Le capteur de vision inspiré du cerveau améliore l'extraction du contour des objets dans des conditions d'éclairage variables

Un nouveau capteur de vision inspiré des mécanismes de transmission neuronale du cerveau humain a été développé pour extraire efficacement et avec précision les contours d'objets même dans des environnements d'éclairage fluctuants. Cette progression promet d'améliorer considérablement les capacités de perception des véhicules, drones et systèmes robotiques autonomes, permettant une reconnaissance plus rapide et plus précise de l'environnement.

Une équipe de recherche, dirigée par le professeur Moon Kee Choi du Département de science et d'ingénierie des matériaux à UNIST, en collaboration avec l'équipe du Dr Changsoon Choi à l'équipe de la Corée de l'Institut des sciences et de la technologie (KIST) et du professeur Dae-Hyeong Kim de l'équipe de SEOUL National University, a annoncé le développement de ce capteur de vision robotique à minimation Synapse dans un article dans la revue dans la revue dans la revue Avancées scientifiques.

Les capteurs de vision servent les yeux des machines, capturant des informations visuelles transmises aux processeurs – analogues au cerveau humain – pour l'analyse. Cependant, le transfert de données non filtré peut entraîner une augmentation des charges de transmission, des vitesses de traitement plus lentes et une précision de reconnaissance réduite, en particulier dans les environnements avec des conditions d'éclairage ou des régions à évolution rapide avec des niveaux de luminosité mixtes.

Pour relever ces défis, l'équipe de recherche a conçu un capteur de vision qui émule la voie de signalisation de la dopamine-glutamate trouvée dans les synapses cérébrales. Dans le cerveau humain, la dopamine module les signaux de glutamate pour hiérarchiser les informations critiques. Imitant ce processus, le capteur nouvellement développé extrait sélectivement les caractéristiques visuelles à contraste élevé, telles que les contours d'objets, tout en filtrant des détails étrangers.

Le professeur Moon Kee Choi a expliqué: « En intégrant la technologie informatique dans les capteurs qui imite certaines fonctions du cerveau, notre système ajuste de manière autonome la luminosité et le contraste, filtrant efficacement les données non pertinentes. Cette approche réduit fondamentalement la charge de traitement des données pour les systèmes de vision robotique qui gèrent les gigabits d'informations visuelles par seconde. »

Les évaluations expérimentales ont montré que le capteur pouvait réduire le volume de transmission des données d'environ 91,8%, tout en améliorant simultanément la précision de reconnaissance des objets à environ 86,7%.

Le capteur incorpore un phototransistor dont la réponse actuelle varie avec la tension de la porte, fonctionnant de manière similaire à la dopamine en modulant la résistance à la réaction. Ce contrôle de tension de grille permet au capteur de s'adapter dynamiquement à des conditions d'éclairage variables, garantissant une détection de contour claire même dans les environnements à faible luminosité. De plus, le courant de sortie du capteur répond aux différences de luminosité entre les objets et les arrière-plans, amplifiant les bords à contraste élevé et supprimant les régions uniformes.

Le Dr Changsoon Choi a commenté: « Cette technologie a une large applicabilité dans divers systèmes basés sur la vision, notamment la robotique, les véhicules autonomes, les drones et les appareils IoT. En améliorant simultanément la vitesse de traitement des données et l'efficacité énergétique, il détient un potentiel important en tant que pierre angulaire pour les solutions de vision AI de nouvelle génération. ». «