Sztuczna inteligencja w czujniku poprawiająca obrazowanie spektralne

Wbudowany fotodetektor oparty na uczeniu maszynowym umożliwia rozpoznawanie w czasie rzeczywistym, zmniejszając zapotrzebowanie na energię i przyspieszając wykrywanie optyczne w złożonych środowiskach.

Obrazowanie spektralne jest niezbędnym narzędziem do analizy materiałów, monitorowania upraw i śledzenia substancji zanieczyszczających.Jednak konwencjonalne systemy stoją przed poważnym wyzwaniem, ponieważ generują ogromne ilości danych, które należy przesłać do oddzielnego procesora w celu analizy.Spowalnia to rozpoznawanie obiektów i zużywa duże ilości energii, ograniczając szybkość i wydajność aplikacji AI.Badacze potrzebowali czujnika zdolnego do inteligentnego rozpoznawania bezpośrednio podczas rejestrowania obrazu.

Aby sprostać tym potrzebom, naukowcy z Lawrence Berkeley National Laboratory opracowali pierwszy w swoim rodzaju czujnik wzmocniony sztuczną inteligencją.Urządzenie zostało zaprojektowane tak, aby zintegrować uczenie maszynowe z procesem fotodetekcji, eliminując potrzebę gęstego cyfrowego przetwarzania końcowego i umożliwiając identyfikację obiektów docelowych w czasie rzeczywistym.

Czujnik może identyfikować obiekty w czasie rzeczywistym, „wąchając” cechy widmowe z przykładowych obrazów i stosując tę ​​wiedzę do nowych, niewidzianych scen.Światło padające na czujnik przetwarzane jest na prąd elektryczny, którego natężenie odpowiada zawartości widmowej.Dostosowując czułość czujnika, podświetla pożądane sygnatury i ukrywa nieistotne dane.Ten sygnał analogowy skutecznie wykonuje obliczenia naśladujące algorytmy uczenia maszynowego, eliminując potrzebę oddzielnego przetwarzania cyfrowego.

Podczas treningu czujnik bada oznaczone piksele z przykładowych obrazów, ucząc się, które cechy odpowiadają celom, a które tłu.Po przedstawieniu nowych obrazów generuje pozytywne sygnały tylko dla celu, wykazując zdolność do uogólniania na niewidoczne dane.Takie podejście drastycznie zmniejsza transfer danych, zwiększa prędkość przetwarzania i obniża zużycie energii w porównaniu z tradycyjnym obrazowaniem spektralnym.

Profesor Ali Javey, EECS i MSE na Uniwersytecie Kalifornijskim w Berkeley, który kierował tymi pracami badawczymi, mówi: „Dla mnie najbardziej ekscytującą częścią jest dostarczanie inteligencji czujnikom”.Czujnik został przeszkolony na przykładowych obrazach przy użyciu oznaczonych pikseli, a następnie przetestowany na nowych danych.Udało mu się zidentyfikować takie obiekty, jak ptaki, stany nawodnienia liści, grubość warstwy tlenku w półprzewodnikach i przezroczyste substancje chemiczne.Współprojektując sprzęt i algorytmy, zespół otworzył nowe możliwości w zakresie widzenia AI i wykrywania optycznego wykraczających poza obrazowanie spektralne.