圖.(A)多能X射線成像及智能物質識別系統的工作原理圖;(B)該系統對雞爪的成像與生物組織識別結果。

近日，東南大學多維探測與智能識別團隊在多能X射線成像與物質智能識別方向研究取得新進展。相關成果以“基于單極性鈣鈦礦探測器的多能X射線成像及智能物質識別”(“Multi-energy X-ray imaging enabled by unipolar perovskite detector for intelligent substance identification”)為題，發表在國際學術期刊《科學進展》(Science Advances)上。該研究基于自研單極性鈣鈦礦X射線探測面板，提出了一種無需單光子計數、依靠“電壓編碼能量”的多能成像新方案，實現了對未知物質的自動識別與偽彩上色。

該研究通過構筑單極性n–i–n鈣鈦礦X射線探測器，使該器件對電子的選擇性收集遠強于空穴，并利用外加電壓調控內部電場與漂移長度，將連續譜X射線“分解”為多個能量通道;再結合多電壓下的光電流解耦算法，使該器件在普通X射線源條件下即可獲得多能圖像，從而具備高通量、高靈敏度與良好空間分辨率。

該研究通過構筑單極性n–i–n鈣鈦礦X射線探測器，使該器件對電子的選擇性收集能力遠強于對空穴的收集能力;并利用外加電壓調控內部電場與漂移長度，將連續譜X射線“分解”為多個能量通道;再結合多電壓下的光電流解耦算法，使該器件在普通X射線源條件下即可獲得多能圖像，從而具備高通量、高靈敏度與良好空間分辨率的優異性能。

在此基礎上，研究團隊進一步建立了面向實際應用的“多能材料庫”和智能識別流程：首先利用不同能量通道的吸收信息，對每個像素的線衰減系數進行歸一化處理，構建由若干σ(Ei)/σ(Ej) 組成的“能量指紋”，弱化樣品厚度和劑量波動的影響;隨后針對常見金屬、聚合物以及生物組織等材料，采集標準樣本數據，統計其能量指紋分布，形成可視化的材料數據庫。成像時，系統將未知像素的能量指紋與材料庫逐一比對，并結合距離度量和機器學習分類算法，實現逐像素自動判別與偽彩上色，使得在復雜疊層和厚度變化條件下，不同材料仍能在X射線圖像中“各顯其色、一目了然”。

本論文第一作者為東南大學電子科學與工程學院李雨巍博士生，東南大學徐曉寶教授、雷威教授以及瑞典林雪平大學高峰教授為共同通訊作者。本研究得到國家重點研發計劃、國家自然科學基金、江蘇省自然科學基金等項目資助。

審核編輯 黃宇