通过应用模拟数据的传感器内计算，维也纳理工大学光子学研究所的一组研究人员开发了一种加速机器视觉的方法。在他们发表在《自然》杂志上的论文中，该小组描述了他们的设计以及在测试期间的表现。香港理工大学杨柴教授最近发表了一篇新闻报道。查看同一期刊中描述团队工作的文章。

在目前的技术下，机器视觉是通过一个基本的系统来实现的，这个系统包括一个带有对光响应的图像传感器的设备。来自图像传感器的数据通过另一个设备从模拟信号转换为数字信号。然后，这些数字数据被另一种设备处理，可以是本地设备，也可以是云端设备。该系统在当前的应用中运行良好，但由于在读取和处理大量图像数据方面存在一定的延迟，因此不适合未来的应用。在这项新的努力中，研究人员提出了一种新型的图像传感器，可以在一定程度上处理模拟数据。

奥地利的研究小组设想的图像传感器包括在芯片上嵌入光电二极管的三极管，其方式是利用施加的电压增加或减少光电二极管对光的灵敏度，这种设置允许每个二极管分别调谐或加权。在这种情况下，二极管的作用类似于人眼中的神经。当图像被呈现到设备上时，所有的二极管基于它们的调谐一起反应，它们充当一个网络视觉处理器。当光线到达传感器时，通过添加组成传感器阵列的每一列和每一行的光强进行处理。然后，根据需要的结果，通过对每个成员进行单独的调整，对二极管阵列进行任务训练。最初的学习阶段只需要很短的时间，但是一旦网络经过训练，处理的速度就等于光电二极管的反应时间。

研究人员设想的设备并不是用来产生图像的。相反，它过滤掉不必要的数据并执行一些初始排序。为了测试它，研究人员教他们的设备对三个简化字母进行排序。他们还用它来做一些非常基本的基于给定图像关键特征的自动编码。他们指出，他们的设计和设备仍处于概念验证阶段，但他们的发现迄今为止是令人鼓舞的。