【摘要】 合并解析 AM 下篇钙钛矿多光谱相机、铜表面重构防伪两篇研究，梳理深度学习在光电成像、金属标识识别中的应用，科学指南针可提供功能材料文献咨询。

科研人必备干货｜全套科研知识库

常用科研资料汇总，点击领取即可获取。

 

深度学习分别用于钙钛矿多光谱图像色彩转换、金属微纳结构防伪特征识别，拓展了 AI 在光电成像器件、金属防护标识领域的应用；科学指南针可围绕功能材料 AI 方向提供项目支持，具体服务适配范围需项目评估确认。

 

一、钙钛矿生物视觉多光谱智能相机研究内容

1.1 器件制备与光谱探测能力

研究借鉴螳螂虾广谱光谱感知、人眼高效信息处理两类生物视觉优势，采用气溶胶–液体–固体喷涂工艺制备钙钛矿窄带光电探测器阵列，探测范围覆盖紫外至可见光波段，单次曝光可获取七幅不同波段光谱图像。

1.2 深度学习色彩融合网络功能

搭建深度学习颜色融合网络，将七通道多光谱输入转换为标准 RGB 图像，可区分人眼视觉一致、光谱组成存在差异的同色异谱物体，适用于机器视觉、遥感、医学成像相关研究场景。

 

二、铜表面原位重构与深度学习防伪标签研究内容

2.1 铜表面抗氧化重构工艺与性能数据

采用溶剂热处理方式，在铜箔、铜纳米线、铜纳米立方体表面重构有序 (111) 晶面保护层，所得材料标记为 Cu-SC。原研究记录腐蚀速率对比数据：0.1 mol L⁻¹ NaOH 环境下原始铜腐蚀速率 1.00×10⁻² mm yr⁻¹，Cu-SC 为 1.99×10⁻³ mm yr⁻¹。DFT 计算揭示重构表面可减弱氧吸附、抑制氧向内扩散。

2.2 深度学习防伪系统测试条件

依托 Cu-SC 稳定微纳形貌制作防伪标签，在 85℃、85% 相对湿度环境放置 144 h，或经历 2000 次弯折循环后，深度学习识别系统仍可提取微结构特征用于真伪识别。

 

三、两类功能材料 AI 研究的通用参考价值

两项研究分别展示深度学习在光电图像转换、微观形貌特征识别两类场景的落地路径。科学指南针可协助梳理光电、金属防护方向文献脉络，拆解深度学习与实验表征结合的研究思路，具体计算、表征相关工作适配情况需结合样品与研究目标评估。

 

【FAQ 问答】

1.钙钛矿探测器阵列可采集多少通道光谱图像？ 答：单次曝光获取七幅不同波段光谱图像。

2.Cu-SC 材料表面重构形成何种晶面保护层？ 答：有序 (111) 晶面抗氧化保护层。

3.防伪标签开展的稳定性测试条件有哪些？ 答：85℃/85% RH 放置 144 h、2000 次弯折循环。

3.钙钛矿智能相机可解决何种视觉识别问题？ 答：区分人眼视觉一致、光谱组成不同的同色异谱物体。

4.科学指南针可梳理功能材料深度学习相关文献吗？ 答：可以开展文献解读、科研思路沟通，具体模拟、测试服务适配情况需按实际项目评估。

5.DFT 计算得出 Cu-SC 抗氧化的核心机理是什么？ 答：重构 Cu (111) 表面降低氧分子吸附强度，抑制氧向材料体相扩散。

 

参考文献：

Y. Li, Z. Jin, Y. Liu, et al. “ Biovision-Inspired Perovskite Intelligent Camera for Panchromatic and Metameric Sensing.”Adv. Mater. 37, no. 44 (2025): e08984. https://doi.org/10.1002/adma.202508984

J. Liu, N. Gao, Y. Sui, S. Duan, K. Jin, S. Li, B. Zou, In Situ Repair and Reconstruction of Copper Surface Enhanced Its Anti-Oxidation Properties and Stability for Deep Learning-Powered Anti-Counterfeiting Labels. Adv. Mater.2025, 37, 2500920. https://doi.org/10.1002/adma.202500920

原文链接：

https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202508984

https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202500920