在自動化和智能技術發展日益成熟的今天，機器視覺系統（名詞解釋）在許多領域被廣泛應用，包括自動駕駛汽車、智能制造、自動化手術和生物醫學成像等。

這些機器視覺系統大多使用基于普通光學鏡頭模組的相機，在拍攝通常高達具有數百萬像素的圖像或視頻后，通常將其饋送到如GPU等數字邏輯處理單元從而來執行一定的機器學習任務，例如物體識別、分類和場景分割等。

藝術效果圖：基于光學神經網絡的機器視覺系統

這種經典的機器視覺架構具有如下幾個方面的缺點：

第一，高像素傳感器拍攝帶來大量信息使其難以實現極高速的圖像或視頻數字化存儲和分析，尤其在使用移動設備和電池供電的設備時更是帶來了能耗和性能的平衡問題；

第二，所捕獲的圖像通常包含許多對機器學習任務無用的冗余信息，帶來了后端處理器某種程度上的性能負擔，和資源浪費，從而導致在功耗和內存需求方面效率低下。

第三，在可見光的波長以外的電磁波段制造高像素數圖像傳感器（如手機相機中的傳感器）具有很大的挑戰性，且其成本十分昂貴，因而也限制了機器視覺系統在更長波段（如太赫茲）上的應用。

最近，加州大學洛杉磯分校（UCLA）的研究人員開發了一種新的單像素機器視覺系統，通過引入光學神經網絡（名詞解釋）的方式規避了傳統機器視覺系統的諸多缺點。

圖1 來自加州大學洛杉磯分校的研究人員發明了一個新型單像素機器視覺系統，該系統可以將物體的空域信息編碼為功率譜，從而實現對圖像進行分類和重建。

該成果以Spectrally encoded single-pixel machine vision using diffractive networks為題發表在Science Advances。

研究人員借助深度學習技術，設計了一個由多個衍射層組成的衍射光學神經網絡（Diffractive Optical Neural Networks）（拓展閱讀），這些衍射層由計算機自動優化設計，可將經過的輸入光場調制成一定的目標分布，從而能夠執行計算和統計推斷任務。

與常規的基于鏡頭模組的相機不同，該衍射光學神經網絡以被寬帶光照明的物體作為其輸入，將物體的空域特征信息提取并編碼到衍射光的光譜上，而后光譜信號由具有頻譜探測能力的單像素超快傳感器所收集。通過將物體對應的不同的類別分配給不同波長的光頻譜分量，該系統僅使用單像素傳感器探測到的輸出光譜即可自動對輸入對象完成分類，從而無需圖像傳感器陣列和后端數字處理。這種框架實現了全光學推理和機器視覺，在幀速率、內存需求和功耗效率方面具有明顯優勢，這些特點對于移動計算（名詞解釋）應用而言尤為重要。

圖2. 該系統使用寬帶光對物體進行照明。系統分類結果取決于單像素傳感器測得的輸出光功率譜上10個波長位置上最強的信號，其波長對應的類別即是分類預測結果。功率譜信號還可以輸入到數字神經網絡中被用于重建物體本身的圖像。

為驗證這一概念，研究人員通過使用單像素傳感器和3D打印的衍射層對使用手寫數字圖像數據集（MNIST）的所構建的物體進行分類，在實驗中證明了該框架在太赫茲波段下的性能。研究者基于提前選定的10個波長對實驗系統進行了設計，這10個波長被逐一分配給輸入物的不同類別（對應手寫數字的0到9），對物的分類結果取決于傳感器輸出功率譜上10個波長位置上信號最強者的波長對應的類別。

實驗系統中的單像素探測方案基于太赫茲時域光譜術實現，照明光為極短的太赫茲脈沖，網絡的推理以光速在瞬時間完成。

最終，該系統在手寫數字分類任務中實現了超過96%的分類精度，實驗結果也與數值模擬非常吻合，證明了該單像素機器視覺框架在構建低延遲、高效的機器學習系統方面的可行性。除物體分類外，研究人員還將此衍射神經網絡的輸出與一個簡單的全連接數字神經網絡相連接，僅通過功率譜上10個波長處的信號強度來快速重建此輸入物的圖像，從而實現了圖像的重建或“解壓縮”。

總而言之，這種單像素對象分類和圖像重建框架可以為新的機器視覺系統的開發鋪平道路。該系統具有低像素數、低延遲、低功耗和低成本的特點，以高效、節省資源的獨特優勢通過將物體信息進行頻譜編碼來實現特定的推理任務，有望廣泛應用于移動計算、邊緣計算（名詞解釋）等領域。

此外，該新框架還可以擴展到各種光譜域測量系統，例如光學相干斷層掃描、紅外波段成像等，有助于構建基于衍射神經網絡的光譜和空間信息編碼集成的新型3D傳感和成像方式。
編輯：lyn