数字视网膜与类脑计算芯片在无人机端侧实时AI处理中的能效比提升与复杂场景理解能力研究.docxVIP

PAGE

PAGE1

《数字视网膜与类脑计算芯片在无人机端侧实时AI处理中的能效比提升与复杂场景理解能力研究》

一、概述

1.1报告背景与研究意义

随着无人机技术在智慧城市、应急救援、地理测绘及国防安全等领域的广泛应用，其对端侧实时智能处理能力的需求呈现爆发式增长。传统的无人机视觉系统多采用“先传输后处理”或基于传统冯·诺依曼架构的边缘计算模式，在面对海量高分辨率视频流时，不仅受限于通信带宽的瓶颈，更面临着功耗与算力的双重制约。尤其是在复杂动态环境下，如光照剧烈变化、高速运动目标捕捉等场景，传统基于帧的图像传感器存在数据冗余度高、动态范围有限及延迟高等固有缺陷，严重制约了无人机实时感知与决策的智能化水平。

本研究聚焦于“数字视网膜”仿生视觉传感与类脑计算芯片的前沿交叉融合，旨在探索突破无人机端侧AI处理能效瓶颈的创新路径。数字视网膜模拟人眼视觉机理，通过事件驱动机制显著降低数据冗余；类脑计算芯片则模拟生物神经网络脉冲处理方式，实现存算一体的高效计算。研究二者的深度融合，对于降低无人机在实时目标识别、语义分割等任务中的功耗，提升其在动态环境中的认知智能具有重要的科学价值与应用前景。这不仅能够大幅延长无人机的续航时间，更能赋予其在极端环境下稳定执行任务的能力，是未来智能无人系统发展的关键核心技术方向。

1.2研究范围与方法

1.2.1预测范围界定

本报告的预测范围主要