Cet appareil peut voir « des millions de couleurs »
Résumé graphique. Le crédit: Matériaux aujourd’hui (2022). DOI : 10.1016/j.mattod.2022.08.016
Une équipe interdisciplinaire de chercheurs de Northeastern a construit un appareil capable de reconnaître « des millions de couleurs » à l’aide de nouvelles techniques d’intelligence artificielle – une étape massive, disent-ils, dans le domaine de la vision artificielle, un espace hautement spécialisé avec de larges applications pour une gamme de les technologies.
La machine, que les chercheurs appellent « A-Eye », est capable d’analyser et de traiter les couleurs avec beaucoup plus de précision que les machines existantes, selon un article détaillant la recherche publiée dans Matériaux aujourd’hui. La capacité des machines à détecter ou à « voir » la couleur est une caractéristique de plus en plus importante à mesure que l’industrie et la société deviennent plus largement automatisées, déclare Swastik Kar, professeur agrégé de physique à Northeastern et co-auteur de la recherche.
« Dans le monde de l’automatisation, les formes et les couleurs sont les éléments les plus couramment utilisés par lesquels une machine peut reconnaître des objets », explique Kar.
La percée est double. Les chercheurs ont pu concevoir un matériau bidimensionnel dont les propriétés quantiques spéciales, lorsqu’elles sont intégrées dans une fenêtre optique utilisée pour laisser entrer la lumière dans la machine, peuvent traiter une riche diversité de couleurs avec une « très grande précision » – ce que les praticiens sur le terrain n’ont pas fait. pu réaliser auparavant.
De plus, A-Eye est capable de « reconnaître et reproduire avec précision les couleurs » vues « sans déviation par rapport à leur spectre d’origine » grâce également aux algorithmes d’apprentissage automatique développés par une équipe de chercheurs en IA, dirigée par Sarah Ostadabbas, une assistante professeur de génie électrique et informatique à Northeastern. Le projet est le résultat d’une collaboration unique entre les matériaux quantiques de Northeastern et les laboratoires de cognition augmentée.
L’essence de la découverte technologique est centrée sur les propriétés quantiques et optiques de la classe de matériaux, appelés dichalcogénures de métaux de transition. Les chercheurs ont longtemps salué les matériaux uniques comme ayant un « potentiel pratiquement illimité », avec de nombreuses « applications électroniques, optoélectroniques, de détection et de stockage d’énergie ».
« Il s’agit de ce qui arrive à la lumière lorsqu’elle traverse la matière quantique », explique Kar. « Lorsque nous cultivons ces matériaux sur une certaine surface, puis laissons passer la lumière, ce qui sort de cette autre extrémité, lorsqu’elle tombe sur un capteur, est un signal électrique qui [Ostadabbas’s] groupe peut traiter comme des données. »
En ce qui concerne la vision artificielle, il existe de nombreuses applications industrielles pour cette recherche liées, entre autres, aux véhicules autonomes, au tri agricole et à l’imagerie par satellite à distance, explique Kar.
« La couleur est utilisée comme l’un des principaux composants pour reconnaître le » bon « du » mauvais « , » aller « du » pas aller « , il y a donc une énorme implication ici pour une variété d’utilisations industrielles « , dit Kar.
Les machines reconnaissent généralement la couleur en la décomposant, à l’aide de filtres RVB conventionnels (rouge, vert, bleu), en ses composants constitutifs, puis utilisent ces informations pour deviner et reproduire essentiellement la couleur d’origine. Lorsque vous pointez un appareil photo numérique vers un objet coloré et prenez une photo, la lumière de cet objet traverse un ensemble de détecteurs avec des filtres devant eux qui différencient la lumière en ces couleurs RVB primaires.
Vous pouvez considérer ces filtres de couleur comme des entonnoirs qui canalisent les informations visuelles ou les données dans des boîtes séparées, qui attribuent ensuite des « numéros artificiels aux couleurs naturelles », explique Kar.
« Donc, si vous le décomposez simplement en trois composants [red, green, blue]il y a certaines limites », dit Kar.
Au lieu d’utiliser des filtres, Kar et son équipe ont utilisé des « fenêtres transmissives » faites de ce matériau bidimensionnel unique.
« Nous faisons en sorte qu’une machine reconnaisse la couleur d’une manière très différente », déclare Kar. « Au lieu de la décomposer en ses principaux composants rouges, verts et bleus, lorsqu’une lumière colorée apparaît, par exemple, sur un détecteur, au lieu de simplement rechercher ces composants, nous utilisons l’intégralité de l’information spectrale. Et en plus de cela, nous utilisent certaines techniques pour les modifier et les encoder, et les stocker de différentes manières. Cela nous fournit donc un ensemble de nombres qui nous aident à reconnaître la couleur d’origine de manière beaucoup plus unique que la manière conventionnelle.
Lorsque la lumière passe à travers ces fenêtres, la machine traite la couleur comme des données ; Des modèles d’apprentissage automatique y sont intégrés qui recherchent des modèles afin de mieux identifier les couleurs correspondantes analysées par l’appareil, explique Ostadabbas.
« A-Eye peut continuellement améliorer l’estimation des couleurs en ajoutant toutes les suppositions corrigées à sa base de données de formation », ont écrit les chercheurs.
