Comment les modèles de polarisation permettent une nouvelle technologie

Des chercheurs de l’Université de l’Illinois à Urbana-Champaign ont développé une nouvelle méthode de géolocalisation sous-marine à l’aide de réseaux de neurones profonds qui ont été formés sur 10 millions d’images sensibles à la polarisation collectées dans le monde entier. Cette nouvelle étude, dirigée par le professeur de génie électrique et informatique Viktor Gruev, ainsi que le professeur d’informatique David Forsyth, permet la géolocalisation sous-marine en utilisant uniquement des données optiques tout en fournissant un outil de navigation sous-marine sans fil.

Ces résultats ont été récemment publiés dans la revue eLight.

« Nous montrons pour la première fois, vous pouvez vous géolocaliser, ou une caméra, dans un certain nombre de conditions différentes, que ce soit dans les eaux océaniques ouvertes, les eaux claires ou les eaux à faible visibilité, le jour, la nuit ou en profondeur », dit Gruev. « Une fois que vous avez une idée de l’endroit où vous vous trouvez, vous pouvez commencer à explorer et à utiliser ces informations pour mieux comprendre le monde sous-marin ou même la façon dont les animaux naviguent. »

Gruev explique que l’un des principaux défis de la navigation sous-marine et de la géolocalisation est que les signaux GPS ne peuvent pas pénétrer dans l’eau, ils rebondissent sur la surface. « Nous sommes aveugles en termes de signaux GPS sous l’eau. Nous devons utiliser différents moyens et différentes technologies pour géolocaliser sous l’eau. »

La norme actuelle de géolocalisation utilise des informations acoustiques, principalement obtenues par la technologie sonar. Cela fonctionne en déployant de nombreuses petites balises sonar qui envoient des signaux qui sont triangulés pour localiser un objet sous l’eau. Le problème, cependant, est que le sonar ne fonctionne que dans une petite zone définie, tout en étant également limité par sa précision.

Une autre méthode actuellement utilisée consiste à utiliser des submersibles qui sont attachés à un navire plus grand au-dessus de la surface qui a un signal GPS. Bien que le submersible puisse manœuvrer un peu, il est finalement limité par le mouvement du navire.

« C’est un problème incroyablement difficile d’avoir un véhicule sous-marin en mouvement libre. La façon dont nous résolvons ce problème est de développer des caméras spécialisées et des algorithmes d’apprentissage automatique. En combinant ceux-ci, nous pouvons réellement déterminer l’emplacement du soleil et c’est là que la polarisation l’imagerie entre en jeu », déclare Gruev.

Les ondes lumineuses du soleil se déplacent dans toutes les directions – elles ne sont pas polarisées. Lorsque ces ondes traversent un filtre, comme la surface de l’eau, elles sont obligées de se déplacer dans une seule direction – la lumière a été polarisée. Les modèles de polarisation sont le résultat de la transmission de la lumière de l’air à l’eau et de la diffusion par les molécules d’eau et d’autres particules.

Les modèles sous-marins changent tout au long de la journée et dépendent de l’emplacement de l’observateur et du soleil. En analysant ces modèles avec des informations précises sur la date et l’heure, il est alors possible de déterminer l’emplacement.

L’équipe a collecté environ 10 millions d’images avec une caméra sous-marine et une lentille omnidirectionnelle capable d’enregistrer les schémas de polarisation de quatre sites : un lac d’eau douce à Champaign, IL (visibilité d’environ 0,3 m), les eaux marines côtières de Florida Key, FL (visibilité d’environ 0,5-3 m), de l’eau de mer dans la baie de Tampa, FL (visibilité d’environ 0,5 m) et un lac d’eau douce à Ohrid, Macédoine du Nord (visibilité supérieure à 10 m). Les images ont été prises dans une variété de conditions (eaux claires ou eaux troubles), de profondeurs et d’heures de la journée, même la nuit lorsque l’intensité de la lumière sous-marine est nettement plus faible.

« Nous pensons que la vie est terne si nous ne pouvons rien voir, si nous ne pouvons pas voir les mains devant nous. Mais si nous pouvons voir les propriétés de polarisation de la lumière, nous pouvons nous géolocaliser, même dans les eaux boueuses. Et en fait, la vie est assez riche en termes de polarisation », dit Gruev.

Ces images ont été utilisées pour former un réseau de neurones, une méthode d’intelligence artificielle pour apprendre et améliorer la précision au fil du temps. « La façon dont nous avons fait cela consistait à collecter 10 millions d’images du soleil sous l’eau », explique Forsyth. « Chaque image a été étiquetée avec l’endroit où elle a été prise et l’élévation du soleil. Ces images ont ensuite été transmises à un système d’apprentissage et le système a été ajusté jusqu’à ce qu’il donne un emplacement précis. » L’utilisation de ces techniques d’apprentissage automatique a permis d’améliorer la précision de localisation à 40-50 km, avec la possibilité d’améliorer encore plus la précision.

Cette technologie offre de nouvelles opportunités aux personnes et aux robots pour naviguer sous l’eau. Les océans représentent plus de 70 % de la surface de la Terre, mais on sait très peu de choses à leur sujet. Les données que nous connaissons sur ces masses d’eau proviennent de la surveillance par satellite à 20-30 milles au-dessus de la surface. Des robots d’échantillonnage autonomes in situ pourraient fournir une surveillance plus précise des propriétés de l’eau telles que la température de l’eau, la salinité, les niveaux d’oxygène et d’autres paramètres connexes.

Les récents efforts de recherche et de sauvetage du submersible OceanGate Titan ont mis en évidence le besoin de capacités de géolocalisation précises. Afin de localiser le submersible à n’importe quelle profondeur possible, les efforts ont été répartis en deux régions distinctes, près de la surface de l’océan et près du fond marin, en raison des limites de la technologie actuelle. Les efforts en eaux profondes sont beaucoup plus difficiles que les opérations près de la surface, qui ont plus d’options technologiques et reposent principalement sur le sonar.

Non seulement le sonar n’est pas fiable sur une grande surface, mais il crée aussi souvent des échos qui masquent l’emplacement précis d’un objet. Gruev a déclaré: « Cette technologie d’imagerie par polarisation permettra à de plus petits robots autonomes de parcourir les 200 à 300 premiers mètres où la lumière pénètre dans l’eau et où notre technologie fonctionne très bien et peut aider lors des missions de recherche et de sauvetage. »

« Il est difficile de comprendre à quel point les océans sont grands, combien d’eau il y a, à quelle distance de tout ce que vous pouvez être et à quel point il est difficile de trouver quoi que ce soit là-bas. Le plus gros problème technologique, jusqu’au début du 19e siècle , consistait simplement à savoir où vous étiez en mer. Et cela reste vraiment, vraiment difficile », explique Forsyth.