Xuan Zhang · Jiahao Xiong · Ai Fu · Guoxing Zheng · Applied Physics Letters · 2025年1月 · Vol.126

利用光电混合神经网络，提出一种基于超表面与单像素探测器的混合神经网络用于物体识别。该方法仅需八个由数字神经网络训练得到的照明模式，将二维图像信息通过卷积压缩为单像素探测器测量的八个强度值，在手写数字识别中实现了93.8%的准确率。本工作实现了无需成像的超表面物体识别新路径，兼具强信息压缩、高精度提取能力与紧凑结构设计优势。

解读: 该超表面单像素识别技术对阳光电源智能运维系统具有重要应用价值。其核心优势在于：1）强信息压缩能力可应用于PowerTitan大型储能系统的分布式传感器网络，通过单像素探测器实现设备状态监测，大幅降低数据传输带宽需求；2）无需成像的识别方式适合iSolarCloud云平台的边缘计算场景，在光伏电站和储...