【会员论文】ACS Photonics丨南邮唐为华教授、郭宇锋教授团队：β相氧化镓阵列实现超低3 nW/cm²探测阈值，用于超弱UV-C图像识别与实例分割

        由南京邮电大学唐为华教授、郭宇锋教授的研究团队在学术期刊 ACS Photonics 发布了一篇名为β-Ga₂O₃ Array with Extremely-Low 3 nW/cm² Detection Threshold for Ultra-Weak UV-C Image Recognition and Instance Segmentation（β-Ga₂O₃阵列实现超低3 nW/cm²探测阈值，用于超弱UV-C图像识别与实例分割）的文章。

        ACS Photonics 是美国化学学会（ACS）旗下的高水平学术期刊，在光子学与光电领域具有重要影响力，属于该方向的主流顶级期刊之一。期刊聚焦纳米光子学、集成光子器件、光电材料及前沿应用，强调原创性与交叉创新，在半导体光电器件、量子光学等研究中具有较高认可度，是高质量成果发表的重要平台。

        波长在 200–280 nm 范围内的 UV-C 光由于受到大气层中臭氧层的强烈吸收，在地面附近形成了一个日盲区。这一特性使得日盲探测技术在火焰监测、导弹预警、保密通信以及电力系统电弧检测等领域具有极高的背景信噪比和应用价值。在许多实际场景（如远距离预警或极端环境监控）中，到达探测器的 UV-C 辐射强度往往处于纳瓦（nW/cm²）量级。现有的硅（Si）基探测器由于禁带宽度窄，必须配合昂贵的滤光片且量子效率较低；而倍增管（PMT）虽然灵敏，但体积大、工作电压高且寿命有限。作为超宽禁带半导体的典型代表，氧化镓（β-Ga₂O₃）具有约 4.9 eV 的禁带宽度，其吸收边自然对应日盲区，无需滤光片即可实现高性能探测。此外，它还拥有极高的热稳定性和化学稳定性，是制备下一代高性能日盲探测器的理想材料。尽管氧化镓探测器发展迅速，但如何进一步降低器件的探测阈值仍是核心难题。目前大多数研究集中在提升响应度，但往往伴随着暗电流的增大。若要在 nW/cm² 级别的超弱光下实现有效识别，必须在抑制暗电流的同时，通过能带工程实现极高的内部增益。氧空位（V_o）在氧化镓中通常扮演双重角色。本文研究重点在于如何通过引入特定能级的深层氧空位来重建能带结构。这种“缺陷诱导增益”机制被认为是突破超弱光探测瓶颈、实现超高感光度的关键途径。

        由于大气对紫外线（UV）辐射的强烈吸收，尤其是UV-C波段，因此检测、感知和利用 nW/cm² 级别的超微弱紫外光具有相当大的难度。为克服这一限制，我们报道了一种 28 × 28 的 β-Ga₂O₃ 阵列，通过引入深能级氧空位来重构能带结构，从而提高了其光敏度。该阵列能够检测低至 3 nW/cm² 的 UV-C 辐射，这代表了迄今为止在 UV-C 波段报道的最低阈值。利用该阵列的卓越灵敏度和均匀响应特性，进一步开发了一种图像预处理算法，以增强微弱紫外光成像。通过 Fashion-MNIST 数据集的验证表明，卷积神经网络（CNN）的识别准确率提高了 25 %。研究表明，这种优化的预处理对复杂视觉分析至关重要，它将实例分割质量（以加权平均交并比（IoU）衡量）显著提升了 33 %。这证明了该阵列在实际超弱紫外线C（UV-C）检测和成像应用中的巨大潜力。

        •成功研制出一种 28 × 28 规模的 β-Ga₂O₃ 阵列探测器，在 UV-C 波段实现了低至 3 nW/cm² 的探测阈值，这是目前已报道的氧化镓基日盲探测器的最低纪录。

        •通过引入深能级氧空位缺陷态，有效地重新构造了材料的能带结构。该机制在极弱光照射下触发了显著的内增益效应，大幅提升了光生载流子的收集效率。

        •该 28 × 28 像素阵列表现出极高的响应均匀性和像素稳定性，为大规模图像传感奠定了硬件基础。

        •针对超弱光环境下的噪声问题，开发了一套图像预处理算法。结合卷积神经网络，在仅有 3 nW/cm² 的光强下实现了高达 98.3% 的图像识别准确率。

        •研究不仅实现了简单的目标识别，还展示了在极弱 UV-C 信号下的实例分割能力，证明了该系统在复杂低照度场景下的高级视觉感知潜力。

        通过氧空位介导的能带结构工程，成功演示了一种用于超微弱紫外线C（UV-C）检测的高灵敏度 28 × 28 β-Ga₂O₃ 阵列。该器件在紫外线 C 波段实现了 3 nW/cm² 这一前所未有的检测限，标志着紫外线传感技术取得了重大突破。同时，利用该器件阵列优异的检测限和良好的均匀性，进行了微光图像预处理，有效提升了微光图像的性能。首先，通过基于卷积神经网络（CNN）的 Fashion-MNIST 数据集识别任务验证了这一能力，预处理后的图像准确率比微光图像提高了约 25 %，且始终保持在 75 % 以上。在实例分割这一高级任务中，相较于直接使用弱光图像，该预处理使加权平均 IoU（交并比）获得了高达 33 % 的相对提升。此外，分割准确率恢复至约 85 % 的稳定水平，这不仅显著提升了图像质量，还使其能够应用于复杂的分析场景。

        本研究得到以下项目资助：国家自然科学基金（项目编号：62401276、62334003、U23B2042）、南京邮电大学引进人才科研启动基金（项目编号：NY223161）、南京市科技计划项目（项目编号：202309003）以及苏州市关键核心技术攻关项目（项目编号：SYG2024003）。

图1. 器件的设计原理、结构及特性。(a) 人类视觉系统及基于传感器阵列的人工视觉系统中的微光图像处理。(b) 单个器件的结构示意图。(c) 显示阵列局部放大视图的光学显微镜图像。(d) 器件的 XPS 光谱。

图2. 器件阵列的光电性能。(a) 一个基于 β-Ga₂O₃ 的器件阵列单元的瞬态时变 I-t 曲线。(b) 初始阶段弱光照下 I-t 曲线的放大图。(c) 在 0.5 V 低工作电压下的长时间激发，以及 (d) 在 3 nW/cm² 光强下不同电压下的 30 次短时脉冲连续激发。(e) 光电探测器阵列中所有采样单元的暗电流和光电流。(f) 采样单元光电流的统计分布及其正态分布曲线。

图3. 本研究中器件阵列的检测限与先前报道的微弱光检测限的对比，每个符号代表相应的参考文献。

图4. 在光照条件下，V_o 相关陷阱对器件中光生载流子的（a）产生、（b）复合以及（c）再生过程的影响。

图5. 弱光条件下的图像识别应用。（a）一种弱光预处理系统，包括基于光电探测器阵列的图像预处理以及使用卷积神经网络（CNN）进行的图像识别。（b）经过增强预处理的图像的混淆矩阵。（c）图像识别精度的比较，以及（d）原始图像、弱光图像和预处理增强后图像的具体示例。

图6. 弱光条件下的实例分割应用。（a）用于实例分割的弱光预处理系统，包括基于光电探测器阵列的图像预处理以及用于视觉定量评估的 U-Net 架构。(b) 分割精度，以及 (c) 加权平均 IoU 随训练 epoch 的变化曲线，对比原始图像、弱紫外线图像和增强图像上的性能。 (d,e) 分割结果示例。数值分数表示正确预测的实例数占真实目标总数的百分比。

DOI：

doi.org/10.1021/acsphotonics.5c02950