, et al. Insert visual system inspired small target detection for multi-spectral remotely sensed images[J]. Journal of Communications, 2011, 32(9): 88-95. https://www.cnki.com.cn/Article/CJFDTOTAL-TXXB201109014.htm
[47] 王磊. 基于果蝇视觉神经的目标检测与跟踪[D]. 贵阳: 贵州大学, 2015. WANG Lei. Fly's Vision Neuron Objective Motion Detection and Tracking[D]. Guiyang: Guizhou University, 2015.
[48] 胡常俊. 基于果蝇视觉机理的车辆预警算法及其应用[D]. 贵阳: 贵州大学, 2019. HU Changjun. Vehicle Warning Algorithm Based on Fly'S Visual Mechanism and Its Application[D]. Guiyang: Guizhou University, 2019.
[49] 罗荣成. 基于DSP的人工果蝇视觉碰撞预警系统研究与实现[D]. 贵阳: 贵州大学, 2017. LUO Rongcheng. Research and Implementation of Artificial Drosophila Visual Collision Warning System Based on DSP[D]. Guiyang: Guizhou University, 2017.
[50] Mehmet N O, Felix S, Shadi J, et al. Neuronal diversity and convergence in a visual system developmental atlas[J]. Nature, 2020, 589(7840): 88-95.
[51] LI P H, Lindsey L F, Januszewski M, et al. Automated reconstruction of a serial-Section EM Drosophila brain with flood-filling networks and local realignment[J]. Microscopy Social Science Electronic Publishing, 2019, 25(2): 1364-1365.
[52] 郭爱克. 探索自然智慧本质, 照亮类脑智能之路——果蝇学习记忆与抉择的神经环路机制研究[J]. 中国科学: 生命科学, 2019, 49(10): 1354-1374. https://www.cnki.com.cn/Article/CJFDTOTAL-JCXK201910009.htm GUO Aike. A cross-species review of cognitive neural circuits to illuminate the way to brain-inspired intelligence[J]. Scientia Sinica Vitae, 2019, 49(10): 1354-1374. https://www.cnki.com.cn/Article/CJFDTOTAL-JCXK201910009.htm
[53] 张柯. 果蝇中基于目标突显程度的视觉抉择机制研究[D]. 上海: 中国科学院大学, 2008. ZHANG Ke. Saliency-Based Visual Decision-making in Drosophila[D]. Shanghai: Chinese Academy of Science, 2008.
[54] Schneider J, Murali N, Taylor G W, et al. Can Drosophila melanogaster tell who's who?[J]. PLOS ONE, 2018, 13(10): 1-10.
[55] ZHAO F F, ZENG Y, GUO A K, et al. A neural algorithm for Drosophila linear and nonlinear decision-making[J/OL]. Scientific Reports, 2020. https://doi.org/10.1038/s41598-020-75628-y.
[56] 张娜. 面向仿生微纳导航系统的偏振器研究[D]. 大连: 大连理工大学, 2006. ZHANG Na. Research on the Polarizer for the Bionic Micro-nano Navigation System[D]. Dalian: Dalian University of Technology, 2006.
[57] 金菲, 颜忠诚. 昆虫复眼的仿生学应用[J]. 生物学通报, 2014, 49(6): 3-5. https://www.cnki.com.cn/Article/CJFDTOTAL-SWXT201406002.htm JIN Fei, YAN Zhongcheng. Biomimetic applications of insect compound eyes[J]. Bulletin of Biology, 2014, 49(6): 3-5. https://www.cnki.com.cn/Article/CJFDTOTAL-SWXT201406002.htm
[58] 王国锋. 蝇视觉系统在红外成像制导中的应用研究[D]. 西安: 西北工业大学, 2003. WANG Guofeng. Research on IR Imaging Guidance Using Fly'S Visual System[D]. Xi'an: Northwestern Polytechnical University, 2003.
[59] 高文静, 杨预立, 邢强, 等. 基于目标运动的复眼式双目视觉测距法[J]. 应用光学, 2020, 41(3): 571-579. https://www.cnki.com.cn/Article/CJFDTOTAL-YYGX202003021.htm GAO Wenjing, YANG Yuli, XING Qiang, et al. Compound eye binocular vision ranging method based on target motion[J]. Journal of Applied Optics, 2020, 41(3): 571-579. https://www.cnki.com.cn/Article/CJFDTOTAL-YYGX202003021.htm
[60] Tabata K, Takahashi H, Yamada K. Evaluation of multiwavelength band-pass filter endoscope using compound eye optical system[C]// Fourth International Conference on Innovative Computing, Information and Control, 2009.
[61] 邢强. 仿昆虫复眼结构的运动目标位置检测[D]. 南京: 南京航空航天大学, 2010. XING Qiang. Fast Detcetion of Position of High Speed Moving Object by Inspiration of Compound Eye of Insect[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2010.
-
期刊类型引用(3)
1. 李萌萌，李兆营，黄添萍. 共蒸发法制备金锡共晶焊料环及其性能研究. 传感器与微系统. 2024(01): 59-61 . 
百度学术
2. 孙俊伟，孔祥盛，胡汉林，刘继伟，王兴祥，李松华. 非制冷红外探测器真空寿命研究. 红外技术. 2024(12): 1448-1452 . 本站查看
3. 陈江攀，刘艳，王增凯，刘艺，孙立敏. 冲击环境后峰锯齿脉冲试验条件自动寻优方法. 装备环境工程. 2023(12): 135-141 . 百度学术
其他类型引用(2)
下载:
计量
- 文章访问数: 272
- HTML全文浏览量: 220
- PDF下载量: 96
- 被引次数: 5
